[发明专利]基于CP神经网络的车载自组网交叉路口预测路由方法

摘要

本发明公开一种基于CP神经网络的车载自组网交叉路口预测路由方法，主要解决交通环境中，车辆的高速移动，频繁改变的网络拓扑和多种分布的车辆密度，使得数据包转发路段中节点之间链路频繁断裂，数据包传输时延大，发送成功率低的问题。其实现方案是：使用CP神经网络对数据包在交叉路口转发的下一个路段优先级进行分类，当节点到达交叉口时，在一个Hello报文周期内，把相邻路段平均链路连通概率、各相邻路段平均节点密度和下一交叉口到目的地的距离与当前交叉口到目的地的距离比作为CP神经网络的输入，输出为相邻数据包转发路段优先级，选择优先级最高的路段既为数据包最佳的转发路段。本发明增加了数据包转发成功率，减少了数据包的传输时延，可用于车载自组网。

主权项

一种基于CP神经网络的车载自组网交叉路口预测路由方法，具体步骤为：(1)以路段平均链路连通概率、路段平均节点密度、下一交叉口到目的地的距离与当前交叉口到目的地的距离比作为输入，使用CP神经网络对数据包转发路段优先级进行分类；(2)车载自组网中的节点根据GPS定位信息检查自己是否位于交叉路口，若是，则用自己的节点标识号、位置信息和当前Hello报文周期的各相邻路段的平均链路连通概率、车辆密度和距离比信息构造Hello报文，计算当前Hello报文周期相邻路口密度信息、平均连通概率信息、距离比。若不是位于交叉路口，节点用自己的节点标识号、位置信息构造Hello报文，跳转执行步骤(6)；(3)节点之间的链路连通概率与Hello报文周期有一个一一对应的关系，根据链路连通概率向自己的一跳邻居自适应广播Hello报文。位于通信半径内的邻居节点接收到Hello报文后，把Hello报文中包含的信息存储于自己的邻居节点链表中，目标节点周期性地向全网广播自己的位置信息；(4)在当前Hello报文周期内获得的相邻路段平均链路连通概率、路段平均节点密度、下一交叉口到目的地的距离与当前交叉口到目的地的距离比作为输入，将所有的输入进行归一化处理，代入训练好的CP网络，得到相邻各路段的优先级，选择最高优先级路段作为数据包转发路段；(5)当交叉路口车辆稀疏时，数据包要转发到在最高优先级路段上的车辆，若出现找不到转发数据包到相应路段的车辆，则转发到次高优先级路段上的车辆，依此类推，但负责转发的车辆依然保存数据包的副本，寻找合适机会把数据包转发到在更高优先级路段上的车辆，保证数据包以最快速度转发。如果所选路段出现网络分割，根据车辆快速移动的特点，采用存储‑携带‑转发的策略完成数据包的转发；(6)不在交叉路口上的节点采用贪婪地理路由协议转发数据包；(7)节点接收到数据包后，判断数据包上目的节点域是否是自己，若是则直接提交到上层，若不是，返回执行步骤(1)。