CN107249169B - 车载网络环境下基于雾节点的事件驱动的数据收集方法 - Google Patents

车载网络环境下基于雾节点的事件驱动的数据收集方法 Download PDF

Info

Publication number
CN107249169B
CN107249169B CN201710398329.1A CN201710398329A CN107249169B CN 107249169 B CN107249169 B CN 107249169B CN 201710398329 A CN201710398329 A CN 201710398329A CN 107249169 B CN107249169 B CN 107249169B
Authority
CN
China
Prior art keywords
node
event
vehicle
data
mist
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.)
Expired - Fee Related
Application number
CN201710398329.1A
Other languages
English (en)
Other versions
CN107249169A (zh
Inventor
赖永炫
张璐
廖明宏
李贵林
高星
林俊聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen University
Original Assignee
Xiamen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen University filed Critical Xiamen University
Priority to CN201710398329.1A priority Critical patent/CN107249169B/zh
Publication of CN107249169A publication Critical patent/CN107249169A/zh
Application granted granted Critical
Publication of CN107249169B publication Critical patent/CN107249169B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • H04W28/065—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information using assembly or disassembly of packets
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • H04W28/18—Negotiating wireless communication parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/08—Access restriction or access information delivery, e.g. discovery data delivery
    • H04W48/10—Access restriction or access information delivery, e.g. discovery data delivery using broadcasted information
    • 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
    • H04L67/10—Protocols in which an application is distributed across nodes in the network

Abstract

本发明提供车载网络环境下基于雾节点的事件驱动的数据收集方法，包括：(1)车辆节点默认在低成本感知模式下产生感知数据，并把相关数据上传到路边设施，作为雾节点；(2)雾节点接收数据，检查对应的事件的概率、置信度，并判断是否发起“检查事件”的过程；(3)位于上述覆盖区域内的所有车辆节点通过定时器延迟的方式使得其中至少一个车辆节点接受“检查事件”的命令；(4)接受“检查事件”的车辆节点，进入高成本感知模式并进行数据上传；(5)雾节点接收数据并计算事件的发生可能性，与后台ITS系统协同判定事件真伪并进行数据归档。本发明方法明确，效果显著，在准确检测事件的同时能大幅度减少数据收集过程中的传输成本。

