一种基于V-NDN的车联网数据转发决策算法

为了解决VANET车载自组织网络节点无线广播引发的兴趣包广播洪泛和网络拥塞等问题,提出了一种面向VANET的NDN实时车辆节点轨迹路径概率选择方案,该方案是一种基于机器学习的概率转发算法—DT-NB。首先用一个交通仿真模拟软件SUMO仿真模拟上海市某高架的车辆实时运行状态并获取信息,在ndnSIM平台中通过在兴趣包里加入自定义段的方式进行Hello交互,当前运动着的车辆节点会实时且周期性地交换运行状态信息,收到自定义段兴趣包的车辆会根据DT-NB计算转发概率进行转发判断。经过仿真对比BSRF、Multicast、NDN-G三种转发策略下满足的兴趣包数、兴趣包转发数和时延的结果,证明此方案对于优化广播风暴和网络拥塞具有优胜性。

基于软件定义网络的链路负载均衡策略

针对传统路径路由方法在复杂网络中出现的负载不均衡,传输路径复杂等问题,提出一种基于软件定义网络(Software Defined Network,SDN)的跳数负载均衡策略(SDNHop Link Load Balancing,SDN-HLLB)。基于SDN对网络架构的全局查看能力,控制器对传输过程中的节点进行实时更新并计算,选出最优路径并进行数据传输。通过Mininet工具进行模拟,利用Networkx实现最短路径转发,结果表明SDN-HLLB可提高数据传输速率,实现网络链路负载均衡,满足用户在复杂环境中对传输速率要求。