CN102724631A - 车辆自组织网络基于位置路由的位置信息更新方法 - Google Patents
车辆自组织网络基于位置路由的位置信息更新方法 Download PDFInfo
- Publication number
- CN102724631A CN102724631A CN2012102198982A CN201210219898A CN102724631A CN 102724631 A CN102724631 A CN 102724631A CN 2012102198982 A CN2012102198982 A CN 2012102198982A CN 201210219898 A CN201210219898 A CN 201210219898A CN 102724631 A CN102724631 A CN 102724631A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- threshold value
- entropy
- track
- location
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
一种车辆自组织网络基于位置路由的位置信息更新方法,其包括以下步骤:1)前期分析车辆轨迹数据,建立车辆位置状态熵值的阈值表,其步骤如下:2)预测目的车辆位置;3)评估预测结果,对目的车辆当前可能所处位置的集合求熵;4)发包车辆根据目的车辆的信息和车辆网络给定的查询代价,在第1)③步骤所得阈值表中选取相应的阈值,将第3)步骤所求得的熵值与该阈值比较,如果所述熵值大于该阈值,则发包车辆通过第三方通信链路查询目的车辆的实际位置,指导路由的进行;否则通过预测结果进行路由。本发明在查询代价与网络性能之间取得了较好平衡,在给定查询代价的基础上,实现了车辆自组织网络性能的优化。
Description
技术领域
本发明涉及网络信息的更新方法,具体涉及一种车辆自组织网络基于位置路由的位置信息更新方法,属于通讯技术领域。
背景技术
随着汽车工业的发展和私家车的普及,行车安全和道路交通事故已经成为全球性的公共安全问题,智能辅助驾驶的概念也呼之欲出。同时,随着传感器技术和无线通信技术的迅速发展,越来越多的汽车制造商为汽车安装了智能计算和无线通信设备以及GPS(Global Position System,全球定位系统)和GIS(Geo-graphic Information System,地理信息系统),用以部署大规模的车载自组织网络,以提供安全、有效、方便的驾驶环境。当前的研究成果表明,车载网是移动自组织网络在道路上的应用,它具有移动自组织网络的各种特点,比如自治性和无固定结构、多跳路由、网络拓扑的动态变化、网络容量有限、良好的可扩展性等。但特殊的应用环境,如狭窄的道路、高密度节点分布、节点高速移动等,直接影响了车载网络的信息传输能力,使得丢包增加、延迟增大。
由于构成车载自组织网络的节点和所形成的网络都有自己的特殊性,因此车载自组织网络形成一种特殊的移动自组织网络,其除了具有一般自组织网络的一些共性外,还具备一般自组织网络所不具备的特征。正是这些特性给车载自组网络的路由层提出了新的要求。车载自组织网络具有以下五个方面的特点:1)受地形条件限制,2)网络拓扑结构变化快,3)无线信道质量不稳定,4)信道带宽严重低于理论值,5)数据传输时延长。
由于车载自组织网络具有以上固有的特点,传统的路由算法已无法适用,因此针对车载自组织网络的各种路由算法成为研究的热点,多种路由算法也相继被提出。其中尤为重要的路由算法是基于位置信息的路由算法,其根据定位系统获得自身的地理位置信息,并利用位置信息指导路由的发现以及数据转发。该路由算法几乎不要求路由节点交换链路状态信息,也不维护已经建立好的网络路由信息,因而极大地降低了因专门维护路由所带来的网络成本。但基于位置路由算法的路由基础是车辆的位置,而在实际情况中,车辆想要获得其他车辆的位置信息往往需要通过第三方通信链路来获得,因此也将产生额外的查询代价。这样就会产生两种极端情况:一种是,如果车辆每发送一个数据包都通过第三方通信链路来查询其他车辆的位置信息,则网络中将会产生难以承受的查询代价;反之,另一种是,如果车辆在整个路由过程中都过少甚至不查询其他车辆的位置的话,则会导致因为车辆位置信息的缺失而导致网络性能的急剧降低。
发明内容
本发明所要解决的技术问题是,克服车辆自组织网络中查询代价与网络性能的矛盾,提供一种车辆自组织网络基于位置路由的位置信息更新方法,使两种极端情况得到平衡,在给定查询代价的基础上,实现车辆自组织网络性能的优化。
本发明解决其技术问题隧道技术方案如下:
一种车辆自组织网络基于位置路由的位置信息更新方法,其包括以下步骤:
1)前期分析车辆轨迹数据,建立车辆位置状态熵值的阈值表,其步骤如下:
