-
公开(公告)号:CN110446185A
公开(公告)日:2019-11-12
申请号:CN201910662068.9
申请日:2019-07-22
Applicant: 西安交通大学
Abstract: 一种基于节点熟悉度模型的车辆间通信的路由方法,源节点提出向目的节点的路由请求,同时,源节点开始统计通信范围内所有节点的信息;收集各车辆节点之间的通信时间、通信频率、节点间距以及信息有效期限代入节点熟悉度模型计算并实时更新各节点的熟悉度,报告给源节点;源节点将熟悉度最大的节点选取为下一跳节点;若一跳路由失败,则根据熟悉度排序,选取次大的节点作为下一跳节点,直到路由成功;若一跳路由完成后,直到全部路由完成。本发明通过比较对应车辆节点间的熟悉度值来选取熟悉度相对较高的邻居节点作为中继节点进行消息转发,故可以适用于车联网的动态拓扑变化,提高消息实时投递率和准确率,降低消息投递时延。
-
公开(公告)号:CN110446185B
公开(公告)日:2021-01-19
申请号:CN201910662068.9
申请日:2019-07-22
Applicant: 西安交通大学
Abstract: 一种基于节点熟悉度模型的车辆间通信的路由方法,源节点提出向目的节点的路由请求,同时,源节点开始统计通信范围内所有节点的信息;收集各车辆节点之间的通信时间、通信频率、节点间距以及信息有效期限代入节点熟悉度模型计算并实时更新各节点的熟悉度,报告给源节点;源节点将熟悉度最大的节点选取为下一跳节点;若一跳路由失败,则根据熟悉度排序,选取次大的节点作为下一跳节点,直到路由成功;若一跳路由完成后,直到全部路由完成。本发明通过比较对应车辆节点间的熟悉度值来选取熟悉度相对较高的邻居节点作为中继节点进行消息转发,故可以适用于车联网的动态拓扑变化,提高消息实时投递率和准确率,降低消息投递时延。
-
公开(公告)号:CN110225418A
公开(公告)日:2019-09-10
申请号:CN201910402724.1
申请日:2019-05-15
Applicant: 西安交通大学
IPC: H04N21/647 , H04N21/643
Abstract: 一种基于SDN的HTTP视频流的QoE路由优化方法,在确保设备、播放器应用以及视频源因素理想的情况下,建立QoE评估模型,在实际的视频流传输中,构建SDN网络下的QoE路由优化网络框架,获取底层网络拓扑和链路QoS参数信息,进行整合,从而获得QoE值的变化规律;依据QoE值的变化规律,在限定用户最小QoE值需求的情况下,调用QoE评估模型通过循环多次调用链路剪切、路径禁用的方式,找到使得QoE值最大的视频流传输路径。本发明借助SDN网络的理念,通过训练QoE评估模型以及探讨QoE值随着网络链路的变化特性,以QoE为单一参考变量,优化了网络传输过程中的视频QoE。本发明方法简单,结果准确。
-
公开(公告)号:CN110933645B
公开(公告)日:2021-04-20
申请号:CN201911061013.9
申请日:2019-11-01
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于车联网场景下的CCN停留时间内容缓存方法,包括以下步骤:1)对Interest数据包及Data数据包进行格式调整;2)计算当前中间车辆节点的重要性PRn;3)计算当前中间车辆节点的移动性PMn;4)计算当前中间车辆节点的内容停留时间RTk;5)根据当前中间车辆节点的重要性PRn、当前中间车辆节点的移动性PMn及当前中间车辆节点的内容停留时间RTk计算当前中间车辆节点缓存该Data数据包的概率pk,其中,当pk大于等于预设阈值时,则当前中间车辆节点缓存该Data数据包;当pk小于预设阈值时,则当前中间车辆节点不缓存该Data数据包,该方法能够有效的避免数据的冗余及存储空间的浪费。
-
公开(公告)号:CN110365603A
公开(公告)日:2019-10-22
申请号:CN201910579744.6
申请日:2019-06-28
Applicant: 西安交通大学
IPC: H04L12/851 , H04L12/26
Abstract: 本发明公开了一种基于5G网络能力开放的自适应网络流量分类方法,包括以下步骤:1)构建整体数据,再对整体数据的特征向量进行提取;2)将步骤1)提取的各特征向量作为数据样本,通过已标记数据样本的已知类别信息计算初始聚类中心以优化k-means算法,得若干k-means中心点,利用各k-means中心点构建初始中心点集合M;3)利用初始中心点集合M对网络流进行k-means聚类,利用k个簇及k个簇中心点根据评价函数得到聚簇结果;4)统计聚簇已标记网络流的数目,根据聚簇已标记网络流的数目进行网络流的分类,实现基于5G网络能力开放的自适应网络流量分类,该方法建模时间短,时空复杂度低,且应用范围广。
