CN104639627B - 一种用于车联网的信息发送方法及相应的车载装置和车辆 - Google Patents
一种用于车联网的信息发送方法及相应的车载装置和车辆 Download PDFInfo
- Publication number
- CN104639627B CN104639627B CN201510046556.9A CN201510046556A CN104639627B CN 104639627 B CN104639627 B CN 104639627B CN 201510046556 A CN201510046556 A CN 201510046556A CN 104639627 B CN104639627 B CN 104639627B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- equipment
- information
- car networking
- current time
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Abstract
本发明提供了一种用于车联网的信息发送方法,包括:步骤102,根据车辆的本地历史数据估计所述车辆当前时刻的位置;步骤104,将所述位置估计信息与所述车辆当前时刻的实际位置信息进行比较,得到所述位置估计信息与所述实际位置信息之间的误差;步骤106,根据所述误差,确定所述车辆是否向车联网中的其他设备发送其当前时刻的运动状态信息。本发明还相应提供了一种车载装置和车辆。本发明的技术方案可以对车辆争用信道发送的信息的实际效用进行甄别,使得信息的发送按需进行,有效减少车联网的信道拥塞,提高车联网内的通信效率。
Description
技术领域
本发明涉及车联网通信技术领域,具体地说,本发明涉及一种用于车联网的信息发送方法以及相应的车载装置和车辆。
背景技术
车联网是智能交通系统的重要组成部分,通过车辆与车辆之间的通信,能够使驾驶员及时准确的了解视野以外的其他车辆的运行状态,从而为安全驾驶提供保障。
目前车联网使用的是802.11p协议,在该协议中,车辆通过载波侦听,干扰避免机制(CSMA/CA,Carrier Sense Multiple Access with Collision Avoidance)来竞争性的争用信道。当某个用户获得信道使用权后,它会将自己当前的运动参数以广播的形式发送给其周围的车辆,从而使得周围车辆能够及时获取该车的位置,速度,方向等运行状态信息。
目前车联网协议中,车辆每秒钟需要报告其位置信息10次,即每100ms给其周围车辆发送一次信息。当周围车辆比较多的时候,很多车辆对于信道的竞争使用,使得冲突增加,通信效率降低,进而导致单个车辆可能无法满足上述报告频率的要求。这就使得车联网内车辆之间的位置信息更新无法得到很好地保障,进而影响车联网的交通安全性
现有技术主要是根据网络负载或者信道拥塞状况来自适应的调整发送功率,竞争窗口和发送频率等参数来实现拥塞控制的。这种做法不能对车辆争用信道发送的信息的实际效用进行甄别,存在实际上不需要发送信息的车辆仍然参与对信道的竞争的情况,此时车辆占用信道资源发送的信息可能是不必要的冗余信息,导致多余的冲突和对信道资源的浪费,影响车联网内的通信效率。
发明内容
本发明的目的是提供一种能够克服上述技术问题的解决方案。
本发明提供了一种用于车联网的信息发送方法,包括:步骤102,根据车辆的本地历史数据估计所述车辆当前时刻的位置,其中,所述本地历史数据包括所述车辆在当前时刻之前向车联网中的其他设备发送过的其自身的运动状态信息;步骤104,将所述位置估计信息与所述车辆当前时刻的实际位置信息进行比较,得到所述位置估计信息与所述实际位置信息之间的误差;步骤106,根据所述误差,确定所述车辆是否向车联网中的其他设备发送其当前时刻的运动状态信息。
优选地,所述步骤102进一步包括:从所述车辆的数据库中随机选择参与确定所述位置估计信息的所述本地历史数据。
优选地,所述步骤102进一步包括:根据所述车辆发送信息的接收成功率,确定参与确定所述位置估计信息的所述本地历史数据的数据量。
优选地,所述步骤102进一步包括:使用根据历史数据对移动对象的位置进行预测的预测算法估计所述车辆当前时刻的位置。
优选地,所述步骤106进一步包括:根据预先设置的阈值,在所述误差大于所述阈值的情况下,确定所述车辆向车联网中的其他设备发送其当前时刻的运行状态信息;反之,确定所述车辆不向车联网中的其他设备发送其当前时刻的运行状态信息。
优选地,所述方法还包括:在所述车辆在一段预设的时间长度内未向车联网中的其他设备发送过其运行状态信息的情况下,所述车辆向车联网中的其他设备发送其当前时刻的运行状态信息。
