CN108848511B - 车载网中面向车流覆盖需求的RSUs部署方法 - Google Patents

Abstract

本发明提供一种车载网中面向车流覆盖需求的RSUs部署方法，所述RSUs为路边单元，其特征在于：通过将车流分割为多条首尾相连的子车流，将RSUs部署转换为集合覆盖问题，采用一次性部署或增量部署方式实现；所述一次性部署，是直接在给定的街道上部署所有的路边单元；所述增量部署，是根据用户需求在已经存在的路边单元基础上部署新的路边单元。本发明用路边单元(RSUs)为车辆提供低廉的数据下载服务，从而降低用户下载数据所需要的成本。

Description

车载网中面向车流覆盖需求的RSUs部署方法

技术领域

本发明涉及车载网资源部署领域，具体涉及车载网中面向车流覆盖需求的RSUs部署方法。

背景技术

随着车载网(VANETs)的发展，路边单元(RSUs)作为车载网的基础设施扮演着越来越重要的角色。它不仅可以用于监视和跟踪交通流量，还可以用于协助信息传输，以及确定车辆的位置，并分析车辆的机动性和改善交通安全状况。互联网内容提供商(ICP)利用路边单元(RSUs)为车辆提供低廉的数据下载服务，并帮助车辆降低从蜂窝网络下载内容所需要的成本。本发明主要研究了利用路边单元(RSUs)为车辆提供低廉的数据下载服务，从而降低用户下载数据所需要的成本。

移动用户既可以从路边单元(RSUs)连接到互联网下载数据，也可以从传统的蜂窝网络下载数据，但是从传统的蜂窝网络下载数据十分昂贵，人们不愿意接受，所以一般使用路边单元(RSUs)协助下载以提供低廉的数据下载服务。但是，车辆通过的路边单元(RSUs)的数目是不确定的，所以能够从路边单元(RSUs)下载的数据量也是不确定性。Zhang等人研究如何使用路边单元(RSUs)为其提供便宜的数据下载服务车辆，并减少部署成本，同时尽量减少等待时间。Wang等人综合考虑下载成本和等待时间，为此他们提出了一个适应性算法来解决问题。但是文章都仅仅只对单条车流经过一个路边单元(RSUs)进行讨论，并没有对多条车流进行分析，而且也未能解决上述问题，为此本发明提出了解决方案。

参考文献：

[1]P.Li,Q.Liu,C.Huang,J.Wang,and X.Jia,“Delay-bounded minimalcostplacement of roadside units in vehicular ad hoc networks,”in IEEEInternational Conference on Communications (ICC).IEEE,2015,pp.6589–6594.

[2]B.Zhang,X.Jia,K.Yang,and R.Xie,“Design of analytical model andalgorithm for optimal roadside ap placement in vanets,”IEEE Transactions onVehicular Technology,vol.65,no.9,pp.7708–7718,2016.

[3]N.Wang and J.Wu,“Opportunistic wifi offloading in a vehicularenvironment:Waiting or downloading now？”in IEEE INFOCOM 2016-IEEE Conferenceon Computer Communications,2016,pp.1–9.

发明内容

根据上述的现有技术研究的缺陷，本发明提供一种在车载网中面向车流覆盖需求的RSUs部署技术方案。

为达到上述目的，本发明提供一种车载网中面向车流覆盖需求的RSUs部署方法，所述RSUs为路边单元，通过将车流分割为多条首尾相连的子车流，将RSUs部署转换为集合覆盖问题，采用一次性部署或增量部署方式实现；

