[发明专利]基于在线链路持续时间预测的V2V路由选择方法

权利要求书

1.一种基于在线链路持续时间预测的V2V路由选择方法，应用于车联网中车辆节点之间的通信，其特征在于，该方法包括以下步骤：

步骤S100，当第一节点向第二节点请求数据包时，若所述第二节点的邻居表包含所述第一节点，则将其对应的数据包发送至所述第一节点；否则，执行步骤S200；所述数据包包括位置、速度、加速度、运动方向、MAC地址；

步骤S200，分别基于所述第二节点的数据包与邻居节点组中各节点的数据包中相对应数据的差值，得到所述第二节点与各邻居节点的特征数据；所述邻居节点组包括一或多个邻居节点，所述邻居节点为所述第二节点的相邻节点；所述特征数据包括距离差、速度差、运动方向差、空间相似性、相对位移；

步骤S300，基于所述特征数据，通过链路持续时间预测模型得到所述第二节点与各邻居节点的链路持续时间预测值；

步骤S400，基于所述链路持续时间预测值，获取所述第二节点与各邻居节点的可达性系数；选取最大可达性系数对应的邻居节点作为所述第二节点的下一跳节点；

步骤S500，若所述下一跳节点的邻居表中包含所述第一节点，则将所述数据包发送至所述第一节点，否则循环执行步骤S200-步骤S400，直至将所述数据包发送至所述第一节点；

所述链路持续时间预测模型基于宽度神经网络构建，包括同向链路持续时间预测模型、反向链路持续时间预测模型；所述链路持续时间预测模型用于根据所述特征数据获取两节点的链路持续时间预测值；

所述可达性系数的计算方法为：

其中，AC为可达性系数，α为权重系数，VF为链路价值因子，max(d)为所述第二节点与各邻居节点的最大距离差，d_i为所述第二节点与各邻居节点的距离差，i为邻居节点的下标值，LD表示链路持续时间预测值，TT表示数据量传输时间。

2.根据权利要求1所述的基于在线链路持续时间预测的V2V路由选择方法，其特征在于，步骤S300中“基于所述特征数据，通过链路持续时间预测模型得到所述第二节点与各邻居节点的链路持续时间预测值”，其方法为：

若所述运动方向差小于90度，则根据所述特征数据，通过同向链路持续时间预测模型得到所述第二节点与各邻居节点的链路持续时间预测值；否则通过反向链路持续时间预测模型得到所述第二节点与各邻居节点的链路持续时间预测值。

3.根据权利要求1所述的基于在线链路持续时间预测的V2V路由选择方法，其特征在于，步骤S400中“基于所述链路持续时间预测值，获取所述第二节点与各邻居节点的可达性系数”，其方法为：

获取所述第二节点数据包的大小及所述第二节点数据包到各邻居节点的传输速率，得到所述第二节点数据包到各邻居节点的传输时间；

将所述链路持续时间预测值与所述传输时间相除，获取所述第二节点与各邻居节点的链路价值因子；

根据所述链路价值因子、所述第二节点与各邻居节点的距离差，得到所述第二节点与各邻居节点的可达性系数。

4.根据权利要求1所述的基于在线链路持续时间预测的V2V路由选择方法，其特征在于，步骤S100中“若所述第二节点的邻居表包含所述第一节点，则将其对应的数据包发送至所述第一节点”，其方法为：若所述第二节点的邻居表中包含所述第一节点的MAC地址，则将其对应的数据包发送至所述第一节点。

5.根据权利要求1所述的基于在线链路持续时间预测的V2V路由选择方法，其特征在于，所述链路持续时间预测模型其训练方法为：

分别获取两两相邻节点的链路持续时间、特征数据，作为训练数据；

根据所述运动方向差，将所述训练数据分为同向训练数据和反向训练数据；

将两组训练数据分别输入链路持续时间预测模型，得到同向链路持续时间预测模型、反向链路持续时间预测模型。