本发明还相应地提供了一种车载装置(OBU,On Board Unit),包括:估计单元和决策单元,所述估计单元,用于根据车辆的本地历史数据估计所述车辆当前时刻的位置,其中,所述本地历史数据包括所述车辆在当前时刻之前向车联网中的其他设备发送过的其自身的运动状态信息;决策单元,用于根据来自所述估计单元的所述位置估计信息与所述车辆当前时刻的实际位置信息之间的误差确定所述车辆是否向车联网中的其他设备发送其当前时刻的运动状态信息。
优选地,所述车载装置还包括:随机选择单元,用于从所述车辆的数据库中随机选择所述本地历史数据以用于所述估计单元。
优选地,所述决策单元还用于,在所述车辆在一段预定的时间长度内未向车联网中的其他设备发送过其运动状态信息的情况下,确定所述车辆向车联网中的其他设备发送其当前时刻的运动状态信息。
本发明还相应地提供了一种包括所述车载装置的的车辆。
与现有技术相比,本发明提出的技术方案具有以下优点:
本发明的技术方案可以通过仅使用车辆本地历史数据的方法,对车辆争用信道发送的信息的实际效用进行甄别,减少实际运行中参与争用信道的车辆发送的冗余信息,使得信息的发送按需进行,有效减少冲突和对信道资源的浪费,进而减少车联网的信道拥塞,提高车联网内的通信效率。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图不构成对于本发明的限制。
图1A和图1B是根据本发明的实施例的车联网的车辆与其周围设备之间通信的示意图;
图2是根据本发明的实施例的车联网信息发送方法的流程示意图;
图3是根据本发明的实施例的车载装置的功能单元示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步地描述。
在实际的车联网应用场景中,容易导致信道拥塞的一个主要情景是大量车辆集中于同一或邻近区域内,比如道路中车流量较大,而车速相对缓慢的情况。在这种情景下,车辆自身的位置变化相对较小,但在传统的车联网协议要求下,相对集中的车辆之间仍然需要高频率地向其周围车辆报告其位置信息。经过研究,本发明人发现,对于位置变化不大或者其位置变化容易被其周围车辆估计的车辆,该车辆不必频繁地向其周围车辆发送关于其当前位置的信息,其周围车辆也不需要过于频繁地接收关于其当前位置的信息,从而可以避免不必要的信道争用和信道冲突。基于上述分析,本发明人认为需要在车辆参与信道争用之前对车辆所要发送的信息的实际效用进行甄别,只允许车辆在所要发送的信息是对当前的车联网有用或必要的信息时才参与对特定信道的争用。
需要指出的是,本发明中所述的车辆可以包括机动车、非机动车,以及其他任何适合接入车联网的可移动设备。
图1A和图1B示出了根据本发明的车联网的车辆与其周围设备之间通信的示意图。如图1A和图1B所示,为了叙述方便,现假设车联网中存在正在行驶的车辆A,和其通信范围内的周围设备(所述周围设备,可以包括其通信范围内的其他车辆,也可以包括车联网内在其通信范围内的其他需要获得其运动状态信息的设备,比如其通信范围内的路侧设备(RSU,Road Side Unit),甚至交通执勤人员的终端设备,等等),例如设备B和设备C。参照图1B,进一步假设,车辆A以及设备B和设备C均需要对其通信范围内的其他设备当前时刻所处的位置进行估计,均以同样的方式接收来自其通信范围内的其他设备广播的运动状态信息,并向其通信范围内的周围设备广播其当前时刻的运动状态信息。
基于上述假设,车辆A通信范围内的周围设备,设备B和设备C,对车辆A当前时刻所处位置的估计是根据其接收到的车辆A在过去时刻广播的运动状态信息确定的,而车辆A对设备B或设备C当前时刻所处位置的估计也是根据其接收到的设备B或设备C在过去时刻广播的运动状态信息确定的。可见,在车辆A、设备B以及设备C对其通信范围内的周围设备当前时刻所处的位置进行估计的方法相同的情况下,这些设备就可以根据其本地所记录的其在过去时刻广播过的运动状态信息来模拟其通信范围内的周围设备对其当前时刻所处位置的估计过程,进而在不增加彼此之间的通信次数的情况下,判断其通信范围内的周围设备是否需要更新关于其当前位置的信息,进而评估出其对于自身当前运动状态信息的发送的必要性。故,根据本发明的一个实施例,车联网内的所有设备(包括所述车辆和所述周围设备)中需要对其周围设备当前时刻所在的位置进行估计的所有设备(例如,图1A和图1B中所示的车辆A、设备B和设备C)都使用相同的方法,对其通信范围内的其他设备当前时刻所处的位置进行估计。
图2示出了根据本发明的车联网的信息发送方法的流程示意图。下面参考图1A、图1B和图2,对根据本发明的车联网的信息发送方法进行描述。根据本发明的一个实施例,以接入车联网中正在行驶的车辆A为例,首先判断其在过去一段预定的时间t内是否向其周围设备广播过其过去时刻的运动状态信息。若车辆A在时间t内没有向其周围设备广播过其过去时刻的运动状态信息,则车辆A直接开始竞争接入用于进行该广播的信道,向其当前通信范围内的周围设备(根据前述假设,包括设备B和设备C)发送其当前时刻的运动状态信息,并对该信息进行记录。该步骤旨在保障车辆A对于其运动状态信息的广播能够满足实际应用中的最小发送频率要求。通过调整预先设置的时间t,可以一方面实现车联网对用于该广播的信道的充分利用,另一方面也保证车联网的安全性标准对于车辆A向其周围设备报告其运动状态的要求得到满足。其中,所述运动状态信息,可以包括车辆A在相应时刻的位置、运动速度、加速度、方向,或者任何其他可能用于描述移动对象运动状态的参数信息之一或其组合,和相应时刻的时间戳信息。
若车辆A在时间t内向其周围设备广播过其过去时刻的运动状态信息,则车辆A需要进一步评估其当前向其周围设备广播其运动状态信息的必要性。
根据本发明的一个实施例,前述评估过程如下:
为了叙述方便,现进一步作出如下假设:车辆A在当前时刻之前的一段时间内通过广播向其周围设备进行了N次信息发送,该N次信息发送所对应的车辆A的位置信息分别为x1,x2,...xN;车辆A进行上述信息发送的通信范围为Rth,所发送的信息被接收到的概率为p。优选地,根据本发明的一个实施例,p的取值可以是所述通信范围Rth的边界处的信息接收的平均接收成功率;优选地,根据本发明的另一个实施例,p的取值也可以是整个所述通信范围内的信息接收的平均接收成功率。
在真实环境中,由于信道特性的影响,车辆A的周围设备可能无法接收到车辆A的前述N次信息发送中的全部信息,而只能在前述概率P的影响下接收到车辆A的前述N次发送中的部分发送次数所发送的信息。也就是说,基于前述假设,设备B和设备C对于来自车辆A的信息的接收具有一定的随机性。因此,为了能够在车辆A的本地有效地模拟无线信道特性,以使其对设备B和设备C对其位置的估计进行有效地模拟,优选地,根据本发明的一个实施例,车辆A从前述的N次信息发送所发送的车辆A的运动状态信息中,随机抽取数据点作为参与对车辆A当前时刻的位置进行估计的本地历史数据。优选地,数据点的抽取方式如下:随机抽取{N*p}个数据点;N*p不为整数时,可以采用四舍五入的方法得到一个整数。
由于设备B和设备C可能分别接收到来自车辆A不同发送次数所发送的信息,进而依据两组不同的数据点对车辆A的当前位置进行估计,因此,为了在车辆A的本地模拟这种情况,并在车辆A的本地计算中尽量覆盖设备B和设备C可能的估计结果,优选地,车辆A进行k次前述随机抽取过程,进而得到k组由{N*p}个数据点组成的序列。其中,k可以根据具体情境进行灵活选择,可以是预设的定值,也可以是变化的实际测量值,比如,所述通信范围内或边界处的所述周围设备的数量等,以及通过其他任何合适的形式或方法确定的k值。
得到前述k组序列之后,车辆A使用与其周围设备(设备B和设备C)对其当前所处的位置进行估计的相同方式,分别根据该k组序列得到k个对于车辆A当前时刻的位置信息的估计值yN+1,1,...yN+1,k。其中,所使用的算法可以包括任何适合根据历史数据对移动对象的位置进行估计的算法,比如,直接选择历史数据序列中,每组序列内与当前时刻最接近时刻的移动对象的位置参数作为对该移动对象当前时刻的位置信息的估计值,或者使用预测算法根据前述历史数据对移动对象的当前时刻的位置进行预测以得到相应的估计值,比如,基于线性回归预测模型的算法、灰度预测算法、基于神经网络的预测算法、基于Markov模型的位置预测算法、基于频繁轨迹的位置预测算法,以及时间序列预测算法,等等。
根据本发明的一个实施例,优选地,车辆A以及其周围设备(设备B和设备C)使用基于时间序列的预测算法以得到相应的估计值。优选地,所述算法的具体过程如下:对于每个前述序列,将序列中每个数据点的加速度数据进行加权平均,将得到的计算结果数据作为对于车辆A的加速度的估计值,然后根据序列中时间戳信息距离当前时刻最近的数据点的速度数据、到当前时刻的时间间隔数据,和前述对于车辆A的加速度的估计值,计算得到对于车辆A的位移的估计值,进而再结合前述距离当前时刻最近的数据点的位置数据和方向数据,得到对于车辆A当前时刻的位置信息的估计值。
如图2所示,得到上述估计值yN+1,1,...yN+1,k后,车辆A获取其当前时刻的实际位置信息xN+1,进而分别计算上述估计值和实际位置信息之间的误差{yN+1,1,...yN+1,k}-xN+1,并根据该误差和预先设定的阈值eth之间的关系,对其是否参与对用于广播发送其当前时刻运动状态信息的信道的争用进行决策。其中,阈值eth可以根据对于车辆安全行驶的具体要求设置为任意合适的值。根据本发明的一个实施例,阈值eth可以在1米到3米之间的范围内取值。
优选地,根据本发明的一个实施例,若所述误差的平均值大于阈值eth,则车辆A参与对用于广播发送其当前时刻运动状态信息的信道的争用,并对其当前时刻的运动状态信息进行记录;否则车辆A不参与对用于广播发送其当前时刻运动状态信息的信道的争用。
优选地,根据本发明的另一个实施例,若所述误差中的最大值大于阈值eth,则车辆A参与对用于广播发送其当前时刻运动状态信息的信道的争用,并对其当前时刻的运动状态信息进行记录;否则车辆A不参与对用于广播发送其当前时刻运动状态信息的信道的争用。
上述信息发送方法可以利用软件编程来实现,也可以通过车载装置来实现。
图3示出了根据本发明的一个实施例的车载装置的功能单元示意图。根据本发明的一个实施例,车载装置300可以包括,随机选择单元304,位置估计单元306,以及决策单元308。
