基于自适应分簇和演化博弈的异构车载网络选择方法

高效的网络选择方法是异构车载网络环境中保证多用户服务质量体验的关键。针对现有方法从优化车辆个体出发选择最佳接入网络，导致网络资源分配不均和部分网络拥塞的问题，提出一种基于自适应分簇和演化博弈的异构车载网络选择方法(adaptive clustering and evolutionary game based network selection method,AENS)。首先，采用自适应分簇减少直接接入网络的车辆数量，有效降低车流密集情况下的网络拥塞概率；接着，分别基于模糊层次分析法和指标相关性权重法计算候选网络属性的主、客观权重，得到更加准确评估候选网络性能的综合效用值；最后，将车辆对网络的选择抽象成基于复制动态的演化博弈模型，并引入记忆效应以加快其收敛速度，最终通过策略更新获得系统最优的网络选择策略集合。实验结果表明，在融合5G/6G的异构车载网络环境下AENS方法能够有效减少网络切换次数、提升网络吞吐量和平衡网络负载，在提高网络资源利用率的同时实现了负载均衡，且在车流密集情况下优势更为明显。