CN103744399A - 一种车辆参与式感知系统中的动态网络控制方法 - Google Patents

Abstract

本发明公开了一种车辆参与式感知系统中的动态网络控制方法，包括如下步骤：该系统中的车辆及路边节点利用历史信息数据对系统进行初始化；基于Lyapunov优化理论，在每个时槽内，收集感知数据的车辆通过最佳采样速率计算公式获得其最佳的采样速率；在每个时槽内，各车辆根据本地的信息确定自己的转发定价；各车辆利用一权重变量对数据的转发进行控制；从一个时槽转到下一个时槽时，所有车辆的本地数据队列根据更新准则进行更新，本发明通过车辆自己控制感知数据的速率和转发策略，从而达到社会总效应最大的目标，同时网络的稳定性也得到了保证。

Description

一种车辆参与式感知系统中的动态网络控制方法

技术领域

本发明涉及车辆参与式感知系统技术领域，特别是涉及一种车辆参与式感知系统中的动态网络控制方法。

背景技术

随着移动设备的广泛运用，参与式感知逐渐成为一种新型、重要的数据收集方式。许多合作的、基于众包的应用也如雨后春笋般出现。比如智能交通，定位，环境监控和人群统计。

车辆参与式感知系统是通过车辆网络进行数据收集。装备着各种传感器，比如GPS，3D加速计等，车辆成为一种有力的移动传感器，并且相互间还能进行数据交换。典型的车辆参与式感知系统结构包括移动的车辆和位于云端的服务器，通常称之为平台。如附图1所示。车辆在城市中随意移动并且连续的收集手机周围的数据，收集到的这些数据通过roadside units(RSU)或者APs(access points)传送到云端平台。车辆可以通过收集感知数据从平台端获取一定的报酬，另外，对于那些没有收集感知数据的车辆，他们可以通过帮助其他车辆转发数据赚取报酬。因此如何设计一种动态的网络控制方法，使得最终系统中所有车辆收益的总和的时间平均值最大将变得很有意义。

直觉上讲，如果感知数据收集的越多，那么节点获取的报酬就越多，但是随之而来，网络的负载越重，更为严重的是，还可能致使整个网络拥塞、瘫痪。因此，整个车辆网络的性能受损。所以在一个车辆参与式感知系统中，如果要优化社会总收益的时间平均值，还应该考虑网络的稳定性问题。

总的来说，要达到上述目标，有个两个关键问题要解决：（1）车辆感知数据的速率控制（sensing rate control）。由于车辆的数据缓存和车辆间的通信链路容量都是有限的，因此车辆如何动态调整自己的感知数据速率以防止网络拥塞变得很具挑战性。（2）流量控制和数据转发(flow control and transmission)。车辆需要自己决定将数据发给谁以及该发多少。数据的转发决定既取决于网络负载又转发节点自身的属性影响。负载小的节点显然更适合作为转发节节点；同时与AP频繁相遇的节点也需要优先考虑。

目前，要解决以上这两个问题显然还存在很多困难。首先，由于车辆本身的移动性和分布不均匀性，车辆网络的拓扑结构通常是随着时间而改变。其次，感知速率控制和流量控制两者之间本事存在耦合，及相互之间会干扰。再有，如有全局网络的信息，车辆只能给予自身及周围的信息进行决策又成为一大阻碍。

目前，已存在的工作中很少有考虑最大化社会效应同时保证网络稳定的问题。在车辆网络中大多数的数据收集方法都只考虑数据路由本身，而很少考虑流量控制问题。虽然最近有工作考虑了一种由传感器网络和人组成的混合网络中的数据控制方法，但是他们考虑人的社会属性，这点在车辆网络中是不存在的。

发明内容

为克服上述现有技术存在的不足，本发明之目的在于提供一种车辆参与式感知系统中的动态网络控制方法，其通过车辆自己控制感知数据的速率和转发策略，从而达到社会总效应最大的目标，同时网络的稳定性也得到了保证。

为达上述及其它目的，本发明提出一种车辆参与式感知系统中的动态网络控制方法，包括如下步骤：

步骤一，该系统中的车辆及路边节点利用历史信息数据对系统进行初始化；

步骤二，基于Lyapunov优化理论，在每个时槽内，收集感知数据的车辆通过最佳采样速率计算公式获得其最佳的采样速率；

步骤三，在每个时槽内，各车辆根据本地的信息确定自己的定价；

步骤四，各车辆利用一权重变量对数据的转发进行控制；

步骤五，从一个时槽转到下一个时槽时，所有车辆的本地数据队列根据更新准则进行更新。

进一步地，于步骤一中，该历史信息数据包括车辆与车辆或者APs之间的相遇率λ，车辆通过该历史信息数据分析出与其他车辆间或APs的相遇率，并且将本地的数据队列清空。

进一步地，于步骤二中，该最佳采样速率计算公式为

r_i(t)＝min[max[(I_i′(Q_i(t)/V)^-1,0],r^max]

