CN108366347B - 一种车联网动态自组网的方法 - Google Patents
一种车联网动态自组网的方法 Download PDFInfo
- Publication number
- CN108366347B CN108366347B CN201711474545.6A CN201711474545A CN108366347B CN 108366347 B CN108366347 B CN 108366347B CN 201711474545 A CN201711474545 A CN 201711474545A CN 108366347 B CN108366347 B CN 108366347B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vehicles
- motion trail
- head
- calculating
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
一种车联网动态自组网的方法,其特征在于:包括以下步骤:S1、本车接收附近连接车辆的通讯消息;S2、判断连接车辆是否在管理队列中,如果连接车辆在管理队列中则继续计算本车运动轨迹,如果连接车辆不在管理队列中,则判断该连接车辆是否满足车头方向条件,如果该连接车辆满足车头方向条件则将该车辆加入节点管理队列,并随后计算本车运动轨迹;S3、在完成计算本车运动轨迹之后,继续计算连接车辆的运动轨迹;S4、如果本车的运动轨迹与连接车辆的运动轨迹的轨迹点数据存在相同的点,则识别应用场景并报警;如果轨迹点数据完全不同,则删除该节点。
Description
技术领域
本申请涉及一种车联网自组网的方法,具体地,属于一种车联网动态自组网的方法。
背景技术
基于蜂窝网络的通讯技术C-V2X是未来车联网的发展趋势,它有部署成本低、网络覆盖广等优点。C-V2X作为5G的重要组成部分持续演进。在车联网中,组网策略是一项关键的技术,也是研究的重点和难点。在广域网络中,研究车联网的组网策略,需要解决以下几个问题:一、连接节点数量巨大,应用环境复杂多变;二、通讯节点密度高,存在通讯信道竞争问题;三、车载终端属于嵌入式设备,数据处理能力有限,各节点通讯过于频繁,将影响终端系统功能的正常使用。
目前,车联网的组网策略,常规的方式是将所有通讯范围内的连接节点放入到节点池中,通过应用场景进行分类后,设计队列的数据结构进行管理。该方法存在着以下几个问题:一、场景识别的算法需要耗费一定的系统资源,在真实道路中,连接节点数量巨大,车载终端系统资源有限,无法承受如此巨大的运算;二、由于车辆高速移动的过程中,连接节点的跳变比较频繁,节点队列的增删操作频繁会影响车载终端的整体性能;三、连接节点数量巨大,冗余数据会产生噪声,导致场景识别的误判,影响系统稳定性。例如,车头方向为反向行驶的两车,是不会发生任何事故的,不应该接收和处理该节点的任何信息。四、在蜂窝网的广域网络内,通讯距离是无限的,无法确定有效的作用域。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供一种车联网动态自组网的方法。
本发明旨在至少在一定程度上解决上述技术问题。
本发明的首要目的是解决技术问题:连接节点数量巨大,冗余数据会产生噪声,导致场景识别的误判,影响系统稳定性。
为解决上述技术问题,本发明的技术方案如下:
一种车联网动态自组网的方法,其特征在于:包括以下步骤:
S1、本车(HV)接收附近连接车辆(RV)的通讯消息;
S2、判断连接车辆(RV)是否在管理队列中,如果连接车辆(RV)在管理队列中则继续计算本车(HV)运动轨迹,如果连接车辆(RV)不在管理队列中,则判断该连接车辆(RV)是否满足车头方向条件,如果该连接车辆(RV)满足车头方向条件则将该车辆加入节点管理队列,并随后计算本车(HV)运动轨迹;
S3、在完成计算本车(HV)运动轨迹之后,继续计算连接车辆(RV)的运动轨迹;
S4、如果本车(HV)的运动轨迹与连接车辆(RV)的运动轨迹的轨迹点数据存在相同的点,则识别应用场景并报警;如果轨迹点数据完全不同,则将该车辆移出节点管理队列。
进一步的,判断是否满足车头方向条件的方法为:以本车(HV)为中心,根据连接车辆(RV)车头方向信息,筛选出车头方向指向中心的车辆,加入到节点管理队列并以速度方向模型Pi(v,h)表示,其中i表示连接节点的序号,V表示连接车辆的速度,h表示连接车辆的车头方向。
进一步的,计算本车的运动轨迹的方法是根据本车(HV)的位置信息、速度、车头方向以及车身信息,计算出本车(HV)的运动轨迹点,以时间位置模型MHj(t,x,y)存储到数组中,其中j表示轨迹点的序号,t表示到达位置所需要的时间点,x表示到达位置的经度,y表示到达位置的纬度。
进一步的,计算连接车辆运动轨迹的方法为根据连接车辆(RV)的位置信息、速度、车头方向以及车身信息,计算连接车辆(RV)的运动轨迹点,以时间位置模型MRj(t,x,y)存储到二维数组a[i][j]中,其中i表示连接节点的序号,j表示该节点的运动轨迹点的序号。
进一步的,在步骤S4中,循环把连接车辆(RV)的MRj数据与本车(HV)的MHj数据进行比较,如果所有数据点均不相同,把连接车辆(RV)从节点管理队列中删除,如果连接车辆(RV)的MRj数据与本车(HV)的MHj有相同的数据点,根据连接车辆(RV)的位置信息、速度、车头方向以及车身信息使用场景算法进行计算,识别出相应的应用场景并报警。
进一步的,根据本车(HV)的位置信息、速度、车头方向以及车身信息和通讯消息中上报的连接车辆(RV)的位置信息、速度、车头方向以及车身信息实时计算更新Pi,MHj和MRj的数据,将不符合组网条件的节点从节点管理队列中删除。
