CN107172677A - 一种车联网广播中继选择方法及系统 - Google Patents

Abstract

本发明涉及广播通讯技术领域，提供一种车联网广播中继选择方法及系统。所述方法包括：将设定区域内初始聚簇中心以外的剩余节点归入所述初始聚簇中心所在的聚簇，形成初始聚簇；计算所述初始聚簇的新聚簇中心；当判断确认所述新聚簇中心满足设定条件时，将所述新聚簇中心作为广播中继节点。本发明提供的一种车联网广播中继选择方法及系统，通过改进的非监督学习中的硬聚类算法，实现在城市环境中，根据车辆在道路上的分布状态选择中继节点，能够在更短的时间内实现更大范围的广播覆盖。

Description

一种车联网广播中继选择方法及系统

技术领域

本发明涉及广播通讯技术领域，更具体地，涉及一种车联网广播中继选择方法及系统。

背景技术

对于车联网广播，目前主要有两种类型的广播应用。第一种为安全相关的应用广播，如集体避让，即当紧急状况如车祸发生时，会尽快地将报警信息发送给其它车辆。第二种为交通数据传播，这种传播方式需要将数据尽量高效地在大范围内进行传播，传播的数据如全球定位系统提供的位置和速度信息。

随着无线通信、云计算和人工智能的快速发展，智能交通系统(IntelligentTraffic System,ITS)越来越普及。ITS的车载网络是5G通信系统的重要组成部分，在5G通信系统中，多跳通信是一种具有应用前景的车辆间信息传递技术。通过采用多跳通信技术，可以更有效的利用频谱资源和减轻基站负荷。在车辆自组织网络(Vehicular Ad-hocNetwork,VANET)中，多跳无线广播一直被认为是支持许多重要服务的重要技术。

现有方法中采用随机选择中继节点的方式进行多跳无线广播，这种方法选择的中继节点通常随机分布。当广播仅仅基于车辆的时候，容易导致消息冗余和数据包冲突，造成车联网广播中广播延时高、覆盖范围小和算法复杂度高等问题。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明提供一种车联网广播中继选择方法及系统，以通过改进的非监督学习中的硬聚类算法，实现在城市环境中根据车辆在道路上的分布状态选择中继节点，从而在更短的时间内实现更大范围的广播覆盖的目的。

一方面，本发明提供一种车联网广播中继选择方法，包括：将设定区域内初始聚簇中心以外的剩余节点归入所述初始聚簇中心所在的聚簇，形成初始聚簇；计算所述初始聚簇的新聚簇中心；当判断确认所述新聚簇中心满足设定条件时，将所述新聚簇中心作为广播中继节点。

进一步的，在所述计算所述初始聚簇的新聚簇中心之后，还包括：基于迭代算法更新聚簇中心，直至所述聚簇中心满足所述设定条件。

其中，所述将设定区域内初始聚簇中心以外的剩余节点归入所述初始聚簇中心所在的聚簇包括：选择与所述剩余节点距离最近的所述初始聚簇中心，将所述剩余节点归入所述距离最近的所述初始聚簇中心所在的聚簇。

其中，所述计算所述初始聚簇的新聚簇中心包括：分别对各所述初始聚簇内各节点坐标计算平均值坐标，并选择与所述平均值坐标距离最近的节点作为所述新聚簇中心。

进一步的，在所述将设定区域内初始聚簇中心以外的节点归入所述初始聚簇中心所在的聚簇之前，还包括：选择所述设定区域内给定数量的节点作为所述初始聚簇中心。

其中，所述基于迭代算法更新聚簇中心包括：分别对各第L轮聚簇内各节点坐标计算第L轮平均值坐标，并选择与所述第L轮平均值坐标距离最近的节点作为第L+1轮聚簇中心。

进一步的，在所述选择与所述第L轮平均值坐标距离最近的节点作为第L+1轮聚簇中心之后，还包括：当判断确认所述第L+1轮聚簇中心的数量少于所述设定数量时，从所述第L+1轮聚簇中心以外的节点中随机选择一个节点，作为补充第L+1轮聚簇中心。

进一步的，在所述从所述第L+1轮聚簇中心以外的节点中随机选择一个节点，作为补充第L+1轮聚簇中心之后，还包括：当判断确认所述第L+1轮聚簇中心的数量与所述补充第L+1轮聚簇中心的数量之和小于所述设定数量时，随机选择其余一个节点作为补充第L+1轮聚簇中心，直至所述第L+1轮聚簇中心的数量与所述补充第L+1轮聚簇中心的数量之和达到所述设定数量。

