本发明涉及车载自组网领域，尤其涉及一种基于模糊逻辑的地理位置路由方法。
背景技术：
：：1、vanets（vehicular ad hoc networks）是一种基于车辆之间信息共享的特殊的移动组织网，已经被广泛应用于城市和各种工业物联网场景中。而路由作为vanets的核心问题之一，决定了信息在网络中的传输路径，直接影响到通信的可靠性和效率。然后，由于车载自组网节点的移动性和不规则的网络拓扑，导致现有的一些基于拓扑、分簇和地域广播等路由协议不能适应vanets中的数据传输。2、近年来，随着高精度地图、5g通信技术和其他位置服务的日益普及，基于地理位置的路由协议已成为高移动性场景中的主要方法。在地理路由中，数据包被贪婪地转发到与指定数据包目的地距离最短的下一跳节点。但是，只依据节点和目的地之间距离的远近来选择下一跳，将增加通信中断的概率，因为由于节点的移动性，根据距离选出的下一跳可能处在当前节点的通信边界处。3、目前的相关改进工作主要有两种思路，一种是考虑节点的多个路由度量然后线性加权，选择出下一跳转发节点，但是该方法忽略了各路由度量之间的冲突性和模糊性，导致所选下一跳并非最优解；另一种思路是采用模糊逻辑的思想去权衡多个路由度量之间的关系，但是大部分工作中都没有考虑到节点的通信负载情况，导致数据传输的时延可能增加。4、传统的地理位置路由中，当前节点在自身的通信范围内，贪婪的将数据包转发到比自己距目的地更近的邻居节点上，然而，所选邻居节点可能处在通信范围的边界处，由于节点的移动性，可能导致通信链路的中断，丢包率增大；且该方法没有考虑到通信范围内节点的通信负载，导致传输时延的增加。现有的工作聚焦在通过评估节点的多个参数信息，然后线性加权来选择最优的下一跳，然而这忽略了各参数之间的模糊性和可能存在的冲突性。当前模糊逻辑系统中的模糊规则往往是根据专家的经验或者是通过不断地试错得到，所以这可能导致制定的规则不是最优的，从而影响到路由决策的准确性。技术实现思路1、发明目的：本发明的目的是提供一种基于模糊逻辑的地理位置路由方法，基于车辆之间的相互协作实现数据传输和信息共享的路由控制，提高了路由的可靠性和系统的容错性。2、技术方案： 本发明的地理位置路由方法，设每个车辆节点都配有gps，以获得与当前位置和运动方向有关的信息；车辆节点之间通过定期发送hello包，获得所要维护的邻居节点信息；包括步骤如下：3、s1，当节点收到需要转发的数据包时，判断通信范围内是否存在比自己距离目的地更近的邻居节点，设当前节点到目的地的距离为dc，当前节点的邻居节点到目的地的距离为dn：4、若所有邻居节点均满足dn≥dc，则进入周界转发模式，由周界转发原理选择下一跳中继；5、若存在至少有一个邻居节点满足dn＜dc，则对邻居节点进行评估；邻居节点评估对象包括邻居节点距目的地的距离、邻居节点的移动方向、邻居节点的当前通信负载以及邻居节点和当前节点之间的链路质量；6、s2，通过模糊逻辑系统得到每个邻居节点的模糊分数，并使用遗传算法对模糊规则库进行优化；最后，根据模糊分数的高低选择最适配的下一跳中转节点。7、进一步，邻居节点距目的地的距离、邻居节点的移动方向、邻居节点的当前通信负载以及邻居节点和当前节点之间的链路质量的计算如下：8、a11，对于邻居节点距目的地的距离，采用欧式距离来评估节点与目的地之间的距离，计算公式如下：其中，表示邻居节点的位置坐标，是目的节点的位置坐标；9、a12，对于邻居节点的移动方向 ，通过计算邻居节点速度矢量与从邻居节点到目的节点连线所形成矢量之间的夹角来衡量二者之间的运动方向，计算公式如下：其中， 表示邻居节点的速度矢量，、分别为邻居节点的速度矢量在水平平面和垂直平面的速度分量，表示从邻居节点到目的节点连线所形成的矢量；10、a13，对于邻居节点的当前通信负载 ，通过评估邻居节点利用率与数据包处理能力的乘积来反映当前的综合负载情况，计算公式如下：其中， 表示缓冲区的利用率，表示已使用的缓冲区大小；表示总体的缓冲区大小，设每个节点的总缓存区大小是固定值； 表示节点在单位时间内能够处理的最大数据包数量，设每个结点的数据处理能力相同；11、a14，对于邻居节点和当前节点之间的链路质量，通过hello包的成功接收率和反向应答信号ack的成功接收率进行链路质量评估；12、设hello包的发送周期为t秒，节点能记住在过去w秒内接收的包的数量，且满足w>t，则能接收到的包的数量为w/t；13、当邻居节点作为接收方，则hello包的成功接收率 为： ；14、当前节点作为发送方，反向应答信号ack的成功接收率为：；15、则当前节点和邻居节点之间的链路质量表示为：其中， ；表示节点在任意t时刻接收到的包的数量，表示节点在任意t时刻接收到应答信号的数量。