王雪麗 張琳娟 張 迪

1(內(nèi)蒙古赤峰學(xué)院 內(nèi)蒙古 赤峰 024000)2(國網(wǎng)河南省電力公司經(jīng)濟技術(shù)研究院 河南 鄭州 450052)

車載傳感網(wǎng)中基于群特性的MaxProp路由協(xié)議改進

王雪麗1張琳娟2張 迪1

1(內(nèi)蒙古赤峰學(xué)院 內(nèi)蒙古 赤峰 024000)2(國網(wǎng)河南省電力公司經(jīng)濟技術(shù)研究院 河南 鄭州 450052)

車載傳感網(wǎng)中信息傳輸面臨的主要難題是網(wǎng)絡(luò)間歇性連通和拓撲高度動態(tài)變化，以往常常采用機會轉(zhuǎn)發(fā)的思想設(shè)計路由協(xié)議來解決此難題。但現(xiàn)有的機會路由協(xié)議忽略了網(wǎng)絡(luò)中部分車輛節(jié)點具有群組移動的特點，從而導(dǎo)致協(xié)議在群組移動場景下的性能急劇下降。為此，通過對最大相遇概率路由進行改進，提出了一種基于群特性的MaxProp路由協(xié)議。該協(xié)議利用群組內(nèi)成員節(jié)點之間極好的連通性，通過群內(nèi)消息擴散，間接提高群內(nèi)節(jié)點與群外節(jié)點之間的相遇概率，從而增加了消息轉(zhuǎn)發(fā)機會。并在ONE仿真平臺上，與其他幾種經(jīng)典的機會路由協(xié)議相對比，改進后的MaxProp路由協(xié)議在消息傳輸成功率、網(wǎng)絡(luò)開銷比方面具有明顯提升。

車載傳感網(wǎng) 機會轉(zhuǎn)發(fā) 最大相遇概率路由 群組移動

0 引 言

目前，隨著我國工業(yè)與國民經(jīng)濟的快速發(fā)展，城市道路上的車輛數(shù)目急劇增加，導(dǎo)致城市擁堵和環(huán)境問題變得日益嚴重。車載傳感器網(wǎng)絡(luò)VSNs(Vehicular Sensor Networks)是智能交通系統(tǒng)的重要組成部分[1-2]，主要由安裝在不同車輛內(nèi)的無線傳感器節(jié)點自組織形成網(wǎng)絡(luò)，在保障行車安全[3]、城市道路監(jiān)測[4-5]、提高行車效率[6]以及改善乘車質(zhì)量[7]等方面具有廣泛的應(yīng)用。在VSNs中，車載傳感器節(jié)點實時感知和采集行駛途中車輛自身和道路環(huán)境信息，并利用車輛專用無線通信技術(shù)將這些信息傳輸給所需用戶。

典型的車載傳感器網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示，攜帶無線傳感設(shè)備的車輛節(jié)點和路邊網(wǎng)關(guān)是核心成員[8]。車載無線傳感器節(jié)點能夠感知車輛內(nèi)、外各種信息，如：車輛運行的內(nèi)在狀態(tài)、汽車的位置、速度等車內(nèi)信息，或涵蓋溫度、濕度、大氣指數(shù)的車外環(huán)境信息，以及行駛路途中交通流量、路面條件等信息。路邊網(wǎng)關(guān)，作為車輛用戶的無線訪問節(jié)點，具有比車載傳感節(jié)點更為強大的計算和存儲能力，在匯聚車輛傳感信息的同時，常以有線(光纖)或者寬帶無線技術(shù)接入Internet核心網(wǎng)，從而提供更穩(wěn)定的數(shù)據(jù)傳輸通道。

圖1 車載傳感器網(wǎng)絡(luò)的組成

VSNs一般采用車輛間通信和車輛與路邊單元通信[9]兩種模式。車載傳感設(shè)備可選擇的無線通信技術(shù)有：Zigbee、Bluetooth、WIFI、DSRC[10-11]等。與傳統(tǒng)的無線傳感器網(wǎng)絡(luò)WSNs相比，車載傳感器網(wǎng)絡(luò)具有如下顯著特征：