其中，所述设定条件包括：各第L+1轮聚簇中心均在基站覆盖范围内，且所述第L+1轮聚簇中心与第L轮聚簇中心完全重合；或者，所述各第L+1轮聚簇中心均在基站覆盖范围内，且所述第L+1轮聚簇中心与所述第L轮聚簇中心位置坐标的变化小于设定阈值。

另一方面，本发明提供一种车联网广播中继选择系统，包括：剩余节点归入模块、聚簇中心更新模块和中继节点选择模块。其中，所述剩余节点归入模块用于将设定区域内初始聚簇中心以外的剩余节点归入所述初始聚簇中心所在的聚簇，形成初始聚簇；所述聚簇中心更新模块用于计算所述初始聚簇的新聚簇中心；所述中继节点选择模块用于当判断确认所述新聚簇中心满足设定条件时，将所述新聚簇中心作为广播中继节点。

本发明提供的一种车联网广播中继选择方法及系统，通过改进的非监督学习中的硬聚类算法，实现在城市环境中，根据车辆在道路上的分布状态选择中继节点，从而在更短的时间内实现更大范围的广播覆盖。

附图说明

图1为本发明实施例一种车联网广播中继选择方法流程图；

图2为本发明实施例另一种车联网广播中继选择方法流程图；

图3为本发明实施例一种聚簇处理模型示意图；

图4为本发明实施例一种车联网广播中继选择系统结构示意图；

图5为本发明实施例一部分美国纽约市曼哈顿中心的区域图；

图6为本发明实施例一种根据图5得到的城市道路模拟图；

图7为本发明实施例一种根据图6得到的街区道路情况示意图；

图8为本发明实施例中继节点比例为10％，D2D距离为120英尺时，不同车辆总量下的仿真结果示意图；

图9为本发明实施例车辆总量为1000(约10％拥挤度)，D2D距离为120英尺时，不同中继节点比例下的仿真结果示意图；

图10为本发明实施例车辆总量为1000(约10％拥挤度)，中继节点比例为10％时，不同D2D距离下的仿真结果示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

作为本发明实施例的一个方面，本实施例提供一种车联网广播中继选择方法，参考图1，为本发明实施例一种车联网广播中继选择方法流程图，包括：

S1，将设定区域内初始聚簇中心以外的剩余节点归入所述初始聚簇中心所在的聚簇，形成初始聚簇；S2，计算所述初始聚簇的新聚簇中心；S3，当判断确认所述新聚簇中心满足设定条件时，将所述新聚簇中心作为广播中继节点。

在一个实施例中，在所述将设定区域内初始聚簇中心以外的节点归入所述初始聚簇中心所在的聚簇之前，还包括：选择所述设定区域内给定数量的节点作为所述初始聚簇中心。

对于步骤S1，具体而言，在以基站为中心对一定区域内车辆节点进行广播时，为了减小基站负荷并充分利用资源，可将该区域内部分车辆作为中继节点对其余车辆进行广播。实际应用中，中继节点的数量，或聚簇的个数，可依据实际的道路模型确定，并将该确定的中继节点数量作为中继节点选择系统的给定数量。如在交通繁忙的地区，中继节点的比例可适当降低来减轻基站负载；在交通稀疏的地区，中继节点的比例可适当提高来保证广播效果的广泛性和即时性。

在对设定区域内各车辆节点进行选择确定初始聚簇中心时，可随机选择该区域内给定数量的车辆作为初始聚簇中心，也可以选择确定的给定数量的车辆作为初始聚簇中心。

以选定的各初始聚簇中心为中心，对各初始聚簇中心所在的聚簇进行初始化处理，然后按设定规则将初始聚簇中心以外的剩余节点分别归入到初始聚簇中心所在的聚簇，被归入剩余节点的各聚簇即为初始聚簇。所述的设定规则可以为按距离、信道或车辆交通状况定义的规则，如与剩余节点的距离最近、信道连接最稳定或车辆行驶方向相同。

其中可选的，所述将设定区域内初始聚簇中心以外的剩余节点归入所述初始聚簇中心所在的聚簇包括：选择与所述剩余节点距离最近的所述初始聚簇中心，将所述剩余节点归入所述距离最近的所述初始聚簇中心所在的聚簇。

