技术摘要：
本发明公开了一种车联网环境下基于机会网络的路由性能分析方法，本发明针对车载节点间的数据通信稳定性和安全性进行定量研究，在机会网络中对不同的路由算法在不同预设值下进行性能优劣的分析与比较，从而选择出一个优于现有、且更适合目前车联网复杂多变的环境所需要  全部
背景技术：
在交通大数据应用越来越广泛的今天，车载技术也是蓬勃发展。车联网概念引申 自物联网，根据行业背景不同，对车联网的定义也不尽相同。传统的车联网定义是指装载在 车辆上的电子标签通过无线射频等识别技术，实现在信息网络平台上对所有车辆的属性信 息和静、动态信息进行提取和有效利用，并根据不同的功能需求对所有车辆的运行状态进 行有效的监管和提供综合服务的系统。车联网作为交通行业的新生力量和信息网络平台的 全新应用，充分展现了无线传感网在智能交通系统中的广阔应用前景。由于车联网主要应 用的是无线传感器网络技术，而网络自身安全性较低，极易遭受攻击，一旦被黑客攻陷车联 网中的某些节点，则无法避免这些被攻陷节点在网络中伪造、篡改、发送或传递虚假信息。 所以车联网安全逐渐被重视，这也正是我们研究的主要背景。 由于现研究的车联网中的节点多为快速移动的车辆，因此节点的移动性使得车联 网网络拓扑的结构变得更加复杂，节点的分布范围变得更加广泛，节点的相对位置变得更 加灵活不可控。这些不确定因素都使得车载节点间通信的稳定性和车载数据传输的准确性 受到影响。 虽然机会网络的优势很突出，但正是因为这种特有的传输方式，导致信息在传输 过程中可能出现的诸多不确定性。比如，传输路径不确定，起跳节点选择不确定，还有中继 节点选择和网络资源利用等等。不同的选择，将会带来相应的延时和网络资源的消耗。
技术实现要素：
本发明的目的在于克服上述不足，提供一种车联网环境下基于机会网络的路由性 能分析方法，针对车载节点间的数据通信稳定性和安全性进行定量研究，在机会网络中对 不同的路由算法在不同预设值下进行性能优劣的分析与比较，从而选择出一个优于现有、 且更适合目前车联网复杂多变的环境所需要的更高效的路由算法，进而提高节点间通信的 稳定性和准确性。 为了达到上述目的，本发明包括以下步骤： 步骤一，选择对机会网络下的路由进行性能分析，性能分析包括路由的传输投递 率、传输延时和路由负载率； 步骤二，在仿真平台上对路由的算法进行性能仿真，得出在不同预设值下的仿真 结果，并进行可视化； 步骤三，根据路由的性能分析和仿真结果，选择出适合目前车联网环境的路由算 法。 步骤一中，传输投递率是在规定的时间内成功接收的数据分组数占发送数据数据 3 CN 111585893 A 说　明　书 2/4 页 总量的比例，计算方法如下： 其中，Successfully为成功接收的数据分组数，TotalData为发送数据数据总量。 步骤一中，传输延时为分组数据从源节点到达目的节点的时长。 步骤一中，路由负载率为每个分组数据到达目的节点所需要的路由控制数据，计 算方法如下： 其中，Relayed为分组数据数据总量，Successfully为成功接收的数据分组数。 步骤二中，仿真平台对路由的算法进行性能仿真的算法包括基于转发策略的路由 算法、基于预测策略的路由算法和基于计划策略的路由算法。 基于转发策略的路由算法包括Epidemic、Spray  and  Wait、Direct  Dlivery和 First  Contact； 基于预测策略的路由算法包括Prophet、MaxProp和CAR； 基于计划策略的路由算法包括Message  Ferrying。 仿真平台对路由的算法进行性能仿真的仿真软件采用ONE仿真工具，模拟出一种 智能交通系统，模拟实验地图选择ONE仿真工具自带的赫尔辛基城市地图。 与现有技术相比，本发明针对车载节点间的数据通信稳定性和安全性进行定量研 究，在机会网络中对不同的路由算法在不同预设值下进行性能优劣的分析与比较，从而选 择出一个优于现有、且更适合目前车联网复杂多变的环境所需要的更高效的路由算法，进 而提高节点间通信的稳定性和准确性，通过本发明分析改进后的算法能尽可能减少因通信 的不确定性带来的不良影响，提高资源利用率，为后续的研究提供相应的技术支持。 附图说明 图1为机会网络的传输示意图； 图2为Spray  and  Focus算法的流程示意图； 图3为机会网络中的路由包示意图； 图4为本发明的流程图； 图5传输成功率示意图； 图6为传输延时示意图； 图7为路由负载示意图。