仍假设车载装置300置于前述车辆A上。
为了叙述方便,仍然假设:车辆A在当前时刻之前的一段时间内通过广播向其周围设备进行了N次信息发送,该N次信息发送所对应的车辆A的位置信息分别为x1,x2,...xN;车辆A进行上述信息发送的通信范围为Rth,所发送的信息被接收到的概率为p。优选地,根据本发明的一个实施例,p的取值可以是所述通信范围Rth的边界处的信息接收的平均接收成功率;优选地,根据本发明的另一个实施例,p的取值也可以是整个所述通信范围内的信息接收的平均接收成功率。
优选地,根据本发明的一个实施例,由车载装置300中的随机选择单元304从前述的N次信息发送所发送的车辆A的运动状态信息中,随机抽取数据点作为参与对车辆A当前时刻的位置进行估计的本地历史数据。优选地,数据点的抽取方式如下:随机抽取{N*p}个数据点;N*p不为整数时,可以采用四舍五入的方法得到一个整数。假定进行k次上述随机抽取过程,进而得到k组由{N*p}个数据点组成的序列。其中,k可以根据具体情境进行灵活选择,可以是预设的定值,也可以是变化的实际测量值,比如,所述通信范围内或边界处的所述周围设备的数量等,以及通过其他任何合适的形式或方法确定的k值。
将随机选择单元304抽取的k组序列分别送入位置估计单元306的估计器1至估计器k中,利用所述估计器分别得到k个对于车辆A当前时刻的位置信息的估计值yN+1,1,...yN+1,k。所述位置估计器可以包括任何适合根据历史数据对移动对象的位置进行估计的算法,比如,直接选择历史数据序列中,每组序列内与当前时刻最接近时刻的移动对象的位置参数作为对该移动对象当前时刻的位置信息的估计值,或者使用预测算法根据前述历史数据对移动对象的当前时刻的位置进行预测以得到相应的估计值,比如基于线性回归预测模型的算法、灰度预测算法、基于神经网络的预测算法、基于Markov模型的位置预测算法、基于频繁轨迹的位置预测算法,以及时间序列预测算法,等等。
根据本发明的一个实施例,优选地,所述位置估计器使用基于时间序列的预测算法以得到相应的估计值。优选地,所述算法的具体过程如下:对于每个前述序列,将序列中每个数据点的加速度数据进行加权平均,将得到的计算结果数据作为对于车辆A的加速度的估计值,然后根据序列中时间戳信息距离当前时刻最近的数据点的速度数据、到当前时刻的时间间隔数据,和前述对于车辆A的加速度的估计值,计算得到对于车辆A的位移的估计值,进而再结合前述距离当前时刻最近的数据点的位置数据和方向数据,得到对于车辆A当前时刻的位置信息的估计值。
如图3所示,估计单元306将得到的k个对于车辆A当前时刻的位置信息的估计值yN+1,1,...yN+1,k输入决策单元308。决策单元308还获取车辆A当前时刻的实际位置信息xN+1。决策单元308分别计算前述得到的估计值和实际位置信息之间的误差{yN+1,1,...yN+1,k}-xN+1,并根据该误差和预先设定的阈值eth之间的关系,对车辆A是否参与对用于广播发送其当前时刻运动状态信息的信道的争用进行决策。其中,阈值eth可以根据对于车辆安全行驶的具体要求设置为任意合适的值。根据本发明的一个实施例,阈值eth可以在1米到3米之间的范围内取值。
优选地,根据本发明的一个实施例,若所述误差的平均值大于阈值eth,则决策单元308通知车辆A参与对用于广播发送其当前时刻运动状态信息的信道的争用,并通知车辆A对当前时刻的运动状态信息进行记录;否则决策单元308通知车辆A不参与对用于广播发送其当前时刻运动状态信息的信道的争用。
优选地,根据本发明的另一个实施例,若所述误差中的最大值大于阈值eth,则决策单元308通知车辆A参与对用于广播发送其当前时刻运动状态信息的信道的争用,并通知车辆A对当前时刻的运动状态信息进行记录;否则决策单元308通知车辆A不参与对用于广播发送其当前时刻运动状态信息的信道的争用。
根据本发明的一个实施例,决策单元308还用于,在车辆A在一段预定的时间t内没有向其周围设备广播过其运动状态信息的情况下,确定车辆A向其当前通信范围内的周围设备广播其当前时刻的运动状态信息。
应用上述实施例所述的车联网的信道拥塞控制方法,可以通过仅使用车辆本地历史数据的方法,对车辆争用信道发送的信息的实际效用进行甄别,减少实际运行中参与争用信道的车辆发送的冗余信息,使得信息的发送按需进行,有效减少冲突和对信道资源的浪费,进而减少车联网的信道拥塞,提高车联网内的通信效率。
以上所述仅为本发明示意性的具体实施方式,并非用以限定本发明的范围。任何本领域的技术人员,在不脱离本发明的构思和原则的前提下所作的等同变化、修改与结合,均应属于本发明保护的范围。
Claims (12)
1.一种用于车联网的信息发送方法,其特征在于,所述方法包括:
步骤102,通过模拟车辆与车联网中的多个其他设备进行通信的无线信道特征从所述车辆的本地历史数据中选择k组数据,以测算车联网中处于所述车辆通信范围内的其他设备对所述车辆当前时刻的位置的k个估计值,其中,所述本地历史数据包括所述车辆在当前时刻之前向车联网中的其他设备发送过的其自身的运动状态信息;