①车辆轨迹数据分析,发现车辆轨迹的可预测性,
②根据车辆轨迹的可预测性,利用马尔可夫链为每一车辆建立移动模型,
③利用真实车辆轨迹数据构建车辆网络模拟器,通过模拟实验建立车辆位置状态熵值的阈值表;
2)预测目的车辆位置;
3)评估预测结果,对目的车辆当前可能所处位置的集合求熵;
4)发包车辆根据目的车辆的信息和车辆网络给定的查询代价,在第1)③步骤所得阈值表中选取相应的阈值,将第3)步骤所求得的熵值与该阈值比较,如果所述熵值大于该阈值,则发包车辆通过第三方通信链路查询目的车辆的实际位置,指导路由的进行;否则通过预测结果进行路由。
所述的车辆轨迹数据分析是指:根据车辆真实的轨迹数据,将车辆的活动范围进行网格化,对车辆的轨迹进行离散化,并通过分析车辆轨迹中位置状态的熵值发现车辆轨迹的可预测性。
所述的利用马尔可夫链为每一车辆建立移动模型是指:根据车辆的历史轨迹数据,为其建立一马尔可夫转移矩阵,以在已知车辆当前位置的前提下预测车辆下一时刻可能的位置。
所述的通过模拟实验建立车辆位置状态熵值的阈值表是指:根据车辆掌握其他车辆信息程度的不同及车辆网络给定查询代价的不同,为每种情况取定车辆位置状态熵值的阈值构成阈值表。
所述的预测目的车辆位置是指:每当发包车辆有数据包需要发送给其他车辆之前,先根据目的车辆的移动模型及自己所掌握的信息,对目的车辆的当前位置进行预测。
本发明的优点在于:
⑴本发明结合了车辆自组织网络的实际情况,将现有给予位置信息的路由算法所忽略的问题详细地考虑在内,并将问题解决,使本发明更能适用于真实环境的车辆自组织网络路由。
⑵本发明使得车辆自组织网络在给定查询代价的前提下实现了网络性能的优化,所述方法在有效降低车辆在路由过程中所产生代价的前提下,尽可能地提升了车辆自组织网络的性能,使之得到优化。这在实际情况中,大大降低了车辆通过第三方通信链路查询位置信息所产生的代价,给车辆路由带来极大的方便。
通过真实车辆轨迹数据的模拟实验证明了本发明的有效性与可靠性。
附图说明
图1是本发明的车辆轨迹位置状态性质分析图。
图2是本发明的车辆网络性能分析图。
图3是本发明的车辆网络查询代价分析图。
图4是本发明的策略熵值阈值图。
图5是本发明的策略性能分析图。
具体实施方式
本发明是车辆自组织网络基于位置信息的路由策略中,针对位置查询的优化方法,其克服了之前基于位置信息路由策略研究的不足,充分考虑了车辆网络实际运行的情况。
本发明所述车辆自组织网络基于位置路由的位置信息更新方法包括以下步骤:
1)前期车辆知识学习,分析车辆轨迹数据,建立车辆位置状态熵值的阈值表,其步骤如下:
①车辆轨迹数据分析:根据车辆真实的轨迹数据,将车辆的活动范围进行网格化,对车辆的轨迹进行离散化,并通过分析车辆轨迹中位置状态的熵值发现车辆轨迹的可预测性。
②根据车辆轨迹的可预测性,利用马尔可夫链为每一车辆建立移动模型,即通过对车辆的历史轨迹数据进行学习,为其建立一马尔可夫转移矩阵,从而可以在已知车辆当前位置的前提下预测车辆下一时刻可能的位置。
由于车辆的预测方法建立在马尔可夫链的基础之上,因此车辆移动模型也通过马尔可夫链构建。由于马尔可夫链是由状态组成的,且马尔可夫转移矩阵描述的也是状态间的转移,因此将车辆的轨迹离散成一状态序列,如下所示:
其中S为状态全集,n为状态个数,而且每个状态之间不存在交集。
在对车辆的状态做出规定之后,便通过之前描述的建立马尔可夫转移矩阵的方法为车辆建立各自的移动模型。在需要对车辆的状态进行预测时,便可通过车辆前k个状态的状态链在转移矩阵中得出相应的结果状态集。
③利用真实车辆轨迹数据构建车辆网络模拟器,通过模拟实验建立车辆位置状态熵值的阈值表;该阈值表根据车辆掌握其他车辆信息程度的不同及车辆网络给定查询代价不同,为每种情况取定一车辆位置状态熵值的阈值。所述阈值表的构建是在模拟实验的基础之上完成的,即利用真实的车辆轨迹数据建立一个车辆网络环境,并通过实验数据的分析(如图2、图3所示),完成对车辆给定查询代价的分级并取定相应的熵值阈值。该阈值表将指导车辆自组织网络中的车辆在满足给定查询代价限制的条件下对网络性能进行优化。
我们知道,熵值用来描述、表征系统的不确定程度,在信息系统中作为事物不确定性的表征,其具体的表达式如下:
其中,C代表预测所得到的结果集,结果集一共有n个状态,每个状态所对应的概率为pi,求出的结果即是该结果集的熵值。
我们通过模拟实验,结合给定的查询代价,为车辆自组织网络中各情况的车辆赋予熵值阈值,从而构成阈值表。
2)预测目的车辆位置:车辆自组织网络中,每当发包车辆有数据包需要发送给其他车辆之前,先根据目的车辆的移动模型及自己所掌握的信息,对目的车辆的当前位置进行预测。预测主要根据两方面的信息,一个是目的车辆之前某时槽的位置信息,另一个是目的车辆的移动模型,即马尔可夫转移矩阵。