具体而言，在上述各初始聚簇中心确定之后，分别计算各初始聚簇中心到各剩余节点的距离。对于每个剩余节点，通过比较与各初始聚簇中心的计算距离，选择与其距离最近的初始聚簇中心，并将其归入该距离最近的初始聚簇中心所在的聚簇，形成新的聚簇作为初始聚簇。

对于步骤S2，具体而言，在上述步骤获取初始聚簇之后，初始聚簇内包含一个初始聚簇中心和若干剩余节点，根据这些节点按给定算法进行计算，获取各聚簇的一个计算参数，并根据该参数与初始聚簇中各点的关系确定新聚簇中心。如计算聚簇内各节点坐标平均值或根据各节点坐标确定的区域计算中心点坐标。

其中可选的，所述计算所述初始聚簇的新聚簇中心包括：分别对各所述初始聚簇内各节点坐标计算平均值坐标，并选择与所述平均值坐标距离最近的节点作为所述新聚簇中心。

具体而言，对于上述初始聚簇中的一个初始聚簇中心节点和若干剩余节点，首先根据各节点坐标，计算各个节点各方向上的坐标平均值，由该坐标平均值确定的坐标为平均值坐标。然后分别计算聚簇内各节点与该平均值坐标的距离，其中所述各节点包括一个初始聚簇中心节点和若干剩余节点，并通过比较这些距离值，选择与平均值坐标的最短距离对应的节点作为新聚簇中心，且将该节点的坐标作为新聚簇中心坐标。

对于步骤S3，具体而言，在上述步骤获取新聚簇中心之后，需要通过条件判断确定所述新聚簇中心是否能作为广播中继节点。如选择的新聚簇中心都刚好在各聚簇的中心点位置，理论上会达到较好的广播中继效果，但假如有部分新聚簇中心并不在基站覆盖范围之内，则其不能接收基站发出的广播信号，那么这个中继点实际上是无效中继点。

对于给定的设定条件，根据新聚簇中心及新聚簇中心内各节点，判断各新聚簇中心是否满足该设定条件。若根据判断各新聚簇中心均满足所述设定条件，则将各新聚簇中心作为广播中继节点，进行广播。基站广播信号发送到各中继节点车辆，再由各中继节点车辆对接收的信息向四周节点进行广播。

其中可选的，所述设定条件包括：各所述新聚簇中心均在基站覆盖范围内，且所述新聚簇中心与所述初始聚簇中心完全重合；或者，各所述新聚簇中心均在基站覆盖范围内，且所述新聚簇中心与所述初始聚簇中心位置坐标的变化小于设定阈值。

具体而言，根据上述步骤由初始聚簇中心经过一轮计算获取新聚簇中心，要保证中继节点为有效中继节点，要求中继节点在基站覆盖范围之内。同时对于各新聚簇中心，分别与各初始聚簇中心进行比较，判断新聚簇中心各点与初始聚簇中心各点是否完全对应重合，若能够完全对应重合，则判断满足设定条件。

另一方面，实际计算中可能存在第一轮获取的初始聚簇中心车辆节点与下一轮获取的新聚簇中心车辆节点不能完全重合，但是二者距离很近，这种情况下以新聚簇中心为中继节点，或者以下一轮计算获取的聚簇中心为中继节点进行广播，对广播信号的传输效果影响不大。

因此，可以通过判断所述初始聚簇中心到所述新聚簇中心的位置坐标变化量与设定阈值的大小关系，来确定所述新聚簇中心是否满足作为中继节点的要求。如当所述位置坐标变化量小于所述设定阈值时，判定满足所述设定条件。

本发明实施例提供的一种车联网广播中继选择方法，通过采用非监督学习的算法并引入到实际车联网广播模型中，可有效解决传统车联网广播中广播延时高，覆盖范围小，算法复杂度高的问题。同时可根据实际交通繁忙程度调整中继节点数量，能够同时兼顾广播的广泛性和即时性，以及基站的负载率。

本发明的另一个实施例中，在上述实施例所述计算所述初始聚簇的新聚簇中心之后，还包括：基于迭代算法更新聚簇中心，直至所述聚簇中心满足所述设定条件。

具体而言，根据上述实施例，在得到新聚簇中心之后，要判断新聚簇中心是否满足设定条件，若新聚簇中心不满足设定条件，则执行迭代算法，进入下一轮聚簇中心计算来更新聚簇中心。即，根据新聚簇中心所在的聚簇进行计算获取新一轮聚簇中心，判断新一轮聚簇中心是否满足设定条件，若满足则停止计算，否则根据新一轮聚簇中心所在的聚簇计算获取更新一轮聚簇中心。

