车载网运动模型的复杂网络解析方法

doi:10.3969/j.issn.0372-2112.2017.06.024

电子学报 ›› 2017, Vol. 45 ›› Issue (6): 1449-1455.DOI: 10.3969/j.issn.0372-2112.2017.06.024

所属专题：车载自组织网络

车载网运动模型的复杂网络解析方法

于冲, 赵海, 司帅宗, 彭海霞

东北大学计算机科学与工程学院, 辽宁沈阳 110819

收稿日期:2015-08-21 修回日期:2016-05-15 出版日期:2017-06-25
- 作者简介:
- 于冲女,1991年出生于辽宁省丹东市,现为东北大学嵌入式技术省教育厅重点实验室硕士研究生.主要研究方向为复杂网络、车载网.E-mail:1179710249@qq.com;赵海男,1959年出生于辽宁省沈阳市,现为东北大学教授、博士生导师,主要研究方向计算机网络、复杂网络、车载网、体域网、医学图像处理.E-mail:zhaoh@mail.neu.edu.cn;司帅宗 男,1987年出生于河南省长垣县,现为东北大学嵌入式技术省教育厅重点实验室博士研究生.主要研究方向为无线传感器网络、复杂网络、车联网.E-mail:sishuaizong@neuera.com;彭海霞 女,1988年出生于湖南省郴州市,现为东北大学嵌入式技术省教育厅重点实验室博士研究生,加拿大滑铁卢大学博士研究生.主要研究方向为无线传感器网络、复杂网络、车联网.E-mail:penghaixiauw@gmail.com
- 基金资助:
- 国家科技支撑计划 (No.2012BAH82F00）; 辽宁省科学技术计划 (No.2015401039）

Complex Networks Analysis Method of VANET Mobility Model

YU Chong, ZHAO Hai, SI Shuai-zong, PENG Hai-xia

School of Computer Science & Engineering, Northeastern University, Shenyang, Liaoning 110819, China

Received:2015-08-21 Revised:2016-05-15 Online:2017-06-25 Published:2017-06-25

摘要/Abstract

摘要：

车载网快速移动的特点导致其结构具有强烈的复杂性，传统的网络研究方法无法对这种复杂性进行分析.针对此问题将复杂网络解析方法运用于车载网的研究之中，依据车载网组网过程建立车载网运动模型，通过复杂网络研究手段与运动模型相结合的方式对车载网的度分布、鲁棒性以及网络连接变化率进行分析与仿真实验.结果表明，所构建的运动模型能够反应车载网构网过程，复杂网络解析方法在车载网性质分析方面十分有效.

关键词: 车载网, 运动模型, 度分布, 鲁棒性, 连接变化率

Abstract:

The fast-moving characteristic of VANET(Vehiche Ad-hoc NETwork) leads to a high complexity of network structure that the conventional methodology of network cannot figure out.The solution proposed was based on the complex networks theory since its applicability is straightforward for this high complexity of VANET.And a mobility model was also proposed based on the process of network construction of VANET.The combination of the complex networks theory and the mobility model can be used to analyze the degree distribution,robustness,and the rate of connection change of VANET.Meanwhile,the method be simulated and validated.The results show that the proposed mobility model can represent the process of network construction of VANET,and the complex networks theory is very effective in its property analysis.

Key words: VANET, mobility model, degree distribution, robustness, link change rate

中图分类号:

TP393

于冲, 赵海, 司帅宗, 彭海霞. 车载网运动模型的复杂网络解析方法[J]. 电子学报, 2017, 45(6): 1449-1455.

YU Chong, ZHAO Hai, SI Shuai-zong, PENG Hai-xia. Complex Networks Analysis Method of VANET Mobility Model[J]. Acta Electronica Sinica, 2017, 45(6): 1449-1455.

[1]	陈震, 倪晶晶, 张聪炫, 葛利跃, 王梓歌. 基于金字塔块匹配的双目场景流估计[J]. 电子学报, 2022, 50(9): 2164-2171.
[2]	宋鑫, 程乃平, 廖育荣, 倪淑燕, 雷拓峰. 具有逆向边增长结构LT码的设计与分析[J]. 电子学报, 2022, 50(5): 1201-1210.
[3]	郭绍陶, 苑玮琦. 基于双高斯纹理滤波模板和极值点韦伯对比度的圆柱锂电池凹坑缺陷检测[J]. 电子学报, 2022, 50(3): 637-642.
[4]	林志, 林敏, 黄清泉, 赵柏, 顾晨伟, 许拔. 能效最大化准则下的星地融合网络的安全波束成形算法[J]. 电子学报, 2022, 50(1): 124-134.
[5]	陈丹, 姚伯羽. 运动模型引导的自适应核相关目标跟踪方法[J]. 电子学报, 2021, 49(3): 550-558.
[6]	吴立强, 韩益亮, 杨晓元, 张敏情, 杨凯. 基于理想格的鲁棒门限代理重加密方案[J]. 电子学报, 2020, 48(9): 1786-1794.
[7]	孟祥新, 柳桃荣, 笪敏, 刘泽鑫. 一种高精度的毫米波稀疏平面阵列频域类成像算法[J]. 电子学报, 2020, 48(8): 1479-1485.
[8]	朱占龙, 刘永军. 融合混沌优化和改进模糊聚类的图像分割算法[J]. 电子学报, 2020, 48(5): 975-984.
[9]	井美, 惠小静, 王蓉. 基于相似度的直觉模糊推理反向三I算法的鲁棒性[J]. 电子学报, 2020, 48(2): 265-271.
[10]	曾伟辉, 李淼, 李增, 熊焰. 基于高阶残差和参数共享反馈卷积神经网络的农作物病害识别[J]. 电子学报, 2019, 47(9): 1979-1986.
[11]	王春东, 杨蕾, 万福金, 刘哲理, 朱立坤. 数据库水印模型及其算法综述[J]. 电子学报, 2019, 47(4): 946-954.
[12]	惠小静, 井美, 王蓉. 基于直觉模糊推理(1,2,2)-a型泛三I算法的鲁棒性[J]. 电子学报, 2019, 47(2): 410-416.
[13]	黄翔东, 杨琳, 杨孟凯, 黄光明. 抗噪鲁棒性可分级的稀疏阵列频率和到达角估计[J]. 电子学报, 2019, 47(1): 122-128.
[14]	谢显中, 陈九九, 扶渝茜. 全双工信息与能量同传系统的鲁棒性预编码及高能效时隙分配方案[J]. 电子学报, 2018, 46(5): 1213-1221.
[15]	王尔申, 王玉伟, 庞涛, 曲萍萍, 姜毅. 基于边攻击成本的复杂网络鲁棒性研究[J]. 电子学报, 2018, 46(5): 1166-1172.

车载网运动模型的复杂网络解析方法

Complex Networks Analysis Method of VANET Mobility Model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics