[发明专利]大规模车联网多社区间通达性方法

说明书

为了探测大规模车联网多社区间的连通并保持稳定，本发明给出大规模车联网多社区间通达性方法，将学习自动机理论应用到大规模车联网多社区间的通信方案中，通过部署在社区节点的学习自动机间信息交换与竞争，自适应调整不同路由的转发概率，从而达到从整体上优化网络通信的目的，提升大规模车联网网络通达性。

本发明是在程久军等发明人于2019年3月1日申请的《车联网社区动态演化方法》(申请人：同济大学，专利申请号：201910155584 2))在先申请专利文献的进一步研究和开发，该在先专利文献可视为本发明说明书的一部分。

技术领域

本发明涉及车联网领域，具体涉及大规模车联网多社区间通达性方法。

背景技术

通达性是网络实现互联互通最重要的特性之一，主要包括网络中的连通性和稳定性。连通性主要是解决网络中点对点路由是否可达；稳定性的重点则在于优化网络结构和路由策略，避免因信息拥塞以及传输延迟等带来的网络效率问题。下面从车联网通达性方法中连通性和稳定性两个侧重点分别进行说明。

(1)连通性

车联网的连通性研究分为定性分析和量化度量分析。定性分析通常指车辆在道路上的分布情况或车联网固有特性对连通性的影响，而量化度量则是通过比较平均数据延迟或丢包率等指标研究不同连通策略的具体优劣。Jin等人将车辆在道路上的分布视为泊松分布，结合车辆道路约束的特性来研究车辆密度和通信范围对连通性的影响。文献中进一步在车辆节点符合泊松分布的基础上，采用二维随机图模型进行建模，定性和定量分析车辆密度与最小无线传输距离的关联程度，并据此为车联网中关键节点的位置部署提供指导。此外，在第一章中提到的MCEGR方法是对车联网社区内与社区间连通性的折中，但存在的问题是MCEGR是一个两跳路由方法，社区规模不是很大，适用范围有限。

(2)稳定性

稳定性是保证车联网这种拓扑结构快速变化的自组织网络持续连通的关键指标之一，是车联网通达性的重要组成部分。有关基于社区演化的通达性方案，社区的稳定性是关注的重点。Morales等人提出了一种车载网络自适应社区聚类算法，该算法根据车辆节点运动轨迹、当前速度与位置、道路情况等来预测下一时刻车辆节点的位置，并结合当前网络拓扑与预测后的网络拓扑来进行社区划分，考虑了网络未来变化的趋势，提高了社区的持续时间和稳定性。

综上所述，这些方法在连通性和稳定性方面存在的问题是，当网络规模较大且拓扑结构高动态变化时，由于缺乏自适应的路由，可能因为部分连接丢失而不能快速恢复，导致网络通达性不足。针对以上问题，本发明在2019年3月1日申请的《车联网社区动态演化方法》(申请人：同济大学，专利申请号：201910155584 2)研究车联网动态社区演化机制可实时得到车联网社区结构的基础上，提出一种基于学习自动机的大规模车联网多社区间通达性方法，该方法将学习自动机理论应用到大规模车联网多社区间的通达性研究，通过部署在社区节点的学习自动机间信息交换与竞争，自适应调整不同路由的转发概率，从而达到从整体上优化网络通信的目的，提升车联网网络通达性。

发明内容

发明目的：

本发明研究方法是针对大规模车联网网络客观存在路网交错复杂，拓扑频繁变化，以及通信协议多样等现象带来的通达性问题，利用学习自动机理论，通过部署在社区节点间的信息交换与竞争，设置相应的激励函数和惩罚函数，自适应调整不同路由的转发概率，达到纳什均衡状态，从而实现从整体上优化网络中的数据传输，提升大规模车联网网络通达性的目的。

现有关于车联网社区连通性和稳定性方面存在的问题是，当网络规模较大且拓扑结构高动态变化时，由于缺乏自适应的路由，可能因为部分连接丢失而不能快速恢复，导致网络连通性不足，也可能因为数据聚集导致网络拥塞，造成部分节点超过通信负载上限而无法正常工作，导致网络稳定性不佳。最后的结论则是：大规模车联网作为一种动态自组织网络，需要建立自适应调整的不同路由转发概率以及达到纳什均衡状态，才能提升车联网社区内部通达性的目的。