软件定义车联网的数据转发策略和路由选择技术

针对目前车联网（VANET）数据转发效率低的问题,提出了软件定义网络（SDN）的数据转发策略和路由选择技术。首先,采用了软件定义车联网的分层控制结构,由局部控制器和全局控制器组成,实现数据转发和控制分离,可灵活控制数据转发的方向;然后,设计了单条路段的车辆路由机制,该机制预测车辆节点位置并采用贪心策略,实现数据的稳定传输;其次,设计了多个需求间的路段路由机制,该机制采用广度优先搜索（BFS）算法和边集相结合的方式,实现多个需求间路径不相交,缓解带宽瓶颈问题;最后,通过仿真验证,对比无线自组网按需平面距离向量（AODV）路由,所提出的数据转发策略和路由选择算法在数据分组接收率上提高40%以上,平均延迟时间降低60%左右。实验结果表明,软件定义车联网的数据转发策略和路由选择技术能够提高数据转发效率,减少平均收包延时。     

基于命名数据网络的车载自组织网络数据分发机制

车载自组织网络（VANET）是一个高度动态的通信网络,设计稳定的数据分发机制是一个很大的挑战。将关注数据内容的命名数据网络（NDN）应用于车载自组织网络中,能有效缓解网络拓扑频繁变化所带来的问题。首先,优化命名数据网络的消息类型和数据结构;然后,结合车载自组织网络的特性,提出根据路段建立路由的方式,减少数据分发的开销。仿真实验结果表明,所提出的基于命名数据网络的车载自组织网络数据分发机制与应用于车载自组织网络数据分发的传统命名数据网络算法对比,数据转发平均命中率（AHR）提高大约53个百分点,平均转发次数减少大约0.4。因此提出的基于命名数据网络的车联网数据分发机制,采用新的路由方式,能够提高数据分发效率。     

一种软件定义车载自组织网络的QoS路由算法

车载自组织网络（VANET）是由移动车辆节点组成的移动自组织网络（MANET）,其不依赖基础设施即可建立通信链路实现通信。由于车辆的高机动性和无线通信资源的限制,VANET难以保障车辆业务的服务质量（QoS）。针对该问题,引入软件定义网络（SDN）,提出一种适用于软件定义车载自组织网络（SDN-VANET）的多约束QoS路由算法。利用SDN控制转发分离的优势保障各业务的QoS,SDN控制器会根据车辆业务的截止日期对业务实现顺序调度,并基于蛙跳算法设计自适应中继节点选择算法（AH-SFLA）,SDN控制器根据QoS指标和全局拓扑信息计算数据在传输链路上的适度值,以此为基准搜索优化路径。在此基础上设置备选链路机制和QoS资源消耗阈值共同实现路由维护,减少网络故障发生的概率。联合Mininet-wifi和SUMO搭建SDN-VANET环境,并将AH-SFLA路由算法与IGA、IICSFLA进行对比验证分析。实验结果表明,与IGA和IICSFL相比,AH-SFLA在平均端到端延迟指标上分别提高了57.74%和46.6%,丢包率平均降低了29.9%和18.6%,标准化路由开销提升了36.93%和27.2%,能有效保证VANET中的QoS。     

软件定义空基骨干网中的编码感知机会路由方案

为保障空基通信任务的高效实施,针对软件定义空基骨干网中路由信息交互时存在的时延、开销以及可靠性方面的不足,提出一种改进的兼具软件定义与网络编码优势的CAOR-SD方案。该方案在沿用编码感知机会路由基本思想的前提下,将节点距离与编码收益综合考虑构造转发消耗函数进行候选转发节点优先级的分配,从而提高网络传输效率;同时对控制报文的反馈机制和节点的流表结构进行设计,控制开销有效降低。仿真结果表明,该路由方案可较好地适应空基通信场景,能够降低传输时延和路由开销,提高网络吞吐量和数据成功传输率。     