(1) 節(jié)點資源無嚴格限制 在傳統(tǒng)的WSNs中，節(jié)點的計算、存儲和能量資源有限，促使眾多路由設(shè)計者將關(guān)注點集中在節(jié)能、消息隊列管理算法方面。相反，在VSNs中，車載傳感設(shè)備的硬件配置成本較高，同時也有能量補給，故節(jié)點資源無嚴格限制。

(2) 網(wǎng)絡(luò)拓撲高度動態(tài)變化 傳統(tǒng)的WSNs節(jié)點多數(shù)為靜態(tài)，很少考慮節(jié)點移動性問題。相反，在VSNs中，車輛節(jié)點具有高速移動性，導(dǎo)致網(wǎng)絡(luò)拓撲頻繁變化，使得傳統(tǒng)的WSNs、移動自組織網(wǎng)絡(luò)路由協(xié)議性能急劇下降。

(3) 網(wǎng)絡(luò)傳輸數(shù)據(jù)量更大 在節(jié)點數(shù)量上，二者均具有大規(guī)模部署特點。唯一不同的是VSNs傳輸?shù)臄?shù)據(jù)量大大增加了。因為VSNs中需要傳輸?shù)男畔?，還包括車載攝像頭記錄的圖像、視頻流等多媒體數(shù)據(jù)。

(4) 網(wǎng)絡(luò)構(gòu)成方式多樣化 VSNs在網(wǎng)絡(luò)體系結(jié)構(gòu)上屬于混合型的網(wǎng)絡(luò)結(jié)構(gòu)。在該網(wǎng)絡(luò)中，除了大量移動的車輛節(jié)點外，還包括部署在路邊的網(wǎng)關(guān)單元。一方面，移動的車輛節(jié)點通過Ad hoc方式自組織形成網(wǎng)絡(luò)；另一方面，車輛節(jié)點利用路邊網(wǎng)關(guān)接入核心網(wǎng)，實現(xiàn)推送數(shù)據(jù)或者查詢數(shù)據(jù)的功能。

由此可見，雖然車載傳感節(jié)點在硬件性能上具有優(yōu)勢，但鑒于網(wǎng)絡(luò)間歇性連通和拓撲結(jié)構(gòu)頻繁動態(tài)變化的特點，使得VSNs中的信息傳輸仍面臨著諸多問題，尤其對路由協(xié)議設(shè)計提出了很大挑戰(zhàn)。針對上述問題，現(xiàn)有的車載傳感網(wǎng)的路由協(xié)議大多借鑒“機會轉(zhuǎn)發(fā)”策略[12]，即，節(jié)點在未遇到合適的消息中繼節(jié)點或通信范圍內(nèi)無其他節(jié)點時，暫時存儲消息，等待時機選擇性轉(zhuǎn)發(fā)。

1 經(jīng)典的機會路由協(xié)議

1.1 泛洪路由協(xié)議Epidemic

Epidemic最初由Duke University的Amin Vahdat 和David Becker在文獻[13]中提出，是一種基于復(fù)制的路由機制，主要用于解決類似與網(wǎng)絡(luò)非實時連接的節(jié)點傳輸數(shù)據(jù)包的問題。其設(shè)計目標是盡量提高數(shù)據(jù)包的傳輸成功率和減少發(fā)送時延，在一定的時間內(nèi)或者跳數(shù)內(nèi)，它通過復(fù)制、擴散數(shù)據(jù)包來達到上述目的，屬于泛洪式協(xié)議[14]。該協(xié)議工作時，每個節(jié)點都會維護一個矢量表SV來記錄自身節(jié)點緩沖區(qū)存儲的數(shù)據(jù)包。當兩個節(jié)點各自進入對方的通信范圍后，將交換彼此的SV。然后，節(jié)點將采用遍歷的方式比較對方和自己的SV，找到自己緩存區(qū)沒有的消息，并向?qū)Ψ桨l(fā)送接收對方數(shù)據(jù)包的請求，最后更新自己的SV。