接下来判断更新一轮聚簇中心是否满足设定条件；若满足则停止计算，否则进入下一轮聚簇中心更新计算；如此类推计算，直至获取的最新一轮聚簇中心满足设定条件，停止计算。

用记号L表示迭代算法的前第L轮计算，则根据给定算法由前第L轮计算可获取第L轮聚簇中心，以第L轮聚簇中心进行聚簇初始化获取第L轮聚簇。当第L轮聚簇中心不满足设定条件时，根据第L轮聚簇，按给定算法进行第L+1轮计算，获取第L+1轮聚簇中心。

其中可选的，所述设定条件包括：各第L+1轮聚簇中心均在基站覆盖范围内，且所述第L+1轮聚簇中心与第L轮聚簇中心完全重合；或者，所述各第L+1轮聚簇中心均在基站覆盖范围内，且所述第L+1轮聚簇中心与所述第L轮聚簇中心位置坐标的变化小于设定阈值。

具体而言，在上述迭代算法中，由第L轮聚簇计算获取第L+1轮聚簇中心，与上述实施例同理，只有当中继节点车辆在基站覆盖范围之内时，才能接收基站的广播信号，成为有效中继节点，因此若要将第L+1轮聚簇中心作为中继节点，第L+1轮聚簇中心需满足在基站覆盖范围内。

同时，通过迭代算法可以使得到的各中继节点分布更均匀。通过判断第L+1轮聚簇中心是否与第L轮聚簇中心位置完全重合，可以判断第L轮聚簇中心是否已经达到最优分布，若第L+1轮聚簇中心与第L轮聚簇中心完全重合，说明已经达到最优分布。

另一方面，实际计算中可能存在第L+1轮聚簇中心车辆节点与第L轮聚簇中心车辆节点不能完全重合，但是二者距离很近，这种情况下以第L+1轮聚簇中心为中继节点，或者以满足下一轮聚簇中心与上一轮聚簇中心完全重合的下一轮聚簇中心为中继节点进行广播，对广播信号的传输效果影响不大。同时，为了更快的进行广播数据传输，需更快的选出中继节点。

因此，可以通过判断第L轮聚簇中心到第L+1轮聚簇中心的位置坐标变化量与设定阈值的大小关系，来确定第L+1轮聚簇中心是否满足作为中继节点的要求。如当所述位置坐标变化量小于所述设定阈值时，判定满足所述设定条件，将第L+1轮聚簇中心作为中继节点进行广播。

其中可选的，所述基于迭代算法更新聚簇中心包括：分别对各第L轮聚簇内各节点坐标计算第L轮平均值坐标，并选择与所述第L轮平均值坐标距离最近的节点作为第L+1轮聚簇中心。。

具体而言，根据上述处理步骤，由初始聚簇中心经过迭代算法进行聚簇中心更新，直至新的聚簇中心满足设定条件。迭代算法中，由第L轮聚簇中心所在的第L轮聚簇，按给定算法计算获取第L+1轮聚簇中心，再由第L+1轮聚簇中心所在的第L+1轮聚簇，按给定算法计算获取第L+2轮聚簇中心，以此递推，直至最终一轮聚簇中心满足设定条件。

与上述实施例同理，对第L轮计算获取的第L轮聚簇中心，将第L轮聚簇中心以外的各节点按设定规则依次归入各第L轮聚簇中心所在的聚簇，形成第L轮聚簇。然后分别对第L轮聚簇内各节点，包括一个第L轮聚簇中心节点和若干归入的其余节点，就各个方向的坐标值取平均计算第L轮平均值，该第L轮平均值确定的坐标为第L轮平均值坐标。

在获取第L轮平均值坐标之后，分别计算设定区域中所有节点至各第L轮平均值坐标的距离，选择其中最近距离对应的节点作为第L+1轮聚簇中心节点。

其中可选的，在所述选择与所述第L轮平均值坐标距离最近的节点作为第L+1轮聚簇中心之后，还包括：当判断确认所述第L+1轮聚簇中心的数量少于所述设定数量时，从所述第L+1轮聚簇中心以外的节点中随机选择一个节点，作为补充第L+1轮聚簇中心。