步骤104,将所述k个估计值与所述车辆当前时刻的实际位置信息进行比较,得到所述估计值与所述实际位置信息之间的k个误差;
步骤106,根据所述k个误差,确定所述车辆是否向车联网中的其他设备发送其当前时刻的运动状态信息。
2.根据权利要求1所述的方法,其特征在于,k为预设的定值、或者为所述车辆通信范围内或边界处的其他设备的数量。
3.根据权利要求1所述的方法,其特征在于,所述步骤102中包括:
针对车联网中处于所述车辆的通信范围内的每个其他设备,从所述车辆的N个本地历史数据中随机选择{N*p}个数据,以测算所述其他设备对所述车辆当前时刻的位置的估计值,其中p为所述车辆发送的信息被所述其他设备接收到的概率。
4.根据权利要求3所述的方法,其特征在于,所述p为所述车辆发送的信息被在所述车辆的通信范围的边界处的其他设备接收到的概率,或者为在所述车辆的通信范围内的信息接收的平均接收成功率。
5.根据权利要求1所述的方法,其特征在于,所述步骤102进一步包括:
使用根据历史数据对移动对象的位置进行预测的预测算法估计所述车辆当前时刻的位置。
6.根据权利要求5所述的方法,其特征在于,所述步骤102包括:
使用基于时间序列的预测算法、或者基于线性回归预测模型的算法、或者使用灰度预测算法、或者基于神经网络的预测算法、或者基于Markov模型的位置预测算法、或者基于频繁轨迹的位置预测算法,来得到所述k个估计值。
7.根据权利要求1所述的方法,其特征在于,所述步骤106进一步包括:
根据预先设置的阈值,在所述k个误差的平均值或者最大值大于所述阈值的情况下,确定所述车辆向车联网中的其他设备发送其当前时刻的运行状态信息;反之,确定所述车辆不向车联网中的其他设备发送其当前时刻的运行状态信息。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述方法还包括:
在所述车辆在一段预设的时间长度内未向车联网中的其他设备发送过其运行状态信息的情况下,所述车辆向车联网中的其他设备发送其当前时刻的运行状态信息。
9.一种车载装置,其特征在于,所述车载装置包括:估计单元和决策单元,
所述估计单元,用于通过模拟车辆与车联网中的多个其他设备进行通信的无线信道特征从所述车辆的本地历史数据中选择k组数据,以测算车联网中处于所述车辆通信范围内的其他设备对所述车辆当前时刻的位置的k个估计值,其中,所述本地历史数据包括所述车辆在当前时刻之前向车联网中的其他设备发送过的其自身的运动状态信息;
所述决策单元,用于根据来自所述估计单元的所述k个估计值与所述车辆当前时刻的实际位置信息之间的k个误差确定所述车辆是否向车联网中的其他设备发送其当前时刻的运动状态信息。
10.根据权利要求9所述的车载装置,其特征在于,所述车载装置还包括:
随机选择单元,用于针对车联网中处于所述车辆的通信范围内的每个其他设备,从所述车辆的N个本地历史数据中随机选择{N*p}个数据以用于所述估计单元,其中p为所述车辆发送的信息被所述其他设备接收到的概率。
11.根据权利要求9和10中任一项所述的车载装置,其特征在于,所述决策单元还用于,在所述车辆在一段预定的时间长度内未向车联网中的其他设备发送过其运动状态信息的情况下,确定所述车辆向车联网中的其他设备发送其当前时刻的运动状态信息。
12.一种包括根据权利要求9至11中任一项所述的车载装置的车辆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510046556.9A CN104639627B (zh) | 2015-01-29 | 2015-01-29 | 一种用于车联网的信息发送方法及相应的车载装置和车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510046556.9A CN104639627B (zh) | 2015-01-29 | 2015-01-29 | 一种用于车联网的信息发送方法及相应的车载装置和车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104639627A CN104639627A (zh) | 2015-05-20 |
CN104639627B true CN104639627B (zh) | 2018-11-06 |
Family
ID=53217928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510046556.9A Active CN104639627B (zh) | 2015-01-29 | 2015-01-29 | 一种用于车联网的信息发送方法及相应的车载装置和车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104639627B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105050137B (zh) * | 2015-06-18 | 2019-06-28 | 西安电子科技大学 | 一种基于信息物理系统模型的车联网拥塞控制方法 |
