Vehicular ad hoc network usually operates in various challenging situations like frequent topology changes, high vehicular mobility and the wide range of communication networks. Due to this it is very hard to maintain a higher data rate and also to achieve low latency during data communication. To overcome these problems, given the dynamic natures of all the vehicles in a given network in the proposed routing method, we have defined two fundamental parameters to determine the forwarding vehicle. The first parameter, which we developed, we call it “Channel quality factor (CQF)” or ‘Z’. The other parameter known as “Communication expiration time” or ‘T’ together with CQF is used in the present method to determine the forwarding vehicle. Fuzzy logic is also used to optimize various Quality of Service matrices. This proposed routing method involves two main parts; one is for forwarding Vehicle selection in the road based on the fuzzy logic. The second one is Road selection at the Road Junction to select the right path to reach the signal to the destination vehicle. The simulation results show that our proposed method performs well compare to other well-known protocols (MoZo, BRAVE, OFAODV) in terms of the average end to end delay, packet delivery ratio and control packet overhead, given any number of vehicles in a set of streets. While we are comparing with VEFR protocol, our proposed method shows higher performance in terms of average E2E delay and control packet overhead. However, it is interesting to see that VEFR gives \(\sim \) 5% better result than our proposed method when the number of vehicles in the streets are lower. But in the limit, when the number of vehicles reaches close to \(\sim \) 1900 the difference between the proposed method and method in VEFR goes to zero. At last we compare our proposed method with junction based two V2I protocols. In every cases, it shows better result even though we change the speed of the vehicles, beacon interval, channel data rate and transmission region.

车辆自组织网络通常在各种挑战性情况下运行，例如频繁的拓扑变化，高的车辆机动性和广泛的通信网络。因此，在数据通信过程中很难保持较高的数据速率并实现低延迟。为了克服这些问题，考虑到所提出的路由方法中给定网络中所有车辆的动态特性，我们定义了两个基本参数来确定转发车辆。我们开发的第一个参数称为“通道质量因子（CQF）”或“ Z”。在本方法中，使用称为“通信到期时间”或“ T”以及CQF的其他参数来确定转发车辆。模糊逻辑还用于优化各种服务质量矩阵。提议的路由方法包括两个主要部分；一种是基于模糊逻辑在道路上转发车辆选择。第二个是在路口的道路选择，以选择正确的路径以将信号传递到目标车辆。仿真结果表明，在集合中有任意数量的车辆的情况下，在平均端到端延迟，数据包传输率和控制数据包开销方面，我们提出的方法与其他知名协议（MoZo，BRAVE，OFAODV）相比表现良好的街道。当我们与VEFR协议进行比较时，我们提出的方法在平均E2E延迟和控制数据包开销方面表现出更高的性能。但是，有趣的是，VEFR 第二个是在路口的道路选择，以选择正确的路径以将信号传递到目标车辆。仿真结果表明，在集合中有任意数量的车辆的情况下，在平均端到端延迟，数据包传输率和控制数据包开销方面，我们提出的方法与其他知名协议（MoZo，BRAVE，OFAODV）相比表现良好的街道。当我们与VEFR协议进行比较时，我们提出的方法在平均E2E延迟和控制数据包开销方面表现出更高的性能。但是，有趣的是，VEFR 第二个是在路口的道路选择，以选择正确的路径以将信号传递到目标车辆。仿真结果表明，在集合中有任意数量的车辆的情况下，在平均端到端延迟，数据包传输率和控制数据包开销方面，我们提出的方法与其他知名协议（MoZo，BRAVE，OFAODV）相比表现良好的街道。当我们与VEFR协议进行比较时，我们提出的方法在平均E2E延迟和控制数据包开销方面表现出更高的性能。但是，有趣的是，VEFR 给定一组街道中的任意数量的车辆，数据包的传输率和控制数据包的开销。当我们与VEFR协议进行比较时，我们提出的方法在平均E2E延迟和控制数据包开销方面表现出更高的性能。但是，有趣的是，VEFR 给定一组街道中的任意数量的车辆，数据包的传输率和控制数据包的开销。当我们与VEFR协议进行比较时，我们提出的方法在平均E2E延迟和控制数据包开销方面表现出更高的性能。但是，有趣的是，VEFR\（\卡\）， 5％比我们所提出的方法导致当在街上车辆的数量较低。但是在极限情况下，当车辆数量接近\（\ sim \）  1900时，所提出的方法与VEFR中的方法之间的差异变为零。最后，我们将我们提出的方法与基于结点的两个V2I协议进行了比较。在每种情况下，即使我们更改车辆的速度，信标间隔，信道数据速率和传输区域，它也会显示出更好的结果。