Page 399 - 《软件学报》2025年第12期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
2025,36(12):5780−5800 [doi: 10.13328/j.cnki.jos.007431] [CSTR: 32375.14.jos.007431] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

*
历史交通数据驱动的 VANET 智能路由算法

李 洁, 陈 青, 陈侃松

(湖北大学 计算机学院, 湖北 武汉 430062)
通信作者: 陈侃松, E-mail: kschen1999@aliyun.com

摘 要: 随着智能出行的推广, 车载自组织网络 (vehicular ad hoc network, VANET) 在数据采集上应用得到越来越
多的关注. 然而, 由于车辆的高速移动和轨迹难以预测, 传统的基于位置的贪婪转发策略难以适应于高动态
VANET 下数据传递的需求. 为解决这一问题, 提出一种历史交通数据驱动的 VANET 智能路由算法. 首先, 通过离
线学习方法基于网络的历史交通流信息, 获取用于最优路径选择的转发表; 其次, 在路径上, 利用基于 Markov 预测
的在线 V2V 传输机制, 通过考虑车辆的运动状态等因素选择可靠的下一中继车辆. 最后, 与 3 种路由算法进行了
对比, 实验结果表明, 该算法在数据包投递率、平均端到端时延、网络收益率、平均成功发包开销和在线计算时
间复杂度这 5 个性能上均表现优越.
关键词: 车载自组织网络; 强化学习; 马尔可夫预测; 路由空洞
中图法分类号: TP393

中文引用格式: 李洁, 陈青, 陈侃松. 历史交通数据驱动的VANET智能路由算法. 软件学报, 2025, 36(12): 5780–5800. http://www.
jos.org.cn/1000-9825/7431.htm
英文引用格式: Li J, Chen Q, Chen KS. Intelligent Routing Algorithm Driven by Historical Traffic Data for VANET. Ruan Jian Xue
Bao/Journal of Software, 2025, 36(12): 5780–5800 (in Chinese). http://www.jos.org.cn/1000-9825/7431.htm

Intelligent Routing Algorithm Driven by Historical Traffic Data for VANET
LI Jie, CHEN Qing, CHEN Kan-Song
(School of Computer Science, Hubei University, Wuhan 430062, China)
Abstract: With the widespread promotion of smart mobility, there has been increasing attention on the application of vehicular ad hoc
network (VANET) in data collection. However, due to the high-speed movement of vehicles and the unpredictability of their trajectories,
traditional position-based greedy forwarding strategies struggle to meet the data transmission demands of highly dynamic VANET. To
address this issue, an intelligent routing algorithm driven by historical traffic data for VANET (HTD-IR) is proposed. First, an optimal
forwarding table for path selection is obtained through an offline learning method based on historical traffic flow information. Then, using
an online V2V transmission mechanism based on Markov prediction, the next reliable vehicle is selected according to the vehicle’s motion
state. Finally, this study compares HTD-IR with other routing protocols in simulations. The results demonstrate that HTD-IR outperforms
in terms of packet delivery ratio, average end-to-end delay, network yield, average successful packet transmission cost, and online
computation time complexity.
Key words: vehicular ad hoc network (VANET); reinforcement learning; Markov prediction; routing hole
随着通信技术的不断发展, 车载自组织网络 (vehicular ad hoc network, VANET) 已成为智能交通系统设计中
的关键组成部分. 在 VANET 中, 一方面, 由于建设成本高且难度大, 路侧单元 (road side unit, RSU) 等基础设施难
以实现密集部署 [1,2] ; 另一方面, 已部署的固定设施容易受到人为或自然灾害的毁坏 [3] . 在这种情况下, 车辆无法通
过车对一切 (vehicle-to-everything, V2X) 的单跳技术将数据直接传输至 RSU. 面向智慧出行的需求, 尤其是对延迟

* 基金项目: 国家自然科学基金 (62377009); 湖北省自然科学基金青年项目 (2023AFB313); 湖北省重点研发计划 (2022BAA045)
收稿时间: 2024-01-03; 修改时间: 2024-03-13, 2024-08-23, 2025-02-19; 采用时间: 2025-03-19; jos 在线出版时间: 2025-07-17
CNKI 网络首发时间: 2025-07-18