所述一次性部署，是直接在给定的街道上部署所有的路边单元；

所述增量部署，是根据用户需求在已经存在的路边单元基础上部署新的路边单元。

而且，所述一次性部署包括以下步骤，

Step1，初始化，部署集合S置空，转至Step2；

Step2，计算每条车流f上各街道出现的次数C_e，选择次数最大的街道放入部署集合S中，转至Step3；

Step3，计算每条车流f上路边单元的数目C_f，转至Step4；

Step4，判断每条车流f经过的路边单元的数目C_f是否大于等于需求的数目N，如果是，将车流f从车流集合F移出，转至Step5；如果否，转至Step5；

Step5，判断车流集合F是否为空，如果是，转至Step6；如果否，转至Step2；

Step6，返回部署集合S的结果，结束。

而且，所述增量部署包括以下步骤，

Step1，初始化，部署集合S置空，转至Step2；

Step2，计算每条车流f上路边单元的数目C_f，转至Step3；

Step3，判断每条车流f经过的路边单元的数目C_f是否大于等于需求的数目N，如果是，将车流f上每条街道的权值W_f赋为一个极小值△，如果否，根据公式

来计算车流f上每条街道的权值W_f，转至Step4；

Step4，计算每条车流f上各街道的权值W_e，选择权值W_e最大的街道放入部署集合S中，转至Step5；

Step5，计算每条车流f上路边单元的数目C_f，转至Step6；

Step6，判断每条车流f经过的路边单元的数目C_f是否大于等于需求的数目N，如果是，转至Step7，如果否，转至Step2；

Step7，返回部署集合S的结果，结束。

本发明采用的用于解决在车载网中面向车流覆盖需求的RSUs部署的一次性部署技术方案具有以下特点：

1)一次性部署的算法时间复杂度为O(n²|E|)，其中n代表车流的数目，|E|代表街道数目。

2)一次性部署的最优比为lnn，本发明通过中间问题进行证明。

本发明采用的用于解决在车载网中面向车流覆盖需求的RSUs部署的增量部署技术方案具有以下特点：

1)一次性部署的算法时间复杂度为O(n²|E|)，其中n代表车流的数目，|E|代表街道数目。

2)一次性部署的最优比为lnn，本发明通过中间问题进行证明。

可以看到增量部署在解决一次性部署所遇到问题的前提下并没有在算法时间上增加额外的开销，并且算法的时间复杂度与车流经过的路侧单元(RSUs)数目无关。

通过以上两种部署方式，本发明的技术反案用路边单元(RSUs)为车辆提供低廉的数据下载服务，从而降低用户下载数据所需要的成本。

附图说明

图1为本发明实施例的一次性部署示意图。

图2为本发明实施例的增量部署对应例题示意图。

图3为本发明实施例的车流经过街道的分布情况示意图。

图4为本发明实施例街道上车流的分布情况示意图。

图5为本发明实施例采用一次性部署方法和现有技术中算法处理经过街道数目在20～50的车流的实验结果图。

图6为本发明实施例采用一次性部署方法和现有技术中算法处理经过街道数目在50～100的车流的实验结果图。

图7为本发明实施例采用一次性部署方法和现有技术中算法处理经过街道数目在20～100的车流的实验结果图。

图8为本发明实施例采用增量部署方法和现有技术中算法处理经过街道数目在20～50的车流的实验结果图。

图9为本发明实施例采用增量部署方法和现有技术中算法处理经过街道数目在50～100的车流的实验结果图。

图10为本发明实施例采用增量部署方法和现有技术中算法处理经过街道数目在20～100的车流的实验结果图。

具体实施方式

以下结合附图和实施例对本发明技术方案提供详细说明。

本发明采用的技术方案提供的在车载网中对于车流覆盖需求的RSUs部署方法，包括一次性部署和增量部署。其中，所述一次性部署，直接在给定的街道上部署所有的路边单元(RSUs)；所述增量部署，根据用户需求在已经存在的路边单元(RSUs)基础上部署新的路边单元(RSUs)。

增量部署和一次性部署是解决不同情景下的同一种需求问题。一次性部署的前提是之前从未部署RSUs，而增量部署是基于已经存在的RSUs进行部署，且已经存在的RSUs的部署也是满足增量部署的规则。即一次性部署只需满足用户的需求N，而增量部署从1到N逐步满足用户的需求。

