摘要:针对车联网(Internet of Vehicles, IoV)中大多数基于位置的路由协议存在传输时延高的问题, 提出一种基于移动贝叶斯和仿生智能算法的路由协议. 首先, 该协议在原贪心周界无状态路由(greedy perimeter stateless routing, GPSR)协议的基础上引入动态贝叶斯网络(dynamic Bayesian network, DBN), 用于预测车辆下一时刻位置, 然后确定下一时刻距离源节点最远且最可靠的节点. 基于所确定的节点确定可信通信范围, 在可信通信范围内添加移动性的概念来选择下一跳. 其次, 如果不符合贪心转发条件而转入周界转发, 该协议采用蛙跳算法(shuffled frog leaping algorithm, SFLA)、蚁群优化算法(ant colony optimization algorithm, ACO)和左右手法则确定下一跳路由路径. 实验结果表明, 该协议在高速公路场景中的数据包丢失率(packet loss rate, PLR)和吞吐量均优于经典GPSR、无线自组网按需平面距离向量路由(ad-hoc on-demand distance vector routing, AODV)协议、基于粒子群优化的GPSR (particle swarm optimization based GPSR, PSO-GPSR)协议和最大累计通信持续时间最小角度GPSR (maxduration-minangle GPSR, MM-GPSR)协议.