智能网联车之间的拓扑快速变化导致车间链路质量不稳定,从而使得数据转发的效率降低。对此,本文面向城市路网提出一种基于路段实时评分的智能网联车数据转发模型(Road section scoring-based data forwarding model for intelligent con...智能网联车之间的拓扑快速变化导致车间链路质量不稳定,从而使得数据转发的效率降低。对此,本文面向城市路网提出一种基于路段实时评分的智能网联车数据转发模型(Road section scoring-based data forwarding model for intelligent connected vehicles,RSSM)。首先,根据车辆密度将路段分为两部分,并分别对两部分路段上节点间的连通性进行建模,之后得到整条路段上节点间的连通性作为该路段的得分。然后,计算整个路网中所有路段上节点间的连通性并将其作为上述路段的得分,依据整个路网对路段的评分实现源节点到目的节点的动态路径规划,保障所规划的数据转发在整体上最优。最后,在结合实验平台NS3与SUMO上进行仿真对比,实验结果表明:与同类算法相比,本文提出的数据转发模型RSSM在数据投递成功率和时延方面均优于同类数据转发方法。展开更多
文摘智能网联车之间的拓扑快速变化导致车间链路质量不稳定,从而使得数据转发的效率降低。对此,本文面向城市路网提出一种基于路段实时评分的智能网联车数据转发模型(Road section scoring-based data forwarding model for intelligent connected vehicles,RSSM)。首先,根据车辆密度将路段分为两部分,并分别对两部分路段上节点间的连通性进行建模,之后得到整条路段上节点间的连通性作为该路段的得分。然后,计算整个路网中所有路段上节点间的连通性并将其作为上述路段的得分,依据整个路网对路段的评分实现源节点到目的节点的动态路径规划,保障所规划的数据转发在整体上最优。最后,在结合实验平台NS3与SUMO上进行仿真对比,实验结果表明:与同类算法相比,本文提出的数据转发模型RSSM在数据投递成功率和时延方面均优于同类数据转发方法。