车载自组织网络VANETs(Vehicular Ad Hoc Networks)具有节点密度分布不均、拓扑变化剧烈、链路间歇性中断等特点。未来智能停车、无需交通灯、智能咨询服务、车载视频会议等将会频频出现，有广泛应用前景。

本文研究VANET地理机会路由，尽可能动态选择沿着节点密度高、速度大的道路并利用无线传输，需要发送数据的节点积极与频繁接触、质量好、社会活跃性大的节点建立关系。为获得良好的自适应效果，应该加强路口节点的预测计算能力、路由每一跳决策和学习实时网络拓扑知识的能力。
1 相关工作
参考文献[1]提出GPSR(Greedy Perimeter Stateless Routing)，在路口无法处理路段节点密度大小问题，若没有后续转发节点则贪婪转发失败。
参考文献[2]提出 GeoDTN+Nav(Geographic DTN Routing with Navigator Prediction routing),通过三个指标计算节点的得分，判断继续边界模式还是切换到携带模式，弥补了时断网络中GPSR协议节点空洞，但忽视了交通实时信息，路口的传输没有很好的说明。
参考文献[3]提出GyTAR(Improved Greedy Traffic-aware Routing Protocol)，根据到目的地的剩余距离和车流量的变化动态序列化地选择路口。
参考文献[4]提出MOVE(The Motion Vector Scheme)，仿真表明节点密度对算法性能影响明显。
参考文献[5]使用信标探测机制感知报文存储车辆节点周围链路信息,以此为根据预测传输路径性能并决定报文的转发决策。
参考文献[6]提出根据节点的活跃度和相似度两个指标得出综合效用值，选择节点传输数据包。
参考文献[7]提出VADD(Vehicle-Assisted Data Delivery)，在路口有两种选路模式：L-VADD优先选取位置更靠近目的车辆；D-VADD优先选取朝目的方向移动的车辆。
以往算法较少考虑车辆社会性规律(如节点接触历史和移动模式)的问题。城市中，热点路段车辆密度较大、邻居频繁改变，节点质量Q用在一段时间T内在网络中遇到不同节点的历史平均数表示，数目越多表明节点质量越好，同时也间接反映节点所在路段密度。

3 路口各个指标计算和路由算法流程
路由协议关键在一些参数决定路径。本文在路口利用综合效用值实时选择高车流量的道路，有助于路由性能的提升。
3.1选路效用值的计算
(1)距离因子D的计算方法
邻居列表保存着一跳范围内的节点信息(位置、速度、方向)，并通过周期性发送HELLO消息来构建和更新。下式中Di是邻居节点距离目的的距离，Dc是本节点到目的的距离,如图3所示,邻居距离目的越近，D越大。

(1)路口节点通过GPS获取自己和邻居的位置并根据式(1)计算距离D。
(2)每个邻居根据式(2)计算质量Q，并通过HELLO消息传回路口节点。
(3)路口节点获取邻居的Q并根据式(3)计算U。
(4)在邻居列表中查找是否有U大于当前节点的邻居,
有，则将数据分组发送到具有最大U的邻居节点。详细过程如图5所示。

4 仿真分析
本文采用NS2.35[10]作为网络仿真平台，VanetMobiSim[11-12]模拟真实车辆行驶轨迹，如图6所示，生成的脚本文件导入到NS-2搭建的网络仿真场景中实现了联合仿真。
在1 000×1 000的拓扑内，固定节点数量为9，并部署路口静态节点。随机运动节点由6个开始，以步长5增加,在统计节点密度对性能影响时,节点速度分布为2 m/s~17 m/s(平均速度9.5 m/s)；在统计不同平均速度对协议影响时，拓扑节点数固定为25。在参数a、b分别取0.5时,QAOR与加入携带转发机制的GPSR(buffer)协议进行对比，每次产生10次随机场景取平均值。仿真参数配置如表1所示。

