CN108540963A - 回连模式下车联网雾计算能力的评估方法 - Google Patents

Abstract

本发明公开了一种回连模式下车联网雾计算能力的评估方法，包括获取初始化数据；在每一个时间点，计算每台车辆到车联网中其他所有车辆的距离并获取距离最小值，以及计算每台车辆到车联网中事先设定的原点的距离并获取距离最小值；将车辆添加进入车联网，并将该车辆最后一次连接起点的时刻更新为当前时刻；更新车联网的数据信息；计算车联网的评估信息，从而完成车联网中雾计算能力的评估。本发明提供的这种回连模式下车联网雾计算能力的评估方法，通过车联网中的车辆数和计算能力对车联网雾计算能力进行评估，能够科学合理地对回连模式下车联网雾计算能力进行评估和评价，本发明方法简单可靠。

Description

回连模式下车联网雾计算能力的评估方法

技术领域

本发明具体涉及一种回连模式下车联网中雾计算能力的评估方法。

背景技术

随着经济技术的发展和人们生活水平的提高，物联网技术也得到了飞速的发展。

目前，全球运营车辆数量在2014年已经超过12亿辆，并且以大幅速度不断增加。这种趋势使得城市环境智能交通系统的实施变得越来越重要。过去十年来，已经有多种解决方案使道路上的车辆更加智能化，并提供更好的驾驶体验。例如，配备车载电脑，传感设备，无线收发器和可充电电池，典型的现代汽车或卡车能够与互联网交互以获得相关服务。随着在单个车辆上嵌入先进资源的技术不断发展，可以预见即使是低端车辆也将在不久的将来配备车载无线通信和数据采集设备。通过互联网访问，将车辆采集到的信息上传到传统客户-服务器通信模型下的远程数据中心，实现以智能车辆为普通移动设备的车辆云辅助服务。

一组附近的智能车辆在道路上相互拥挤，可以通过专用的短程通信(DSRC)连接形成车辆雾(VF，Vehicular Fog)，DSRC在美国车辆联网委员会支持的联邦通信所分配的5.9GHz频带内具有75MHz的许可频谱范围。由于可能存在连接车辆的路边单元以加强车辆雾的连通性，车辆到车辆(V2V)和车辆到基础设施(V2I)通信都可以为VFC(车辆雾计算，VFC，Vehicular Fog Computing)服务。在被称为节点的车辆雾中，每个智能车辆都可以是计算服务提供者以及服务的客户端。通过在车辆雾节点之间划分任务，初始车辆可以加速其计算任务，同时节约能耗。由于雾计算服务是通过车辆雾的本地交互即时访问的，从而消除了通信延迟和远程数据漫游费用。许多安全和应急应用，如事故预警，路线推荐和其他车载计算密集型游戏或任务，可以由本地VFC支持或加速。

但是，目前对于车辆雾计算的研究中，大多都集中于对于车辆雾计算的系统设计，缺乏对于车辆雾计算能力的评估研究。

发明内容

本发明的目的在于提供一种能够准确在回连模式下对车联网中雾计算能力进行评估的方法。

本发明提供的这种回连模式下车联网中雾计算能力的评估方法，包括如下步骤：

S1.获取初始化数据信息；

S2.在每一个时间点，计算每台车辆到车联网中其他所有车辆的距离并获取距离最小值；

S3.在每一个时间点，计算每台车辆到车联网中事先设定的原点的距离并获取距离最小值；

S4.若步骤S2获取的距离最小值小于事先设定的第一阈值，则将该车辆添加进入车联网；

S5.若步骤S3获取的距离最小值小于事先设定的第二阈值，则将该车辆最后一次连接起点的时刻更新为当前时刻；

S6.更新车联网的数据信息；

S7.计算车联网的评估信息，从而完成车联网中雾计算能力的评估。

步骤S1所述的初始化信息，具体包括车辆样本集合、车辆数量、车联网通信半径和车联网最大容忍时间。

步骤S4所述的事先设定的第一阈值具体为车联网通信半径。

步骤S5所述的事先设定的第二阈值具体为车联网通信半径。

步骤S7所述的评估信息，具体包括车联网的连接车辆数和车联网的计算能力。

所述的计算评估信息，具体为采用如下步骤进行计算：

A.若某一车辆加入车联网，则车联网的连接车辆数增加1；

B.若某一车辆加入车联网，则该车的计算能力增加N₊，N₊为自然数；

C.若步骤S5获取的距离最小值小于事先设定的第二阈值，则将该车的计算能力增加t₂-t₁，其中t₂为该车辆最后一次连接起点的时刻，t₁为该车辆加入车联网的时刻；

D.采用如下公式计算车联网的雾计算能力：

式中C_b(t)为t时刻回连模式下的车联网雾计算能力，V＝v_i为车联网内车辆的集合；车辆加入车联雾的时间t₁和车辆最后连接到发起者的时间t₂分别定义为：

式中t₀为发起者开始分配任务的初始时间，V(t₀)为t₀时刻车联网中连接车辆的集合，t为当前时刻，e_i0为车辆i与发起者之间的边，体现了车辆i与发起者之间的连接可用性，两个点i、j在t时刻的边定义如下：

