Page 410 - 《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 5791

降低能耗的能力 [40] . 我们通过调整车辆的传输半径来验证算法在不同发射功率下的性能表现. 与此同时, 考虑到
TTL 值对数据投递率的影响, 我们对不同 TTL 下算法的性能进行测量. 最后在不同的车辆传输半径 R 和数据包生
存时间 TTL 下, 分别对比本文算法 HID-IR 与 W-PAGPSR、QGrid-M 和 QGrid-G 算法在平均跳数、平均端到端
时延、投递率、网络收益率、平均成功发包开销这 5 个方面的性能.
图 9 和图 10 为各种路由算法的平均跳数与车辆的传输半径 R 和数据包的生存时间 (TTL) 之间的关系. 其中,
TTL 表示数据包在网络中允许被转发的最大跳数, hopCount 表示数据包从源节点传输到目的节点实际经过的平均
跳数, hopCount 不能超过 TTL. QGrid-M 和 QGrid-G 的平均跳数最高, 数据包经过的跳数在 HTD-IR 中比 W-PAGPSR
要多. QGrid-M 和 QGrid-G 每次通过 Q-learning 提前规划好的并非较短路由路径转发数据包, 而 QGrid-G 每次按
照路径将数据包转发到距离目的地最近的邻居节点. 因此, QGrid-M 的平均跳数最大, QGrid-G 次之. W-PAGPSR
通过改进的贪婪策略选择中继节点, 传递数据包可靠性较低, 在传输过程中当前车辆只能等待转发, 从而减少了平
均跳数.

17 17
HTD-IR
QGrid-M
15 QGrid-G 15
W-PAGPSR 13
13
hopCount (跳) 11 hopCount (跳) 11

9
9
HTD-IR
QGrid-M
7 7
QGrid-G
W-PAGPSR
5 5
300 320 340 360 380 400 300 320 340 360 380 400
Vehicle transmission range (m) Vehicle transmission range (m)
(a) TTL=15 跳 (b) TTL=20 跳
图 9 不同车辆节点的传输半径 R 下的平均跳数

17 17
HTD-IR
QGrid-M
15 15 QGrid-G
W-PAGPSR
13
13
hopCount (跳) 11 hopCount (跳) 11
9
HTD-IR 9
7 QGrid-M 7
QGrid-G
W-PAGPSR
5 5
13 15 17 19 21 23 13 15 17 19 21 23
TTL (跳) TTL (跳)
(a) R=360 m (b) R=400 m
图 10 不同数据包的生存时间 (TTL) 下的平均跳数

图 9(a) 和图 9(b) 显示了各种不同算法在车辆的不同传输半径 R 下平均跳数的仿真结果. 平均跳数与车辆的
传输半径 R 呈负相关关系, 当源节点与目的地之间的距离一定时, 车辆节点的传输半径越大, 平均跳数越少.
图 10(a) 和图 10(b) 显示了各种不同算法在数据包不同的生存时间 (TTL) 下平均跳数的仿真结果. 随着数据包
生存时间的增加, QGrid-M 的平均跳数略有增加, 因为随着数据包生存时间的增加, 数据包传输策略从等待转发转
变为马尔可夫预测策略, 使得平均跳数增加. QGrid-G、W-PAGPSR 和 HTD-IR 的平均跳数保持相对稳定.