Description

车载网络环境下基于雾节点的事件驱动的数据收集方法
技术领域
本发明涉及车载网络的数据收集方法，特别是基于雾节点和事件驱动的数据收集方法。
背景技术
当下汽车和交通工具越来越大众化和智能化。汽车装载了越来越多的感知单元，并产生大量的感知数据,如GPS的位置信息，速度，视频片段或尾气排放数据等。这些数据被共享或上传作为应用程序或分析系统的输入，以实现更智能的交通运输、更高效的应急响应，以及减少污染和能源消耗。然而，车载网络的规模较大，数据连续生成且数量巨大，且网络通常表现为快速的拓扑和密度变化。因此，如何高效收集这些感知数据并进行事件监测，成为一个关键的问题。
车载网络数据收集策略大体可分为两种。一种数据收集策略是单跳“车辆->云端”的收集方式，即通过3G和4G网络把所有的车载感知数据都上传到集中式的云服务器，比如目前主流的车联网平台(35互联公司，嘟嘟镜心，http://www.dudoo.cn/,2016.)。该策略配置简单，但需要消耗大量的带宽资源，无法满足大规模部署的需求。而且，该策略中数据从车辆节点传输到云端，然后再返回来进行决策控制，存在延迟等问题，无法满足对实时性要求较高的应用。另一种数据收集策略是借助车辆之间，以及车辆与路边节点之间的自组织通信。Lindgren等人提出了一种基于传输概率的算法PROPHET(Lindgren,A.,Doria,A.,Schelen,O.:Probabilistic routing in intermittently connected networks.ServiceAssurance with Partial and Intermittent Resources pp.239–254,2004)。当两辆车相遇时，先比较双方能够到达目的地(RSU)的概率，只有对方到达的概率大于自身，才会将数据转发给对方。Hull等人提出了一种用于从移动车辆查询和收集数据的数据管理系统CarTel，这使得能够利用收集的数据来进行应用开发(Hull,B.,Bychkovsky,V.,Zhang,Y.,Chen,K.,Goraczko,M.,Miu,A.,Shih,E.,Balakrishnan,H.,Madden,S.:CarTel:adistributed mobile sensor computing system.In Proceedings of the4thinternational conference on Embedded networked sensor systems.pp.125-138.ACM,2006)。Palazzi等人提出了一种有限延迟的车辆数据收集方法ESSMD，利用时间间隔从满足指定时间约束的感兴趣区域收集数据，并适当地交替数据携带和多跳转发策略(Palazzi,C.E.,Pezzoni,F.,Ruiz,P.M.:Delay-bounded data gathering in urbanvehicular sensor networks.Pervasive and Mobile Computing8(2),180-193,2012)。Paczek等人提出了一种用于交通控制应用的选择性数据收集方法。其基本思想是基于交通控制决策的不确定性来确定检测数据传输的必要性，并且传感器数据仅在所选时间点从车辆传输到控制节点(Paczek,B.:Selective data collection in vehicular networksfor traffic control applications.Transportation Research Part C:EmergingTechnologies 23,14-28,2012)。以上的数据收集策略均采用网内节点互相转发的方式进行数据收集，其大部分集中在路由协议的优化，专门针对事件的数据收集的方法并不多。特别方法本身并未关注事件本身的语义，车辆总是以高代价感知模式(HCS)进行数据检测，其采集的数据都是原始的数据，数据量大。在车载网络环境下，节点运动速度快，网络拥堵、拓扑变化快等特点突出，这些方法无法很好地适用。
此外，在车载网络和传统云平台融合方面，现有的数据收集方法无法很好的进行数据收集和车载网络应用之间的优化。其仅把路边设施(Road Side Unit，RSU)看作是网络的接入点和中转站，却忽略了RSU的另外两项功能——计算和存储功能。
发明内容
本发明所要解决的主要技术问题是提供一种车载网络环境下基于雾节点的事件驱动的数据收集方法，把雾计算和雾节点的概念引入到车载网络中，即把路边设施当做雾节点，利用其提供的存储和计算功能，提出了一种基于事件驱动的高效的数据收集方法。
为了解决上述的技术问题，发明提供了一种车载网络环境下基于雾节点的事件驱动的数据收集方法，包括以下几个步骤：
(1)车辆节点的传感设备默认在低成本感知模式下工作，它们感知环境并产生数据；当数据相对于事件的权重大于预定阈值时，通过“车辆到车辆”或“车辆到路边设施”的通信方式将该数据上传到路边设施，将路边设施作为雾节点，其具有通信、计算和存储能力；