与现有技术相比,本发明技术方案的有益效果是:本发明主要是通过车头方向和运动轨迹两个条件作为组网条件,筛选出满足条件的组网节点,并以本车为中心对连接节点进行动态管理。改善和解决了以下几个问题:一、较少了冗余信息的处理,改善了因为连接节点数量巨大而导致系统稳定性问题;二、加强了连接节点的管理,有利于应用场景的识别和预警;三、解决了广域网内,有效作用域无法确定的问题。
附图说明
图1为车头方向判断示意图。
图2为汽车运动轨迹交点判断示意图。
图3车联网动态自组网流程图
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的;相同或相似的标号对应相同或相似的部件;附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制。
具体实施方式
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
参见附图1-3,一种车联网动态自组网的方法,其特征在于:包括以下步骤:
S1、本车(HV)接收附近连接车辆(RV)的通讯消息;
S2、判断连接车辆(RV)是否在管理队列中,如果连接车辆(RV)在管理队列中则继续计算本车(HV)运动轨迹,如果连接车辆(RV)不在管理队列中,则判断该连接车辆(RV)是否满足车头方向条件,如果该连接车辆(RV)满足车头方向条件则将该车辆加入节点管理队列,并随后计算本车(HV)运动轨迹;
S3、在完成计算本车(HV)运动轨迹之后,继续计算连接车辆(RV)的运动轨迹;
S4、如果本车(HV)的运动轨迹与连接车辆(RV)的运动轨迹的轨迹点数据存在相同的点,则识别应用场景并报警;如果轨迹点数据完全不同,则将该车辆移出节点管理队列。
实施例2
本实施例类似于实施例 1,进一步的,判断是否满足车头方向条件的方法为:以本车(HV)为中心,根据连接车辆(RV)车头方向信息,筛选出车头方向指向中心的车辆,加入到节点管理队列并以速度方向模型Pi(v,h)表示,其中i表示连接节点的序号,V表示连接车辆的速度,h表示连接车辆的车头方向。如图1所示,符合组网条件的车辆有RV1、RV2、RV3和RV4。
计算本车的运动轨迹的方法是根据本车(HV)的位置信息、速度、车头方向以及车身信息,计算出本车(HV)的运动轨迹点,以时间位置模型MHj(t,x,y)存储到数组中,其中i表示轨迹点的序号,t表示到达位置所需要的时间点,x表示到达位置的经度,y表示到达位置的纬度。
计算连接车辆运动轨迹的方法为根据连接车辆(RV)的位置信息、速度、车头方向以及车身信息,计算连接车辆(RV)的运动轨迹点,以时间位置模型MRj(t,x,y)存储到二维数组a[i][j]中,其中i表示连接节点的序号,j表示该节点的运动轨迹点的序号。
在步骤S4中,循环把连接车辆(RV)的MRj数据与本车(HV)的MHj数据进行比较,如果所有数据点均不相同,把连接车辆(RV)从节点管理队列中删除,如图2 所示,RV3与HV的运动轨迹无交点,因此可以把RV3从节点管理队列PM中删除;如果连接车辆(RV)的MRj数据与本车(HV)的MHj有相同的数据点,根据连接车辆(RV)的位置信息、速度、车头方向以及车身信息使用场景算法进行计算,识别出相应的应用场景并报警。如图2 所示,RV1与HV的运动轨迹有交点,因此把RV1的相关信息进行场景算法计算,识别出本车HV与RV1的应用场景并预警。
根据本车(HV)的位置信息、速度、车头方向以及车身信息和通讯消息中上报的连接车辆(RV)的位置信息、速度、车头方向以及车身信息实时计算更新Pi,MHj和MRj的数据,将不符合组网条件的节点从节点管理队列中删除。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.一种车联网动态自组网的方法,其特征在于:包括以下步骤:
S1、本车(HV)接收附近连接车辆(RV)的通讯消息;
S2、判断连接车辆(RV)是否在管理队列中,如果连接车辆(RV)在管理队列中则继续计算本车(HV)运动轨迹,如果连接车辆(RV)不在管理队列中, 则判断该连接车辆(RV)是否满足车头方向条件,如果该连接车辆(RV)满足车头方向条件则将该车辆加入节点管理队列,并随后计算本车(HV)运动轨迹;
S3、在完成计算本车(HV)运动轨迹之后,继续计算连接车辆(RV)的运动轨迹;
S4、如果本车(HV)的运动轨迹与连接车辆(RV)的运动轨迹的轨迹点数据存在相同的点,则识别应用场景并报警;如果轨迹点数据完全不同,则将该车辆移出节点管理队列。
2.根据权利要求1所述的车联网动态自组网的方法,其特征在于:判断是否满足车头方向条件的方法为:以本车(HV)为中心,根据连接车辆(RV)车头方向信息,筛选出车头方向指向中心的车辆,加入到节点管理队列并以速度方向模型Pi(v,h)表示,其中i表示连接节点的序号,V表示连接车辆的速度,h表示连接车辆的车头方向。
3.根据权利要求1或2所述的车联网动态自组网的方法,其特征在于:计算本车的运动轨迹的方法是根据本车(HV)的位置信息、速度、车头方向以及车身信息,计算出本车(HV)的运动轨迹点,以时间位置模型MHj(t,x,y)存储到数组中,其中j表示轨迹点的序号,t表示到达位置所需要的时间点,x表示到达位置的经度,y表示到达位置的纬度。
4.根据权利要求3所述的车联网动态自组网的方法,其特征在于:计算连接车辆运动轨迹的方法为根据连接车辆(RV)的位置信息、速度、车头方向以及车身信息,计算连接车辆(RV)的运动轨迹点,以时间位置模型MRj(t,x,y)存储到二维数组a[i][j]中,其中i表示连接节点的序号,j表示该节点的运动轨迹点的序号。
5.根据权利要求4所述的车联网动态自组网的方法,其特征在于:所述步骤S4中,循环把连接车辆(RV)的MRj数据与本车(HV)的MHj数据进行比较,如果所有数据点均不相同,把连接车辆(RV)从节点管理队列中删除,如果连接车辆(RV)的MRj数据与本车(HV)的MHj有相同的数据点,根据连接车辆(RV)的位置信息、速度、车头方向以及车身信息使用场景算法进行计算,识别出相应的应用场景并报警。
