《智能网联汽车技术及应用》课件-1.3.2车载自组织网络

车载自组织网络能力模块—智能网联汽车关键技术《智能网联汽车技术与应用》

无线自组织网络是一种不同于传统无线通信网络的技术，它是由一组具有无线通信能力移动终端节点组成的、具有任意和临时性网络拓扑的动态自组织网络系统，其中每个终端节点既可作为主机，也可作为路由器使用。作为主机，终端具有运行各种面向用户的应用程序的能力；作为路由器，终端可以运行相应的路由协议，根据路由策略和路由表完成数据的分组转发和路由维护工作。2026/7/23车载自组织网络

车载自组织网络定义：一种自组织、结构开放的车辆间通信网络，通过结合GPS及无线通信技术，如无线局域网、蜂窝网络等，可为处于高速移动状态的车辆提供高速率的数据接入服务，并支持V2V、V2I之间的信息交互，已成为保障车辆行驶安全，提供高速数据通信、智能交通管理及车载娱乐的有效技术。车载自组织网络是智能交通系统未来发展的通信基础，也是智能网联汽车安全行驶的保障2026/7/23

车载自组织网络结构主要有V2V、V2I、V2PV2V是通过GPS定位辅助建立无线多跳连接，从而能够进行暂时的数据通信，提供行车信息、行车安全等服务V2I能够通过接入互联网获得更丰富的信息与服务V2P研究刚刚起步。

路由协议是一种指定数据包转送方式的网上协议。2026/7/23车载自组织网络路由协议根据接收数据包的节点数量可分为单播路由、广播路由和多播路由。（1）单播路由。单播路由是指数据包源节点向网络中一个节点转发数据。（2）广播路由。广播路由是指数据包源节点向网络中的所有其他节点转发数据。（3）多播路由。多播路由是指数据包源节点向网络中多个节点转发数据。车载自组织网络路由协议还可以分为基于拓扑结构的路由、基于地理位置的路由、基于移动预测的路由、基于路侧单元的路由和基于概率的路由。（1）基于拓扑结构的路由。初期的移动自组织网络的路由基本上都是基于拓扑结构的路由协议，网络中的节点通过周期性的广播路由信息得到其他节点的位置信息，从而选择下一跳进行数据包转发。2026/7/23（2）基于地理位置的路由。基于地理位置的路由协议通过位置服务方式实时准确地获取自身车辆和目的车辆的位置信息，同时通过路由广播的方式获得广播范围内邻居节点的位置信息，根据分组转发策略择优选择下一跳进行数据包转发（3）基于移动预测的路由。由于节点的移动性，通过节点速度、加速度、距离和时间等参数，预测通信链路的生命周期，即可预测该路由路径的有效期。（4）基于路侧单元的路由。借助于道路的路侧单元（RSU），可以解决车辆在稀疏情况下，导致节点链路中断。RSU为路边可靠的固定节点，具有高带宽、低误码率和低延迟传输特点，并作为主干链路，当车辆节点出现链路中断时，RSU将采用存储转发策略来发送数据包。（5）基于概率的路由。用概率描述车辆节点在某一段时间内该链路还未断开或存在的可能性。在该路由协议中，需要建立相关的模型，并且这些模型的建立是基于某些网络特性的前提下，这样才能统计相关的变量的分布信息。节点速度变化大：节点的可能速度在0~200km/h之间。节点速度很大时对应用程序的影响也很大，比如由于速度太快，导致即时环境变化太快，使得对环境感知的应用也变得困难。在另外一种极端情况下，即节点几乎不移动，网络拓扑相对稳定。然而，车辆的缓慢移动意味着车辆密度很大，这会导致高干扰、介质接入等诸多问题2026/7/23运动模式多变：车辆是在预定义的道路上行驶的，一般情况下有两个行驶方向。在十字路口时，车辆的行驶方向具有不确定性。将道路分为高密度城市道路、高速公路和乡村道路三种类型。城市场景下，交通流非常的无序；高速公路上的车速度快，几乎整个运动都是处于一维情况；乡村道路上很难形成连通的网络2026/7/23节点密度：在相同的无线通信范围内，可能存在零到几十、甚至上百的车辆；当节点密度非常小时，几乎不可能完成瞬时消息转发，需要更复杂的消息传播机制，可以先存储信息，并在车辆相遇时转发信息。这样可能导致一些信息被同一车辆重复多次。当节点密度很大时，消息只可能被选定的节点重复，否则会导致重载信道。节点密度与时间也相关。在白天，高速公路和城市中节点密度较高，足以实现瞬时转发，有足够的时间使路由处理分段网络。但在夜间，无论哪种类型的道路，车辆都很少2026/7/23节点异构性：在车载自组织网络中，节点有许多不同种类。车辆和路侧单元的区别。而车辆可以进一步分为城市公交、私家车、出租车、救护车、道路建设和维修车辆等，并不是每辆车都要安装所有的应用。例如只有救护车需要安装能够在其行驶路线上发出警告的应用。路侧单元功能不同，可以简单的向网络发送数据，或者拥有自组织网络的完整功能。此外，路侧单元节点可以提供对背景网络的访问，如向交通管理中心报告道路状况2026/7/23可预测的运动性：尽管车辆节点的运行规律比较复杂，但车辆的运动趋势在一定程度上仍然是可以预测的。在高速公路场景，根据车辆所处的车道、实时的道路状况以及汽车自身的速度和方向就可以推测汽车在随后短时