E(t)＝{e_ij|i≠j,v_i,v_j∈V,(x_i(t)-x_j(t))2+(y_i(t)-y_j(t))2＜R2}；R表示通信半径，E(t₀)为t₀时刻车联网中边的集合；

E.采用车联网的连接车辆数和车联网的雾计算能力作为车联网中雾计算能力的评估依据。

本发明提供的这种回连模式下车联网雾计算能力的评估方法，通过车联网中的车辆数和计算能力对车联网雾计算能力进行评估，能够科学合理地对回连模式下车联网的计算能力进行评估和评价，而且本发明方法简单可靠。

附图说明

图1为本发明方法的方法流程图。

图2为回连模式下不同通信半径情况下连接车辆数量和车联网雾计算能力与延迟的关系示意图。

图3为回连模式下不同延迟情况下连接车辆数量和车联网雾计算能力与通信半径的关系示意图。

图4为回连模式下连接车辆数量和车联网雾计算能力与7天内不同延迟情况的关系示意图。

图5为回连模式下在不同延迟情况下连接车辆数量和车联网雾计算能力与发起者数量之间的关系示意图。

具体实施方式

所述的回连模式(BC,back-connecting mode)，车辆必须将结果直接发送回发起者，这意味着他们必须在时间t之前连接到发起者。

如图1所示为本发明方法的方法流程图：本发明提供的这种回连模式下车联雾计算能力的评估方法，包括如下步骤：

S1.获取初始化数据信息；具体包括车辆样本集合、车辆数量、车联网通信半径和车联网最大容忍时间；

S2.在每一个时间点，计算每台车辆到车联网中其他所有车辆的距离并获取距离最小值；

S3.在每一个时间点，计算每台车辆到车联网中事先设定的原点的距离并获取距离最小值；

S4.若步骤S2获取的距离最小值小于事先设定的第一阈值(可以设置为车联网通信半径)，则将该车辆添加进入车联网；

S5.若步骤S3获取的距离最小值小于事先设定的第二阈值(可以设置为车联网通信半径)，则将该车辆最后一次连接起点的时刻更新为当前时刻；

S6.更新车联网的数据信息；

S7.计算车联网的评估信息，具体包括车联网的连接车辆数和车联网的计算能力，从而完成车联网中雾计算能力的评估；采用如下步骤进行计算评估信息：

A.若某一车辆加入车联网，则车联网的连接车辆数增加1；

B.若某一车辆加入车联网，则该车的计算能力增加N₊，N₊为自然数；

C.若步骤S5获取的距离最小值小于事先设定的第二阈值，则将该车的计算能力增加t₂-t₁，其中t₂为该车辆最后一次连接起点的时刻，t₁为该车辆加入车联网的时刻；

D.采用如下公式计算车联网的雾计算能力：

式中C_b(t)为t时刻回连模式下的车联网雾计算能力，V＝v_i为车联网内车辆的集合；车辆加入车联雾的时间t₁和车辆最后连接到发起者的时间t₂分别定义为：

式中t₀为发起者开始分配任务的初始时间，V(t₀)为t₀时刻车联网中连接车辆的集合，t为当前时刻，e_i0为车辆i与发起者之间的边，体现了车辆i与发起者之间的连接可用性，两个点i、j在t时刻的边定义如下：

E(t)＝{e_ij|i≠j,v_i,v_j∈V,(x_i(t)-x_j(t))2+(y_i(t)-y_j(t))2＜R2}；R表示通信半径，E(t₀)为t₀时刻车联网中边的集合；

E.采用车联网的连接车辆数和车联网的雾计算能力作为车联网中雾计算能力的评估依据。

以下对本发明方法进行进一步说明和讨论：

定义如下变量：

时变图：将G(V(t),E(t))定义为在时间t的时变图。在这里，V＝v_i是一组顶点，每个顶点代表在t时刻行驶在道路情景中的车辆i，在t时刻的车辆样本为(i,t,x_i(t),y_i(t))。E＝{e_ij|v_i,v_j∈V,i≠j}为边的集合，表示车辆之间连接的可行性；

