[發明專利]車載自組織網絡中基于決策樹機制的多副本路由方法

有效

• 申請號: 201510551344.6
• 申請日: 2015-09-01
• 公開（公告）號: CN105228215B
• 公開（公告）日: 2018-07-06
• 發明（設計）人: 陳前斌;董春陽;肖晶;黃瓊;唐倫
• 申請（專利權）人: 重慶郵電大學
• 主分類號: H04W40/24
• 分類號: H04W40/24;H04W40/02;H04W84/18
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 廖曦

1.一種車載自組織網絡中基于決策樹機制的多副本路由方法，其特征在于：包括以下步驟：

步驟1、車輛對在相同網絡下的歷史數據進行采集；

步驟2、對步驟1中采集的歷史數據進行預處理；

步驟3、對處理過的歷史數據，采用機器學習C4.5學習算法，并建立相應的決策樹準則；

步驟4、在擴散階段，車輛節點采集當前網絡的數據并遞歸生成決策規則，看是否符合擴散規則并以二分法進行擴散；

步驟5、在轉發階段，車輛節點采集當前網絡的數據，將數據發送到規則樹入口，看是否符合轉發規則，進行數據包的轉發；

在步驟1中，車輛收集到歷史節點網絡環境和節點自身的屬性，將其定義為車輛數據集：V_l＝(A₁,A₂,…,A_l)，即所選取的類別屬性，其中l為車輛標記數據集的個數；車輛約束數據集：V_u＝(A₁,A₂,…,A_u)，即在車輛數據集的前提下，對其進行數據處理所得出的結果，其中V_u∈V_l,u∈l；

在步驟2中，根據車輛屬性建立車輛屬性集合A＝(a¹,a²,…,a^m)，其中，m為車輛屬性個數，a^j,j∈(1,2,…,m)代表車輛節點在網絡中或者自身的第j個屬性；

在步驟3中，對于收集到的車輛屬性集合A，依據決策樹C4.5學習方法，計算出車輛網絡信息熵：其中，S為跟蹤投遞數據集，目標變量C_i有k個分類；ratio(C_i,S)表示S中目標屬性C_i所占比例，其中，i＝0,1，0表示投遞失敗，1表示投遞成功；|S|表示數據集S中的樣本個數之和；

再計算出網絡屬性條件熵：設車輛的某種屬性變量為T，有n個分類，這里的分類數n＝0,1,2…，其中，T_j表示考慮該屬性時該屬性的分類集合，j＝0,1,2…；

根據計算出的車輛網絡信息熵Info(S)和網絡屬性條件熵Info(T)，得出車輛網絡中屬性變量T對該網絡帶來的信息增益為，VehicleGain(T)＝Info(S)-Info(T)，同時，車輛網絡中屬性變量T對該網絡帶來的車輛信息增益率為，

其中，SplitInfo(T)為

依據生成的車輛信息增益率VehicleGainRatio(T)，利用決策樹C4.5學習算法生成決策規則樹；依據決策規則樹對每次相遇的車輛節點進行決策規則樹搜索，如果滿足決策規則，則采用二分法進行副本的擴散；

新近度、節點活躍因子、接近中心度、中介中心性車輛網絡屬性是通過移動加權指數平均方法來更新，選取上一狀態的數據和當前狀態的數據加權更新；α的值設置為0.7效果最好，更新公式定義為：

A←(1-α)*A_i-1+α*A_i

其中，A表示更新的屬性值，A_i-1表示上一次的值即歷史的屬性值，A_i表示當前采集到的屬性值，α為更新因子。

2.根據權利要求1所述的一種車載自組織網絡中基于決策樹機制的多副本路由方法，其特征在于：在步驟4中，車輛根據決策規則進行數據包轉發，車輛首先收集當前網絡的數據，預處理后送入決策規則進行匹配，如果匹配規則且當前車輛攜帶的副本數大于1，則將進行轉發的數據包按“二分法”進行擴散；如若不匹配則等待下次相遇機會；

當每輛車攜帶的數據包副本數僅剩一個副本時，結束擴散階段，進入轉發階段；在轉發階段同樣根據決策規則樹主動進行下一跳的選擇和轉發；同時，對于決策規則樹的更新，需要對歷史數據進行重新采集。

3.根據權利要求2所述的一種車載自組織網絡中基于決策樹機制的多副本路由方法，其特征在于：在步驟5中，在轉發階段同樣根據決策規則主動進行下一跳的選擇和轉發，可以有效降低投遞延時；同時，對于決策規則樹的更新，需要對歷史數據進行重新采集建立新的決策規則。