为提高车载信息中心网络(Vehicular Information Centric Network,VICN)中内容发现效率和转发准确率,提出面向节点密度自适应性的内容发现策略(Adaptive Strategy of Content Discovery against Node Density,ASCD-ND)。节点通过邻居HE...为提高车载信息中心网络(Vehicular Information Centric Network,VICN)中内容发现效率和转发准确率,提出面向节点密度自适应性的内容发现策略(Adaptive Strategy of Content Discovery against Node Density,ASCD-ND)。节点通过邻居HELLO包感知局部节点密度。在节点密度高时采用De M(Dense Mode)模式,通过轻量级的探测包和反馈包交互,在大流量网络中抑制网络开销;在节点密度低时采用SpM(Sparse Mode)模式,通过多源多路径的兴趣包广播和内容反馈,在低连通度网络中提高数据分组到达率。同时,通过概率因子调整两种模式执行比例,实现对不同节点密度场景的平滑切换。仿真结果表明,提出的方案能有效实现不同节点密度下网络开销和内容发现率的权衡,提高了传输效率和数据分组到达率。展开更多
文摘为提高车载信息中心网络(Vehicular Information Centric Network,VICN)中内容发现效率和转发准确率,提出面向节点密度自适应性的内容发现策略(Adaptive Strategy of Content Discovery against Node Density,ASCD-ND)。节点通过邻居HELLO包感知局部节点密度。在节点密度高时采用De M(Dense Mode)模式,通过轻量级的探测包和反馈包交互,在大流量网络中抑制网络开销;在节点密度低时采用SpM(Sparse Mode)模式,通过多源多路径的兴趣包广播和内容反馈,在低连通度网络中提高数据分组到达率。同时,通过概率因子调整两种模式执行比例,实现对不同节点密度场景的平滑切换。仿真结果表明,提出的方案能有效实现不同节点密度下网络开销和内容发现率的权衡,提高了传输效率和数据分组到达率。
