Page 400 - 《软件学报》2025年第12期

李洁 等: 历史交通数据驱动的 VANET 智能路由算法 5781

容忍型数据 (如 PM 2.5 , CO 2 浓度, 天气状况等 [4] ) 的采集要求, 车对车 (vehicle-to-vehicle, V2V) 多跳路由机制因其
更高的灵活性成为学术界科研工作者的一个主要研究方向 [5−9] . 然而, 在 V2V 通信中, 车辆的高速移动导致节点分
布不均匀且通信链路频繁中断. 因此, 如何有效应对车辆的高动态性, 提供高效、可靠的通信, 始终是 VANET 路
由亟待解决的关键问题 [10] .
现有 VANET 路由研究主要分为基于拓扑和基于位置两种. 其中, 基于拓扑的协议利用网络中各个节点之间
的连接关系, 来决定如何进行数据包传输, 难以适用于动态拓扑结构的大规模网络 [11−13] . 随着全球定位系统 (global
positioning system, GPS) 和地理信息系统 (geographic information system, GIS) 技术的不断发展, 基于地理位置的
路由协议已成为解决 VANET 信息传递问题的主要技术之一. 在这种协议中, 采用贪婪策略来选择转发节点是一
种经典的解决方案. 然而, 由于 VANET 中车辆的动态移动, 存在当前携带信息的车辆难以找到距离目的地更近的
下一跳转发车辆, 从而导致路由空洞 [14,15] 问题的出现. 针对这一问题, 虽然一些方案 [16−18] 通过绕过路由空洞的方法
来恢复路由, 但带来了较大的时延. 此外, 由于车辆的高速移动及行驶路径的不可预测, 车辆之间的通信链路很容
易中断, 仅依靠车辆的位置信息来确保可靠的数据包传递是不可行的.
面向基础设施稀疏、信息无法通过 V2X 单跳传输到达可用 RSU 的通信场景约束, 针对车辆分布不均匀及轨
迹难以预测等挑战, 本文提出了一种历史交通数据驱动的 VANET 智能路由算法 (intelligent routing algorithm
driven by historical traffic data for VANET, HTD-IR), 将对历史交通流信息的学习运用在 VANET 路由上, 以较低的
时延和开销实现较大的包投递率, 有效提高 VANET 路由效率. 本文的主要贡献如下.
(1) 提出了一种基于 Q-learning 的离线学习路径选择策略, 利用 VANET 道路交通中历史交通流信息的可依赖
性, 指引数据包的转发路径, 有效减少 VANET 中的路由延迟和通信成本.
(2) 设计了一种基于 Markov 预测的在线 V2V 传输机制, 通过对车辆的历史状态信息和邻居车辆信息的学习,
在转发路径上为数据包选择合适的中继车辆, 以提高数据包的投递率并减少数据包传输时延.
本文第 1 节对现有工作进行总结并分析其贡献与待改善之处. 第 2 节对本文的系统模型进行介绍. 第 3 节描
述所提出的算法. 第 4 节进行实验来评估所提出的路由方案. 最后对本文研究进行总结, 并对未来工作进行展望.
1 相关工作

车辆的高度机动性使基于地理位置的路由协议能够更好地适应 VANET 的移动性, 因此被视为 VANET 首选
的路由协议 [19] . GPSR 协议是经典的地理路由协议, 由贪婪转发和周边转发两部分组成, 其中周边转发是针对“贪
婪搜索”特性可能会出现局部最优导致的“路由空洞”问题的解决方法 [20] . 文献 [16] 提出了一种自适应地利用位置
信息、剩余能量和能耗特征进行路由决策, 并动态地利用两个节点不连接的锚表来穿过路由空洞的两侧, 移动路
由路径实现负载均衡. 文献 [18] 提出了一种基于权重的路径感知贪婪周界无状态路由协议, 在路由建立阶段采用
权值贪婪转发策略, 在路由维护阶段根据数据包的投递角度和可靠节点密度, 采用加权周界转发策略选择下一跳
节点进行转发. 文献 [21] 提出了一种处理路由空洞的新方法, 节点合作确定特定空洞的近似多边形, 根据空洞覆
盖平行四边形和特定节点的孔视角, 数据包可以沿着绕过空洞的弯曲逃生路线转发. 尽管这些研究解决了路由空
洞问题, 但是解决方案的成本较高, 带来较大时延.
由于 VANET 道路交通具有复杂的交通状况和频繁的通信链路断开等特点, 仅依靠位置信息可能不能完全反
映车辆间的通信状态. 文献 [22] 提出了一种新的 V2V 路由协议, 结合了基于 GPSR 并进行位置预测的 GPSR+Predict
和考虑链路质量的链路状态感知地理路由协议. 文献 [23] 提出了一种基于 LORAWAN 的地理路由协议 (LGRP),
LGRP 选择最健壮的路由路径, 以实现较高的报文投递率、较小的端到端延迟和功耗. 同时引入距离、延迟、丢
包和相对速度作为选择网关节点的代价, 确保选择可靠和低维护的路由路径. 文献 [24] 提出了一种基于车辆密度
预测的路由协议, 首先根据车辆轨迹的时空特征引入了车辆密度预测模型, 然后提出了一种综合考虑车辆密度、
链路质量和路由长度的路由路径评估方案, 以降低通信开销并提高通信效率. 在文献 [25] 中引入了一种基于车辆
节点特征和车辆节点间相关特征的连通性预测方法, 建立了基于车辆节点间连通性和车辆节点密度的动态聚类模