具体而言，根据上述实施例的实际计算中，在选择新的聚簇中心时，是按照距离最近原则将实际的车辆节点作为新的聚簇中心，所以在迭代计算的过程中，可能出现聚簇中心重合的情况，这时实际得到的聚簇中心数量少于设定数量。

为了满足基站的中继要求，需要增加新的节点作为补充第L+1轮聚簇中心。因此，在第L+1轮聚簇中心确定之后，在第L+1轮聚簇中心以外的全部节点中，选择一个节点作为补充第L+1轮聚簇中心归入第L+1轮聚簇中心集合。该补充第L+1轮聚簇中心可以为指定节点，也可以是随机选择的一个节点，本实施例采用随机选择的方式。

其中可选的，在所述从所述第L+1轮聚簇中心以外的节点中随机选择一个节点，作为补充第L+1轮聚簇中心之后，还包括：当判断确认所述第L+1轮聚簇中心的数量与所述补充第L+1轮聚簇中心的数量之和小于所述设定数量时，随机选择其余一个节点作为补充第L+1轮聚簇中心，直至所述第L+1轮聚簇中心的数量与所述补充第L+1轮聚簇中心的数量之和达到所述设定数量。

具体而言，根据上述实施例，在第L+1轮聚簇中心的数量少于所述设定数量时，可以随机选择一个剩余节点作为补充第L+1轮聚簇中心归入第L+1轮聚簇中心集合。此时继续判断新的第L+1轮聚簇中心集合的元素数量是否达到给定数量，即判断第L+1轮聚簇中心与补充第L+1轮聚簇中心数量之和是否满足给定数量。

若判断新的第L+1轮聚簇中心集合的元素数量仍不满足设定数量，则继续从剩余节点中选择节点归入新的第L+1轮聚簇中心集合，以此类推，直至最后一个节点归入第L+1轮聚簇中心集合之后，第L+1轮聚簇中心集合的元素数量达到设定数量，则将最终第L+1轮聚簇中心集合的元素作为中继节点。

本发明实施例提供的一种车联网广播中继选择方法，通过采用多次迭代的非监督学习算法，并以距离判断为原则，使选择的中继节点分布更均匀，更有利用广播信号的快速均匀传播。

本发明根据上述实施例的另一个实施例的处理流程参考图2，为本发明实施例另一种车联网广播中继选择方法流程图，包括以下步骤：

将基站覆盖下的所有车辆位置坐标信息(x,y)作为数据节点输入；从所有节点中随机选出N个节点作为聚簇中心集合S的元素，并作为聚簇中心初始化N个聚簇；

对于N个聚簇中心外的全部剩余节点，依次计算其与N个聚簇中心的距离，并选择距其最短的聚簇中心所在的聚簇将其归类；

完成归类后，根据各聚簇内各节点坐标，依次计算聚簇的平均值，并从全部节点中，选择距离该平均值最近的节点，作为新的聚簇中心更新集合S；

当集合S中元素的个数小于N时，从剩余节点中随机选择节点加入到S，直至集合S的元素重新增加到N；

当集合S的元素达到N时，判断集合S中该轮聚簇中心与上一轮聚簇中心是否发生变化，若发生变化，则重新将剩余车辆归类，重新计算聚簇中心，直至新得到的聚簇中心与上一轮聚簇中心完全重合，算法结束，选择该轮聚簇中心作为中继节点，开始广播。

具体而言，以基站覆盖下的区域为设定区域，取平面直角坐标系，确定基站覆盖下的所有车辆的坐标(x,y)。从所有车辆节点中随机选择其中的N个节点作为初始聚簇中心初始化N个初始聚簇。

对于N个初始聚簇中心外的全部剩余节点，根据初始聚簇中心坐标和各剩余节点坐标，分别计算每个剩余节点至N个聚簇中心的距离，那么每个剩余节点对应N个距离数据。对于每个剩余节点，比较对应的N个距离数据，选择其中数值最小的距离对应的初始聚簇中心，将该剩余节点归入所述最小的距离对应的初始聚簇中心所在的聚簇。

对于归入剩余节点之后的各聚簇，根据其中各节点的坐标计算各节点坐标平均值，该平均值确定N个平均值坐标。然后根据N个平均值坐标和全部节点的坐标计算各平均值坐标与全部节点的距离，选择与对应N个平均值坐标距离最近的N个节点作为新的聚簇中心更新集合S。

