CN108924793A - 一种随机的路边节点部署算法 - Google Patents

Abstract

一种随机的路边节点部署算法，该算法能在给定的车载网络连通率P的条件下计算出路边节点部署的近似最优解，路边节点是等距离部署，车辆的初始位置是随机的，通过测试随机指定的车辆节点与路边节点的连通概率来决定部署方案的优劣。对于每个有N辆车的网络，都有一个阈值M个路边节点与之对应，使得该网络在部署了M个路边节点之后能达到给定的网络连通率P。本发明方法简单、执行效率高，适用于车载网环境中的路边节点部署，从而有效提高车载网络的连通性，提高车辆收到消息的概率。

Description

一种随机的路边节点部署算法

技术领域

本发明涉及一种随机的路边节点部署算法。

背景技术

车载网中路边节点部署的好坏对车载网性能的影响较大。如果部署的路边节点较少，紧急消息不能及时的通知到网络中的其他车辆节点；与之相反，如果部署的路边节点过多，系统的代价也随之增加。关于节点部署问题及网络的覆盖性在无线传感器网络中有很多的研究。

但在VANET中和无线传感器网络中的节点部署是不同的。(1) VANET潜在的大规模性。一般无线传感器网络部署的空间比较小，而VANET部署范围可以是一个城市或者多个城市。(2)一般传感器网络中节点部署需要把所有的需要检测区域进行全覆盖，或者可靠性要求更高的情况要求n覆盖。VANET潜在的大规模决定了不能全覆盖。同时VANET中车辆节点可以作为通信节点，允许具有一定的盲区，车辆节点之间可以通过移动、多跳转发的方式接入服务节点， Jeonghee和Yeongwon等提出基于交叉口优先级的RSU放置方法，在RSU的设置成本最少时，来找到RSUs最佳的数目和位置，为完整的分布提供一个最大的RSUs之间的连通率。他们提出了三种优化算法：贪婪算法，动态算法和混合算法。Idjmayyel和Qazi等在他们的文章中，减少了基站的数量，以节省能源，并研究四种使用他们的城市车辆模拟器来满足服务质量的路由方案性能。当利用ad hoc 模式时，他们发现它把最大比例的车辆收发器调为睡眠模式以节省能源这一点是很重要的。为了实现这一目标，他们提出了一种新的双簇头(DCH)的方案，其中只有簇头(通道)可以进行集群间通信。为了克服VANET高度分割的特性，Lochert等提出了一个RSU的部署方案，其以一个遗传算法从初始的RSU候选部署点中计算出较好的点来部署RSU。

Eltahir和Saeed等提出了一个新的VANET-UMTS集成网络中多跳中继的简化网关选择(SGS)方案。这次研究的主要目的是提高VANET 和UMTS网络之间的融合，扩大没有覆盖地区的覆盖范围，减少开销和延迟度量，并增加数据包递送率，同时减少VANET-UMTS网络的盲区。Patil和Gokhale提出了一种新的基于Voronoi图的算法，使用数据包的延迟和丢失为标准对RSUs进行有效配置。这种方法有两方面的优点：一个是显著减少需要覆盖一块地理区域的RSUs数目，另一个是增加了每个RSU的无关车辆流条件的逻辑覆盖的面积，从而提高通信的可靠性。Farahmand等显示了最优化的中继节点部署问题是一个NP-hard问题，他们提出了一种整数线性规划方法来解决这个问题。他们提出了两个贪婪的算法，一个以最小化源节点与目的节点之间中间节点的跳数为目标。另一个以最小化数据包的平均传输延时为目标。这两个算法都是期望获得网络中最少的中继节点数。

综上可知，由于车辆节点速度较快，导致车载网络的拓扑结构变化极快，节点间形成的链路持续时间较短，因此，研究路边节点的部署算法以保证车载网络的连通性具有重大的实际意义。上述学者提出的部署方法中，部署的是路边基站，其节点模型跟车载网络中的车辆节点不一样，不具有通用性。因此，研究与车载网中的车辆节点一致的路边节点部署算法具有重要价值。

发明内容

本发明其目的就在于提供一种随机的路边节点部署算法，以解决上述背景技术中所提出的问题，本发明方法简单、执行效率高，适用于车载网环境中的路边节点部署，从而有效提高车载网络的连通性，提高车辆收到消息的概率。

为实现上述目的而采取的技术方案是，一种随机的路边节点部署算法，包括以下步骤：

步骤(1)令每个RSU都有唯一的ID，定义函数g:如果ID为x 和y的两个RSU是连通的，当且仅当g(x)＝g(y)；

步骤(2)如果所有的RSU是用有线的方式连接的，则对于任意一个RSU，其g_c(x)＝1，x是该RSU的ID；

步骤(3)如果RSU不是有线的方式连接，则用g_u(x)表示它的连通拓扑，x是该RSU的ID；

步骤(4)定义M为一个高速公路系统，其包含有一条高速公路的所有属性；如两个方向的车道，公路中车辆节点的平均密度为b，车辆的速度在[v₁,v₂]范围之内，车辆的最大无线传输范围是R等；