3)评估预测结果,对目的车辆当前可能所处位置的集合求熵:发包车辆对目的车辆进行位置预测之后,得到目的车辆当前可能所处位置的集合,该集合包括目的车辆处于每个位置的可能性,然后对该集合求熵。评估预测的结果将用以指导发包车辆行为。
4)发包车辆根据目的车辆的信息和车辆网络给定的查询代价,在第1)③步骤所得阈值表中选取相应的阈值,将第3)步骤所求得的熵值与该阈值比较,如果所述熵值大于该阈值,则发包车辆通过第三方通信链路查询目的车辆的实际位置,指导路由的进行;否则通过预测结果进行路由,从而避免不必要的查询。
Claims (5)
1.一种车辆自组织网络基于位置路由的位置信息更新方法,其特征在于:包括以下步骤:
1)前期分析车辆轨迹数据,建立车辆位置状态熵值的阈值表,其步骤如下:
①车辆轨迹数据分析,发现车辆轨迹的可预测性,
②根据车辆轨迹的可预测性,利用马尔可夫链为每一车辆建立移动模型,
③利用真实车辆轨迹数据构建车辆网络模拟器,通过模拟实验建立车辆位置状态熵值的阈值表;
2)预测目的车辆位置;
3)评估预测结果,对目的车辆当前可能所处位置的集合求熵;
4)发包车辆根据目的车辆的信息和车辆网络给定的查询代价,在第1)③步骤所得阈值表中选取相应的阈值,将第3)步骤所求得的熵值与该阈值比较,如果所述熵值大于该阈值,则发包车辆通过第三方通信链路查询目的车辆的实际位置,指导路由的进行;否则通过预测结果进行路由。
2.根据权利要求1所述的车辆自组织网络基于位置路由的位置信息更新方法,其特征在于:所述的车辆轨迹数据分析是指:根据车辆真实的轨迹数据,将车辆的活动范围进行网格化,对车辆的轨迹进行离散化,并通过分析车辆轨迹中位置状态的熵值发现车辆轨迹的可预测性。
3.根据权利要求1所述的车辆自组织网络基于位置路由的位置信息更新方法,其特征在于:所述的利用马尔可夫链为每一车辆建立移动模型是指:根据车辆的历史轨迹数据,为其建立一马尔可夫转移矩阵,以在已知车辆当前位置的前提下预测车辆下一时刻可能的位置。
4.根据权利要求1所述的车辆自组织网络基于位置路由的位置信息更新方法,其特征在于:所述的通过模拟实验建立车辆位置状态熵值的阈值表是指:根据车辆掌握其他车辆信息程度的不同及车辆网络给定查询代价的不同,为每种情况取定车辆位置状态熵值的阈值构成阈值表。
5.根据权利要求1所述的车辆自组织网络基于位置路由的位置信息更新方法,其特征在于:所述的预测目的车辆位置是指:每当发包车辆有数据包需要发送给其他车辆之前,先根据目的车辆的移动模型及自己所掌握的信息,对目的车辆的当前位置进行预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102198982A CN102724631A (zh) | 2012-06-28 | 2012-06-28 | 车辆自组织网络基于位置路由的位置信息更新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102198982A CN102724631A (zh) | 2012-06-28 | 2012-06-28 | 车辆自组织网络基于位置路由的位置信息更新方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102724631A true CN102724631A (zh) | 2012-10-10 |
Family
ID=46950264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012102198982A Pending CN102724631A (zh) | 2012-06-28 | 2012-06-28 | 车辆自组织网络基于位置路由的位置信息更新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102724631A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103079168A (zh) * | 2013-01-10 | 2013-05-01 | 上海交通大学 | 基于隐马氏模型的分布式运动节点的定位方法 |
CN103095593A (zh) * | 2013-01-11 | 2013-05-08 | 上海交通大学 | 车辆自组网络的路由系统及方法 |
CN103604435A (zh) * | 2013-11-27 | 2014-02-26 | 上海交通大学 | 基于地图和减速带匹配的定位方法 |
CN103744399A (zh) * | 2014-01-10 | 2014-04-23 | 上海交通大学 | 一种车辆参与式感知系统中的动态网络控制方法 |
CN106797540A (zh) * | 2014-10-09 | 2017-05-31 | 丰田自动车株式会社 | 无线通信设备和通信方法 |