如圖2所示，當節(jié)點A進入節(jié)點B的通信范圍時，主動向B傳輸SVA，B對SVB“取反”運算得到(SVB)′，并將(SVB)′與SVA作邏輯“與”運算，從而獲取B未存儲數(shù)據(jù)包的ID。然后，B向A請求傳輸這些數(shù)據(jù)包，A完成傳輸后，本次傳輸結(jié)束。以此類似，B也會將自己的數(shù)據(jù)包按照上述流程向其它節(jié)點擴散。這樣，隨著車輛節(jié)點間的相遇，數(shù)據(jù)包就會像傳染病一樣在網(wǎng)絡(luò)中擴散。為了限制網(wǎng)絡(luò)中數(shù)據(jù)包的拷貝數(shù)，研究人員設(shè)置了跳數(shù)限制，當達到規(guī)定的跳數(shù)上限值時，數(shù)據(jù)包將停止發(fā)送。

圖2 兩個節(jié)點基于Epidemic的通信流程

1.2 擴散與等待協(xié)議SprayandWait

SprayandWait是由USC的ThrasyvoulosSpyropoulos等在文獻[15]中提出的，其實質(zhì)也是泛洪式路由協(xié)議，但它對數(shù)據(jù)包的擴散方式定義了新的規(guī)則。該協(xié)議的工作流程分為擴散和等待兩個階段。在擴散階段，每個消息將會產(chǎn)生L份拷貝，且這L份拷貝將會被分發(fā)到L個中間節(jié)點上。若消息在擴散階段未傳送到目的地節(jié)點，它將直接進入等待階段。在等待階段，攜帶有該消息拷貝的中間節(jié)點將采用單一拷貝的方式向目的地節(jié)點進行直接傳輸。消息分發(fā)的整體流程如圖3所示。

圖3 Spray and Wait協(xié)議消息分發(fā)圖

假設(shè)節(jié)點N1有數(shù)據(jù)包發(fā)送給目的節(jié)點N5，且設(shè)定拷貝上限為L份。在擴散階段初期(step1)，N1與無消息拷貝的N2相遇，此時N1將一半的消息拷貝(L1=L/2)分給N2，并保留一半消息拷貝(L2=L/2)。在擴散階段中期(step2),N1與N3相遇、N2與N4相遇，按照上述規(guī)則，N1將L2/2份消息拷貝分給N3,并保留L2/2份消息拷貝；N2將L1/2份消息拷貝分給N4,并保留L1/2份消息拷貝。該過程將持續(xù)到L份拷貝被分配完畢為止，若目的節(jié)點N5仍未收到消息，則消息進入等待階段(step3)。當節(jié)點N4在之后的某一時刻與節(jié)點N5相遇時，將消息拷貝傳遞給目的節(jié)點N5，此次消息傳輸結(jié)束，N4刪除自己緩存里的消息拷貝。

1.3 歷史相遇概率路由協(xié)議PROPHET

PROPHET是由AndersLindgren，AvriDoria等在文獻[16]中提出的路由協(xié)議。研究人員認為網(wǎng)絡(luò)中運動節(jié)點的移動規(guī)律可以通過概率統(tǒng)計的方式體現(xiàn)出來，故在該協(xié)議中定義一個“到達概率”參數(shù)P(a,b)∈(0,1)，用來表達節(jié)點a向節(jié)點b傳輸消息成功的概率統(tǒng)計。鑒于消息傳輸是一個動態(tài)的過程，該參數(shù)將有兩種更新方式：

(1) 在每次傳輸成功后更新，更新公式如式(1)所示：

(1)

(2) 若節(jié)點(a，b)在很長一段時間內(nèi)沒有成功傳輸消息，則與它們有關(guān)的歷史統(tǒng)計概率將衰減：

(2)