建立时序图后，定义与车辆雾计算有关的参数和因素。将两辆车的连接简化为一个0-1的过程，连接是否可以建立是由两车之间的距离决定的。计算任务可以在一定距离内发送到其他车辆，接收到任务的车辆成为新的发起者。可以发现，这个模型提供了车辆雾的上限容量，成功通过连接的数据传输是否可以实现取决于除了距离外的许多其他随机因素。计算任务的结果必须在所有车辆完成处理后返回到某处。本发明仅讨论回连模式。

定义通信半径R，它表示信号可以发送的最大距离。当两辆车之间的距离小于R时，两辆车则在那个时间相连。基于时变图模型，定义两个顶点在时间t的边为E(t)：{e_ij|i≠j,v_i,v_j∈V,(x_i(t)-x_j(t))²+(y_i(t)-y_j(t))²＜R²}。

每辆车都有一个处理器来处理一些计算任务。当某一特定车辆的计算任务复杂而不能自行完成时，可将其作为子任务卸载到所连接的车辆上。接收到子任务的车辆可以同时进行处理，并将子任务发送给之后连接的其他车辆。因此，此任务通过网络扩散的方式分配给其他车辆。最初接收任务的车辆被定义为发起者。发起者在开始时间t＝0时分配任务。发起者的第一个坐标为0，因此发起者的样本为(0,t_i,x₀(t_i),y₀(t_i))。延迟是指从发起者开始分配计算任务的持续时间。本申请定义了两种模式：回连模式(BC,back-connectingmode)和非回连模式(NBC,non-back-connecting mode)。对于回连模式，车辆必须将结果直接发送回发起者，这意味着他们必须在时间t之前连接到发起者。对于非回连模式，处理任务的车辆不需要将结果发回给发起者。本发明讨论的是回连模式。在回连模式(BC,back-connecting mode)中，车辆必须将结果直接发送回发起者，这意味着他们必须在时间t之前连接到发起者。

在回连模式下，N是接收到任务并在时间t之前将结果发送给发起者的车辆数量。

假设每辆车的处理器具有相同的处理速度，则可以用时间长度来描述每个处理器的计算能力。在回连模式下，一个车辆的计算能力是从其接收到任务到连接到发起者的最近时间。

以下以B市的实际数据为例，使用了2009年5月份历时一个月从27,000台B市携带GPS接收机的出租车获得的移动轨迹日志。出租车对城市环境更加敏感，包括道路拓扑结构和对其他车辆设备的交通管制，它们的时空覆盖面更广。这是选择出租车来收集数据的主要原因。在数据集中，移动出租车的位置和时间戳是按固定的时间间隔记录的。使用的信息包括：出租车ID，出租车位置的经纬度坐标和时间戳。从整个数据轨迹来看，每天大约有两千万条有效记录，这是可以获得的最大车辆移动轨迹。

在获取数据后，对数据进行滤波和插值处理，从而得到有效数据。

图2(a)为连接车辆数量随延迟的变化情况示意图；图2(b)为计算能力随延迟的变化情况示意图；图2显示了BC模式(回连模式)下连接车辆的数量和计算能力与延迟之间的关系，分别绘制了通信半径R分别为50m，100m和200m的三条曲线。随着延迟的增加，连接车辆数量的增加速度逐渐加快，然后变慢。BC模式下，在短暂的延迟下，计算能力很小，随后计算能力迅速上升，最后增长变得缓慢。

图3(a)为连接车辆数量随通信半径的变化情况示意图，图3(b)为计算能力随通信半径的变化情况示意图；图3表明：连接车辆的数量N和计算能力C都与通信半径R呈现了良好的线性关系。然而，可以发现，在R＝50m处，连接车辆的数量达不到1/6，计算能力小于R＝200m的1/8。因此，对于较短的通信半径，连接车辆的数量N和计算能力C与通信半径R之间的变化趋势应该是不同的，网络不能有效建立。因此R＝50m可以被定义为网络的一个较好的下界。在延迟为2000s时，网络性能不好，连接车辆数量N和计算能力C均较低，连接车辆数量N和计算能力C均在2000s后大幅度增加，这在之前的延迟分析中有所体现。经过长时间延迟后，连接车辆的数量N和计算能力C均随通信半径R的增加而增加，在回连模式下连接车辆的数量和计算能力与通信半径呈现了良好的线性关系。