图6对比了QAOR和GPSR(buffer)的数据投递率和时延。随着节点数量的增加，协议数据投递率均增加，图6(a)显示QAOR投递率高于GPSR，因为它根据节点先前相遇节点数目多少预测路段的密度，让数据包沿着链路质量好的路段传输，投递率增加。从图6(b)可以看出，随着节点数量增加，道路车流密度增大，链路连接的概率增大，数据包传输时延减小,QAOR比GPSR(buffer)时延更低，因为选择了车流密度大的道路减少了携带转发的数据包的个数，而在路口GPSR根据距离无状态地选择下一跳，并不总是最优的。
图7是节点数一定的情况下(固定25个节点)平均速度对时延的影响, GPSR(buffer)选择的路段节点密度小，缺少后续转发节点，时延较大。相反QAOR时延却显著降低，因为它选择了节点密度大的路段。同时,随着平均速度越快，节点有更多机会遇到合适的下一跳，也缩短了通过车辆携带的时间。

随节点移动速度增加，投递率增加，但受场景限制QAOR和GPSR(buffer)区别不明显。仿真说明车辆速度大的路段能提高数据投递率和降低时延。
VANET道路拓扑的限制和时断性给路由协议的设计带来了挑战，本文提出了携带转发机制的GPSR在路口选择下一跳的方法，利用反向车辆的历史平均相遇节点数量间接提供路段车流密度，解决了GPSR这种无状态协议在路口选择下一跳时没有后续节点的情况。仿真显示QAOR具有较高的数据投递率和较低的时延。后续将引入更加真实的交通信息流情况并对进一步结合道路全局信息计算连接度,加入链路断裂预警机制，路口节点发送探测包等，选择通信能力强的道路，并在大型拓扑场景协议中考察协议的性能表现。
参考文献
[1] KARP B, KUNG H T. GPSR: greedy perimeterstateless routing for wireless networks[C].International Conference on Mobile Computing and Networking, New York:ACM Press,2000:243-254.
[2] CHENG P C,LEE K C, GERLA M, et al. GeoDTN+Nav:geographic DTN routing with navigator prediction for urban vehicular environments[J]. Mobile Networks and Applications, 2010,15(1):61-82.
[3] JERBI M, SENOUCI S M, RASHEED T, et al. Towards efficient geographic routing in urban vehicular networks[J]. IEEE Transactions on Vehicular Technology, 2009,58(9): 5048-5059.
[4] 肖德贵，彭李翔. 真实城市模拟环境下车载自组织网络路由算法仿真研究[J]. 通信学报，2010,31(9A):68-72.
[5] 沈虎，王晓东, 周兴铭,等.一种基于链路感知的VANET路由协议[J].软件学报，2011,22(Suppl.(1)):157-164.
[6] 舒坚,董海星,刘琳岚,等.机会网络中基于移动特征的效用转发协议[J]. 计算机应用研究，2012，29(4):1489-1492.
[7] ZHAO Jing, Cao Guohong.VADD:vehicle_assisted data delivery in vehicular Ad Hoc networks[J]. IEEE Transactions on Vehicular Technology, 2008,57(3):1910-1922.
[8] 刘婧,王新华,王朕,等. VANET环境下基于历史行为的消息路由方案[J].计算机应用,2012,2(32):359-362,366.
[9] Wang Guizhu, Wang Bingting, Gao Yongzhi. Dynamic spray and wait routing algorithm with auality of node in delay tolerant network[C].2010 International Conference on Communications and Mobile Computing(CMC),2010.4:452-456.
[10] TheNetworkSimulator-ns2.http://www.isi.edu/nsnam/ns/.
[11] Härri J, Fiore M, Fethi F, et al. VanetMobiSim: generating realistic mobility patterns for VANETs.[2006-09-26].http://vanet.eurecom.fr/.
[12] HEARRI J, FILALI F， BONEET C, et.al. Vanet Mobi Sim:generating realistic mobility patternsfor vanets[C].Proceedings of the 3rdinternational workshop on Vehicular Ad Hoc networks. ACM Press, 2006:96-97.