(2)雾节点根据接收的数据e，检查对应的事件d的概率、置信度；当事件d的概率超过设定的阈值时，雾节点将向其覆盖区域内所有车辆节点周期性地广播“检查事件”的命令；
(3)位于上述覆盖区域内的所有车辆节点通过定时器延迟的方式使得其中至少一个车辆节点接受“检查事件”的命令；接受检查事件的车辆节点的传感设备将转换到高成本感知模式并向雾节点发送“接受进入高成本感知模式”消息；对于雾节点，如果没有从任何一个车辆节点收到“接受进入高成本感知模式”消息，则继续周期性地广播“检查事件”的命令；
(4)处于高成本感知模式的车辆节点，将生成更详细的感知数据并上传到雾节点；车辆节点将基于它们是否在雾节点的覆盖范围内或遇到的其他车辆节点适应性地调整数据上载的策略；这些策略包括直接上传到雾节点，转发到相邻的车辆节点，或者等待直到遇到新的雾节点再上传；
(5)雾节点接收处于高成本感知模式的车辆节点发送的数据并计算事件的发生可能性；当事件被验证时，雾节点或智能交通决策系统将归档详细的事件相关数据；网络将自适应地调整车辆节点的传感设备的感知模式，并更新事件权重的阈值以抑制不必要的消息传输。
在一较佳实施例中：所述车辆节点的传感设备运行低成本感知模式或高成本感知模式时，前者比后者需要更少的感知和计算成本；
车辆节点的传感设备产生的感知数据用元组d(id,v,α,ts,mode)表示；其中，id表示传感节点的唯一身份标识符，v是感知的数据，α表示数据的置信度，ts是时间戳，mode表示感知的模式，其值为低成本感知或高成本感知模式。
在一较佳实施例中：所述步骤2中，对事件e和数据d建立相关性的映射和权重，从而通过数据d推测事件e发生的可能性，二者之间的相关性的映射表示为：
其中，p(e)是对事件e的预测值，当其值为1时，表示事件e发生；其值为-1时，表示事件e不发生；α是预测值的置信度；基于此定义数据d在事件e里的权重w(d,e)为：
w(d,e)＝p(e)×α (2)
当每个车辆节点在雾节点覆盖的区域内移动时，根据监视命令来感知数据；每个车辆节点的传感设备默认工作在低成本感知模式并生成数据；当数据d的权重大于预定阈值时，数据d将被上传并报告给雾节点：
w(d,e)≥τ0 (3)
阈值τ0∈[0,1)根据应用的需要进行调整。
在一较佳实施例中：所述的步骤3中位于上述覆盖区域内的所有车辆节点通过定时器延迟的方式使得其中至少一个车辆节点接受“检查事件”的命令；具体是指：对于数据d中的其中一组读数D，其权重w(D)定义为：
其中TD被定义为读数D中读数的时间跨度。w(D)是沿时间间隔散布来自各个车辆节点的数据的权重。如果在时间窗口内的特定事件的权重大于预定义的阈值τ1：
w(D)≥τ1 (5)
则雾节点将发起“事件检查”的过程；雾节点将周期性地在其覆盖区域内广播“事件检查”命令，位于覆盖区域内的车辆节点通过定时器延迟的方式使得其中至少一个车辆节点接受“检查事件”的命令，使其转移到高成本感知模式并进行更详细的感知数据收集；
定时器延迟的具体方法是：
(1)车辆节点首次从雾节点接收到“事件检查”命令时，车辆节点创建定时器tm(β)；其中β表示延迟间隔，其定义如下：
其中，BI表示在雾节点进行“检查事件”消息广播的时间间隔，是车辆节点移动通过雾节点覆盖区域的平均持续时间，t是车辆节点进入雾节点覆盖区域以来经过的时间；
当车辆节点经过雾节点覆盖区域时，它将至少接收到1个消息广播；车辆节点刚进入雾节点覆盖区域时，t较小，其延迟间隔β也相应较小，定时器将更早的被触发；
(2)极端情况下，当车辆节点进入雾节点覆盖区域以来经过的时间大于时，延迟间隔β将进行随机设置:
δ是一个0到1之间的随机数，这意味着将随机选择进入高成本感知模式的车辆节点；
(3)当车辆节点的定时器tm(β)被触发时，该车辆节点的传感设备转换到高成本感知模式进行针对事件的数据收集；同时该车辆节点将回复“接受进入高成本感知模式”给雾节点；雾节点接收到默认数量的该消息时，广播一个“选择结束”的消息；位于覆盖区域内的其他车辆节点接收该消息，如果发现还有未触发的定时器，则该定时器将被取消。
在一较佳实施例中：所述的步骤5中网络将自适应地调整车辆节点的传感设备的感知模式，并更新事件权重的阈值以抑制不必要的消息传输，具体是指：
(1)在车辆节点级，权重大于τ0的数据被发送到雾节点以进行进一步处理；首先，车辆节点通过雾节点覆盖区域时，将向雾节点发送其感知数据的sketch草图；草图由以下形式的元组组成：
{＜(h1,h2],n1＞,..,＜(hi,hi+1],ni＞,...,＜(hk-1,hk],nk＞}
其中，(hi,hi+1]是权重的范围，＜(hi,hi+1],ni＞表示有ni个数据的权重处在(hi,hi+1]范围内；假设雾节点期望接收用于事件检查决定的读数为m个，则阈值τ0设置如下：
其中η(sk,x)表示sketch草图中权重大于x的数据的数量，φ是车辆节点通过雾节点覆盖区域期间向雾节点发送的sketch草图的集合；
(2)在雾节点级，根据事件检测结果调整τ1；如果在事件检查过程之后事件被验证为假，将把τ1调高Δ倍：
τ1＝τ1*(1+Δ) (9)
其中，Δ是预设的增量因子；如果存在多个被验证为假的事件，则τ1可能被调整为高值，进而无法触发事件检查的过程；为此，τ1也将根据周期数随着时间适当降低：