对于更新后的集合S，判断其元素的数量是否达到N，若达不到N，则随机将更新后的集合S以外的任一节点归入更新后的集合S，继续判断归入任一节点后的集合S的元素的数量是否达到N，若达不到，继续随机选择归入任一节点后的集合S以为的任一节点归入任一节点归入后的集合S，依次递推，直至最终集合S元素的数量达到N。

在最终集合S的元素数量达到N之后，需判断最终集合S的元素是否满足设定条件，即最终集合S的元素是否与前一轮计算更新的聚簇中心完全重合，若不完全重合，说明发生了变化，比上一轮计算更新的结果更优，因此进行下一轮更新计算。直至最后一轮计算所得的聚簇中心与前一轮计算所得的聚簇中心完全重合，结束计算，以最后一轮计算所得的聚簇中心作为中继节点，开始广播。

如以N＝3为例，对本实施例方法进行简单的介绍。参考图3，为本发明实施例一种聚簇处理模型示意图。图中根据本实施例方法各步骤处理的结果出现的顺序依次由(a)到(b)，到(c)，再到(d)。

(a)中所示为随机选择的3个初始聚簇中心，以(a)中3个初始聚簇中心为中心初始化聚簇。计算全部剩余节点分别到3个初始聚簇中心的距离，那么每个剩余节点对应3个距离数据。对于每个剩余节点，通过比较对应的3个距离数据，选择其中最小的一个，将该剩余节点归入最小的一个对应的初始聚簇中心所在的聚簇，形成3个初始聚簇，如(b)所示。

接下来对(b)中所示的3个初始聚簇，根据每个初始聚簇中的节点坐标计算各节点坐标平均值，获取3个平均值坐标，并根据3个平均值坐标和(b)中全部节点坐标计算3个平均值坐标分别到全部节点的距离。选择对应每个平均值坐标的最小距离，以该最小距离对应的节点作为新聚簇中心，本实例中新聚簇中心的数量依然为3，如(c)所示。

判断3个新聚簇中心与3个初始聚簇中心是否完全重合，若完全重合则结束计算。由(a)和(c)对比可知，本实例3个新聚簇中心与3个初始聚簇中心没有完全重合，那么需要将3个新聚簇中心以外的全部中心按上述距离最近原则归入3个新聚簇中心所在的聚簇，如(d)所示。

在本发明的优选实施例中，为了进一步降低复杂度，可在实际实施中引入并行计算方法。由上述的方法中可看出，节点的归类步骤彼此间不依赖计算结果，因此此步骤具有很高的计算并行度。

本发明实施例提供的一种车联网广播中继选择方法，通过随机选择设定区域内设定数量的任意节点作为初始聚簇中心，并以该初始聚簇中心为起点进行非监督学习的聚簇中心更新，更灵活，更符合统计规律，更获取最优中继节点，且本方法具有很高的并行度，可以通过并行计算的方法继续降低运算时间。

作为本发明实施例的另一个方面，本实施例提供一种车联网广播中继选择系统，参考图4，为本发明实施例一种车联网广播中继选择系统结构示意图，包括：剩余节点归入模块1、聚簇中心更新模块2和中继节点选择模块3。

其中，剩余节点归入模块1用于将设定区域内初始聚簇中心以外的剩余节点归入所述初始聚簇中心所在的聚簇，形成初始聚簇；聚簇中心更新模块2用于计算所述初始聚簇的新聚簇中心；中继节点选择模块3用于当判断确认所述新聚簇中心满足设定条件时，将所述新聚簇中心作为广播中继节点。

具体而言，在以基站为中心对一定区域内车辆节点进行广播时，为了减小基站负荷并充分利用资源，可将该区域内部分车辆作为中继节点对其余车辆进行广播。实际应用中，中继节点的数量可依据实际的道路模型确定，并将该确定的中继节点数量作为中继节点选择系统的给定数量。

以选定的各初始聚簇中心为中心，剩余节点归入模块1对各初始聚簇中心所在的聚簇进行初始化处理，然后按设定规则将初始聚簇中心以外的剩余节点分别归入到初始聚簇中心所在的聚簇，被归入剩余节点的各聚簇即为初始聚簇。所述的设定规则可以为按距离、信道或车辆交通状况定义的规则，如与剩余节点的距离最近、信道连接最稳定或车辆行驶方向相同。

在剩余节点归入模块1获取初始聚簇之后，初始聚簇内包含一个初始聚簇中心和若干剩余节点。根据这些节点，聚簇中心更新模块2按给定算法进行计算，获取各聚簇的一个计算参数，并根据该参数与初始聚簇中各点的关系确定新聚簇中心。如计算聚簇内各节点坐标平均值或根据各节点坐标确定的区域计算中心点坐标。

