[论文解读] Probability Prediction based Reliable Opportunistic (PRO) Routing Algorithm for VANETs

Ning Li, José-Fernán Martí­nez-Ortega+2 more|arXiv (Cornell University)|Sep 24, 2017

Vehicular Ad Hoc Networks (VANETs)参考文献 34被引用 3

一句话总结

本文提出了一种基于概率预测的可靠机会型（PRO）路由算法，用于车辆自组织网络（VANETs），通过预测接收端的信噪比加干扰比（SINR）和分组队列长度（PQL）变化，基于这些度量的加权方差计算车辆效用。与SRPE、ExOR和GPSR路由协议相比，该PRO算法在高移动性环境中实现了更优的分组交付率、端到端延迟和网络吞吐量，通过实现动态、预测驱动的中继决策。

ABSTRACT

In the Vehicular ad hoc networks (VANETs), due to the high mobility of vehicles, the network parameters change frequently and the information which the sender maintains may outdate when it wants to transmit data packet to the receiver, so for improving the routing effective, we propose the probability prediction based reliable (PRO) opportunistic routing for VANETs. The PRO routing algorithm can predict the variation of Signal to Interference plus Noise Ratio (SINR) and packet queue length (PQL) in the receiver. The prediction results are used to determine the utility of each relaying vehicle in the candidate set. The calculation of the vehicle utility is weight based algorithm and the weights are the variances of SINR and PQL of the candidate relaying vehicles. The relaying priority of each relaying vehicle is determined by the value of the utility. By these innovations, the PRO can achieve better routing performance (such as the packet delivery ratio, the end-to-end delay, and the network throughput) than the SRPE, ExOR (street-centric), and GPSR routing algorithms.

研究动机与目标

• 为解决高移动性VANET中网络条件快速变化的问题，其中过时的路由信息会降低性能。
• 通过整合关键网络参数的实时预测，提升机会型VANET路由的可靠性和效率。
• 通过基于效用的动态中继车辆选择，降低端到端延迟并提高分组交付率。
• 通过预测可靠性建模，在动态车载环境中超越SRPE、ExOR和GPSR等现有协议。

提出的方法

• PRO算法利用历史数据和统计建模，预测潜在接收车辆未来的SINR和分组队列长度（PQL）变化。
• 车辆效用作为预测SINR和PQL方差的加权函数计算，对更稳定和可靠的中继赋予更高权重。
• 效用函数中的权重源自候选中继车辆间SINR和PQL统计方差，反映预测的可靠性。
• 中继选择优先考虑效用得分更高的车辆，确保数据通过最可靠和稳定的路径转发。
• 该算法将基于预测的决策机制整合到机会型路由框架中，即使在高移动性环境下也能实现主动的转发决策。
• 该方法通过包含13幅图表和38个数学公式的仿真进行评估，用于建模网络动态和效用计算。

实验结果

研究问题

• RQ1 网络参数预测如何提升高移动性VANET中的路由可靠性？
• RQ2 SINR和PQL预测方差对中继车辆效用和选择有何影响？
• RQ3 基于预测的效用模型能否在VANET中超越传统协议如SRPE、ExOR和GPSR？
• RQ4 预测指标的集成如何影响端到端延迟和分组交付率？
• RQ5 在确定中继效用时，SINR和PQL方差的最优加权策略是什么？

主要发现

• 由于采用了预测性中继机制，PRO算法的分组交付率高于SRPE、ExOR和GPSR。
• 由于更可靠和及时的转发决策，PRO路由中的端到端延迟显著降低。
• 由于在动态环境中高效利用稳定且高效益的中继，PRO的网络吞吐量得到提升。
• 基于SINR和PQL方差的效用计算提高了路由稳定性，并增强了对快速拓扑变化的适应能力。
• 仿真结果表明，PRO在所有关键性能指标（包括交付率、延迟和吞吐量）上均优于SRPE、ExOR和GPSR。
• 基于预测的加权模型能有效识别可靠中继，降低过时或不稳定信道条件的影响。