其中，tu是从上一次τ1调整的时间间隔，TU是预定的阈值调整的时间单位。
相较于现有技术，本发明的技术方案具备以下有益效果：
本发明通过在车载网络环境下引入“雾计算”模式，将传统的云计算模式扩展到车载网络边缘，提出了基于车载网络环境下基于RSU雾节点和事件驱动的数据收集方法。该方法充分利用RSU节点的计算和存储资源，在准确检测事件的同时有效地过滤不相关和冗余的感知数据，减少数据收集过程中整体的消息传输量。在监测阶段，节点以低成本感知LCS模式感知环境并生成感知数据，采用“两级阈值调整”的策略来抑制不必要的数据上传和传输。当事件检测的阈值被打破时，进入事件检查阶段。部分车辆节点进入深度感知HCS模式，更精确的感知环境数据。在数据上传阶段，车辆节点将根据不同情况按照三种模式上传数据到RSU节点和后台I TS系统。本发明提出的方法能自适应地调整事件检测的阈值，在高效检测事件的同时大大减少的消息传输量，降低数据收集的成本。
附图说明
图1本发明方法的流程图。
图2为车载网络基于事件的数据收集场景示意图。
图3节点数量对事件检测准确率的影响示意图。
图4节点数量对事件检测查全率的影响示意图。
图5节点数量对事件检测时长的影响示意图。
图6节点数量对事件检测消息传输量的影响示意图。
具体实施方式
下文结合附图和具体实施方式对本发明做进一步说明。
一种车载网络环境下基于雾节点的事件驱动的数据收集方法，流程图如图1所示：车辆节点的传感设备默认在低成本感知模式(LCS)下工作，从而感知环境并生成数据，当数据的权重大于预定阈值时，则通过V2I或V2V通信上传到路边设施(RSU)，将路边设施作为雾节点；雾节点检查事件的概率、置信度；当事件概率高时，雾节点将向其覆盖区域内所有车辆节点周期性广播“事件检查”命令,首次接收命令的车辆节点创建节点定时器；如果该车辆节点接受“事件检查”命令，则它将转换到高成本感知模式(HCS)并向雾节点发送“接受进入高成本感知模式”的消息，这时，监听该消息的其他车辆节点将取消它们的定时器。
对于雾节点，如果它没有从经过的任何一个车辆节点接收到“接受进入高成本感知模式”的消息，它会周期性地广播“事件检查”命令；接受“事件检查”命令的车辆节点将以高成本感知模式感知环境并生成数据，该数据上传到雾节点以进行最后的事件验证。数据可以直接上传到雾节点，也可以转发到相邻的车辆节点，或者等待直到该车辆节点遇到新的雾节点后再上传。
车辆节点将基于它们是否在雾节点的覆盖范围内或是否遇到别的车辆节点来自适应地决定它们用于数据上载的策略；雾节点接收数据并计算事件的发生可能性。一旦事件被验证，雾节点或ITS系统将归档详细的事件数据，并且网络将自适应地调整感知模式并更新网络参数以主动抑制不必要的消息传输。图2是车载网络事件检测的示意图：车辆节点和路边设施雾节点组成车载网络，雾节点R1调用“检查事件”过程；车辆节点3接受“检查事件”的命令并迁移到高成本感知模式以收集更详细的事件相关的数据，其他节点默认运行在低成本感知模式以检测可能发生的事件。
上述实施例的关键有5点：感知数据表示、低成本监视、事件检查和节点选择、自适应数据上传、两级阈值调整。下面具体介绍具体的实现细节和模拟实验的结果。
1.感知数据表示
根据传感器所耗费的资源大小，车辆节点中配备的传感设备运行模式可归类为两类：1)低成本感知(LCS)模式；2)高成本感知(HCS)模式。前者比后者需要更少的感知和计算成本，比如对于摄像头感知器，其运行在LCS模式时产生较低精度的照片；运行在HCS模式时将产生高精度的照片。节点产生的感知数据用车辆节点的传感设备产生的感知数据用元组d(id,v,α,ts,mode)表示；其中，id表示传感节点的唯一身份标识符，v是感知的数据，α表示数据的置信度，ts是时间戳，mode表示感知的模式，其值为低成本感知或高成本感知模式。
2.低成本监测
车辆节点在默认情况下，运行在低成本感知模式下，并进行低成本的时间监测。所要监测的感兴趣的事件表示为e，e事件源附近的车辆节点将感知到这些事件并生成一些数据d。根据数据d可以推测事件e发生的可能性，二者之间存在相关性的映射。二者之间的相关性的映射表示为：
其中，p(e)是对事件e的预测值，当其值为1时，表示事件e发生；其值为-1时，表示事件e不发生；α是预测值的置信度；基于此定义数据d在事件e里的权重w(d,e)为：
w(d,e)＝p(e)×α (2)
该权重的计算公式，可根据感知操作的种类和监测事件的应用来定制。在获取了数据d的条件下，当w(d,e)接近于1，事件e更有可能发生；如果它接近于-1，事件e更不可能发生；如果其值接近于0，表示通过数据d无法预测事件e是否发生，或者由于缺少足够的信息置信度而无法确定事件是否会发生。一般情况下，高成本感知模式下收集的数据具有比低成本感知模式下更大的权重：
w(d1,e)＜＜w(d2,e),d1.mode＝LCS,d2.mode＝hcs
当每个车辆节点在雾节点覆盖的区域内移动时，根据监视命令来感知数据；每个车辆节点的传感设备默认工作在低成本感知模式并生成数据；当数据d的权重大于预定阈值时，数据d将被上传并报告给雾节点：
w(d,e)≥τ0 (3)