为讨论在车载网(VANETs)中对于给定的交通流量覆盖指定数目的路边单元(RSUs)要求的配置问题。给定一组路段，一些交通流量和覆盖要求数量N，问题是如何找到最佳位置部署路边单元(RSUs)，使得每条交通流量至少包含N个路边单元(RSUs)。本发明提出，在车载网中对于车流覆盖需求的RSUs部署方法。研究的问题是一个NP-hard问题，并且通过将车流分割为多条首尾相连的子车流这个假设，将这个问题转换为集合覆盖问题，从而证明这个问题是NP-hard。具体步骤如下：

Step1，根据需求的数目N，将车流集合F中的每条车流f_j分割为N条首尾相连的子车流；具体实施时，分割方式不限，N表示预先设置的用户需求的数目，假设f_j＝{e₁,e₂,...,e_z}且z>N，则子车流f_y可以表示为f_y＝{e_o,e_o+1,...,e_p},y∈[1,N]，每条子车流的街道是相连的，且相邻的2个子车流的街道也是相连的，即子车流f_y+1的起始街道必定是e_p+1。

Step2，根据每条车流f_j的分割结果分别在街道集合E中匹配经过的街道，设E＝{e₁,e₂,...,e_k}，即街道集合E包括街道e₁,e₂,...,e_k，k为街道集合中的街道数目，车流f_j分割为N条首尾相连的子车流f_y＝{e_o,e_o+1,...,e_p},y∈[1,N]后，每条子车流都对应若干条连续的街道，转至Step3；

Step3，根据Step2的结果，得到街道集合E中每条街道e₁,e₂,...,e_k上分别有哪些子车流经过，转至Step4；

Step4，从街道集合E中选取最小的街道集合S，即集合S可以覆盖车流集合F中每条车流f_j分割所得所有的子车流(只要子车流经过集合S中的街道，则认为街道集合S覆盖了该车流)，转至Step5；

Step5，返回街道集合S的结果，证明完毕。

为了更加清晰的描述这个问题，用公式将其表示出来，为此有以下定义：

定义Cost_j为车流f_j通过路侧单元(RSUs)和传统蜂窝网络下载a_j的数据所需要的花费，定义b_j为车流f_j通过一个路侧单元(RSUs)能够获得的数据量，定义n_j为车流f_j通过的路侧单元(RSUs)数目，定义m_j为车流f_j使用蜂窝网络下载所需的花费，所以可以得到

经过转换之后可以得到

用X_i表示街道e_i上是否部署路边单元(RSUs)，i的取值为1,2,…,k，如果部署了，X_i＝1，否则X_i＝0，用N表示用户需求的数目，用E表示街道e_i的集合，用F表示车流f_j的集合，所以问题最终可以表示为

限制条件为X_i∈{0,1}和n_j≥N,

为了尽可能的降低部署成本，希望使用数目最少的路侧单元(RSUs)来满足用户的需求，为此需要将路侧单元(RSUs)部署在合适的位置，对于如何寻找到合适的位置，提出了一个定理，当在车流经过数目最多的街道上部署路侧单元(RSUs)时，此时路侧单元(RSUs)的利用率最高，部署的成本最低，证明过程如下；

首先定义n^*表示车流f_j和其他车流重合的部分，假设车流集合F中有q条车流，因此可以得到：

根据数学中的均值不等式G_n≤A_n≤Q_n，其中，

所以可以得到，

如果给定n₁,n₂,...,n_q当

因此路边单元(RSUs)需要尽可能的部署在车流经过最多的街道上。

为了解决提出的问题，本发明采用的一次性部署技术方案提供一种在车载网中对于车流覆盖需求的RSUs部署技术方案，包括以下步骤，

Step1，初始化，部署集合S置空，转至Step2；

Step2，计算每条车流f_j上各街道出现的次数C_e，选择次数最大的街道放入部署集合S中，转至Step3；即在C_e最大的街道上部署路边单元(RSUs)；

Step3，计算每条车流f_j上路边单元(RSUs)的数目C_f，转至Step4；

Step4，判断每条车流f_j经过的路边单元(RSUs)的数目C_f是否大于等于需求的数目N，如果是，将车流f_j从车流集合F移出，转至Step5；如果否，转至Step5；