其中Q_i(t)为当前车辆的数据队列大小，I_i(·)是一个连续、非递减的、凹的收益函数，(I_i′(·))^-1表示I_i(·)的一阶导数的逆函数，r^max为r_i(t)的最大值，为系统给定值，V＞0为权衡社会总效益和网络稳定性的量，为系统设置参数。

进一步地，于步骤三中，定价综合考虑转发车辆自身的负载Q_i(t)及转发车辆自身的成功转发能力H_i。

进一步地，定价定义为：

θ_i(t)＝(Q^max-Q_i(t)+α(H^max-H_i))·β，

其中Q^max，H^max分别为Q_i(t)，H_i的最大值，为系统给定的，α＞0为系统可调参数，用来设置车辆负载和转发能力权重的量，β＞0为价格调整参数。

进一步地，用该车辆当前的数据队列的大小衡量转发车辆自身的负载，用车辆间的平均响应时间间隔作为衡量车辆转发能力的指标。

进一步地，于步骤四中，当一辆车和另外一辆车相遇，该车辆先查看对方的数据队列大小，如果队列还可以继续存放数据，则利用该权重变量对数据的转发进行控制。

进一步地，该权重变量为w_ij(t)＝θ_i(t)-θ_j(t)，如果w_ij(t)＞0，则车辆i向车辆j发数据，否则不发，其中变量θ_i(t)与θ_j(t)表示车辆i与j在时槽t内的定价。

进一步地，该更新准则为在原有的队列基础上，减去所有流出的量，加上所有流进的数据量。

与现有技术相比，本发明一种车辆参与式感知系统中的动态网络控制方法通过车辆本身控制感知数据的速率和转发策略，从而达到社会总效应最大的目标，同时网络的稳定性也得到了保证，本发明实现了一种纯分布式的控制策略，所有的决策都可以通过车辆自己本地的信息得到，经理论证明，当系统运行的时间足够长时，社会总收益在时间上的平均值可以无限接近最优值，同时，本发明可以保证系统一直保持稳定，即队列的长度不会无限增加。

附图说明

图1为典型的车辆参与式感知系统结构图；

图2为本发明一种车辆参与式感知系统中的动态网络控制方法的步骤流程图。

具体实施方式

以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。

图2为本发明一种车辆参与式感知系统中的动态网络控制方法的步骤流程图。在本发明中，车辆参与式感知系统中的车辆上装有各种传感器，可以实现车辆与车辆（或者Aps）之间的无线通信，同时还可以通过相关传感器收集环境中的感知数据，本发明也将这种行为称为感知数据，另外，在本发明中，假定时间是离散的，基本时间单元为一个时槽，系统运行的总时槽数为t_end，如图2所示，本发明一种车辆参与式感知系统中动态网络控制的方法，包括如下步骤：

步骤201，系统初始化。车辆以及路边节点（APs）利用历史信息数据来初始化网络的系统，这里历史信息数据包括车辆与车辆（或者APs）之间的相遇率λ，车辆本地的数据缓存队列清空Q=0，即车辆通过历史数据分析出与其他车辆间或AP的相遇率，并且将本地的数据队列清空。在本发明中，时间分成长度相等的时槽。

步骤202，车辆感知数量速率控制。基于Lyapunov优化理论的分析，在每个时槽t∈{1,2,…,t_end}内，收集感知数据的车辆可以通过最佳采样速率计算公式获得其最佳的采样速率，如最佳采样速率计算公式如下式：

r_i(t)＝min[max[(I_i′(Q_i(t)/V)^-1,0],r^max]

其中Q_i(t)为当前车辆的数据队列大小，I_i(·)是一个连续、非递减的、凹的收益函数，比如I(x)＝ln(1+x)，，自变量是当前感知数据的采速率r_i(t)，(I_i′(·))^-1表示该函数的一阶导数的逆函数。r^max为r_i(t)的最大值，为系统给定值。V＞0为权衡社会总效益和网络稳定性的量，为系统设置参数。

步骤203，车辆转发数据定价。本发明用变量θ_i(t)表示车辆i在时槽t内的定价。在车辆参与感知系统中，车辆帮助其他的车辆转发数据会从该车辆那里获得一定的报酬，该报酬的多少就由转发车辆自己的定价和转发的数据量决定。好比每种交通都有自己的运输价一样。该定价综合考虑了两个方面：

（1）转发车辆自身的负载，用该车辆当前的数据队列的大小衡量Q_i(t)。

（2）转发车辆i自身的成功转发能力H_i。由于车和车直接的相遇是不同构的，有的车相对于其他车更容易和APs相遇，那么这个车就更有更高的概率将数据在较短的时间内成功送到APs。可以用车辆间的平均响应时间间隔作为衡量车辆转发能力的指标。对应车辆i,j，他们之间的平均相遇时间为

对应任何车辆i和APj，用一个指示标量x_ij表示他们是否紧密联系，x_ij＝1如果小于系统给定的阈值ICT_th；否则x_ij＝0。从而一个车辆的转发能力为H_i＝Σx_ij,j∈APs。