16、进一步，步骤s2中， 将邻居节点距目的地的距离、邻居节点的移动方向、邻居节点的当前通信负载以及邻居节点和当前节点之间的链路质量作为模糊逻辑系统的输入，评选出最适配的下一跳中继节点；实现步骤如下：17、s21，对邻居节点评估对象进行预处理和模糊化：18、对 、 、 、分别进行标准化预处理；19、通过三角隶属函数将邻居节点评估对象分别转换成对应的模糊语言变量，邻居节点距目的地的距离划分为{big，midum，small},邻居节点的运动方向划分为{approaching，aaway}，邻居节点的当前通信负载划分为{low，average，high}，邻居节点和当前节点之间的链路质量划分为{good，midum，bad}；20、s22，采用三角隶属度函数将模糊的输出值转换成清晰的输出值，同时采用重心法进行去模糊化；21、s23，模糊推理机制结合预先制定好的规则库，对模糊输入值进行推理，得到模糊输出，该模糊输出表示每个邻居节点作为下一跳的评分，评分的模糊语言变量分为{perfect，good，acceptable，bad}；规则库开始根据先前的知识经验设定，同时使用遗传算法对规则库优化，模糊推理选择最大隶属度值对应的评分输出。22、进一步，步骤s23中， 使用遗传算法对规则库优化的详细步骤如下：23、s231，初始化群体，程序开始之前，采用随机数的方式随机生成初始群体；24、s232，设定适应度函数来计算每个个体的适应度值，其中，一条规则为一个个体，每条规则含有dis、dir、com_load和lq四个决策变量，则适应度函数定义为：25、其中，n为当前节点选择下一跳节点时拥有可选模式的数量； 、 、 、 分别表示节点x距目的地的距离、节点x的移动方向、节点x的当前通信负载以及节点x和当前节点之间的链路质量； 、 、 、是系数；26、s233，对个体执行选择、交叉、变异操作；27、s234，不断重复步骤s231-s233，直到达到最大迭代次数。28、进一步，步骤s233中，对个体执行选择、交叉、变异操作的实现过程如下：29、s2331，选择适应度值最高的个体进行复制，添加到新群体中，并将适应度值最低的个体从群体中删除；30、s2332，对求得的个体适应度值，计算个体的平均适应度值 ，以平均适应度为分界值，定义当前一代群体中个体的交叉率：其中， 表示第i个个体的个体适应度值；设最大迭代次数为m，其中i=,2,…,m，j=i-1；表示当前一代个体的交叉率， 表示上一代的交叉率，k1是和的差值，是当前群体中最大的适应度值， 是两个交叉个体中较大的适应度值；31、s2333，根据个体平均适应度，定义个体的变异率为：32、其中， 、 分别是当前一代群体中个体的变异率和上一代群体中个体的变异率，k2是和的差值，f是要变异个体的适应度值。33、本发明与现有技术相比，其显著效果如下：34、1、本发明针对gpsr地理路由中只单一的依据距离来选择下一跳问题，提出了一种综合评估节点的方法，在当前节点需要转发数据时，同时评估邻居节点与目的地之间的距离、邻居节点的通信负载、邻居节点的运动方向和当前节点与邻居节点之间的链路质量，从这四个路由度量方面来抉择出最适配的下一跳节点，弥补了gpsr判断路由单一的问题，提高了路由的可靠性；35、2、本发明针对节点评估时，多个路由度量之间可能存在的冲突性和模糊性问题，提出了一种基于模糊逻辑的路由决策系统，在评估完节点的四个路由度量后，将四个路由度量作为模糊系统的输入，通过模糊化、模糊推理以及去模糊化步骤得到每个节点的评分，有效解决了多个路由因素之间的模糊性和冲突性，提高了路由的可靠性和系统的容错性；36、3、本发明针对模糊逻辑系统中非最优模糊规则库问题，提出了一种基于遗传算法的模糊规则库优化方法，在制定规则库时，通过设定适应度函数来评估每条规则，然后通过选择、交叉和变异操作迭代出适应度最高的一组规则，作为模糊推理的标准，确保了规则的最优性以及提高了路由决策的准确性。当前第1页12当前第1页12