6.根据权利要求5 所述的车联网动态自组网的方法,其特征在于:根据本车(HV)的位置信息、速度、车头方向以及车身信息和通讯消息中上报的连接车辆(RV)的位置信息、速度、车头方向以及车身信息实时计算更新Pi,MHj和MRj的数据,将不符合组网条件的节点从节点管理队列中删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711474545.6A CN108366347B (zh) | 2017-12-29 | 2017-12-29 | 一种车联网动态自组网的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711474545.6A CN108366347B (zh) | 2017-12-29 | 2017-12-29 | 一种车联网动态自组网的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108366347A CN108366347A (zh) | 2018-08-03 |
CN108366347B true CN108366347B (zh) | 2020-05-15 |
Family
ID=63010346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711474545.6A Active CN108366347B (zh) | 2017-12-29 | 2017-12-29 | 一种车联网动态自组网的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108366347B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109448358A (zh) * | 2018-10-31 | 2019-03-08 | 惠州市德赛西威汽车电子股份有限公司 | 一种车辆自协同的排队方法及装置 |
CN113409564B (zh) * | 2020-03-17 | 2022-09-02 | 北京金山云网络技术有限公司 | 车队的安全管理方法、装置及设备 |
CN111653090B (zh) * | 2020-05-08 | 2022-03-22 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于v2x的无威胁车辆筛选方法 |
CN114640944A (zh) * | 2022-03-01 | 2022-06-17 | 厦门大学 | 基于信息可用性的车路协同多域多源资源管理方法 |
CN117097767B (zh) * | 2023-10-18 | 2023-12-22 | 长春师范大学 | 一种用于汽车车联网的联合通讯方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103241243A (zh) * | 2013-05-15 | 2013-08-14 | 奇瑞汽车股份有限公司 | 一种确定车辆状态的方法和装置 |
CN104537889A (zh) * | 2014-12-30 | 2015-04-22 | 四川九洲电器集团有限责任公司 | 一种不同车况下的防撞方法和系统 |
CN104796165A (zh) * | 2015-03-18 | 2015-07-22 | 深圳市赛格导航科技股份有限公司 | 车载通信终端、通信系统及通信方法 |
CN106790700A (zh) * | 2017-02-23 | 2017-05-31 | 宇龙计算机通信科技(深圳)有限公司 | 道路环境信息的发送和接收方法、装置及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100520157B1 (ko) * | 2003-06-18 | 2005-10-10 | 삼성전자주식회사 | 임시 무선 네트워크를 이용한 교통정보 시스템 및 방법 |
CN105813159B (zh) * | 2014-12-30 | 2020-02-21 | 北京大唐高鸿数据网络技术有限公司 | 车载短距离通信网中改进的GeoGRID路由方法 |
CN107343024B (zh) * | 2017-06-02 | 2020-01-10 | 华南理工大学 | 一种集中式车联网mac层合并碰撞预测及避免方法 |
CN107231441A (zh) * | 2017-08-02 | 2017-10-03 | 北京瑞腾中天科技有限公司 | 一种融合多种车联网的车载系统 |
US10493912B2 (en) * | 2017-09-28 | 2019-12-03 | Nissan North America, Inc. | Vehicle warning system and method |
-
2017
- 2017-12-29 CN CN201711474545.6A patent/CN108366347B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103241243A (zh) * | 2013-05-15 | 2013-08-14 | 奇瑞汽车股份有限公司 | 一种确定车辆状态的方法和装置 |
CN104537889A (zh) * | 2014-12-30 | 2015-04-22 | 四川九洲电器集团有限责任公司 | 一种不同车况下的防撞方法和系统 |
CN104796165A (zh) * | 2015-03-18 | 2015-07-22 | 深圳市赛格导航科技股份有限公司 | 车载通信终端、通信系统及通信方法 |