在聚簇中心更新模块2获取新聚簇中心之后，中继节点选择模块3需要通过条件判断确定所述新聚簇中心是否能作为广播中继节点。如选择的新聚簇中心都刚好在各聚簇的中心点位置，理论上会达到较好的广播中继效果，但假如有部分新聚簇中心并不在基站覆盖范围之内，则其不能接收基站发出的广播信号，那么这个中继点实际上是无效中继点。

对于给定的设定条件，中继节点选择模块3根据新聚簇中心及新聚簇中心内各节点，判断各新聚簇中心是否满足该设定条件。若根据判断各新聚簇中心均满足所述设定条件，则将各新聚簇中心作为广播中继节点，进行广播。基站广播信号发送到各中继节点车辆，再由各中继节点车辆对接收的信息向四周节点进行广播。

本发明实施例提供的一种车联网广播中继选择系统，产生的有益效果与上述方法类实施例相同，可以参考上述方法类实施例，此处不再赘述。

为了更清楚的说明上述实施例，下面结合实例进行说明，但不限制本发明的保护范围。如以纽约市曼哈顿城区的部分街道模型为基础，本发明实施例根据上述实施例方法和系统进行了仿真实验，具体的仿真实施说明和效果如下：

参考图5，为本发明实施例一部分美国纽约市曼哈顿中心的区域图，本图片来源于谷歌地图中曼哈顿城区的部分区域地图。本实施例选择的设定区域为从第42街到第57街，从第8大道到第11大道的部分区域。

图5所示的地图区域抽象模型参考图6，为本发明实施例一种根据图5得到的城市道路模拟图。图中横向街区之外由上至下为第8大道到第11大道共四条大道，纵向由左至右为第42街到第57街共16条街。

图6所示的城市道路模拟图中各街区道路情况参考图7，为本发明实施例一种根据图6得到的街区道路情况示意图。图7示出每个街区的街道具体数据：街道宽度为36英尺，街长度为216英尺，大道长度为864英尺。

仿真结果参见图8至图10。

参考图8，为本发明实施例中继节点比例为10％，D2D距离为120英尺时，不同车辆总量下的仿真结果示意图。图8表示在不同车辆总数下，控制车辆之间有效通信距离，即D2D距离为120英尺，中继节点的选择比例为10％的情况下，在图6的地图模型中执行上述实施例所述方法得到的性能仿真图。其中该区域道路的车辆最大容纳量为10368。

在设定通信距离为120英尺，中继节点占总节点数的10％的情况下，汽车数目从500变化到2500，图8示出了本发明实施例所提供的方法和随机选择聚簇中心的性能差别。横轴为时间间隙，假定每个时间间隙信息可以完成一跳(一次信息广播)，纵轴为广播信息还未到达的汽车的比例。实线为随机选择聚簇中心的情况，虚线为采用上述实施例所述方法的情况。

可以看出，本发明实施例所提供的方法，在各种情况下都比采用随机选择聚簇中心的方法传播速度快。以汽车数目2000的情况来看，经过一跳，随机选择可以实现大约35％的未到达率，本发明实施例所提供的方法可实现14％的未到达率，提高约21％。

参考图9，为本发明实施例车辆总量为1000(约10％拥挤度)，D2D距离为120英尺时，不同中继节点比例下的仿真结果示意图。图9表示在不同中继节点比例下，控制D2D距离为120英尺，汽车总量为1000时，在图6的地图模型中执行上述实施例所述方法得到的性能仿真图。

在设定通信距离为120英尺，汽车数目1000，中继节点分别占总节点数的5％～25％的情况下，图9示出了本发明实施例所提供的方法和随机选择聚簇中心的性能差别。横轴为时间间隙，假定每个时间间隙信息可以完成一跳(一次信息广播)，纵轴为广播信息还未到达的汽车的比例。实线为随机选择聚簇中心的情况，虚线为采用本发明实施例所提供的方法的情况。

可以看出，本发明实施例所提供的方法，在各种情况下都比采用随机选择聚簇中心的方法传播速度快。以中继节点占总节点数的20％的情况看，经过一跳，随机选择可以实现大约31％的未到达率，本发明实施例所提供的方法可实现15％的未到达率，覆盖率提高约16％。

