[发明专利]一种车联网中基于蚁群优化的中继选择方法

说明书

本发明公开了一种车联网中基于蚁群优化的中继选择方法，该策略的实现方法如下：首先，利用蚁群特性估计源节点到每个邻居节点的平均时延，作为时延信息素。其次，通过车辆本身的移动性，计算相应的距离、链路持续时间以及MAC层竞争退避的次数。利用蚁群特性总结出相应的转发概率，最后选择转发概率最大的车辆作为中继。本发明通过采用蚁群优化的方式，利用时延的正反馈以及车辆本身的特性优化中继选择策略。仿真结果表明，与传统的AODV、GPSR协议相比，所提出的策略具有更好的性能。

技术领域

本发明属于无线通信技术领域，具体涉及一种车联网中基于蚁群优化的中继选择方法。

背景技术

车辆自组织网络是由车辆节点组成的多跳通信自治系统。车辆自组网的目的是在车辆环境中提供无线通信能力。车联网场景是第五代移动通信三大典型场景中超高可靠低时延场景的典型案例，在5G中具有重要地位。然而，车辆自组织网络有着其特殊的特性，例如频繁的链路失效、不稳定的网络拓扑以及车辆的随机移动。所以这些特性都对车辆自组织的路由设计产生了巨大挑战。由于车辆通信的主要性能指标是时延，因此传统的路由协议不能很好的适用于车辆环境。设计能够保证超低时延和超高可靠性的路由协议具有很大的挑战性。由于车辆环境的复杂多变性，路由协议只有通过自适应调整车辆环才有可能表现出良好的性能，而考虑到时延的重要性，通过评估每个转发车辆的时延特性，并结合车辆自身移动性的特点，将有助于选择最佳的中继，以便减少整体的传输时延。

发明内容

本发明的目的是为了降低车辆自组织网络多跳通信时延，保证通信的可靠性，通过引入蚁群优化的方法，提供了针对时延的自适应的中继选择策略，能够有效的提升系统性能。

为达到上述目的，本发明所采用如下技术方案予以实现：

车联网中基于蚁群优化的中继选择方法，包括以下步骤：

1)发送端车辆选择相应中继时，首先需要计算到每个邻居车辆的数据包传输时延D_ij的大小；

2)对于在通信范围R_range内的每个邻居车辆，计算发送端车辆到各个邻居车辆的距离d_ij和链路持续时间LET_ij；

3)采用泊松过程模型对MAC层退避接入次数进行建模，分析车辆竞争接入信道时所需要的退避次数B；

4)采用蚁群优化的方法对数据包传输时延D_ij、距离d_ij、链路持续时间LET_ij以及MAC层退避次数B进行联合分析，建立发送端车辆选择中继的概率模型；

5)采用最大化概率的方式，选择转发概率最大的车辆作为中继。

本发明进一步的改进在于，步骤1)中，将通信范围R_range内的车辆包含到邻居车辆集合M中,在时间间隔Δt内，发送端车辆i到所述的邻居车辆集合M中车辆j的平均传输时延为：

其中，表示车辆i发送到车辆j的第k个数据包的时延，n是车辆i发送到车辆j的数据包的总个数；

则将公式(1)作为在时间间隔Δt内积累的时延信息素的量，基于蚁群优化理论，信息素会随着时间的流逝而稀释，则在时间间隔Δt内信息素的稀释过程如下：

其中：是经过稀释之后的信息素，ρ是恒定的稀释速率，τ_ij(t)是在t时间积累的信息素；

则经过Δt时间后积累的总信息素浓度为：

公式(3)归一化之后的结果为：