步骤(5)定义R_g(x,d,q,M,D)表示高速公路中的一随机事件；其中，x是RSU的ID，d是该随机事件到RSU(ID＝x)的距离，q为一参数取值[0,1]，M为步骤四中定义所描述的一个高速公路系统，D为该RSU的连通拓扑在M中的距离；函数g(.)指M中的一个连通拓扑；如果随机事件R_g的消息能传输到D中至少qn个车辆节点，则函数g(.)＝1；

步骤(6)定义f_g(p,q,M,D)表示这样一个最大的距离d_max，对于每个d∈[0,d_max)，如果两个连续的RSU部署距离为d，则对于给定的概率P，在距离为D的连通拓扑内至少有数量为qn_D的车辆能接收到步骤五中定义所述的随机事件的消息包；

步骤(7)ME(x,L₁,L₂,R,U,t)表示一个数据包，其中，x是该场景中正在发送数据包的车辆，L₁是指公路中同一方向运动的车辆， L₂是另外一个方向运动的车辆，R是车辆无向传输的最大距离，U是从x中接收数据包的RSU，t是指数据包从车辆传输到RSU的时间；

步骤(8)定义其中X₁,…..,X_n是独立的随机变量， X_i取值为1的概率是p_i，μ＝E[X]；对于任意的δ>0，有

步骤(9)定义T_i代表近似比d_opt/d_i，d_opt代表最优的部署距离， d_i＝(1+θ)ⁱd₀，θ是控制近似精度的参数，则1＜T_i＜1+θ，且

步骤(10)定义d为路边节点部署距离的近似最优解，且d满足条件则本算法的时间复杂度为其中D是网络中最大的连通拓扑距离。

有益效果

与现有技术相比本发明具有以下优点。

本发明的优点是，该方法简单、执行效率高，适用于车载网环境中的路边节点部署，从而有效提高车载网络的连通性，提高车辆收到消息的概率。

附图说明

以下结合附图对本发明作进一步详述。

图1为本发明所述的信息传输示意图；

图2为本发明所述的随机算法的伪代码。

具体实施方式

一种随机的路边节点部署算法，如图1、图2所示，包括以下步骤：

步骤(1)令每个RSU都有唯一的ID，定义函数g:如果ID为x 和y的两个RSU是连通的，当且仅当g(x)＝g(y)；

步骤(2)如果所有的RSU是用有线的方式连接的，则对于任意一个RSU，其g_c(x)＝1，x是该RSU的ID；

步骤(3)如果RSU不是有线的方式连接，则用g_u(x)表示它的连通拓扑，x是该RSU的ID；

步骤(4)定义M为一个高速公路系统，其包含有一条高速公路的所有属性；如两个方向的车道，公路中车辆节点的平均密度为b，车辆的速度在[v₁,v₂]范围之内，车辆的最大无线传输范围是R等；

步骤(5)定义R_g(x,d,q,M,D)表示高速公路中的一随机事件；其中，x是RSU的ID，d是该随机事件到RSU(ID＝x)的距离，q为一参数取值[0,1]，M为步骤四中定义所描述的一个高速公路系统，D为该RSU的连通拓扑在M中的距离；函数g(.)指M中的一个连通拓扑；如果随机事件R_g的消息能传输到D中至少qn个车辆节点，则函数g(.)＝1；

步骤(6)定义f_g(p,q,M,D)表示这样一个最大的距离d_max，对于每个d∈[0,d_max)，如果两个连续的RSU部署距离为d，则对于给定的概率P，在距离为D的连通拓扑内至少有数量为qn_D的车辆能接收到步骤五中定义所述的随机事件的消息包；

步骤(7)ME(x,L₁,L₂,R,U,t)表示一个数据包，其中，x是该场景中正在发送数据包的车辆，L₁是指公路中同一方向运动的车辆，L₂是另外一个方向运动的车辆，R是车辆无向传输的最大距离，U是从 x中接收数据包的RSU，t是指数据包从车辆传输到RSU的时间；

步骤(8)定义其中X₁,…..,X_n是独立的随机变量， X_i取值为1的概率是p_i，μ＝E[X]；对于任意的δ>0，有

步骤(9)定义T_i代表近似比d_opt/d_i，d_opt代表最优的部署距离， d_i＝(1+θ)ⁱd₀，θ是控制近似精度的参数，则1＜T_i＜1+θ，且

步骤(10)定义d为路边节点部署距离的近似最优解，且d满足条件则本算法的时间复杂度为其中D是网络中最大的连通拓扑距离。

本发明公开了一种随机的路边节点部署算法。具体实施过程主要包括算法描述，算法有效性分析，与理论上最优部署距离近似比估算以及算法时间复杂度计算。

(1)算法描述

设置初始部署距离d₀＝2R，R是车辆节点或者RSU最大的无线传输距离，判断以这个长度等距离部署RSU能否满足给定的连通率P，如果满足，则返回这个距离，否则，增加部署距离为 d₀(1+θ),d₀(1+θ)²,...,d₀(1+θ)ⁿ，直到满足给定的连通率P。算法的伪代码见附图2。