CN110188242A (zh) * | 2019-05-30 | 2019-08-30 | 北京三快在线科技有限公司 | 无人驾驶设备定位方法、装置、无人驾驶设备和存储介质 |
CN110849372A (zh) * | 2019-11-28 | 2020-02-28 | 哈尔滨工程大学 | 一种基于em聚类的水下多目标轨迹关联方法 |
CN111369787A (zh) * | 2018-12-26 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 一种车辆轨迹预测方法、装置及电子设备 |
CN116612338A (zh) * | 2023-07-21 | 2023-08-18 | 华中科技大学 | 基于网络状态索引卷积神经网络集的图像识别方法及系统 |
-
2012
- 2012-06-28 CN CN2012102198982A patent/CN102724631A/zh active Pending
Non-Patent Citations (1)
Title |
---|
余建发: ""蚁群算法在VANET路由协议的应用研究"", 《中国优秀硕士论文 CNKI》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103079168A (zh) * | 2013-01-10 | 2013-05-01 | 上海交通大学 | 基于隐马氏模型的分布式运动节点的定位方法 |
CN103095593A (zh) * | 2013-01-11 | 2013-05-08 | 上海交通大学 | 车辆自组网络的路由系统及方法 |
CN103095593B (zh) * | 2013-01-11 | 2016-03-30 | 上海交通大学 | 车辆自组网络的路由系统及方法 |
CN103604435A (zh) * | 2013-11-27 | 2014-02-26 | 上海交通大学 | 基于地图和减速带匹配的定位方法 |
CN103744399A (zh) * | 2014-01-10 | 2014-04-23 | 上海交通大学 | 一种车辆参与式感知系统中的动态网络控制方法 |
CN103744399B (zh) * | 2014-01-10 | 2016-01-06 | 上海交通大学 | 一种车辆参与式感知系统中的动态网络控制方法 |
CN106797540A (zh) * | 2014-10-09 | 2017-05-31 | 丰田自动车株式会社 | 无线通信设备和通信方法 |
CN106797540B (zh) * | 2014-10-09 | 2020-02-28 | 丰田自动车株式会社 | 无线通信设备和通信方法 |
CN111369787A (zh) * | 2018-12-26 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 一种车辆轨迹预测方法、装置及电子设备 |
CN110188242A (zh) * | 2019-05-30 | 2019-08-30 | 北京三快在线科技有限公司 | 无人驾驶设备定位方法、装置、无人驾驶设备和存储介质 |
CN110188242B (zh) * | 2019-05-30 | 2020-09-04 | 北京三快在线科技有限公司 | 无人驾驶设备定位方法、装置、无人驾驶设备和存储介质 |
CN110849372A (zh) * | 2019-11-28 | 2020-02-28 | 哈尔滨工程大学 | 一种基于em聚类的水下多目标轨迹关联方法 |
CN110849372B (zh) * | 2019-11-28 | 2023-02-14 | 哈尔滨工程大学 | 一种基于em聚类的水下多目标轨迹关联方法 |
CN116612338A (zh) * | 2023-07-21 | 2023-08-18 | 华中科技大学 | 基于网络状态索引卷积神经网络集的图像识别方法及系统 |
CN116612338B (zh) * | 2023-07-21 | 2023-09-29 | 华中科技大学 | 基于网络状态索引卷积神经网络集的图像识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102724631A (zh) | 车辆自组织网络基于位置路由的位置信息更新方法 | |
Dornbush et al. | StreetSmart traffic: Discovering and disseminating automobile congestion using VANET's | |
Leontiadis et al. | On the effectiveness of an opportunistic traffic management system for vehicular networks | |