Step5，判断车流集合F是否为空，如果是，转至Step6；如果否，转至Step2；

Step6，返回部署集合S的结果，即最小的街道集合，结束。

为了计算算法的最优比，需要定义一个中间问题进行证明，中间问题定义如下：

1)如果本发明有n条车流，则本发明将每条车流分割为N条首尾相连的车流；

2)本发明标记所有的街道作为一个集合，标记每条车流作为集合中的一个元素；

3)这个中间应该是传统的集合覆盖问题，即选择最小的集合覆盖所有的元素。

在本发明中为了解决一次性部署忽略了移出车流上街道对选择最优街道进行部署的问题，为此引入了权值的概念，具有以下的特点：

1)车流经过的路侧单元(RSUs)越多，车流上各个街道的权值越小。

2)当车流经过的路侧单元(RSUs)数目大于等于需求数目N后，车流上各个街道的权值赋为一个极小值。

为了解决上述问题，本发明采用的增量部署技术方案提供一种在车载网中对于车流覆盖需求的RSUs部署技术方案，包括以下步骤，

Step1，初始化，部署集合S置空，转至Step2；

Step2，计算每条车流f_j上路边单元(RSUs)的数目C_f，转至Step3；

Step3，判断每条车流f_j经过的路边单元(RSUs)的数目C_f是否大于等于需求的数目N，如果是，将车流f上每条街道的权值W_f赋为一个极小值△，如果否，根据公式

来计算车流f上每条街道的权值W_f，转至Step4；

Step4，计算每条车流f_j上各街道的权值W_e，选择权值W_e最大的街道放入部署集合S中，转至Step5；即在W_e最大的街道上部署路边单元(RSUs)；

Step5，计算每条车流f_j上路边单元(RSUs)的数目C_f，转至Step6；

Step6，判断每条车流f_j经过的路边单元(RSUs)的数目C_f是否大于等于需求的数目N，如果是，转至Step7，如果否，转至Step2；

Step7，返回部署集合S的结果，结束。

如图1所示，存在4条车流f₁,f₂,f₃,f₄，根据图示可以得到f₁＝(e₁,e₄)，f₂＝(e₁,e₂,e₃)，f₃＝(e₂,e₃,e₄)，f₄＝(e₃,e₅)，要求每条车流经过至少2个路侧单元(RSUs)。

根据一次性部署方法可以得到

因此选择街道e₃部署路侧单元(RSUs)，此时可以得到

没有车流满足需求继续下一个的选择；接着

因此选择街道e₄部署路侧单元(RSUs)，此时可以得到

车流f₃满足需求将其从车流集合F中移出继续下一个的选择；然后

因此选择街道e₁部署路侧单元(RSUs)，此时可以得到

车流f₁,f₂满足需求将其从车流集合F中移出继续下一个的选择；最后

因此选择街道e₅部署路侧单元(RSUs)，此时可以得到

C_f3＝2，C_f4＝2，车流f₄满足需求将其从车流集合F中移出，此时集合F为空，返回S＝{e₃,e₄,e₁,e₅}作为结果，算法结束。

如图2所示，存在3条车流f₁,f₂,f₃，根据图示可以得到f₁＝(e₃,e₆,e₉,e₁₂)，f₂＝(e₄,e₉,e₁₁)，f₃＝(e₇,e₆,e₃)，要求每条车流经过至少2个路侧单元(RSUs)。