面向车联网路由的转发链路增强算法

在未来车联网的设计中,基于安全类消息集对高可靠低时延的要求,可以在车联网路由设计中引入V2V机制。针对V2V链路不稳定的问题,提出了一种基于信道感知的转发链路增强算法FLEA (Forward Link Enh-anced Algorithm)。首先,基于对周边车辆的历史位置及速度信息的采集对车辆进行记忆性位置预测,然后结合信道感知计算当前时刻通信覆盖范围,预测位置在通信覆盖范围内的车辆通信链路是可靠的。将贪婪转发算法与FLEA算法结合引入到车联网路由设计中,仿真结果表明所提算法可以提升数据包投递率,并且有效降低端到端时延。     

车联网环境下基于节点认知交互的路由算法

针对车联网（IoV）环境下消息传输效率低下、网络资源开销较大等诸多问题，提出一种适用于城市交通场景下基于车辆节点认知交互的路由算法。首先，依据信任理论提出节点认知交互度的概念，并在此基础上对车联网中的车辆节点进行分类，赋予它们不同的认知交互度初值；同时还引入车辆节点交互时间、交互频率、车辆节点物理间隔距离、间隔跳数以及消息生存时间等影响因子，进而构建了车辆节点认知交互评估模型。基于该模型计算并更新节点的认知交互度，并通过比较对应车辆节点间的认知交互度值来选取认知交互度相对较高的邻居节点作为中继节点进行消息转发。仿真实验结果表明，与Epidemic和Prophet路由算法相比，所提路由算法有效提高了消息投递率并降低了消息投递时延，同时显著降低了网络资源的开销，有助于提升车联网环境的消息传输质量。     

基于车载自组网通信终端和运动信息的容忍时延网络分簇路由算法

针对复杂战场环境下用户终端间缺少稳定的端到端通信路径的问题,提出一种基于车载自组网（VANET）通信终端和运动信息的容忍时延网络（DTN）分簇路由算法——CVCTM。首先,完成了基于簇头选举的分簇算法研究;然后,根据跳数、转发方式和地理位置信息开展了簇内源车辆路由选择算法研究;其次,通过引入等待时间、重发次数阈值和下游簇头,实现了异簇间源车辆路由选择;最后,通过车载自组网的通信终端选择与上级指挥所通信的最佳方式。ONE仿真的实验结果表明,CVCTM与无线自组网按需平面距离向量路由协议（AODV）相比,消息投递率增加了近5%,网络开销减少了近10%,簇结构重组次数减少了近25%;与基于传统分簇路由（CBRP）算法和动态源路由（DSR）协议相比,消息投递率增加了近10%,网络开销减少了近25%,簇结构重组次数减少了近40%。CVCTM能够有效减少网络开销和簇结构重组次数,同时增加消息投递率。     

智能电网中电力线通信网络负载均衡的机会路由协议

针对智能电网（SG）中电力线通信（PLC）网络中负载均衡的问题,提出了一个自适应机会路由协议——负载均衡的机会路由协议（LBORP）。在LBORP中,所有收到数据包的候选转发节点都有机会参与到数据包的转发中,不再局限于一条路由路径,避免了流量仅从一条链路经过导致的负载不均衡现象;而且候选转发节点的转发优先级不仅考虑到转发节点到目的节点的距离,还考虑到了PLC链路的不稳定性以及流量的变化。除此之外,在LBORP中采用一种隐式确认方案,进一步减少协议的端到端时延。在仿真实验中,与基于有序树的PLC路由协议（PLC-TR）和PLC机会路由协议（PLC-OR）相比,LBORP在时延上分别降低了19.7%和45.8%,在丢包率上分别降低了23.4%和32.5%。实验结果表明,LBORP能够实现网络的负载均衡,提升网络的可靠性并减小端到端时延。     

