基于车联网感知层的异构无线传感器网络可靠性评估的研究

IoV is a typical application of the IoT in traffic field. The HWSN (Heterogeneous Wireless Sensor Networks) technology provides technical support for the IoV information perception and acquisition. But the reliability guarantee of data transmission is great challenges of HWSN technology. This project researches the reliability evaluation of HWSN based on IoV perception layer, selects two IoV application scenarios which are city road management and city bus dispatch as the research object, adopts hierarchical object-oriented Petri Nets as the modeling tool, explores the definition and method of HWSN reliability evaluation quantization. This project analyzes the impact of HWSN static attributes and dynamic behavior process on the reliability evaluation results, and proposes an noval HWSN deployment strategy and an noval clustering routing protocol. At last the project builds an HWSN simulates platform to verify the validity and feasibility of the above model and methods.

车联网是物联网技术在交通领域内的典型应用。异构无线传感器网络（Heterogeneous Wireless Sensor Networks）技术为车联网信息感知和采集提供了有力的技术支撑。但是异构无线传感器网络技术在数据传输的可靠性保障上却面临着巨大的挑战。本项目将研究基于车联网感知层的异构无线传感器网络可靠性评估问题，选取城市道路管理和城市公交调度两个车联网感知层的应用场景作为研究对象，采用面向对象的有色Petri网作为异构无线传感器网络的建模工具，并基于此模型探讨网络可靠性评估量化的定义和方法，完善异构无线传感器网络可靠性评估量化体系。本项目还将分析网络静态属性和动态行为过程给可靠性评估结果带来的影响，拟提出新型的节点预部署和重部署策略以及新型的分簇路由协议。本项目最后拟搭建车联网感知层下的异构无线传感器网络仿真平台来验证上述模型和方法的有效性和可行性。

车联网是物联网技术在交通领域内的典型应用。异构无线传感器网络（Heterogeneous Wireless Sensor Networks）技术为车联网信息感知和采集提供了有力的技术支撑，但该技术在保证数据传输可靠性方面面临着巨大挑战。本项目将研究基于车联网感知层的异构无线传感器网络可靠性评估问题，选取城市道路管理和城市公交调度两个车联网感知层的应用场景作为研究对象，采用面向对象的有色Petri网作为异构无线传感器网络的建模工具，并基于此模型探讨网络可靠性评估量化的定义和方法，引入并优化强化学习和联邦学习等人工智能领域新方法完善异构无线传感器网络可靠性评估量化体系，然后将此量化体系用于异构无线传感器网络路由协议组建传输可靠性高的路由保证数据传输安全，提出了基于强化学习的协作路由协议和网格路由协议，以及基于联邦学习的车路云协同信任评估体系。与此同时，搭建实验平台验证理论成果，为车联网数据传输技术的发展提供理论依据和仿真、实验数据。 .课题研究主要从信任计算和可靠路由两方面提出了一些解决思路和方案：（1）提出了一种多媒体无线传感器网络中能量高效的分布式自适应协作路由。该协议采用基于强化学习的自适应算法来判断节点是否选择维护路由表，大大降低了能耗，使能量分布更加均匀。（2）提出了一种基于强化学习的无线多媒体传感器网络QoS感知网格路由协议。该路由协议将节点可靠性和数据传输路径延迟作为选择网格节点的主要指标。（3）将节点信任度作为实现网络安全传输的主要方式，提出了新型的节点可靠性信任模型。并结合了联邦学习方法，解决了寻找最可靠路线的问题，实现了设备、数据、模型层面的个性化。.课题组搭建的仿真平台能够获得异构无线传感器网络可靠性评估数据，并模拟了所提出的新型路由协议的数据传输结果。在研究过程中，共发表SCI期刊3篇、EI会议2篇，申请发明专利1项，获批软件著作权2项。