软件学报

作者：李洁，陈青，陈侃松

单位：李洁，湖北大学 计算机学院, 湖北 武汉 43006211,陈青，湖北大学 计算机学院, 湖北 武汉 43006202,陈侃松，湖北大学 计算机学院, 湖北 武汉 43006203

关键词：车载自组织网络;强化学习;马尔可夫预测;路由空洞

基金：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)

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.

来源：2025年第12期

《软件学报》期刊编辑部

查看软件学报杂志2025年第12期