图4(a)为连接车辆数量随7天内不同延迟情况变化的示意图，图4(b)为计算能力随7天内不同延迟情况变化的示意图。图4表明：连接车辆的数量和计算能力在2:00到4:00达到最低点，因为这段时间很多人在睡觉并且路上的车很少，曲线不断上升，直到一天的中午。在BC模式下，连接车辆的数量和计算能力在12:00至14:00达到最大值，分别为280和6.5×10⁶。大多数情况下，20:00左右联网车辆数量再次增加，计算能力相近，但振荡性较大，不同日期则有所不同。由此可以得出结论，在白天当有更多的车辆活动时，连接车辆数量和计算能力较大，在夜间则较小。

图5(a)为不同延迟情况下连接车辆数量随发起者数量的变化情况示意图，图5(b)为不同延迟情况下计算能力随发起者数量的变化情况示意图。在回连模式下，由于只有数百辆车辆可以将结果发回发起者，与网络中的27000辆车相比，可以忽略不计，许多车辆连回到不同的发起者。因此，可以从图中看出，添加发起者时，连接车辆的数量和计算能力均稳定而快速地增加。在延迟为6000s时，在9个发起者的网络中，连接的车辆数量是单发起者网络的三倍以上，计算能力是其计算能力的5倍。连接车辆数量N和计算能力C的改进是通过在回连模式下添加发起者来实现的。从结果可以看出，在回连模式下，随着发起者数量的增加，连接车辆数量和计算能力显著增加。

Claims (6)

1.一种回连模式下车联网中雾计算能力的评估方法，包括如下步骤：

S1.获取初始化数据信息；

S2.在每一个时间点，计算每台车辆到车联网中其他所有车辆的距离并获取距离最小值；

S3.在每一个时间点，计算每台车辆到车联网中事先设定的原点的距离并获取距离最小值；

S4.若步骤S2获取的距离最小值小于事先设定的第一阈值，则将该车辆添加进入车联网；

S5.若步骤S3获取的距离最小值小于事先设定的第二阈值，则将该车辆最后一次连接起点的时刻更新为当前时刻；

S6.更新车联网的数据信息；

S7.计算车联网的评估信息，从而完成车联网中雾计算能力的评估。

2.根据权利要求1所述的回连模式下车联网中雾计算能力的评估方法，其特征在于步骤S1所述的初始化信息，具体包括车辆样本集合、车辆数量、车联网通信半径和车联网最大容忍时间。

3.根据权利要求2所述的回连模式下车联网中雾计算能力的评估方法，其特征在于步骤S4所述的事先设定的第一阈值具体为车联网通信半径。

4.根据权利要求3所述的回连模式下车联网中雾计算能力的评估方法，其特征在于步骤S5所述的事先设定的第二阈值具体为车联网通信半径。

5.根据权利要求1～4之一所述的回连模式下车联网中雾计算能力的评估方法，其特征在于步骤S7所述的评估信息，具体包括车联网的连接车辆数和车联网的计算能力。

6.根据权利要求5所述的回连模式下车联网中雾计算能力的评估方法，其特征在于所述的计算评估信息，具体为采用如下步骤进行计算：

A.若某一车辆加入车联网，则车联网的连接车辆数增加1；

B.若某一车辆加入车联网，则该车的计算能力增加N₊，N₊为自然数；

C.若步骤S5获取的距离最小值小于事先设定的第二阈值，则将该车的计算能力增加t₂-t₁，其中t₂为该车辆最后一次连接起点的时刻，t₁为该车辆加入车联网的时刻；

D.采用如下公式计算车联网的雾计算能力：

式中C_b(t)为t时刻回连模式下的车联网雾计算能力，V＝v_i为车联网内车辆的集合；车辆加入车联雾的时间t₁和车辆最后连接到发起者的时间t₂分别定义为：

式中t₀为发起者开始分配任务的初始时间，V(t₀)为t₀时刻车联网中连接车辆的集合，t为当前时刻，e_i0为车辆i与发起者之间的边，体现了车辆i与发起者之间的连接可用性，两个点i、j在t时刻的边定义如下：

E(t)＝{e_ij|i≠j,v_i,v_j∈V,(x_i(t)-x_j(t))²+(y_i(t)-y_j(t))²＜R²}；R表示通信半径，E(t₀)为t₀时刻车联网中边的集合；

E.采用车联网的连接车辆数和车联网的雾计算能力作为车联网中雾计算能力的评估依据。