车辆Ad Hoc网络的节点运动模型及高性能数据分发协议研究

数据分发是车辆Ad Hoc网络中的重要应用，高性能的数据分发协议也成为关键的基础研究课题。针对现有的车辆Ad Hoc网络没有将节点运动模型和数据分发协议有机结合起来，且在协议的分析和设计时也没有考虑真实车辆Ad Hoc网络节点通信能力的限制，本项目研究适合于真实场景的高性能车辆Ad Hoc网络数据分发协议，特别是具有延迟容忍网络特性的端到端单播数据传输协议及性能分析方法。通过分析上千辆出租车近两年的真实GPS运动轨迹数据，我们将提出描述车辆真实运动的模型参数以及相应的参数提取方法，从而产生符合真实情况的节点运动轨迹；引入动力学系统分析在有限通信能力下车辆Ad Hoc网络中数据分发协议的传输延迟；采用最优化方法建立最小化数据传输迟与网络资源之间的关系并利用车辆节点运动信息设计高性能的数据分发协议。随着车辆Ad Hoc网络在未来的广泛应用，本项目的研究具有重要的理论意义和实际应用价值。

车辆自组织网络的研究近十年来有了很快的发展，吸引了学术界和工业界的广泛关注。智能感知技术加上无线通信技术在大数据技术的推动下产生了许多新的应用，例如交通流量预测，空气质量监控，智能导航等等。为了支撑上层应用，车辆自组织网络中的各种形式的数据分发一直是研究者们研究的重要问题。目前车辆自组织网络中的数据分发，特别是端到端的数据传输，一直没有提出能够用于实际应用的解决方案。其中一个原因就是缺乏真实的实验平台。本研究关注于从真实的出租车GPS出发，通过数据挖掘发现车辆运动规律，从而设计出与真实环境相似的移动模型。在本项目中，我们分别从微观和宏观行为设计了两个车辆运动模型。在微观行为上，我们利用概率统计描述了车辆在行程的选择和路口的转向；在宏观行为上，我们利用空间自相关分析定义了热点道路以及异构相遇间隔时间。通过仿真我们证明所提出的移动模型在空间和时间的衡量标准上都符合真实车辆网络的规律。. 本项目还研究了在普适计算环境下，基于情景感知上下文不一致性检测研究。一个事件的发生常常会被好几个节点所观察到，从而各自生成关于该事件的信息。检测各个节点所产生的数据是否有不一致，对于相关的应用具有重要的意义。但是传统的不一致性检测算法通常是集中式的，容易造成资源浪费和网络拥塞。本项目研究并提出了一个分布式的不一致性检测机制。对于观察到某一事件发生的节点，他们构成一个逻辑集合。我们首先构造一个哈希环，用来覆盖该集合所有节点。然后，我们通过建立两跳内的快速查询结构节省检测所需要查询的节点数量。最后，根据分布式一致性检测算法来检测不一致性。证明和仿真结果验证了我们提出的算法不仅能够高效地完成不一致性检测，而且将算法复杂度控制在了O(logN)。. 本项目还研究了弹性流与非弹性流共存的信道慢衰落的无线自组织网络中的速率和功率动态分配问题。在充分考虑弹性流和非弹性流的不同服务需求的基础上，给出了一个基于NUM的随机最优化模型。由于允许非弹性流的效用函数取任意非凹函数，所提出的模型是一个NP难问题。为了求解，我们基于随机对偶理论和粒子群优化方法给出了一个动态速率和功率分配算法，可以在不知道网络状态分布的基础上动态分配功率和速率。当信道条件变化的随机性非常大时，该算法也可以提供一个很好的近似解。实验结果表明所提出的算法可以有效地利用网络资源以最大化网络性能。