车辆自组织网络中基于实时预报的容迟/容断路由理论与关键技术研究

研究车辆自组织网络具有重要的科学意义，且在智能交通中具有广阔应用前景。本课题针对该网络的长延迟/间歇连通性、拓扑变化性和异构性等特点与难点进行研究。通过监测车辆轨迹的时空序列，研究节点移动的时空规律，应用随机过程、支持向量回归等计算理论，建立符合路网、节点移动意图和社会特性约束的车辆运动时空序列模型。应用神经网络模型，提取时空序列非平稳性造成的大尺度时空非线性趋势；应用时空ARMA模型，建立小尺度随机时空异变性模型。应用极值理论、支持向量机等，对节点移动方向、速度或转弯等节点重要特性进行实时预报，提出小样本情况下车辆移动轨迹预报的有效理论与方法。借助计算几何、随机图论对车辆网络随时空变化的拓扑结构、间歇连通概率函数，以及连通性进行分析；结合移动模型和预报机制，提出网络资源约束条件下的同步异步混合路由算法和高效的路由模式切换机制。本项目的预期研究成果都将进行严格理论分析，并通过仿真进行验证。

研究车辆自组织网络具有重要的科学意义，且在智能交通中具有广阔应用前景。项目针对车辆自组织网络的长延迟/间歇连通性、拓扑变化性等特点与难点进行了研究。通过监测车辆轨迹的时空序列，研究了节点移动的时空规律，应用随机过程等理论，建立了符合路网、节点移动意图和社会特性约束的车辆运动模型。研究了基于卡尔曼滤波的节点预测方法，对节点移动方向、速度或转弯等节点重要特性进行实时预报，提出小样本情况下车辆移动轨迹预报的有效理论与方法。借助计算几何、随机图论对车辆网络随时空变化的拓扑结构、间歇连通概率函数，以及连通性进行分析，建立了网络连通性分析的理论模型；考虑了节点移动的社会性，结合所提出的移动模型和预报机制，提出了网络资源约束条件下的同步异步混合路由算法和高效的路由模式切换机制。综合运用数学模型、分析，计算机仿真等手段，对新协议、策略和算法进行了研究与性能评价。