(2)算法有效性分析

要确保算法是有效的，则需要保证上述算法得出的解跟理论上的最优解的差应该在一个合理的范围之内，即令其中 X₁,…..,X_n是独立的随机变量，X_i取值为1的概率是p_i，μ＝E[X]。对于任意的δ>0，有

用切诺夫界定理来推导。切诺夫界定理采用马尔科不等式来约束独立实验中的概率和。根据切诺夫界定理，令X₁,...,X_n是独立服从泊松分布的事件，X_i取值为1的概率是p_i。令μ＝E[X]。对于任意的δ＞0， 根据标准的数学分析，可以得到，当和因此，

(3)近似比估算

令T_i代表近似比d_opt/d_i，d_opt代表最优的部署距离，d_i＝(1+θ)ⁱd₀。θ是控制近似精度的参数，其控制该算法得出的解与理论上最优解的近似程度。(1+θ)ⁱd₀是算法返回的高速公路中RSU近似部署距离，因此有不等式，(1+θ)^i-1d₀＜d_opt＜(1+θ)ⁱd₀。

对于每一个d_i＝(1+θ)ⁱd₀，本文都随机初始化足够多次数的高速公路场景来实验，因此近似比T_i满足，1＜T_i＜1+θ。

对于ε∈(0,1)，可得则通过数学分析，可得显然所以可得因此，θ满足如下范围

(4)时间复杂度计算

对于任一设定好初始条件的高速公路M，存在一近似算法能计算出近似最优解使路边节点的部署距离为d，d满足条件时间复杂度是这里D是网络中的最大连通拓扑距离。

证明：令X_i代表一次上述的独立随机事件，服从切诺夫界。h 满足式(1+θ)^hd₀≤2D，由此可得

如果d₁＜f(p+γ,M)，由概率可得如果则增大距离到d_i+1。因此由可得

如果d₁＞f(p+γ,M)(注意到f(p-γ,M)≥f(p+γ,M))，由概率可得

如果则测试不通过，返回到 d_i-1。同理，因此d₁＜f(p+γ,M)。一次实验耗时次数测试每个d_i耗时bd_i＝bd₀(1+θ)ⁱ，则时间复杂度为

Claims (1)

1.一种随机的路边节点部署算法，其特征在于，包括以下步骤：

步骤(1)令每个RSU都有唯一的ID，定义函数g:如果ID为x和y的两个RSU是连通的，当且仅当g(x)＝g(y)；

步骤(2)如果所有的RSU是用有线的方式连接的，则对于任意一个RSU，其g_c(x)＝1，x是该RSU的ID；

步骤(3)如果RSU不是有线的方式连接，则用g_u(x)表示它的连通拓扑，x是该RSU的ID；

步骤(4)定义M为一个高速公路系统，其包含有一条高速公路的所有属性；如两个方向的车道，公路中车辆节点的平均密度为b，车辆的速度在[v₁,v₂]范围之内，车辆的最大无线传输范围是R等；

步骤(5)定义R_g(x,d,q,M,D)表示高速公路中的一随机事件；其中，x是RSU的ID，d是该随机事件到RSU(ID＝x)的距离，q为一参数取值[0,1]，M为步骤四中定义所描述的一个高速公路系统，D为该RSU的连通拓扑在M中的距离；函数g(.)指M中的一个连通拓扑；如果随机事件R_g的消息能传输到D中至少qn个车辆节点，则函数g(.)＝1；

步骤(6)定义f_g(p,q,M,D)表示这样一个最大的距离d_max，对于每个d∈[0,d_max)，如果两个连续的RSU部署距离为d，则对于给定的概率P，在距离为D的连通拓扑内至少有数量为qn_D的车辆能接收到步骤五中定义所述的随机事件的消息包；

步骤(7)ME(x,L₁,L₂,R,U,t)表示一个数据包，其中，x是该场景中正在发送数据包的车辆，L₁是指公路中同一方向运动的车辆，L₂是另外一个方向运动的车辆，R是车辆无向传输的最大距离，U是从x中接收数据包的RSU，t是指数据包从车辆传输到RSU的时间；

步骤(8)定义其中X₁,…..,X_n是独立的随机变量，X_i取值为1的概率是p_i，μ＝E[X]；对于任意的δ>0，有

步骤(9)定义T_i代表近似比d_opt/d_i，d_opt代表最优的部署距离，d_i＝(1+θ)ⁱd₀,θ是控制近似精度的参数，则1＜T_i＜1+θ，且

步骤(10)定义d为路边节点部署距离的近似最优解，且d满足条件则本算法的时间复杂度为其中D是网络中最大的连通拓扑距离。