-
公开(公告)号:CN109769285A
公开(公告)日:2019-05-17
申请号:CN201910120198.X
申请日:2019-02-18
Applicant: 西安交通大学
Abstract: 一种基于位置预测的车辆间通信的路由方法,源节点提出向目的节点的路由请求;每个节点通过车载GPS以及传感器收集车辆位置及状态的实时信息,包括经度、纬度、速度和方向,送入各自训练好的神经网络模型中,预测下一时刻各个节点的位置,报告给源节点;源节点通过收到的目前通信范围内所有节点的角度、速度、下一时刻位置信息,更新可持续通信权重信息,将权重最大的节点选取为下一跳节点;若一跳路由失败,则根据权重排序,选取次大的节点作为下一跳节点,直到路由成功;若一跳路由完成后,重复,直到全部路由完成。本发明中由于车辆位置可能遭受随机事件的影响,所以将它们相加可以一定程度上减小由于位置预测的不准确,路由失败的几率。
-
公开(公告)号:CN109769285B
公开(公告)日:2021-05-28
申请号:CN201910120198.X
申请日:2019-02-18
Applicant: 西安交通大学
Abstract: 一种基于位置预测的车辆间通信的路由方法,源节点提出向目的节点的路由请求;每个节点通过车载GPS以及传感器收集车辆位置及状态的实时信息,包括经度、纬度、速度和方向,送入各自训练好的神经网络模型中,预测下一时刻各个节点的位置,报告给源节点;源节点通过收到的目前通信范围内所有节点的角度、速度、下一时刻位置信息,更新可持续通信权重信息,将权重最大的节点选取为下一跳节点;若一跳路由失败,则根据权重排序,选取次大的节点作为下一跳节点,直到路由成功;若一跳路由完成后,重复,直到全部路由完成。本发明中由于车辆位置可能遭受随机事件的影响,所以将它们相加可以一定程度上减小由于位置预测的不准确,路由失败的几率。
-
公开(公告)号:CN110519682B
公开(公告)日:2021-01-29
申请号:CN201910662040.5
申请日:2019-07-22
Applicant: 西安交通大学
Abstract: 一种结合位置与通信范围预测的V2V路由方法,源节点提出向目的节点的路由请求,源节点开始统计通信范围内所有节点的信息;源节点通过计算预测通信范围,对比位置预测结果,将预测通信范围内所有节点的角度、速度、下一时刻位置信息,更新可持续通信权重信息。将权重最大的节点选取为下一跳节点;若一跳路由失败,则根据预测通信范围之内的权重排序,选取次大的节点作为下一跳节点,直到路由成功;直到全部路由完成。本发明中整个可持续通信权重不仅考虑了当前状态下,通信节点和源节点相对位置角度和速度对可持续通信的影响,还考虑了一定时间间隔后,将它们相加可以一定程度上减小由于位置预测的不准确,路由失败的几率。
-
公开(公告)号:CN110225418B
公开(公告)日:2020-10-27
申请号:CN201910402724.1
申请日:2019-05-15
Applicant: 西安交通大学
IPC: H04N21/647 , H04N21/643
Abstract: 一种基于SDN的HTTP视频流的QoE路由优化方法,在确保设备、播放器应用以及视频源因素理想的情况下,建立QoE评估模型,在实际的视频流传输中,构建SDN网络下的QoE路由优化网络框架,获取底层网络拓扑和链路QoS参数信息,进行整合,从而获得QoE值的变化规律;依据QoE值的变化规律,在限定用户最小QoE值需求的情况下,调用QoE评估模型通过循环多次调用链路剪切、路径禁用的方式,找到使得QoE值最大的视频流传输路径。本发明借助SDN网络的理念,通过训练QoE评估模型以及探讨QoE值随着网络链路的变化特性,以QoE为单一参考变量,优化了网络传输过程中的视频QoE。本发明方法简单,结果准确。
-
公开(公告)号:CN110933645A
公开(公告)日:2020-03-27
申请号:CN201911061013.9
申请日:2019-11-01
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于车联网场景下的CCN停留时间内容缓存方法,包括以下步骤:1)对Interest数据包及Data数据包进行格式调整;2)计算当前中间车辆节点的重要性PRn;3)计算当前中间车辆节点的移动性PMn;4)计算当前中间车辆节点的内容停留时间RTk;5)根据当前中间车辆节点的重要性PRn、当前中间车辆节点的移动性PMn及当前中间车辆节点的内容停留时间RTk计算当前中间车辆节点缓存该Data数据包的概率pk,其中,当pk大于等于预设阈值时,则当前中间车辆节点缓存该Data数据包;当pk小于预设阈值时,则当前中间车辆节点不缓存该Data数据包,该方法能够有效的避免数据的冗余及存储空间的浪费。
-
-
-
-
-
-
-
-
-