基于路网与QoS模型的GPSR改进协议

针对传统GPSR协议在城市交通条件下多数存在链路质量低、投递率受速度影响大、低节点密度适应性差等问题,提出一种LRGR路由协议。利用道路和路口位置等信息建立路网模型,引入服务质量评估优化路径,并给出携带转发机制。选取实际道路电子地图作为实验仿真场景,并通过SUMO和NS3仿真工具对GPSR协议和LRGR协议进行不同节点密度或速度下的比较仿真,结果表明,在实际交通场景中,车辆密度与速度对路由协议投递率、端到端时延和端到端跳数影响较大,尤其在低密度和高速度情况下,协议各性能明显下降。在不同车辆密度和速度条件下,LRGR协议比GPSR协议投递率提高20%～35%,端到端时延降低5 ms～10 ms,端到端跳数减少2跳～4跳,能够适应城市车载自组织网络。

基于智能移动终端的驾驶行为聚类研究

通过智能移动终端内部的加速度传感器、陀螺仪传感器采集车辆运动状态数据,对采集的传感器数据进行移动平均滤波处理,提取传感器数据的时域特征.采用主成分分析对21维原始驾驶行为特征进行转换,生成五个表征明确驾驶行为的综合特征,结合k-means和模糊C均值(FCM)聚类算法对采集到的驾驶行为数据的综合特征进行聚类分析.聚类结果表明,车辆驾驶行为特征可有效聚为转弯行为、变速行为和变道行为,FCM聚类效果优于k-means,但是FCM的运行时间慢于k-means.