具备匿名性和信任评估的车联网数据转发方案

随着智能交通系统的快速发展以及车辆用户的持续增长,数据转发成为车联网的研究热点之一。然而车辆节点的高速移动,导致网络拓扑结构的快速变化以及网络持续连通性变差;此外由于车联网无线通信的属性,数据转发的内容以及车辆用户的信息很容易被窃听和泄露;同时存在一些车辆用户可能拒绝转发数据。因此,在车联网中如何保证数据转发的可靠性以及用户身份的隐私性和用户的参与性是非常重要的。提出了具备匿名性和信任评估的车联网数据转发方案,该方案利用无证书签名技术实现了区域车辆成员和路边单元的匿名认证,车辆通过路边单元将消息转发给可信机构（TA）,交通管理中心（TMC）评估接收到消息的可靠性后转发给相应的车辆节点,以此提高转发的及时性,最后可信机构通过消息的可靠性来计算车辆节点的信任等级并更新该车辆的信用账户。利用无证书签名技术降低了计算开销;通过TMC对消息进行分类评估实现了消息的可靠性及完整性;通过对其信用账户的更新提高了用户参与的积极性。安全性分析表明该方案实现了用户身份的认证性、匿名性、数据的可靠性、不可抵赖性及可追溯性。     

可编程数据平面下基于DDPG的路由优化方法

针对于数据中心网络不均衡的流量分布,和在使用固定功能交换机的软件定义网络中部署强化学习模型时,不能精确感知网络状态导致的路由决策偏差问题,设计了一种在具有可编程数据平面的软件定义网络中,基于深度确定性策略梯度（DDPG）强化学习模型的路由优化方法。通过在可编程数据平面自定义数据包处理逻辑,获取细粒度、高精度的网络状态参数,然后在控制平面使用DDPG模型根据网络状态参数确定多条可选路径的链路权值,并为数据流选择具有最大综合剩余负载能力的路由路径,最后以源路由的方式下发流表。实验结果表明,该方法可以在较高的带宽需求下提高网络吞吐量和链路利用率,降低端到端传输时延和南向通信开销。     

AODV和AOMDV路由协议性能分析与比较

移动无线自组网(MANET)作为一种典型的自组织网络,其路由协议一直是研究的重点。介绍了无线自组网按需平面距离矢量路由(AODV)协议和无线自组网按需多路径距离矢量路由(AOMDV)协议的特点,在NS2模拟软件中使用多种测试场景和不同的介质访问控制(MAC)层协议对这两种路由协议的性能进行了测试和分析。实验结果表明,AOMDV协议在平均延时和路由发现频率上优于AODV协议,在分组投递率和归一化路由开销方面的性能低于AODV协议。     

多径路由协议AOMDV的改进与性能分析

移动无线自组网是一种移动多跳无线网络,有效的路由算法是关键。由于移动自组网的移动性,会使得无线自组网按需多径距离矢量路由（AOMDV）协议的活动路由不再是最短路径。针对此不足,提出了改进方法：构建两跳路由,然后利用两跳路由信息对活动路由进行动态优化,使路径更短。NS一2仿真结果表明,改进的AOMDV协议在路由发起频率、端到端平均时延、归一化路由开销和数据分组投递率等方面的性能均比AOMDV效果好。     

基于能量感知的WSN按需多径路由协议

在无线传感器网络(WSN)按需距离矢量(AODV)路由协议的基础上,提出一种基于能量感知的WSN按需多径路由协议——AODV-EALB。综合考虑链路质量、转发优先级系数、剩余能量和节点接收数据包的信号强度,均衡网络节点能耗。仿真实验结果表明,AODV-EALB协议能降低丢包率,延长网络生存周期。     