CN106790700A (zh) * | 2017-02-23 | 2017-05-31 | 宇龙计算机通信科技(深圳)有限公司 | 道路环境信息的发送和接收方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
基于VANET的车辆碰撞预警系统研究与仿真;刘飞;《中国优秀硕士学位论文全文数据库(电子期刊)》;20160515;正文第1章-第6章 * |
Also Published As
Publication number | Publication date |
---|---|
CN108366347A (zh) | 2018-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108366347B (zh) | 一种车联网动态自组网的方法 | |
Mozaffari et al. | Deep learning-based vehicle behavior prediction for autonomous driving applications: A review | |
US10591910B2 (en) | Machine-learning systems and techniques to optimize teleoperation and/or planner decisions | |
JP7036732B2 (ja) | 自律車両のためのシミュレーションシステムおよび方法 | |
JP2022065083A (ja) | 物理的環境の変化に応答して自律車両をナビゲートするための適応マッピング | |
WO2017079228A2 (en) | Adaptive autonomous vehicle planner logic | |
CN109975839B (zh) | 一种车辆卫星定位数据的联合滤波优化方法 | |
Dietzel et al. | Modeling in-network aggregation in VANETs | |
CN109275121A (zh) | 一种基于自适应扩展卡尔曼滤波的车辆轨迹跟踪方法 | |
CN107396291B (zh) | 车辆分簇处理方法和系统 | |
JP7501601B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN115147790B (zh) | 一种基于图神经网络的车辆未来轨迹预测方法 | |
CN105809954A (zh) | 交通事件检测方法以及系统 | |
US20220343637A1 (en) | Traffic flow machine-learning modeling system and method applied to vehicles | |
CN111291144B (zh) | 一种道路交叉口位置和覆盖范围检测框架方法 | |
Ghahremannezhad et al. | A real time accident detection framework for traffic video analysis | |
Parada et al. | Machine learning-based trajectory prediction for vru collision avoidance in v2x environments | |
CN116678432B (zh) | 一种基于边缘服务下的车辆实时路径规划方法 | |
CN105701555A (zh) | 用于划分路网的方法和系统 | |
CN101344583A (zh) | 用于追踪移动实体的方法 | |
Maglaras et al. | Clustering in urban environments: Virtual forces applied to vehicles | |
CN108241866A (zh) | 一种对驾驶行为进行引导的方法、装置和车辆 | |
JP7351397B2 (ja) | 通信品質を予測するシステム、装置、方法及びプログラム | |
Zhu et al. | Service availability analysis in communication-based train control (CBTC) systems using WLANs | |
Lu et al. | An anti-collision algorithm for self-organizing vehicular ad-hoc network using deep learning |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220407 Address after: No. 103, Hechang 5th Road West, Zhongkai high tech Zone, Huizhou City, Guangdong Province Patentee after: HUIZHOU DESAY SV AUTOMOTIVE Co.,Ltd. Patentee after: Guangzhou Desai Xiwei Intelligent Transportation Technology Co., Ltd Address before: No. 103, Hechang 5th Road West, Zhongkai high tech Zone, Huizhou City, Guangdong Province Patentee before: HUIZHOU DESAY SV AUTOMOTIVE Co.,Ltd. |
|
TR01 | Transfer of patent right |