综上，本发明将定价定义为：θ_i(t)＝(Q^max-Q_i(t)+α(H^max-H_i))·β，其中Q^max，H^max分别为Q_i(t)，H_i的最大值，他们都是系统给定的。α＞0是一个系统可调参数，用来设置车辆负载和转发能力权重的量。β＞0为价格调整参数。

步骤204，数据的转发控制。车辆决定将数据转发给谁，发多少。对于车辆i,j，本发明用一个权重变量w_ij(t)来衡量i是否给j发数据，w_ij(t)＝θ_i(t)-θ_j(t)。如果w_ij(t)＞0，则发数据，因为此时车辆i可以获利；否则不发。一旦决定发数据，那么车辆i将以通信链路运行的最大的发送速率发送数据。在本发明较佳实施例中，当一辆车和另外一辆车相遇，那么该车辆先查看对方的数据队列大小，如果队列还可以继续存放数据，接下来对比定价，如果自己的定价比对方高，则转发数据；否则，不发。

步骤205，队列更新。从一个时槽到下一个时槽时，所有车辆的本地数据队列会更新。更新的准则是：在原有的队列基础上，减去所有流出的量，加上所有流进的数据量。

综上所述，本发明一种车辆参与式感知系统中的动态网络控制方法通过车辆本身控制感知数据的速率和转发策略，从而达到社会总效应最大的目标，同时网络的稳定性也得到了保证，本发明实现了一种纯分布式的控制策略，所有的决策都可以通过车辆自己本地的信息得到，经理论证明，当系统运行的时间足够长时，社会总收益在时间上的平均值可以无限接近最优值，同时，本发明可以保证系统一直保持稳定，即队列的长度不会无限增加。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。

Claims (9)

1.一种车辆参与式感知系统中的动态网络控制方法，包括如下步骤：

步骤一，该系统中的车辆及路边节点利用历史信息数据对系统进行初始化；

步骤二，基于Lyapunov优化理论，在每个时槽内，收集感知数据的车辆通过最佳采样速率计算公式获得其最佳的采样速率；

步骤三，在每个时槽内，各车辆根据本地的信息确定自己的定价；

步骤四，各车辆利用一权重变量对数据的转发进行控制；

步骤五，从一个时槽转到下一个时槽时，所有车辆的本地数据队列根据更新准则进行更新。

2.如权利要求1所述的一种车辆参与式感知系统中的动态网络控制方法，其特征在于：于步骤一中，该历史信息数据包括车辆与车辆或者APs之间的相遇率λ，车辆通过该历史信息数据分析出与其他车辆间或APs的相遇率，并且将本地的数据队列清空。

3.如权利要求1所述的一种车辆参与式感知系统中的动态网络控制方法，其特征在于，于步骤二中，该最佳采样速率计算公式为

r_i(t)＝min[max[(I_i′(Q_i(t)/V)^-1,0],r^max]

其中Q_i(t)为当前车辆的数据队列大小，I_i(·)是一个连续、非递减的、凹的收益函数，(I_i′(· ))^-1表示I_i(·)的一阶导数的逆函数，r^max为r_i(t)的最大值，为系统给定值，V＞0为权衡社会总效益和网络稳定性的量，为系统设置参数。

4.如权利要求1所述的一种车辆参与式感知系统中的动态网络控制方法，其特征在于：于步骤三中，定价综合考虑转发车辆自身的负载Q_i(t)及转发车辆自身的成功转发能力H_i。

5.如权利要求4所述的一种车辆参与式感知系统中的动态网络控制方法，其特征在于，定价定义为：

θ_i(t)＝(Q^max-Q_i(t)+α(H^max-H_i))·β，

其中Q^max，H^max分别为Q_i(t)，H_i的最大值，为系统给定的，α＞0为系统可调参数，用来设置车辆负载和转发能力权重的量，β＞0为价格调整参数。

6.如权利要求5所述的一种车辆参与式感知系统中的动态网络控制方法，其特征在于：用该车辆当前的数据队列的大小衡量转发车辆自身的负载，用车辆间的平均响应时间间隔作为衡量车辆转发能力的指标。

7.如权利要求1所述的一种车辆参与式感知系统中的动态网络控制方法，其特征在于：于步骤四中，当一辆车和另外一辆车相遇，该车辆先查看对方的数据队列大小，如果队列还可以继续存放数据，则利用该权重变量对数据的转发进行控制。

8.如权利要求1所述的一种车辆参与式感知系统中的动态网络控制方法，其特征在于：该权重变量为w_ij(t)＝θ_i(t)-θ_j(t)，如果w_ij(t)＞0，则车辆i向车辆j发数据，否则不发，其中变量θ_i(t)与θ_j(t)表示车辆i与j在时槽t内的定价。

9.如权利要求1所述的一种车辆参与式感知系统中的动态网络控制方法，其特征在于：该更新准则为在原有的队列基础上，减去所有流出的量，加上所有流进的数据量。

Images