根据增量部署方法可以得到

因此选择街道e₆部署路侧单元(RSUs)，此时可以得到

接着

因此选择街道e₉部署路侧单元(RSUs)，此时可以得到

然后

因此选择街道e₃部署路侧单元(RSUs)，此时可以得到

最后

因此选择街道e₄部署路侧单元(RSUs)，此时可以得到

此时每条车流都满足需求，返回S＝{e₆,e₉,e₃,e₄}作为结果，算法结束。本发明可以看到

其中S₁表示每条车流至少经过1个路侧单元(RSUs)，S₂表示每条车流至少经过2个路侧单元(RSUs)。

是以武汉的交通线路图为基础，通过SUMO模拟200条车流在8232条街道上运行得到相应的结果。图3显示了不同车流经过街道数目的分布情况，横坐标表示车流经过的街道数目，纵坐标表示经过一定街道的车流(经过街道数目在相同范围的车流)占总车流的比例，用柱形图proportion(比重)进行表示。由图可知大多数车流经过的街道在30～60之间。图4显示了不同街道上经过车流数目的分布情况，横坐标表示街道上通过车流的数目，纵坐标表示此类街道(通过车流数目相同的街道)的数目，用柱形图proportion(比重)进行表示。可以得到大多数街道仅仅只有一条车流经过，并且街道上车流数目越多，对应的街道数目越少。

为了分析一次性部署方法和增量部署方法的性能，为此一些参照算法被提出用以和一次性部署方法以及增量部署方法进行比较，这里本发明将一次性部署方法记作GDA，将增量部署方法记作IDW，3个参照算法以不同的思路被提出，

随机部署算法(RDA)：它随机的选择一条街道部署路边单元(RSUs)，不断地进行迭代直至每条车流都满足用户需求为止。

唯一选择算法(SUD)：它更加倾向于选择车流独有的街道部署路边单元(RSUs)，即街道上只有这条车流经过没有别的车流经过，如果这样的街道不存在，则选取车流经过数目最多的街道部署路边单元(RSUs)，不断地进行迭代直至每条车流都满足用户需求为止。

最优多个算法(MDA)：它一次选取多个经过车流最多的街道，具体的数目由用户需求的数目决定，即一次选取用户需求数目个经过车流最多的街道部署路边单元(RSUs)，不断地进行迭代直至每条车流都满足用户需求为止。

模拟实验研究放置路边单元(RSUs)的总数量和每条车流通过路边单元(RSUs)之间的关系。通过车流经过街道数目的不同，在三种不同的情况下分别进行实验。定义thebottom half表示经过街道数目为20～50之间的车流，the top half表示经过街道数目为50～100之间的车流，the all表示经过街道数目为20～100之间的车流，因为用户需求数目的限制，忽略通过街道数目小于20的车流。

在2种不同的情景下分别进行实验，并分别进行评估。第一种情景是使用完全部署算法(GDA)一次性部署，使得每条车流经过的路边单元(RSUs)数目满足用户的需求N，这里的限制条件只有用户的需求N。第二种情景是使用增量部署(IDW)逐步部署，从1到N逐步使得每条车流满足用户的需求，即首先使得每条车流经过至少1个路边单元(RSUs)，接着再使得每条车流经过至少2个路边单元(RSUs)，不断迭代直至每条车流经过至少N个路边单元(RSUs)。

图5，6，7显示了情景1下的实验结果，3张图片对应3种不同长度的车流，图5对应的是经过街道数目在20～50的车流，图6对应的是经过街道数目在50～100的车流，图7对应的是经过街道数目在20～100的车流。评判算法性能的标准是实现相同的效果，部署的路边单元(RSUs)数目越少，性能越好。在这3种不同的场合中，GDA的性能要比其他3中参照算法的性能要好。GDA每次选择车流经过数目最多的街道部署路边单元(RSUs)，而RDA每次随机的选择一个街道部署路边单元(RSUs)，它的选择可能比较好，也可能比较差，这是不确定的，随着每条车流需要经过路边单元(RSUs)的数目地增多，由于MDA每一次部署用户需求数目N的路边单元(RSUs)，所以MDA部署的路边单元(RSUs)冗余的数目也随之增长，SUD并没有选择在车流经过数目最多的街道上部署路边单元(RSUs)，所以也没有展示出很好的性能。