基于弱状态的车载网数据转发策略

针对车载网（VANET）中车辆高度移动性、拓扑变化动态性等特点所导致的数据转发失败问题,提出一种基于弱状态协议（WSR）下的数据包传输算法——WSFD,实现交通控制中心（TCC）到目标车辆之间的高效数据传输。首先,车辆控制中心将收集到的数据包发送给位于目的车辆方向的接入点（AP）;然后,接入点在其通信范围内将数据包转发给某车辆,同时数据包携带上目标车辆位置信息;其次,每次接收到数据包的车辆对比自身所持有的映射,筛选出对于目标车辆位置信息确定性最大的映射与数据包携带的位置信息对比以确定下一步转发方向。若映射置信度较大,则将数据包方向修正为向此映射对应的地理区域中心移动,同时数据包更新包中所携带的目标车辆信息,反之则维持原方向不变。最后经过多次转发修正数据包传输方向,逐渐逼近目标车辆所在的区域,完成最终的数据交付。在30 km×30 km方形区域的数据传输实验中,与TSF与GPSR算法相比,WSFD在数据包的传输延迟上普遍降低至5 s以下,且将数据包投递率提高至0.92。实验结果表明,WSFD能准确高效地传输数据包,在增强了驾驶员的人身安全性同时有效缓解了交通堵塞。     

无线移动自组织网路由协议性能研究

路由是无线移动自组织网的关键技术之一。目前已经提出的MANET路由协议有很多种，因此如何针对一定应用场景选择一个最佳的路由协议，是人们十分关心的一个问题。该文对已经通过IETF认可的三种MANET路由协议：DSR、AODV和OLSR进行了仿真对比分析。设计了大量的场景，通过对路由协议的分组传送率、端到端时延和所选路径长度等指标的比较，得出了在不同的网络环境下MANET最佳路由协议选择方案。仿真中发现同是采用按需的路由发现策略的DSR和AODV在高移动、高负荷的网络环境下的性能存在较大差异，对此原因进行了深入分析，并根据分析对DSR提出了改进方案。     

基于分组转发状况的车载自组织网络路由算法研究

路由协议算法是车载自组织网络的一个重要研究方向.目前多数车载自组织网络路由协议算法根据一些间接表征因素(如源到目的节点的最短距离、车流量密度等)来判断最优转发路径,但是这些表征因素还都停留在理论假设阶段,能否反应真实的路况、表示实事上最优的路径并无定论.提出一种基于分组转发状况的车载自组织网络路由协议算法,旨在根据分组...     

避免路由断裂的优化AODV路由协议

移动自组网(MANET)中,节点的移动容易引起链路失效,传统的按需距离矢量(AODV)路由算法的本地修复机制局限于在链路断裂后进行,如果修复失败或者过慢,可能导致缓存的数据包丢失。针对这一问题,提出一种避免路由断裂的优化AODV路由算法ARB-AODV,该算法首先对即将断裂的链路进行预测,然后计算有关节点的相对稳定度,将稳定性较高的节点插入即将断裂的链路中,以消除节点的边缘效应来避免路由断裂。在NS-2平台下采用随机路点移动模型(RWM)和恒定比特率(CBR)数据源进行实验,在节点的移动速度大于10m/s时,ARB-AODV算法的分组投递率保持在80%以上,其平均端到端时延比AODV算法降低了40%,归一化路由开销比AODV算法降低了15%。仿真结果表明,ARB-AODV优于AODV,能有效提高网络性能。     

移动自组网络中基于无线TCP跨层服务质量保障机制

无线自组网按需平面距离矢量路由(AODV)算法在路由发现过程中会产生大量的广播消息,消耗了大量网络资源,严重影响了网络的服务质量(QoS)。针对这个不足,提出了一种跨层服务质量保障机制。使用了以信噪比(SNR)确定下一跳节点为准则的增强型无线自组网按需平面距离矢量路由(E-AODV)算法,并且应用了无线传输控制协议(WTCP)来提高数据传输可靠性。仿真结果表明,所提机制可以有效地将网络中的数据交付时延(DDL)减少近56%,同时将数据交付率(DDR)提高近24%。