CN109068336B - 一种基于小世界网络理论的平行车联网建模方法 - Google Patents

Abstract

本发明公开了一种基于小世界网络理论的平行车联网建模方法，首先，从一个车联网节点出发，遍历其好友和好友的好友，构建包含所有节点的网络拓扑，然后根据小世界网络模型对网络进行随机重连的调整，形成平均路径较短、聚类系数高的小世界网络，最后通过一种最短路径通信的方式共享知识信息。该方法可以以较短的跳数与网络中的任意节点交流信息，以较高的效率共享车联网中的知识，提高车联网的智能化水平。该策略和算法能够保证较好的效果，实现车辆作为智能体像人一样分享信息，能够有效帮助建立车联网生态，创造巨大的产业价值，帮助进一步提取人、车、驾驶行为习惯，服务车厂和用户。

Description

一种基于小世界网络理论的平行车联网建模方法

技术领域

本发明涉及一种网络建模方法，特别涉及一种基于小世界网络理论的平行车联网建模方法。

背景技术

在网络理论中，小世界网络是一类特殊的复杂网络结构，在这种网络中大部分的节点彼此并不相连，但绝大部分节点之间经过少数几步就可到达。小世界现象最早出现在上世纪六十年代有关美国社交网络最短距离的研究实验中，在该实验中，人们只要知道自己认识的人，再根据社交网络中存在的最短距离，就可以把信息传递到任何距离目标。小世界网络最早是由邓肯·瓦茨和斯蒂文·斯特罗加茨在1998年引进的，将高集聚系数和低平均路径长度作为特征，提出了一种新的网络模型，一般就称作瓦茨-斯特罗加茨模型(WS模型)，这也是最典型的小世界网络的模型。随后Newman和Watts又对WS小世界网络模型进行改进，他们采用随机化加边代替了随机化重连，有效避免了孤立节点的产生，这个改进模型被称为NW小世界网络模型。WS和NW小世界网络模型是目前最为经典的小世界网络模型。

当前，万物互联的物联网技术迅速发展，有望在不远的未来为人们提供更智能、便利的生活。车联网也可以视作物联网的一种，它将车辆视作物联网的一个节点，通过相互通信及与其他网络如互联网进行通信交流信息，提高驾驶的安全性和舒适性以及交通运输系统的效率。人们对车联网进行了广泛的关注和研究，希望通过它改变人们传统的通行方式，实现智能化、自动化驾驶。近期，又有学者提出了平行车联网的概念，平行车联网将基于ACP平行智能方法引入车联网系统,建立一个典型的“人在环内”的CPSS系统.其中每一个行人、车辆、路侧设施、移动基站都可以抽象为车联网中的节点,通过社会网、互联网、物联网等的连接,互动连接构成社群,为车联网服务提供支持。受平行车联网思想的启发，本专利将网联的智能汽车作为智能体，构建一个虚拟的社交网络人工系统，在社交网络上汽车可以共享经验和知识，提升车辆的智能化水平，使其快速学习到需要的知识，提高车辆自动规划出行和解决问题的能力。

平行车联社交网络通常都可以划分为若干个全局耦合模块，而各模块的成员间也可能相互有联系，由于每一个成员的邻居大多是同一个模块的其他成员，因此网络内的聚类系数会比较高。由于各模块成员间的相互联系使得网络内各节点之间的平均最短路径会比较小，因此车联社交网络可以看做是具有小世界特性和聚类特性的网络。

目前，尚未有完善的技术和平台构建平行车联网，相关的研究还在起步阶段，为此，我们设计了一种基于小世界理论的平行车联网络构建的方法，并提出相应的知识分享的策略。首先，车联网中的汽车收发信息是基于由通信设备组成的车载单元组成的，因此每一辆网联汽车将作为车联网中的一个节点，我们按照统一的标准为他们赋予一个唯一的身份ID。通常，汽车经常性地在一个城市大小的有限范围内活动，主要需要的是关于本地的知识，因此，我们需要构建一个人工系统来包含本城市内活动车辆的社交网络。

城市中车辆虽然可能来自不同的地方，但是随着时间的推移，车辆行驶路径的积累，彼此之间必然会发生多种联系的可能性。例如工作日的早上用户通常将车开往公司等工作单位，下班后用户往往将车开回到家所在的小区。在住户小区中的同一栋居民楼附近的车辆会在很短的时间内建立联系，然后同一个小区的车辆能够在一段时间内彼此联系。因此同一小区内车辆之间的社交网络为近似为一个完全耦合网络。当用户将车开往公司时，来自不同小区的车辆之间也会逐渐建立联系。当车辆根据用户的需求前往不同的地点，如餐厅、医院、酒店等地点，车辆也能够与该地点的车辆建立社交关系。因此，车辆间的社交网络随着时间的推移会形成一张巨大的网络，可能涵盖到城市中的大部分车辆。更进一步地，当用户开车前往其他城市进行旅游或办事时，甚至在高速路休息站和新城市当地都可以与其他车辆建立新的联系，不断扩大社交网络。基于以上分析，可以首先着眼于城市中一个城区的车联社交网络，将其抽象建模成一个城市车联网人工系统。将一个城区的车联社交网络以住宅小区为单位划分为若干个模块，模块内部的车辆之间相互联系的概率较大，不同城区的车辆之间相互联系的概率较小，这也是一个典型的具有小世界特性的社交网络。