其中：γ∈(0,1]是衰減系數(shù)。當對Pinit和γ參數(shù)修改時，可獲得協(xié)議不同的性能表現(xiàn)。

1.4 最大相遇概率路由協(xié)議MaxProp

MaxProp[17]是在PROPHET協(xié)議的基礎(chǔ)上發(fā)展而來，不僅重新定義了更新公式，而且利用一些額外機制來提高消息的傳輸成功概率，并降低傳輸時延。其本質(zhì)也是一種基于概率統(tǒng)計的路由協(xié)議[18]。類似的，基于相遇概率的路由算法在文獻[19]中也有提到。

在MaxProp協(xié)議中，最為重要的是利用節(jié)點過去的相遇信息，估算每個信息到達目的地節(jié)點的開銷，然后利用這些開銷值對節(jié)點存儲的消息進行排序，最后優(yōu)先轉(zhuǎn)發(fā)那些最有可能到達目的地節(jié)點的消息。同時，為保證那些新產(chǎn)生的消息能夠得到傳輸，提出了一些相關(guān)方法來修正上述的排序算法，因此本文將該協(xié)議作為詳細說明和改進的對象。

MaxProp協(xié)議中，將根據(jù)攜帶消息的節(jié)點與其它節(jié)點的歷史相遇關(guān)系來選擇轉(zhuǎn)發(fā)節(jié)點，而不是簡單的“先進先出”(FIFO)原則。如圖4所示，MaxProp協(xié)議的核心是消息調(diào)度機制，存儲消息的緩存被分為兩個部分。跳數(shù)小于門限值t的消息，其優(yōu)先級將高于跳數(shù)大于門限值t的消息；若消息所經(jīng)過的跳數(shù)小于門限值，則會根據(jù)跳數(shù)來對消息進行排序，跳數(shù)愈大，優(yōu)先級愈低；若消息所經(jīng)過的跳數(shù)大于門限值，則會根據(jù)消息估算的開銷進行排序，開銷值愈低，優(yōu)先級愈高。門限值和消息傳輸開銷的計算方法如下：

圖4 MaxProp消息調(diào)度機制示意圖

(1) 門限值t(跳數(shù))

其值等于在消息緩存中包含第p個字節(jié)的消息(數(shù)據(jù)包)所經(jīng)過的跳數(shù)。而p的值由式(3)決定。

(3)

其中，x是每次傳輸機會到來時傳輸?shù)钠骄止?jié)數(shù)，b是消息緩存的大小。

(2) 消息傳輸開銷

其估算值基于節(jié)點相遇的歷史記錄信息表。具體步驟為：

if (i第一次與其它任意節(jié)點j相遇，j∈s){

}

if(與節(jié)點k相遇){

//相遇節(jié)點對應(yīng)概率加α

for(j∈s){

}

}//非第一次相遇，此時概率序列的和為1+α，歸一化處理

Step2 如果消息m位于節(jié)點i0，目的節(jié)點為ij，則節(jié)點i0將會利用Dijkstra算法計算出一條開銷最小的路徑p(i0,i1,i2,…,ij)，且消息m的開銷值如式(4)所示。

(4)

MaxProp協(xié)議根據(jù)車輛節(jié)點的移動規(guī)律和鏈路狀態(tài)信息，對緩存中的消息進行分類和排序，優(yōu)先傳輸最大可能到達目的節(jié)點或網(wǎng)絡(luò)中新產(chǎn)生的消息。但該算法并不適用群組移動場景,即，將消息傳輸成功概率與節(jié)點相遇概率完全等同這一本質(zhì)問題，需要對其進行進一步的優(yōu)化和改進。

2 基于群特性的MaxProp協(xié)議改進

車輛群組是車載傳感網(wǎng)絡(luò)中大量OBU車輛節(jié)點的邏輯集合，在智慧交通網(wǎng)中有著廣泛的應(yīng)用場景，如組隊行駛的物流運輸群組、城市公交車群組、出租車群組等。鑒于車輛群組的目的地或行駛路線的相似性，以及車隊管理的需要，網(wǎng)絡(luò)中車輛群組節(jié)點具有群移動的特性。但現(xiàn)有的車輛機會路由協(xié)議常常忽略了該特點，導(dǎo)致協(xié)議在群組移動場景下的性能下降。本文針對MaxProp協(xié)議進行了改進，提出了一種基于群特性的MaxProp協(xié)議。