给定感知算子和数据的类型，数据的权重被用作事件监视和检测的主要输入。阈值τ0∈[0,1)根据应用的需要进行调整。
3.事件检查和车辆节点选择
车辆节点将其数据发送到雾节点，雾节点将收到多份来自不同车辆的数据。综合这些数据，雾节点将计算数据的权重。对于数据d中的其中一组读数D，其权重w(D)定义为：
其中TD被定义为读数D中读数的时间跨度。w(D)是沿时间间隔散布来自各个车辆节点的数据的权重。如果在时间窗口内的特定事件的权重大于预定义的阈值τ1：
w(D)≥τ1 (5)
则雾节点将发起“事件检查”的过程；雾节点将周期性地在其覆盖区域内广播“事件检查”命令，位于覆盖区域内的车辆节点通过定时器延迟的方式使得其中至少一个车辆节点接受“检查事件”的命令，使其转移到高成本感知模式并进行更详细的感知数据收集；
选取车辆节点的具体方法是：
(1)车辆节点首次从雾节点接收到“事件检查”命令时，车辆节点创建定时器tm(β)；其中β表示延迟间隔，其定义如下：
其中，BI表示在雾节点进行“检查事件”消息广播的时间间隔，是车辆节点移动通过雾节点覆盖区域的平均持续时间，t是车辆节点进入雾节点覆盖区域以来经过的时间；
利用历史数据推算得来，比如通过出租车的轨迹数据集，可推算在某个时间段一辆车经过某个雾节点覆盖区域所需要的平均时间。数据广播的时间间隔BI可自行设置，一般会小于车辆经过雾节点覆盖范围的平均时间(默认为)。当车辆节点经过雾节点覆盖区域时，它将至少接收到1个广播消息。车辆节点刚进入雾节点覆盖区域时，t较小，根据公式6其延迟间隔β较小，定时器将更早的被触发。
(2)极端情况下，比如交通堵塞时。当车辆节点进入雾节点覆盖区域以来经过的时间大于时，延迟间隔β将进行随机设置:
δ是一个0到1之间的随机数，这意味着将随机选择进入高成本感知模式的车辆节点；
(3)当车辆节点的定时器tm(β)被触发时，该车辆节点的传感设备转换到高成本感知模式进行针对事件的数据收集；同时该车辆节点将回复“接受进入高成本感知模式”给雾节点；雾节点接收到默认数量的该消息时，广播一个“选择结束”的消息；位于覆盖区域内的其他车辆节点接收该消息，如果发现还有未触发的定时器，则该定时器将被取消。
4.自适应数据上传
接受“检查事件”命令的车辆节点将切换到高成本感知模式，并产生相对较大尺寸的数据。为便于数据上传和传输，高成本感知模式下产生的数据将被分割成小段。根据情况，数据段将按照三种模式被上传到雾节点和后台的I TS系统：1)当车辆节点在雾节点的覆盖范围内时，车辆节点将直接与雾节点建立连接上传数据；2)当它移出雾节点覆盖范围时，它将延迟数据上传，直到碰到下一个雾节点；3)或者，车辆节点也可能把数据转发到遇到的其他车辆节点。以下，我们进行更详细的说明。
(1)当车辆节点在雾节点的覆盖范围内，数据段ds直接被调度上传，表示如下：
method(ds)＝Upload；if rsu(s)＝true；
其中，s是保存高成本感知数据ds的车辆节点，如果该车辆节点s在雾节点的覆盖范围内，则rsu(s)返回真。
(2)当没有雾节点覆盖或节点到节点连接时，ds存储在本地，并且上传被抑制，其被表示为：
method(ds)＝Delay；if rsu(s)＝false；&neigbor(s)＝φ
其中，neigbor(s)表示车辆节点s的相邻车辆节点。
(3)当车辆节点s移出雾节点覆盖范围并遇到相邻车辆节点时，其将基于当前车辆节点s和遇到的车辆节点s`来决定其转发策略。ds可能被转发到s`，或被存储在s处并等待其他传输机会。这表示为：
其中fw(s,s`)表示将数据从节点s转发到s`的可行性。如果数据被转发到s`，则fw(s,s`)返回真，节点s`将进入雾节点覆盖区域，并在预定的截止时间之前上传数据。进一步的，如果fw(s,s`)满足以下条件，则它的值为真：
et(s′)+ut(ds)≤TC＜et(s)；ut(ds)＜cd(s,s`)
其中，TC是要上传到ITS系统的数据的时间约束，由用户设定；et(s)是车辆节点s进入下一个雾节点覆盖区域的预期时间间隔，ut(ds)是上传数据ds所需的时间；cd(s,s`)是节点s和s`接触时预期持续的时间。
ut(ds)按数据大小除以带宽进行计算：et(s)和cd(s,s`)定义如下：
dis(s,rsu)表示s与雾节点之间的距离，speed(s,s.path)是s沿当前路径移动的平均速度，其中s.path是当前车辆节点未完成的路径，nextRSU(s,s.path)为车辆节点s沿着当前路径遇到的下一个雾节点。s.path∩s`.path表示两个相遇的车辆节点接下来须共同经过的道路。车辆节点间的距离、行车速度、前进路径等参数可由当前的交通路网地图、行车规划等子系统获得，并结合历史的轨迹和车辆间的历史相遇数据进行优化。
5.两级阈值调整
本方法采用“两级阈值调整”(2LTA)的机制自适应调整车辆节点和雾节点的阈值，在检测事件的同时抑制不必要的事件检查和数据上传。具体地，
(1)在车辆节点级，权重大于τ0的数据被发送到雾节点以进行进一步处理；首先，车辆节点通过雾节点覆盖区域时，将向雾节点发送其感知数据的sketch草图；草图由以下形式的元组组成：
{＜(h1,h2],n1＞,..,＜(hi,hi+1],ni＞,...,＜(hk-1,hk],nk＞}
其中，(hi,hi+1]是权重的范围，＜(hi,hi+1],ni＞表示有ni个数据的权重处在(hi,hi+1]范围内；假设雾节点期望接收用于事件检查决定的读数为m个，则阈值τ0设置如下：
其中η(sk,x)表示sketch草图中权重大于x的数据的数量，φ是车辆节点通过雾节点覆盖区域期间向雾节点发送的sketch草图的集合；
(2)在雾节点级，根据事件检测结果调整τ1；如果在事件检查过程之后事件被验证为假，将把τ1调高Δ倍：
τ1＝τ1*(1+Δ) (9)
其中，Δ是预设的增量因子，默认为0.1；如果存在多个被验证为假的事件，则τ1可能被调整为高值，进而无法触发事件检查的过程；为此，τ1也将根据周期数随着时间适当降低：
其中，tu是从上一次τ1调整的时间间隔，单位为分钟，TU是预定的阈值调整的时间单位，默认为五分钟。
6.模拟实验验证
实验基于厦门市真实的路网数据进行。首先通过OpenStreetMap获取厦门大学周边的5部分的道路，包括校内，演武路，大学路，演武大桥，部分环岛路。其次，利用工具osm2wkt将地图数据osm文件转换为wkt格式的文件，并利用ONE模拟平台(https://akeranen.github.io/the-one/)模拟事件产生和车辆节点的运动。模拟事件12个小时，默认200秒生成一个待检测的事件，事件存在时间为1000～5000秒。同时，有60个车辆节点，6个雾节点，可通信距离为100m，传输速度500kB/s，数据包大小567Bytes。节点每隔25～35秒进行一次数据采样，且还混入了一定的噪声数据。
对比算法分别是：1)车辆以高成本感知的模式监测事件，车辆检测完数据以后，仅仅携带在本地而不进行转发，直至遇到雾节点才把数据传送给雾节点进行分析；2)PROPHET：一种基于传输概率的算法，车辆节点将根据连接历史逐步转发换到雾节点。每当两个车辆节点建立连接，都将提高两个车辆节点相遇的概率，当两辆车相遇时，需要先比较双方能够到达目的地(雾节点)的概率，只有对方到达的概率大于自身，才会将数据转发给对方(详见Lindgren,A.,Doria,A.,Schelen,O.:Probabilistic routing inintermittently connected networks.Service Assurance with Partial andIntermittent Resources pp.239–254,2004)；3)ESSMD：在PROPHET算法的基础上限制网络中的数据量，其思路是避免网络中过多的数据冗余，当一个事件被判定为真时，雾节点将通知各个车辆节点停止监测和转发这个事件的数据，以减少冗余数据的传输(详见Paczek,B.:Selective datacollection in vehicular networks for traffic controlapplications.Transportation Research Part C:Emerging Technologies 23,14-28,2012)。下表给出了各算法的性能和实验结果(TPEG代表本方法)。
可以看出，本发明方法在事件检测率方面为0.9757优于其他对比算法，查全率为0.9245，与其他的算法相当。但在数据传输量方面，本方法仅为0.603*107个消息包，仅为PROPHET算法的7.1％。这主要是因为本方法采用了高成本感知模式和低成本感知模式相结合的方法进行进行监控和事件检测。而对比算法，如PROPHET算法没有对数据广播进行限制。特别是PROPEHT利用了其他节点进行传输，网络中会有大量数据的拷贝，所以NAIVE和PROPHET的数据量比较大。
图3显示了节点数量对准确率的影响，从图中可以看出节点数量对事件检测的准确率影响不大，各方法能受噪音数据的影响较小，准确率均保持在96％以上。图4显示了节点数量对查全率的影响。从图4可以看出，当网络节点增加时事件检测的查全率也增加。但TPEG和PROPHET、ESSMD算法增加的幅度更大。其中TPEG方法在节点数较少时，查全率较于其他方法，但在节点数增加时，其查全率与其他两种方法的性能相同。图5显示了节点数量对事件检测时长的影响。事件检测的时长随节点数增加而减少，TPEG方法优于方法，比PROPHET、ESSMD算法有略微的延迟。但在节点数为100时，其性能与其他两个算法相同。图6显示了节点数量对消息传输量的影响。消息传输都随着节点数的增加而增加，但TPEG的传输量仅为ESSMD方法的14.4％，为PROPHET算法的7.1％。这主要是由于TPEG方法采用了低成本感知LCS和高成本感知HCS相结合的数据感知方式，自动调整发起事件检测处理的阈值。其消息传输量曲线较为平坦，随节点数量的变化率也较低。从以上实验可以看出，TPEG方法更加适合于在城市环境下，车辆节点具有一定密集度的区域内部署和使用，在不影响事件检测准确率和查全率的前提下能大幅度的降低数据收集过程中的消息传输量。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (5)

1.一种车载网络环境下基于雾节点的事件驱动的数据收集方法，其特征在于包括以下几个步骤：
(1)车辆节点的传感设备默认在低成本感知模式下工作，它们感知环境并产生数据；当数据相对于事件的权重大于预定阈值时，通过“车辆到车辆”或“车辆到路边设施”的通信方式将该数据上传到路边设施，将路边设施作为雾节点，其具有通信、计算和存储能力；
(2)雾节点根据接收的事件e，检查对应的事件数据d的概率、置信度；当事件数据d的概率超过设定的阈值时，雾节点将向其覆盖区域内所有车辆节点周期性地广播“检查事件”的命令；
(3)位于上述覆盖区域内的所有车辆节点通过定时器延迟的方式使得其中至少一个车辆节点接受“检查事件”的命令；接受检查事件的车辆节点的传感设备将转换到高成本感知模式并向雾节点发送“接受进入高成本感知模式”消息；对于雾节点，如果没有从任何一个车辆节点收到“接受进入高成本感知模式”消息，则继续周期性地广播“检查事件”的命令；
(4)处于高成本感知模式的车辆节点，将生成更详细的感知数据并上传到雾节点；车辆节点将基于它们是否在雾节点的覆盖范围内或遇到的其他车辆节点适应性地调整数据上载的策略；这些策略包括直接上传到雾节点，转发到相邻的车辆节点，或者等待直到遇到新的雾节点再上传；
(5)雾节点接收处于高成本感知模式的车辆节点发送的数据并计算事件的发生可能性；当事件被验证时，雾节点或智能交通决策系统将归档详细的事件相关数据；网络将自适应地调整车辆节点的传感设备的感知模式，并更新事件权重的阈值以抑制不必要的消息传输。
2.根据权利要求1所述的车载网络环境下基于雾节点的事件驱动的数据收集方法，其特征在于：所述车辆节点的传感设备运行低成本感知模式或高成本感知模式时，前者比后者需要更少的感知和计算成本；
车辆节点的传感设备产生的感知数据用元组d(id,v,α,ts,mode)表示；其中，id表示传感节点的唯一身份标识符，v是感知的数据，α表示数据的置信度，ts是时间戳，mode表示感知的模式，其值为低成本感知或高成本感知模式。
3.根据权利要求1所述的车载网络环境下基于雾节点的事件驱动的数据收集方法，其特征在于：所述步骤(2)中，对事件e和数据d建立相关性的映射和权重，从而通过数据d推测事件e发生的可能性，二者之间的相关性的映射表示为：
其中，p(e)是对事件e的预测值，当其值为1时，表示事件e发生；其值为-1时，表示事件e不发生；α是预测值的置信度；基于此定义数据d在事件e里的权重w(d,e)为：
w(d,e)＝p(e)×α (2)
当每个车辆节点在雾节点覆盖的区域内移动时，根据监视命令来感知数据；每个车辆节点的传感设备默认工作在低成本感知模式并生成数据；当数据d的权重大于预定阈值时，数据d将被上传并报告给雾节点：
w(d,e)≥τ0 (3)
阈值τ0∈[0,1)根据应用的需要进行调整。
4.根据权利要求1所述的车载网络环境下基于雾节点的事件驱动的数据收集方法，其特征在于：所述的步骤(3)中位于上述覆盖区域内的所有车辆节点通过定时器延迟的方式使得其中至少一个车辆节点接受“检查事件”的命令；具体是指：对于数据d中的其中一组读数D，其权重w(D)定义为：
其中TD被定义为读数D中读数的时间跨度；w(D)是沿时间间隔散布来自各个车辆节点的数据的权重；如果在时间窗口内的特定事件的权重大于预定义的阈值τ1：
w(D)≥τ1 (5)
则雾节点将发起“事件检查”的过程；雾节点将周期性地在其覆盖区域内广播“事件检查”命令，位于覆盖区域内的车辆节点通过定时器延迟的方式使得其中至少一个车辆节点接受“检查事件”的命令，使其转移到高成本感知模式并进行更详细的感知数据收集；
定时器延迟的具体方法是：
(1)车辆节点首次从雾节点接收到“事件检查”命令时，车辆节点创建定时器tm(β)；其中β表示延迟间隔，其定义如下：
其中，BI表示在雾节点进行“检查事件”消息广播的时间间隔，是车辆节点移动通过雾节点覆盖区域的平均持续时间，t是车辆节点进入雾节点覆盖区域以来经过的时间；
当车辆节点经过雾节点覆盖区域时，它将至少接收到1个消息广播；车辆节点刚进入雾节点覆盖区域时，t较小，其延迟间隔β也相应较小，定时器将更早的被触发；
(2)极端情况下，当车辆节点进入雾节点覆盖区域以来经过的时间大于时，延迟间隔β将进行随机设置:
δ是一个0到1之间的随机数，这意味着将随机选择进入高成本感知模式的车辆节点；
(3)当车辆节点的定时器tm(β)被触发时，该车辆节点的传感设备转换到高成本感知模式进行针对事件的数据收集；同时该车辆节点将回复“接受进入高成本感知模式”给雾节点；雾节点接收到默认数量的该消息时，广播一个“选择结束”的消息；位于覆盖区域内的其他车辆节点接收该消息，如果发现还有未触发的定时器，则该定时器将被取消。
5.根据权利要求1所述的车载网络环境下基于雾节点的事件驱动的数据收集方法，其特征在于：所述的步骤(5)中网络将自适应地调整车辆节点的传感设备的感知模式，并更新事件权重的阈值以抑制不必要的消息传输，具体是指：
(1)在车辆节点级，权重大于τ0的数据被发送到雾节点以进行进一步处理；首先，车辆节点通过雾节点覆盖区域时，将向雾节点发送其感知数据的sketch草图；草图由以下形式的元组组成：
{＜(h1,h2],n1＞,..,＜(hi,hi+1],ni＞,...,＜(hk-1,hk],nk＞}
其中，(hi,hi+1]是权重的范围，＜(hi,hi+1],ni＞表示有ni个数据的权重处在(hi,hi+1]范围内；假设雾节点期望接收用于事件检查决定的读数为m个，则阈值τ0设置如下：
其中η(sk,x)表示sketch草图中权重大于x的数据的数量，φ是车辆节点通过雾节点覆盖区域期间向雾节点发送的sketch草图的集合；
(2)在雾节点级，根据事件检测结果调整τ1；如果在事件检查过程之后事件被验证为假，将把τ1调高Δ倍：
τ1＝τ1*(1+Δ) (9)
其中，Δ是预设的增量因子，为0.1；如果存在多个被验证为假的事件，则τ1可能被调整为高值，进而无法触发事件检查的过程；为此，τ1也将根据周期数随着时间适当降低：
其中，tu是从上一次τ1调整的时间间隔，TU是预定的阈值调整的时间单位，为5分钟。
CN201710398329.1A 2017-05-31 2017-05-31 车载网络环境下基于雾节点的事件驱动的数据收集方法 Expired - Fee Related CN107249169B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710398329.1A CN107249169B (zh) 2017-05-31 2017-05-31 车载网络环境下基于雾节点的事件驱动的数据收集方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710398329.1A CN107249169B (zh) 2017-05-31 2017-05-31 车载网络环境下基于雾节点的事件驱动的数据收集方法