CN106331008A (zh) | 2015-06-26 | 2017-01-11 | 中兴通讯股份有限公司 | 车联网中车辆分组的管理方法及装置 |
TWI543896B (zh) * | 2015-08-26 | 2016-08-01 | 財團法人工業技術研究院 | 通訊裝置、通訊系統與其相關之通訊方法 |
CN106506386B (zh) * | 2015-09-07 | 2019-11-08 | 电信科学技术研究院 | 一种车联网集中拥塞控制方法及装置 |
CN106817675B (zh) * | 2015-12-01 | 2020-02-21 | 中国移动通信集团公司 | 一种应用于车辆间通信系统的信道接入方法和装置 |
CN107105000B (zh) | 2016-02-23 | 2021-07-30 | 中兴通讯股份有限公司 | V2x通信方法及装置 |
CN108024286A (zh) * | 2016-11-04 | 2018-05-11 | 北京三星通信技术研究有限公司 | 用于无线通信中的拥塞控制的方法和设备 |
CN109935106A (zh) * | 2017-12-18 | 2019-06-25 | 成都配天智能技术有限公司 | 一种车辆信息交互方法、装置、车辆及存储介质 |
US10785662B2 (en) * | 2018-04-20 | 2020-09-22 | Toyota Jidosha Kabushiki Kaisha | Cloud-based network optimizer for connected vehicles |
JP7294199B2 (ja) * | 2020-03-13 | 2023-06-20 | トヨタ自動車株式会社 | 通信装置、通信システム、車両、通信プログラム、及び通信方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5754125A (en) * | 1993-05-06 | 1998-05-19 | Mdsi Mobile Data Solutions (Uk) Ltd. | Automatic vehicle location systems |
CN101606112A (zh) * | 2006-11-10 | 2009-12-16 | 丰田自动车株式会社 | 自动操作控制装置、自动操作控制方法、车辆巡航系统和控制该车辆巡航系统的方法 |
CN101876751A (zh) * | 2009-04-02 | 2010-11-03 | 通用汽车环球科技运作公司 | 在全挡风玻璃平视显示器上的车辆间通讯装置 |
-
2015
- 2015-01-29 CN CN201510046556.9A patent/CN104639627B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5754125A (en) * | 1993-05-06 | 1998-05-19 | Mdsi Mobile Data Solutions (Uk) Ltd. | Automatic vehicle location systems |
CN101606112A (zh) * | 2006-11-10 | 2009-12-16 | 丰田自动车株式会社 | 自动操作控制装置、自动操作控制方法、车辆巡航系统和控制该车辆巡航系统的方法 |
CN101876751A (zh) * | 2009-04-02 | 2010-11-03 | 通用汽车环球科技运作公司 | 在全挡风玻璃平视显示器上的车辆间通讯装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104639627A (zh) | 2015-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104639627B (zh) | 一种用于车联网的信息发送方法及相应的车载装置和车辆 | |
Qiu et al. | A methodology for studying 802.11 p VANET broadcasting performance with practical vehicle distribution | |
Nguyen et al. | A survey on adaptive multi-channel MAC protocols in VANETs using Markov models | |
Omar et al. | Performance evaluation of VeMAC supporting safety applications in vehicular networks | |