圖5 群組外節(jié)點與群組內(nèi)節(jié)點相遇示意圖

if (節(jié)點i或j中，有且僅有一個屬于某一群組){

使用HashMap做路由映射;

按著HashMap取出群組內(nèi)成員;

更新所有群組的所有相遇概率統(tǒng)計;

計算消息開銷;

}

else{

只更新相遇兩節(jié)點的相遇概率統(tǒng)計;

使用Dijkstra計算消息開銷;

}

第一，利用群組內(nèi)的節(jié)點之間良好的連通性，將其它群組內(nèi)節(jié)點也列入了開銷較小的備選節(jié)點之內(nèi)。這樣，外部節(jié)點，如節(jié)點M，在使用Dijkstra算法尋找路徑時，也會將這些組內(nèi)其它節(jié)點考慮在內(nèi)。其結(jié)果是，可利用的節(jié)點將會變多，且該節(jié)點與群組內(nèi)的成員節(jié)點之間的路徑開銷將會減少，經(jīng)過或到達這些節(jié)點的消息排序?qū)仙?/p>

第二，由于在軟件實現(xiàn)的時候，節(jié)點增加了群組屬性，所以按照這樣的更新方式，可以認為更新的是節(jié)點與“整個”群組相遇的概率統(tǒng)計。

3 實驗仿真

最后，本文在網(wǎng)絡(luò)仿真平臺ONE[20]下，對改進后的MaxProp路由協(xié)議進行性能測試，并與原協(xié)議和其它幾種經(jīng)典的機會路由協(xié)議進行對比。實驗場景設(shè)置如下：導(dǎo)入矩形區(qū)域大小的地圖文件后，所有車輛節(jié)點被分為兩組，并限制在地圖中的道路上移動。具體地，組1內(nèi)的15個成員節(jié)點均采用群組移動模型行駛[21]，組2內(nèi)的30個成員節(jié)點沒有群移動特性，均采用基于地圖文件的最短路徑移動模型行駛。

如圖6所示，在ONE仿真平臺下，節(jié)點比較密集的區(qū)域就是群組移動的節(jié)點，組編號為t，組成員之間的距離d設(shè)定為100m。協(xié)議運行時，消息的產(chǎn)生間隔為25～35s，通信范圍r分別為{150,170,190,220,240}。發(fā)送節(jié)點設(shè)定為群組移動節(jié)點，目的節(jié)點設(shè)為群組外節(jié)點。

由于現(xiàn)實生活中，常常遇到高架道路的上層車流密度較高，但速度不快，形成了群組移動模式；而下層道路車速高，車流量少，沒有群組移動特征的情況。為此，本實驗環(huán)境設(shè)置兼顧了高架道路的應(yīng)用場景，可模擬上層車輛與下層車輛之間的通信，更具有實際意義。在上述實驗環(huán)境下，本文主要選擇消息傳輸成功率、網(wǎng)絡(luò)開銷比兩個參數(shù)，作為路由協(xié)議性能的評估指標。實驗結(jié)果分別如圖7和圖8所示。

圖7 傳輸成功率與通信范圍

圖8 網(wǎng)絡(luò)中的開銷比與通信范圍

圖8給出了網(wǎng)絡(luò)中的開銷比與節(jié)點通信范圍的關(guān)系變化曲線(其中，開銷比=網(wǎng)絡(luò)中傳輸?shù)南⒖倲?shù)/傳輸成功的消息總數(shù))。由圖8可知，除SprayandWait協(xié)議外，改進后的MaxProp路由協(xié)議占用網(wǎng)絡(luò)開銷比最少。因為改進后的MaxProp路由協(xié)議，利用車輛節(jié)點的群移動性選擇轉(zhuǎn)發(fā)節(jié)點，消息傳輸目的性更強，從而降低了整體網(wǎng)絡(luò)開銷。而Epidemic路由協(xié)議在傳輸數(shù)據(jù)包時比較盲目，需要占用更多的網(wǎng)絡(luò)資源；其它協(xié)議僅僅采用了一些計算路徑的算法，只能降低一部分不必要的消息傳輸開銷。SprayandWait協(xié)議在消息擴散后，直接進入等待狀態(tài)，網(wǎng)絡(luò)開銷極少(開銷比在4左右，其它協(xié)議均大于100)。