图8，9，10显示了情景2下的实验结果，同样是3张图片对应3种不同长度的车流，图8对应的是经过街道数目在20～50的车流，图9对应的是经过街道数目在50～100的车流，图10对应的是经过街道数目在20～100的车流。评判算法性能的标准仍然是实现相同的效果，部署的路边单元(RSUs)数目越少，性能越好。在情景2所用到的算法后面加上“-I”以和情景1中的算法进行区分，即SUD-I，RDA-I，MDA-I，GDA-I表示SUD，RDA，MDA，GDA在增量部署中的实现方式。可以看到IDW在3种不同场合中的效果都要比GDA-I的效果要好，因为GDA-I没有考虑移除车流对选择街道部署路边单元(RSUs)的影响，导致一些路边单元(RSUs)并没有部署在最合适的位置。当每条车流经过的路边单元(RSUs)数目比较少的时候，MDA-I的性能比较好，但是随着每条车流需要经过路边单元(RSUs)的数目地增多，MDA-I由于冗余的路边单元(RSUs)数目极具增多导致性能快速下降，RDA-I由于随机的选择街道部署路边单元(RSUs)，所以几乎没有选择最优的街道部署，导致其性能也并不理想。

根据2种不同情景的结果分析可以看出，在不同的情景下具体实施时可以选择不同的策略部署路边单元(RSUs)，以满足用户的需求。

本文中所描述的具体实施例仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (1)

1.一种车载网中面向车流覆盖需求的RSUs部署方法，所述RSUs为路边单元，其特征在于：通过将车流分割为多条首尾相连的子车流，将RSUs部署转换为集合覆盖问题，采用一次性部署或增量部署方式实现；

所述一次性部署，是直接在给定的街道上部署所有的路边单元；

所述增量部署，是根据用户需求在已经存在的路边单元基础上部署新的路边单元；

所述一次性部署包括以下步骤，

Step1，初始化，部署集合S置空，转至Step2；

Step2，计算当前每条车流f上各街道出现的次数C_e，选择次数最大的街道放入部署集合S中，转至Step3；

Step3，计算当前每条车流f上路边单元的数目C_f，转至Step4；

Step4，判断每条车流f经过的路边单元的数目C_f是否大于等于需求的数目N，如果是，将车流f从车流集合F移出，转至Step5；如果否，转至Step5；

Step5，判断车流集合F是否为空，如果是，转至Step6；如果否，转至Step2重新计算每条车流f上各街道出现的次数C_e；

Step6，返回部署集合S的结果，结束；

所述增量部署包括以下步骤，

Step1′，初始化，部署集合S置空，转至Step2′；

Step2′，计算当前每条车流f上路边单元的数目C_f，转至Step3′；

Step3′，判断当前每条车流f经过的路边单元的数目C_f是否大于等于需求的数目N，如果是，将车流f上每条街道的权值W_f赋为一个极小值Δ，如果否，根据公式

来计算车流f上每条街道的权值W_f，转至Step4′；

Step4′，计算每条车流f上各街道的权值之和W_e，选择权值之和W_e最大的街道放入部署集合S中，转至Step5′；

Step5′，根据Step4′所得结果计算当前每条车流f上路边单元的数目C_f，转至Step6′；

Step6′，判断每条车流f经过的路边单元的数目C_f是否大于等于需求的数目N，如果是，转至Step7′，如果否，转至Step2′重新计算当前每条车流f上路边单元的数目C_f；

Step7′，返回部署集合S的结果，结束。

Images