Huang et al. | Intervehicle transmission rate control for cooperative active safety system | |
Zhuang et al. | On the uplink MAC performance of a drive-thru Internet | |
Maslekar et al. | CATS: An adaptive traffic signal system based on car-to-car communication | |
CN102244683B (zh) | 一种提高车联网应用中混合业务服务质量的方法 | |
Chour et al. | VANET aided D2D discovery: Delay analysis and performance | |
Li et al. | Multi‐hop delay reduction for safety‐related message broadcasting in vehicle‐to‐vehicle communications | |
Nguyen et al. | A cooperative and reliable RSU-assisted IEEE 802.11 p-based multi-channel MAC protocol for VANETs | |
Li et al. | Cyber-physical scheduling for predictable reliability of inter-vehicle communications | |
CN106211339A (zh) | 车联网系统中的资源分配的方法及设备 | |
Sewalkar et al. | Towards 802.11 p-based vehicle-to-pedestrian communication for crash prevention systems | |
Breu et al. | Analysis of cooperative awareness message rates in vanets | |
Ghaleb et al. | Driving-situation-aware adaptive broadcasting rate scheme for vehicular ad hoc network | |
Aparna et al. | Steering angle prediction for autonomous driving using federated learning: The impact of vehicle-to-everything communication | |
Bolufé et al. | POSACC: Position-accuracy based adaptive beaconing algorithm for cooperative vehicular safety systems | |
Chen et al. | The upper bounds of cellular vehicle-to-vehicle communication latency for platoon-based autonomous driving | |
Patel et al. | A survey on techniques for collision prevention in VANET | |
Sharma et al. | Optimization transmit rate-based decentralized congestion control scheme in vehicular ad hoc networks | |
Verma et al. | Modelling a vehicle‐ID‐based IEEE 802.11 OCB MAC scheme for periodic broadcast in vehicular networks | |
Joerer et al. | Fairness kills safety: A comparative study for intersection assistance applications | |
Elbery et al. | Vehicular communication and mobility sustainability: the mutual impacts in large-scale smart cities | |
CN106899428B (zh) | 一种铁路环境下机器类通信业务预测模型分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |