CN108055667A - 一种认知车辆网络联合路由选择及资源分配方法 - Google Patents
一种认知车辆网络联合路由选择及资源分配方法 Download PDFInfo
- Publication number
- CN108055667A CN108055667A CN201711437344.9A CN201711437344A CN108055667A CN 108055667 A CN108055667 A CN 108055667A CN 201711437344 A CN201711437344 A CN 201711437344A CN 108055667 A CN108055667 A CN 108055667A
- Authority
- CN
- China
- Prior art keywords
- subchannel
- cognition
- vehicle
- link
- rvs
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/121—Shortest path evaluation by minimising delays
-
- 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
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/08—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on transmission power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
- H04W40/16—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality based on interference
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种认知车辆网络联合路由选择及资源分配方法,属于无线通信技术领域。该方法为:若源车辆需转发数据包至目的车辆,则SV发送路由请求消息至路由管理中心,RMC根据网络拓扑信息、认知车辆用户与主用户传输范围及子信道使用状况,建模链路有效生存时间,并确定候选链路集合,继而基于链路传输时延最小化准则,优化确定SV与DV之间的路由以及SV及中继车辆的最优功率及子信道分配策略,RMC发送功率、子信道分配及路由选择策略至SV及RVs,SV执行信息转发。本发明综合考虑链路生存时间、子信道稳定性、认知用户对PU的干扰等问题,实现SV的优化联合路由选择及资源分配。
Description
技术领域
本发明属于无线通信技术领域,涉及一种认知车辆网络联合路由选择及资源分配方法。
背景技术
新型无线应用和智能终端设备的快速发展对无线电频谱的需求提出更高要求,传统的静态频谱分配策略已无法满足当前用户的通信需求。认知无线电技术可以极大提高频谱资源的利用率,配备感知设备的认知用户,在不影响主用户正常通信情况下,可以动态、智能的接入该频谱并进行数据传输,实现频谱资源共享,提高频谱利用率,缓解频谱资源稀缺的问题。
认知车辆网络将认知无线电技术与车辆自组织网络相结合,支持认知车辆用户感知并使用未授权频谱,以实现车辆之间及车辆与路边基础设施之间的通信,从而可以为处于高速移动状态的车辆提供高效的数据接入服务,并支持车辆之间的信息交互,已成为保障车辆行驶安全,实现智能交通管理及车载娱乐的有效技术。
在认知车辆网络中,若源车辆无法实现与目的车辆的直接通信,需选择传输路由经中继车辆进行多跳信息转发。在存在多个候选路由的情况下,如何联合设计路由选择及资源分配策略已成为重要的研究课题。目前已有研究中,有文献针对车辆的高速移动和动态变化的频谱资源,提出选择链路生存时间最大的路由。有文献综合考虑车辆移动特性、信道间干扰、中继负载和中继节点、目的节点之间距离等因素建模链路传输费用,提出基于链路传输费用优化路由选择。也有文献针对多信道多流情况,基于多信道接入时的冲突概率预测信道接入时延,进而提出以接入时延和传输时延优化为目标的路由选择策略。
以上研究中,未综合考虑车辆移动特性、频谱资源的动态变化、认知用户对主用户的干扰等因素,难以有效保证主用户及认知用户的服务质量及实现网络性能优化。
发明内容
有鉴于此,本发明的目的在于提供一种一种认知车辆网络联合路由选择及资源分配方法。
为达到上述目的,本发明提供如下技术方案:
一种认知车辆网络联合路由选择及资源分配方法,包括以下步骤:
S1:源车辆(Source Vehicle,SV)发送路由请求消息至路由管理中心(RouteManagement Center,RMC);
S2:RMC根据网络拓扑信息、认知车辆用户与主用户(Primary User,PU)传输范围及子信道使用状况,建模链路有效生存时间,确定SV与目的车辆(Destination Vehicle,DV)之间所有候选链路;
S3:建模候选链路传输时延;
S4:确定优化问题限制条件;
S5:基于链路传输时延最小化准则,实现SV及认知中继车辆(Relay Vehicles,RVs)功率及子信道分配方法;
S6:基于狄杰斯特拉算法,优化确定SV与DV之间路由策略;
S7:RMC发送功率、子信道分配及路由策略至SV及RVs,SV执行信息转发。
进一步,在步骤S2中,所述建模链路有效生存时间,确定SV与DV之间所有候选链路具体为:
S201:令为车辆Vi与Vj之间的链路,0≤i,j≤N+1,N为网络中RVs的数目,V0表示SV,VN+1表示DV,建模链路使用子信道k对应链路有效生存时间为:Ti,j,k(t)=Ti,j(t)·min{Si,k,Sj,k},其中,Ti,j(t)为t时刻的生存时间,建模为H为车辆最大通信范围,(xi(t),yi(t))和(xj(t),yj(t))分别为Vi与Vj在t时刻的位置坐标,vi(t)和vj(t)分别为Vi与Vj在t时刻的运动速度,Si,k和Sj,k分别描述Vi与Vj在子信道k的稳定性,建模为其中,di,k为认知用户Vi到第k个PU的距离;设第k个PU使用第k个子信道,1≤k≤K,K为系统可获得子信道总数,D为主用户最大通信范围,μk为子信道k被占用的概率,建模为其中,为第k个PU占用子信道k的时间,为子信道k空闲时间;
S202:确定V0的候选链路集合为其中,T(min)为由SV业务特性确定的最小链路生存时间。
进一步,在步骤S3中,所述建模候选链路传输时延具体为:
候选链路Li,j的传输时延建模为:其中,xi,j,k为Li,j的子信道分配变量,xi,j,k=1表示为Li,j分配第k个子信道,否则,xi,j,k=0;Di,j,k为Li,j使用子信道k进行数据传输对应的传输时延,建模为S为V0拟传输数据包大小,Ri,j,k为Li,j在子信道k的传输速率,建模为:其中,B为PU的子信道带宽,即SV及认知RVs所共用的子信道带宽,Pi,j,k及hi,j,k分别为Li,j使用子信道k时SV及认知RVs的发送功率和信道增益,为第k个PU的发送功率,为第k个PU使用子信道k时到链路Li,j接收端的信道增益,σ2为信道噪声功率。
进一步,在步骤S4中,所述优化问题限制条件具体为:
(1)发送功率限制:根据PU最小传输速率需求:其中,表示第k个PU的最小传输速率需求,表示第k个PU的传输速率,建模为其中,表示第k个PU的信道增益,表示Li,j发送端到PU接收端的信道增益,则0≤i,j≤N+1,i≠j,1≤k≤K;
(2)最小传输速率限制:认知用户在链路Li,j的传输速率需满足Ri,j≥R(min),其中,Ri,j建模为:R(min)为SV的业务最小传输速率需求,0≤i,j≤N+1,i≠j;
(3)子信道分配限制:基于SV及认知RVs发送端硬件限制,假设Li,j最多分配一个子信道,即:0≤i,j≤N+1,i≠j;
(4)路由选择限制:建模SV路由选择限制条件为:1≤j≤N+1;DV相邻节点路由选择限制条件为:0≤i≤N;认知RVs路由选择限制条件为:
进一步,在步骤S5中,所述基于链路传输时延最小化准则,实现SV及认知中继车辆功率及子信道分配方法具体为:
在满足步骤S4中的优化限制条件下,首先优化求解SV及认知RVs的发送功率,令xi,j,k=1,即假设SV或认知RVs占用第k个子信道在Li,j进行数据传输,基于Li,j传输时延最小化准则,优化确定SV或认知RVs的发送功率策略对应最优传输时延为给定优化功率策略进而优化求解子信道分配策略xi,j,k,建模Li,j传输时延为基于传输时延最小化优化确定Li,j的子信道分配策略,即
进一步,在步骤S6中,所述基于狄杰斯特拉算法,优化确定SV与DV之间路由策略具体为:
将认知车辆网络拓扑建模为带权有向图G=(V,E,W),其中,V为车辆节点集合,V={SV,RV1,...,RVN,DV},E为候选链路集合,E={Li,j},W为SV及认知RVs在Li,j采用最优子信道及优化功率传输对应的传输时延集合,建模SV与DV之间路由传输时延为基于狄杰斯特拉算法,优化确定SV与DV之间传输时延最小的路由,即
本发明的有益效果在于:本发明在认知车辆网络场景下,综合考虑车辆移动特性、认知用户所使用子信道的稳定性、认知用户对主用户的干扰等因素,确保主用户服务质量的前提下,基于最小链路传输时延准则,实现功率及子信道分配方法,选择端到端传输时延最小的路由,有效提高频谱资源的利用率。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明中所述的认知车辆网络联合路由选择及资源分配方法应用场景;
图2为本发明中所述的认知车辆网络联合路由选择及资源分配方法流程图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
图1为本发明中所述的认知车辆网络联合路由选择及资源分配方法的应用场景。假设通信场景为单向双轨道行驶道路,网络拓扑结构随着车辆的移动动态变化。图中SV、RVs及DV均为认知用户,可以感知并使用PU的授权频谱。SV将通过单个或多个RVs发送转发信息至DV。当认知SV-DV用户对之间存在多个候选路由时,由路由管理中心为SV选择端到端传输时延最小的路由,该选择策略可扩展至多个SVs需要进行数据转发的路由场景。
图2为本发明认知车辆网络联合路由选择及资源分配方法流程图,具体包括:
1:源车辆发送路由请求消息至路由管理中心;
2:建模链路生存时间,确定候选链路,具体为:
(1)令为车辆Vi与Vj之间的链路,0≤i,j≤N+1,N为网络中RVs的数目,V0表示SV,VN+1表示DV,建模链路使用子信道k对应链路有效生存时间为:Ti,j,k(t)=Ti,j(t)·min{Si,k,Sj,k},其中,Ti,j(t)为t时刻的生存时间,建模为H为车辆最大通信范围,(xi(t),yi(t))和(xj(t),yj(t))分别为Vi与Vj在t时刻的位置坐标,vi(t)和vj(t)分别为Vi与Vj在t时刻的运动速度,Si,k和Sj,k分别描述Vi与Vj在子信道k的稳定性,建模为其中,di,k为认知用户Vi到第k个PU的距离,假设第k个PU使用第k个子信道,1≤k≤K,K为系统可获得子信道总数,D为主用户最大通信范围,μk为子信道k被占用的概率,建模为其中,为第k个PU占用子信道k的时间,为子信道k空闲时间。
(2)确定V0的候选链路集合为其中,T(min)为由SV业务特性确定的最小链路生存时间。
3:建模候选链路传输时延,具体步骤如下:
候选链路Li,j的传输时延建模为:其中,xi,j,k为Li,j的子信道分配变量,xi,j,k=1表示为Li,j分配第k个子信道,否则,xi,j,k=0;Di,j,k为Li,j使用子信道k进行数据传输对应的传输时延,建模为S为V0拟传输数据包大小,Ri,j,k为Li,j在子信道k的传输速率,建模为:其中,B为PU的子信道带宽,即SV及认知RVs所共用的子信道带宽,Pi,j,k及hi,j,k分别为Li,j使用子信道k时SV及认知RVs的发送功率和信道增益,为第k个PU的发送功率,为第k个PU使用子信道k时到链路Li,j接收端的信道增益,σ2为信道噪声功率。
4:确定优化问题限制条件:
(1)发送功率限制:根据PU最小传输速率需求:其中,表示第k个PU的最小传输速率需求,表示第k个PU的传输速率,建模为其中,表示第k个PU的信道增益,表示Li,j发送端到PU接收端的信道增益,则0≤i,j≤N+1,i≠j,1≤k≤K;
(2)最小传输速率限制:认知用户在链路Li,j的传输速率需满足Ri,j≥R(min),其中,Ri,j建模为:R(min)为SV的业务最小传输速率需求,0≤i,j≤N+1,i≠j;
(3)子信道分配限制:基于SV及认知RVs发送端硬件限制,假设Li,j最多分配一个子信道,即:0≤i,j≤N+1,i≠j;
(4)路由选择限制:建模SV路由选择限制条件为:1≤j≤N+1;DV相邻节点路由选择限制条件为:0≤i≤N;认知RVs路由选择限制条件为:
5:基于最小链路传输时延准则,优化确定功率及子信道分配方法,具体为:
在满足4中的优化限制条件下,令xi,j,k=1,基于Li,j传输时延最小化准则,优化确定发送功率分配策略Di,j,k为Li,j选择子信道k的传输时延,对应最优继而优化确定子信道分配策略Di,j为Li,j的传输时延,对应Li,j的最优传输时延为
6:确定源与目的车辆间的最优路由,具体为:
将认知车辆网络拓扑建模为带权有向图G=(V,E,W),其中,V为车辆节点集合,V={SV,RV1,...,RVN,DV},E为候选链路集合,E={Li,j},W为SV及认知RVs在Li,j采用最优子信道及优化功率传输对应的传输时延集合,建模SV与DV之间路由传输时延为基于狄杰斯特拉算法,优化确定SV与DV之间传输时延最小的路由,即
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (6)
1.一种认知车辆网络联合路由选择及资源分配方法,其特征在于:该方法包括以下步骤:
S1:源车辆(Source Vehicle,SV)发送路由请求消息至路由管理中心(RouteManagement Center,RMC);
S2:RMC根据网络拓扑信息、认知车辆用户与主用户(Primary User,PU)传输范围及子信道使用状况,建模链路有效生存时间,确定SV与目的车辆(Destination Vehicle,DV)之间所有候选链路;
S3:建模候选链路传输时延;
S4:确定优化问题限制条件;
S5:基于链路传输时延最小化准则,实现SV及认知中继车辆(Relay Vehicles,RVs)功率及子信道分配方法;
S6:基于狄杰斯特拉算法,优化确定SV与DV之间路由策略;
S7:RMC发送功率、子信道分配及路由策略至SV及RVs,SV执行信息转发。
2.根据权利要求1所述的一种认知车辆网络联合路由选择及资源分配方法,其特征在于:在步骤S2中,所述建模链路有效生存时间,确定SV与DV之间所有候选链路具体为:
S201:令为车辆Vi与Vj之间的链路,0≤i,j≤N+1,N为网络中RVs的数目,V0表示SV,VN+1表示DV,建模链路使用子信道k对应链路有效生存时间为:Ti,j,k(t)=Ti,j(t)·min{Si,k,Sj,k},其中,Ti,j(t)为t时刻的生存时间,建模为H为车辆最大通信范围,(xi(t),yi(t))和(xj(t),yj(t))分别为Vi与Vj在t时刻的位置坐标,vi(t)和vj(t)分别为Vi与Vj在t时刻的运动速度,Si,k和Sj,k分别描述Vi与Vj在子信道k的稳定性,建模为其中,di,k为认知用户Vi到第k个PU的距离;设第k个PU使用第k个子信道,1≤k≤K,K为系统可获得子信道总数,D为主用户最大通信范围,μk为子信道k被占用的概率,建模为其中,为第k个PU占用子信道k的时间,为子信道k空闲时间;
S202:确定V0的候选链路集合为其中,T(min)为由SV业务特性确定的最小链路生存时间。
3.根据权利要求1所述的一种认知车辆网络联合路由选择及资源分配方法,其特征在于:在步骤S3中,所述建模候选链路传输时延具体为:
候选链路Li,j的传输时延建模为:其中,xi,j,k为Li,j的子信道分配变量,xi,j,k=1表示为Li,j分配第k个子信道,否则,xi,j,k=0;Di,j,k为Li,j使用子信道k进行数据传输对应的传输时延,建模为S为V0拟传输数据包大小,Ri,j,k为Li,j在子信道k的传输速率,建模为:其中,B为PU的子信道带宽,即SV及认知RVs所共用的子信道带宽,Pi,j,k及hi,j,k分别为Li,j使用子信道k时SV及认知RVs的发送功率和信道增益,为第k个PU的发送功率,为第k个PU使用子信道k时到链路Li,j接收端的信道增益,σ2为信道噪声功率。
4.根据权利要求1所述的一种认知车辆网络联合路由选择及资源分配方法,其特征在于:在步骤S4中,所述优化问题限制条件具体为:
(1)发送功率限制:根据PU最小传输速率需求:其中,表示第k个PU的最小传输速率需求,表示第k个PU的传输速率,建模为其中,表示第k个PU的信道增益,表示Li,j发送端到PU接收端的信道增益,则
(2)最小传输速率限制:认知用户在链路Li,j的传输速率需满足Ri,j≥R(min),其中,Ri,j建模为:R(min)为SV的业务最小传输速率需求,0≤i,j≤N+1,i≠j;
(3)子信道分配限制:基于SV及认知RVs发送端硬件限制,假设Li,j最多分配一个子信道,即:
(4)路由选择限制:建模SV路由选择限制条件为:DV相邻节点路由选择限制条件为:认知RVs路由选择限制条件为:
5.根据权利要求1所述的一种认知车辆网络联合路由选择及资源分配方法,其特征在于:在步骤S5中,所述基于链路传输时延最小化准则,实现SV及认知中继车辆功率及子信道分配方法具体为:
在满足步骤S4中的优化限制条件下,首先优化求解SV及认知RVs的发送功率,令xi,j,k=1,即假设SV或认知RVs占用第k个子信道在Li,j进行数据传输,基于Li,j传输时延最小化准则,优化确定SV或认知RVs的发送功率策略对应最优传输时延为给定优化功率策略进而优化求解子信道分配策略xi,j,k,建模Li,j传输时延为基于传输时延最小化优化确定Li,j的子信道分配策略,即
6.根据权利要求1所述的一种认知车辆网络联合路由选择及资源分配方法,其特征在于:在步骤S6中,所述基于狄杰斯特拉算法,优化确定SV与DV之间路由策略具体为:
将认知车辆网络拓扑建模为带权有向图G=(V,E,W),其中,V为车辆节点集合,V={SV,RV1,...,RVN,DV},E为候选链路集合,E={Li,j},W为SV及认知RVs在Li,j采用最优子信道及优化功率传输对应的传输时延集合,建模SV与DV之间路由传输时延为基于狄杰斯特拉算法,优化确定SV与DV之间传输时延最小的路由,即
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711437344.9A CN108055667B (zh) | 2017-12-26 | 2017-12-26 | 一种认知车辆网络联合路由选择及资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711437344.9A CN108055667B (zh) | 2017-12-26 | 2017-12-26 | 一种认知车辆网络联合路由选择及资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108055667A true CN108055667A (zh) | 2018-05-18 |
CN108055667B CN108055667B (zh) | 2021-03-23 |
Family
ID=62128168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711437344.9A Active CN108055667B (zh) | 2017-12-26 | 2017-12-26 | 一种认知车辆网络联合路由选择及资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108055667B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110381465A (zh) * | 2019-06-05 | 2019-10-25 | 珠海欧麦斯通信科技有限公司 | 一种基于车联网及城市物联网的中继选择优化方法 |
CN111431643A (zh) * | 2020-03-23 | 2020-07-17 | 腾讯科技(深圳)有限公司 | 一种信道连接方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080101394A1 (en) * | 2006-10-27 | 2008-05-01 | Fujitsu Ten Limited | Gateway apparatus and data transfer control method |
CN103338471A (zh) * | 2013-06-27 | 2013-10-02 | 南京邮电大学 | 基于模型的无线多跳网络服务质量指标评价方法 |
CN105338067A (zh) * | 2015-10-10 | 2016-02-17 | 苏州大学 | 一种基于网络编码的车联网数据传输方法及系统 |
CN106793142A (zh) * | 2016-12-21 | 2017-05-31 | 大唐高鸿信息通信研究院(义乌)有限公司 | 一种车载短距离通信网的信道资源调度优化方法 |
-
2017
- 2017-12-26 CN CN201711437344.9A patent/CN108055667B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080101394A1 (en) * | 2006-10-27 | 2008-05-01 | Fujitsu Ten Limited | Gateway apparatus and data transfer control method |
CN103338471A (zh) * | 2013-06-27 | 2013-10-02 | 南京邮电大学 | 基于模型的无线多跳网络服务质量指标评价方法 |
CN105338067A (zh) * | 2015-10-10 | 2016-02-17 | 苏州大学 | 一种基于网络编码的车联网数据传输方法及系统 |
CN106793142A (zh) * | 2016-12-21 | 2017-05-31 | 大唐高鸿信息通信研究院(义乌)有限公司 | 一种车载短距离通信网的信道资源调度优化方法 |
Non-Patent Citations (1)
Title |
---|
冯诚,李治军,姜守旭: "无线移动多信道感知网络上的数据聚集传输规划", 《计算机学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110381465A (zh) * | 2019-06-05 | 2019-10-25 | 珠海欧麦斯通信科技有限公司 | 一种基于车联网及城市物联网的中继选择优化方法 |
CN111431643A (zh) * | 2020-03-23 | 2020-07-17 | 腾讯科技(深圳)有限公司 | 一种信道连接方法及装置 |
CN111431643B (zh) * | 2020-03-23 | 2021-07-20 | 腾讯科技(深圳)有限公司 | 一种信道连接方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108055667B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Duan et al. | SDN enabled 5G-VANET: Adaptive vehicle clustering and beamformed transmission for aggregated traffic | |
Ge et al. | 5G software defined vehicular networks | |
Hu et al. | Vehicular multi-access edge computing with licensed sub-6 GHz, IEEE 802.11 p and mmWave | |
CN107682838B (zh) | 车联网通信联合集中式资源调度和自组织资源分配方法 | |
Zhou et al. | TV white space enabled connected vehicle networks: Challenges and solutions | |
Zhang et al. | Software-defined and fog-computing-based next generation vehicular networks | |
CN106160993B (zh) | 一种基于its中d2d通信模型的系统容量扩容方法 | |
Liu et al. | Energy-efficient subchannel matching and power allocation in NOMA autonomous driving vehicular networks | |
CN109756904B (zh) | 一种5g超密集无线接入网部署系统及其虚拟小区更新方法 | |
EP3404976B1 (en) | Procedure for managing radioelectric resources in 5g cellular networks aiming at the reuse of resources for vehicle-to-vehicle, v2v, communications | |
CN111741448A (zh) | 一种基于边缘计算策略的分簇aodv路由方法 | |
CN105979528A (zh) | 一种基于能效优化的认知协作网络联合资源分配方法 | |
CN107567068B (zh) | 一种超密集小型基站自适应fso回程网络构建方法 | |
Daoud et al. | Enhancing the LTE-based intelligent transportation system's performance | |
CN108055667A (zh) | 一种认知车辆网络联合路由选择及资源分配方法 | |
Xiong et al. | Reducing power consumption for autonomous ground vehicles via resource allocation based on road segmentation in V2X-MEC with resource constraints | |
Xiao et al. | A fog computing paradigm for efficient information services in VANET | |
Liu et al. | An elastic-segment-based V2V/V2I cooperative strategy for throughput enhancement | |
Wang et al. | Interference hypergraph-based resource allocation (IHG-RA) for NOMA-integrated V2X networks | |
Balen et al. | Survey on using 5G technology in VANETs | |
CN106793142B (zh) | 一种车载短距离通信网的信道资源调度优化方法 | |
Kalsoom et al. | Architecture for resource allocation in the Internet of vehicles for cooperating driving system | |
Gao et al. | A graph-based resource sharing and admission control for vehicular networks | |
Chen et al. | Data cooperative distribution mechanism of internet of vehicles using D2D technology | |
Ju et al. | DRL-based beam allocation in relay-aided multi-user mmWave 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 |