资料下载
基于雾计算和自评估的VANET聚类算法
分享资料个
集群是提高车联网群智感知质量和降低成本的有效方法，但如何在车辆高杋动性的冋时提髙集群稳定性是一个具有挑战性的问题。基于 VANET（ Vehicular Ad- Hoc Network）的通信特点，文中提出了基于雾计算和自评估的 VANET聚类算法FCSAC（Fog（ omputing and Self- Assessment Clustering），将 VANET分为多个集群，集群内车辆协作感知结果由主簇头（Master（ Cluster head，MCH发给雾节点;引入车辆移动率（ elocity Mobility rate，VMR）来改进簇头选举方法，该参数是根据移动性指标来计算的，以满足 VANET动态变化的需求;通过定义缩放函数和加权机制来量化评估车辆的加入对集群稳定性的影响。同时，选举辅助群头（ Slave cluster head，SCH）来増强集群的稳定性。其次，为提髙拥堵区域感知的准确性，在雾计算的基础上通过主簇头间的有序链式协作交通态势感知，形成局部交通态势感知准确、全面的视图。最后，使用Ⅴeis车联网仿真平台评估所提算法的性能。结果表明，与 CBRSDN（ Cluster based Routing for Sparse and Dense Networks）算法和 SACBR（Self-Assessment Cluster based routing）算法相比，所提算法在集群稳定性方面表现优越，并且有效提高了 VANET的吞吐量;与FCM（ Fuzzy c- Means）算法相比，其交通分流能力更好，并减少了网络通信的消耗。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