綜上所述，經(jīng)過改進后的MaxProp協(xié)議在群組移動模型下能獲得較高的消息傳輸成功率，并通過較低的網(wǎng)絡(luò)開銷完成消息傳輸，修正了原協(xié)議在群組移動模型下的不完善之處，改進了其主要性能。

4 結(jié) 語

針對車載傳感網(wǎng)中節(jié)點的群組移動特性，本文提出了一種基于群特性的MaxProp改進路由協(xié)議。該協(xié)議利用群組內(nèi)成員節(jié)點之間極好的連通性，通過群內(nèi)消息擴散，間接提高群內(nèi)節(jié)點與群外節(jié)點之間的相遇概率，從而增加了消息轉(zhuǎn)發(fā)機會。最后，借助網(wǎng)絡(luò)仿真平臺ONE，將基于群特性的MaxProp路由協(xié)議，與原協(xié)議和其他幾種經(jīng)典的機會路由協(xié)議進行對比，實驗結(jié)果表明，改進后的MaxProp路由協(xié)議能通過較低的網(wǎng)絡(luò)傳輸開銷，獲得較高的消息傳輸成功率，進而彌補了原有協(xié)議在群組移動應(yīng)用場景下的不足。

[1]PottySP,JoseS.Decisionfusioninvehicularsensornetworksforintelligenttrafficmanagement[C]//InternationalConferenceonControl,Instrumentation,CommunicationandComputationalTechnologies.IEEE,2014:394-401.

[2]DimitrakopoulosG,BravosG,NikolaidouM,etal.Proactive,knowledge-basedintelligenttransportationsystembasedonvehicularsensornetworks[J].IetIntelligentTransportSystems,2013,7(4):454-463.

[3]ChenLW,PengYH,TsengYC.AnInfrastructure-lessFrameworkforPreventingRear-EndCollisionsbyVehicularSensorNetworks[J].IEEECommunicationsLetters,2011,15(3):358-360.

[4]MednisA,ElstsA,SelavoL.Embeddedsolutionforroadconditionmonitoringusingvehicularsensornetworks[C]//InternationalConferenceonApplicationofInformationandCommunicationTechnologies.IEEE,2012:1-5.

[5]ReshiAA,ShafiS,KumaravelA.VehNode:WirelessSensorNetworkplatformforautomobilepollutioncontrol[C]//IEEEConferenceonInformation&CommunicationTechnologies,2013:963-966.

[6]ZhangL,GaoD,FohCH,etal.ASurveyofAbnormalTrafficInformationDetectionandTransmissionMechanismsinVSNs[J].InternationalJournalofDistributedSensorNetworks,2014,10(2014):1-13.

[7] 李蓉,宋飛,張琳娟.基于VANET叫車系統(tǒng)的路由算法研究[J].計算機應(yīng)用與軟件,2015,32(5):153-156.

[8] 李旭.車載傳感器網(wǎng)絡(luò)的應(yīng)用及關(guān)鍵技術(shù)研究[D].上海:上海交通大學(xué),2009.

[9]FernandezJA,BorriesK,ChengL,etal.Performanceofthe802.11pPhysicalLayerinVehicle-to-VehicleEnvironments[J].IEEETransactionsonVehicularTechnology,2012,61(1):3-14.

[10]BazziA,MasiniBM,ZanellaA,etal.Vehicle-to-vehicleandvehicle-to-roadsidemulti-hopcommunicationsforvehicularsensornetworks:Simulationsandfieldtrial[C]//IEEEInternationalConferenceonCommunicationsWorkshops.IEEE,2013:515-520.

