一种基于分簇优化的VNDN数据转发方法

车辆命名数据网络(VNDN)是一种架构于NDN上的车辆自组织网络(VANET),是基于信息中心网络体系的未来车联网典型代表之一.在VNDN中,车辆的移动性会导致基于耦合路由的NDN数据交互出现通信链路断裂问题.鉴于此,提出了一种基于分簇的车辆移动预测及数据转发方法.利用卡尔曼滤波预测机制,对具有相似移动特征的车辆进行分簇,同时引入网关节点来合理控制簇的大小并保证相邻簇之间的通信.仿真结果表明:所提方法能够有效降低数据传输时延,提高数据交付成功率.

RSU辅助的V-NDN数据转发机制

V-NDN(vehicular named data networking)是一种使用命名数据网络架构的车辆自组织网络(vehicular Ad-hoc network,VANET),主要用来连接移动车辆之间的通信。提高网络中兴趣包的命中率是研究领域急待解决的难题。文章研究了城市道路环境下V-NDN的数据转发策略,考虑到城市道路环境下路侧单元(road side unit,RSU)被均匀广泛部署的特点,提出了一种基于RSU辅助的V-NDN数据转发策略(RSU aided V-NDN)。通过实验仿真与传统的V-NDN和基于蜂窝网络辅助的V-NDN进行对比,结果表明该文提出的数据转发策略有效地提高了网络的服务质量(quality of service,QoS)。

基于多准则决策的VNDN兴趣包转发方法

车辆命名数据网络(VNDN)是将命名数据网络(NDN)与车辆自组织网络(VANETs)有机结合起来的一种新型网络架构,其信息共享方式由传统网络的地址转变为内容.当前的VNDN网络中,车辆查找内容主要通过泛洪兴趣包的方式,会消耗较多的网络资源,造成大量延迟.针对此问题,提出了一种基于多准则决策的兴趣包转发方法,该方法借鉴TOPSIS理论优势,选择特定车辆转发兴趣包,从而有效利用了网络资源.实验结果表明:所提方法在车辆获取特定信息时,在网络时延以及丢包率方面均体现出一定优势.