Publications (2)

Publication Number Publication Date
CN107249169A CN107249169A (zh) 2017-10-13
CN107249169B true CN107249169B (zh) 2019-10-25

Family

ID=60018811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710398329.1A Expired - Fee Related CN107249169B (zh) 2017-05-31 2017-05-31 车载网络环境下基于雾节点的事件驱动的数据收集方法

Country Status (1)

Country Link
CN (1) CN107249169B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108021451B (zh) * 2017-12-07 2021-08-13 上海交通大学 一种雾计算环境下的自适应容器迁移方法
CN108243245B (zh) * 2017-12-20 2020-06-12 上海交通大学 基于混合雾计算的无线接入网络及其资源调配方法
CN108375977A (zh) * 2018-01-24 2018-08-07 济南浪潮高新科技投资发展有限公司 一种基于雾节点的城市环境自动驾驶方法
CN108198439B (zh) * 2018-01-24 2021-05-14 浪潮集团有限公司 一种基于雾计算的城市智能交通控制方法
CN108616568B (zh) * 2018-03-26 2020-07-03 华中科技大学 不同安全约束下基于距离的车联网雾节点遗传分簇方法
CN109035819B (zh) * 2018-07-27 2020-12-22 南通大学 一种基于雾计算的区域交通情景感知方法
US10769920B2 (en) * 2018-09-22 2020-09-08 Fedex Corporate Services, Inc. Systems, apparatus, and methods for detecting an environmental anomaly and initiating an enhanced automatic response using elements of a wireless node network and using sensor data from ID nodes associated with packages and environmental threshold conditions per package
WO2020105059A1 (en) * 2018-11-19 2020-05-28 Telefonaktiebolaget Lm Ericsson (Publ) Method and node for handling sensor nodes and fog nodes in a communications system
CN109688597B (zh) * 2018-12-18 2020-09-01 北京邮电大学 一种基于人工智能的雾无线接入网络组网方法及装置
CN109922458B (zh) * 2019-02-27 2021-06-18 重庆大学 一种基于雾计算的信息采集、计算、传输架构
US20200284912A1 (en) * 2019-03-08 2020-09-10 GM Global Technology Operations LLC Adaptive sensor sytem for vehicle and method of operating the same
CN109785631B (zh) * 2019-03-12 2021-08-24 大连海事大学 一种面向交通疏导的道路交通数据智能感知与分发网络架构
CN110377672B (zh) * 2019-06-04 2023-05-09 西安邮电大学 基于信任管理的实时地图更新系统及方法、车联网终端
CN110879561B (zh) * 2019-12-24 2022-08-05 上海智驾汽车科技有限公司 一种降低can总线拥堵的控制方法及装置
CN111586155A (zh) * 2020-04-30 2020-08-25 上海华东汽车信息技术有限公司 车辆数据处理方法和系统
CN111586150A (zh) * 2020-04-30 2020-08-25 上海华东汽车信息技术有限公司 车辆数据上传方法、装置、计算机设备和存储介质
WO2021217637A1 (zh) * 2020-04-30 2021-11-04 上海华东汽车信息技术有限公司 终端策略配置方法、装置、计算机设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102625237A (zh) * 2012-03-09 2012-08-01 上海交通大学 路边设备与车辆通信中的最佳中继选择方法
CN105636094A (zh) * 2016-03-16 2016-06-01 中国地质大学（武汉） 基于分簇压缩感知的无线传感网预警方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103209150B (zh) * 2012-01-16 2016-01-27 博通集成电路（上海）有限公司 幅移键控解调器和幅移键控信号的解调方法
US20170025008A1 (en) * 2015-07-20 2017-01-26 Dura Operating, Llc Communication system and method for communicating the availability of a parking space

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102625237A (zh) * 2012-03-09 2012-08-01 上海交通大学 路边设备与车辆通信中的最佳中继选择方法
CN105636094A (zh) * 2016-03-16 2016-06-01 中国地质大学（武汉） 基于分簇压缩感知的无线传感网预警方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"The vehicles ESP safe test system based on aid wheels breaking control vehicle system";Zhang,Lu;《 2nd International Conference on Materials and Products Manufacturing Technology (ICMPMT 2012)》;20130923;第605-607卷;1710-1716 *
"点能量密度平衡的无线传感器网络基站移动策略";廖明宏等;《传感技术学报》;20100129;第23卷(第1期);110-115 *

Also Published As

Publication number Publication date
CN107249169A (zh) 2017-10-13

Similar Documents

Publication Publication Date Title
CN107249169B (zh) 车载网络环境下基于雾节点的事件驱动的数据收集方法
US11520331B2 (en) Methods and apparatus to update autonomous vehicle perspectives
US11386779B2 (en) Systems and methods for achieving road action consensus, for example among autonomous vehicles, in a network of moving things
US11653222B2 (en) Optimizing wireless networking using a virtual geographic information system overlay
US10573178B2 (en) Systems and methods for tracking and fault detection, for example among autonomous vehicles, in a network of moving things
Mezher et al. Multimedia multimetric map-aware routing protocol to send video-reporting messages over VANETs in smart cities
EP3023961B1 (en) Methods and devices for controlling vehicular wireless communications
Bauza et al. Road traffic congestion detection through cooperative vehicle-to-vehicle communications
Subramaniam et al. A traffic density-based congestion control method for VANETs
Shen et al. Saint+: Self-adaptive interactive navigation tool+ for emergency service delivery optimization
Raja et al. SDN-enabled traffic alert system for IoV in smart cities
Wang et al. Multiclass information flow propagation control under vehicle-to-vehicle communication environments
CN110800324B (zh) 一种改善道路安全和/或管理的系统和方法
Meneguette et al. Enhancing intelligence in inter-vehicle communications to detect and reduce congestion in urban centers
Ghaleb et al. Driving-situation-aware adaptive broadcasting rate scheme for vehicular ad hoc network
Zhang et al. Research on adaptive beacon message broadcasting cycle based on vehicle driving stability
Boualouache et al. Toward an sdn-based data collection scheme for vehicular fog computing
US11195413B1 (en) Method for relaying event information in a multi-tier V2X system
JP7276432B2 (ja) 通信システム及び端末
Li et al. A traffic congestion aware vehicle-to-vehicle communication framework based on Voronoi diagram and information granularity
Zhang et al. Design and implementation of a vehicle-to-vehicle based traffic information system
Nikolovski et al. Delay Tolerant and Predictive Data Dissemination Protocol (DTP-DDP) for urban and highway vehicular ad hoc networks (VANETs)
Ucar et al. Signal phase and timing by a vehicular cloud
De Felice et al. Traffic monitoring and incident detection using cellular and early stage VANET technology deployment
Kamal et al. A survey and taxonomy of urban traffic management: Towards vehicular networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20191025

CF01 Termination of patent right due to non-payment of annual fee