[11]FriesenM,JacobR,GrestoniP,etal.VehicularTrafficMonitoringUsingBluetoothScanningOveraWirelessSensorNetwork[J].CanadianJournalofElectrical&ComputerEngineering,2014,37(3):135-144.

[12]ZhangL,GaoD,ZhangS.Areliableandlightweightopportunisticroutingprotocolforinter-regiondatagatheringinVSNs[C]//WirelessandOpticalCommunicationConference,2013:399-404.

[13]VahdatA,BeckerD.Epidemicroutingforpartiallyconnectedadhocnetworks[R].TechnicalReportCS-2000-6,DepartmentofComputerScience,DukeUniversity,2000.

[14]LimKW,JungWS,KoYB.Multi-HopDataDisseminationwithReplicasinVehicularSensorNetworks[C]//VehicularTechnologyConference,2008.VTCSpring2008.IEEE.IEEE,2008:3062-3066.

[15]SpyropoulosT,PsounisK,RaghavendraCS.Sprayandwait:anefficientroutingschemeforintermittentlyconnectedmobilenetworks[C]//ACMSIGCOMMWorkshoponDelay-TolerantNETWORKING.ACM,2005:252-259.

[16]LindgrenA,DoriaA,SchelenO.MobiHocPoster:Probabilisticroutingprotocolinintermittentlyconnectednetworks[J].ACMSIGMOBILEMobileComputingandCommunicationsReview,2003,7(3):19-20.

[17]BurgessJ,GallagherB,JensenD.MaxProp:RoutingforVehicle-BasedDisruption-TolerantNetworks[C]//Proceedings-IEEEINFOCOM,2006,6:1-11.

[18] Tong H,Wu X,Zheng J.A destination information based probabilistic routing protocol for vehicular sensor networks[C]//IEEE International Conference on Communications.IEEE,2013:1419-1423.

[19] Wang N,Sun Z,Cruickshank H.A Reliable and Efficient Encounter-Based Routing Framework for Delay/Disruption Tolerant Networks[J].IEEE Journal of Sensors,2015,15(7):4004-4018.

[20] Keranen A,Ott J,Karkkainen T.The ONE simulator for DTN protocol evaluation[C]//International Conference on Simulation TOOLS and Techniques for Communications,Networks and Systems,Simutools 2009,Rome,Italy,March,2009.

[21] 彭輝,沈林成.一種Ad Hoc網(wǎng)絡(luò)群組移動模型[J].軟件學(xué)報,2008,19(11):2999-3010.

IMPROVEMENT OF MAXPROP ROUTING PROTOCOL BASED ON
GROUP FEATURES IN VSNS

Wang Xueli1Zhang Linjuan2Zhang Di1

1(ChifengUniversity,Chifeng024000,InnerMongolia,China)2(StateGridHenanEconomicResearchInstitute,Zhengzhou450052,Henan,China)

The main problem of information transmission in VSNs is intermittent network connectivity and highly dynamic topology. In the past we often used the idea of forwarding the design of routing protocols to solve this problem. However, the existing opportunistic routing protocol ignores the features of some nodes in the network with group mobility, which leads to a sharp decrease of the performance of the protocol in the group moving scene. To solve this problem, a MaxProp routing protocol based on group features is proposed by improving the maximum probability of encounter. This protocol increases the message forwarding opportunities by increasing the probability of encounter between the nodes in the group and the external nodes indirectly through the inter-group message diffusion by using the excellent connectivity among the members of the group. In the ONE simulation platform, compared with other several classical opportunistic routing protocols, the improved MaxProp routing protocol has a significant improvement in message transmission success rate and network overhead ratio.

Vehicular sensor networks Opportunistic forwarding MaxProp routing Group mobility

2016-05-26。內(nèi)蒙古自治區(qū)自然科學(xué)基金項目(2013MS0916)。王雪麗，講師，主研領(lǐng)域：物聯(lián)網(wǎng)。張琳娟，博士。張迪，講師。

TP3

A

10.3969/j.issn.1000-386x.2017.05.044