参考图10，为本发明实施例车辆总量为1000(约10％拥挤度)，中继节点比例为10％时，不同D2D距离下的仿真结果示意图。图10表示在不同D2D通信距离下，控制中继节点的选择比例为10％，汽车总量为为1000的情况下，在图6的地图模型中执行上述实施例所述方法得到的性能仿真图。

在设定汽车数目1000，中继节点占总节点数的10％，通信距离60英尺～240英尺的情况下，图10示出了本发明实施例所提供的方法和随机选择聚簇中心的性能差别。横轴为时间间隙，假定每个时间间隙信息可以完成一跳(一次信息广播)，纵轴为广播信息还未到达的汽车的比例。实线为随机选择聚簇中心的情况，虚线为采用本发明实施例所提供的方法的情况。

可以看出，本发明实施例所提供的方法，在各种情况下都比采用随机选择聚簇中心的方法传播速度快。以通信距离为180英尺的情况看，经过一跳，随机选择可以实现大约38％的未到达率，所提方法可实现22％的未到达率，覆盖率提高约16％。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种车联网广播中继选择方法，其特征在于，包括：

将设定区域内初始聚簇中心以外的剩余节点归入所述初始聚簇中心所在的聚簇，形成初始聚簇；

计算所述初始聚簇的新聚簇中心；

当判断确认所述新聚簇中心满足设定条件时，将所述新聚簇中心作为广播中继节点。

2.根据权利要求1所述的方法，其特征在于，在所述计算所述初始聚簇的新聚簇中心之后，还包括：

基于迭代算法更新聚簇中心，直至所述聚簇中心满足所述设定条件。

3.根据权利要求1所述的方法，其特征在于，所述将设定区域内初始聚簇中心以外的剩余节点归入所述初始聚簇中心所在的聚簇包括：

选择与所述剩余节点距离最近的所述初始聚簇中心，将所述剩余节点归入所述距离最近的所述初始聚簇中心所在的聚簇。

4.根据权利要求1所述的方法，其特征在于，所述计算所述初始聚簇的新聚簇中心包括：

分别对各所述初始聚簇内各节点坐标计算平均值坐标，并选择与所述平均值坐标距离最近的节点作为所述新聚簇中心。

5.根据权利要求1或2所述的方法，其特征在于，在所述将设定区域内初始聚簇中心以外的节点归入所述初始聚簇中心所在的聚簇之前，还包括：

选择所述设定区域内给定数量的节点作为所述初始聚簇中心。

6.根据权利要求5所述的方法，其特征在于，所述基于迭代算法更新聚簇中心包括：

分别对各第L轮聚簇内各节点坐标计算第L轮平均值坐标，并选择与所述第L轮平均值坐标距离最近的节点作为第L+1轮聚簇中心。

7.根据权利要求6所述的方法，其特征在于，在所述选择与所述第L轮平均值坐标距离最近的节点作为第L+1轮聚簇中心之后，还包括：

当判断确认所述第L+1轮聚簇中心的数量少于所述设定数量时，从所述第L+1轮聚簇中心以外的节点中随机选择一个节点，作为补充第L+1轮聚簇中心。

8.根据权利要求7所述的方法，其特征在于，在所述从所述第L+1轮聚簇中心以外的节点中随机选择一个节点，作为补充第L+1轮聚簇中心之后，还包括：

当判断确认所述第L+1轮聚簇中心的数量与所述补充第L+1轮聚簇中心的数量之和小于所述设定数量时，随机选择其余一个节点作为补充第L+1轮聚簇中心，直至所述第L+1轮聚簇中心的数量与所述补充第L+1轮聚簇中心的数量之和达到所述设定数量。

9.根据权利要求1或2所述的方法，其特征在于，所述设定条件包括：

各第L+1轮聚簇中心均在基站覆盖范围内，且所述第L+1轮聚簇中心与第L轮聚簇中心完全重合；

或者，所述各第L+1轮聚簇中心均在基站覆盖范围内，且所述第L+1轮聚簇中心与所述第L轮聚簇中心位置坐标的变化小于设定阈值。

10.一种车联网广播中继选择系统，其特征在于，包括：

剩余节点归入模块，用于将设定区域内初始聚簇中心以外的剩余节点归入所述初始聚簇中心所在的聚簇，形成初始聚簇；

聚簇中心更新模块，用于计算所述初始聚簇的新聚簇中心；

中继节点选择模块，用于当判断确认所述新聚簇中心满足设定条件时，将所述新聚簇中心作为广播中继节点。