Noori et al. | Impact of VANET-based V2X communication using IEEE 802.11 p on reducing vehicles traveling time in realistic large scale urban area | |
Xi et al. | Study of the Feasibility of VANET and its Routing Protocols | |
CN103200526A (zh) | 一种基于路边基站的车载自组织网络路由的方法 | |
CN105872959A (zh) | 基于移动自适应聚类的城市道路状况自动感知方法 | |
Mohandas et al. | Vehicle traffic congestion management in vehicular ad-hoc networks | |
CN103095593B (zh) | 车辆自组网络的路由系统及方法 | |
Pandey et al. | Performance analysis of routing protocols for vehicular adhoc networks using NS2/SUMO | |
Li et al. | CADD: Connectivity-aware data dissemination using node forwarding capability estimation in partially connected VANETs | |
Adart et al. | Vehicular ad-hoc network application for urban traffic management based on markov chains | |
CN113891422B (zh) | 一种自组织车联网的数据感知路由方法、系统、存储介质及设备 | |
Mabiala et al. | Inside VANET: hybrid network dimensioning and routing protocol comparison | |
Khoza et al. | Comparative study on routing protocols for vehicular ad-hoc networks (VANETs) | |
CN103095592B (zh) | 车辆自组织网络的区域多播路由系统及方法 | |
Chang et al. | Design and implementation of the travelling time-and energy-efficient android gps navigation app with the vanet-based a* route planning algorithm | |
CN101808275A (zh) | 一种基于车辆移动趋势预测的车载网络数据转发方法 | |
Hajlaoui et al. | Vehicular ad hoc networks: From simulations to real-life scenarios | |
Paul et al. | Real-time routing for ITS enabled fog oriented VANET | |
Ou et al. | Optimal connectivity-based deployment of roadside units for vehicular networks in urban areas | |
Wu et al. | A novel routing protocol based on mobile social networks and internet of vehicles | |
CN105306157A (zh) | 一种基于网络连通的车载通信建模方法 | |
Yang et al. | Arterial link travel time estimation considering traffic signal delays using cellular handoff data | |
Belmekki et al. | Chain Branch Leaf-Gateway, a Strategy for Dynamic Clustering and Optimal Coverage of Communication for Automated Mobility |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121010 |