发明内容

为解决上述技术问题，本发明提供了一种基于小世界网络理论的平行车联网建模方法，以达到可以以较短的跳数与网络中的任意节点交流信息，以较高的效率共享车联网中的知识，提高车联网的智能化水平的目的。

为达到上述目的，本发明的技术方案如下：

一种基于小世界网络理论的平行车联网建模方法，包括以下步骤：

第一步：遍历节点好友列表，发现整个网络中的节点，构建原始的网络拓扑结构；

第二步：构造邻接矩阵，生成网络拓扑图；

第三步：划分平行车联网节点模块；

第四步：构造车联网模块内部规则网络；

第五步：构造车联网模块之间规则网络；

第六步：随机化加边；

第七步：最短路径查询。

上述方案中，所述第二步的具体方法为：首先，构造一个N*N的邻接矩阵，初始值全部赋零，同时构造一个空的已访问节点的列表；平行车联网人工系统从一个初始节点i出发，遍历其在车联网中最近通信的ID1，ID2，...，IDk，k代表该车辆曾经通信过的车辆的个数；并将邻接矩阵的第2，3，4，...，k+1行和相应的k列依次代表ID1，...，IDk的邻接表，将第一行代表和第一列中与初始节点相连的节点的元素改为1，同时，将i节点的ID加入已访问节点列表；接着人工系统访问矩阵第2行的ID的节点，遍历其好友列表，每遍历到一个ID就将其与已访问列表中的ID对比，如果相同则忽略该节点，否则继续将其添加到矩阵并将相应的位置改为1；如此继续下去，直到矩阵的最后一个ID且其好友列表中的ID都可以在已访问节点中找到；如此，通过最终收敛的邻接矩阵，便可以构建初始连接网络拓扑图。

上述方案中，所述第三步的具体方法为：将车联网的N个节点，划分为m组，每组含有n个节点，因此N＝m*n。

上述方案中，所述第四步的具体方法为：每组内含有n个节点的最近邻耦合网络，将它们围成一个环，其中每个节点都与它左右相邻的各k/2个节点相连，k是偶数。

上述方案中，所述第五步的具体方法为：从每组中分别随机选择k1/2个节点与其左右的两个分组的k1/2个节点连接，k1是偶数。

上述方案中，所述第六步的具体方法为：随机选取一对节点，如果两节点在一个组内，以概率P1在一对节点之间加上一条边；如果两个节点属于不同的组，以概率P2在两节点之间加上一条边，且0<P2<<P1<1；其中，任意两个不同节点之间至多只能有一条边，并且每一个节点都不能有边与自身相连。

通过上述技术方案，本发明提供的基于小世界网络理论的平行车联网建模方法，首先，从一个车联网节点出发，遍历其好友和好友的好友，构建包含所有节点的网络拓扑，然后根据小世界网络模型对网络进行随机重连的调整，形成平均路径较短、聚类系数高的小世界网络，最后通过一种最短路径通信的方式共享知识信息。该方法可以以较短的跳数与网络中的任意节点交流信息，以较高的效率共享车联网中的知识，提高车联网的智能化水平。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。

图1为本发明实施例所公开的基于小世界网络理论的平行车联网建模方法流程图；

图2为本发明实施例所公开的一种网络拓扑图；

图3为本发明实施例所公开的邻接矩阵图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

本发明提供了一种基于小世界网络理论的平行车联网建模方法，如图1所示，该方法构造的小世界网络模型可以保证网络中的任意节点之间具有较短的平均路径长度和较高的聚类系数。

如图1所示的流程图：

一种基于小世界网络理论的平行车联网建模方法，包括以下步骤：

第一步：遍历节点好友列表，发现整个网络中的节点，构建原始的网络拓扑结构；

第二步：构造邻接矩阵，生成网络拓扑图；具体方法为：

首先，构造一个N*N的邻接矩阵，初始值全部赋零，同时构造一个空的已访问节点的列表；平行车联网人工系统从一个初始节点i出发，遍历其在车联网中最近通信的ID1，ID2，...，IDk，k代表该车辆曾经通信过的车辆的个数；并将邻接矩阵的第2，3，4，...，k+1行和相应的k列依次代表ID1，...，IDk的邻接表，将第一行代表和第一列中与初始节点相连的节点的元素改为1，同时，将i节点的ID加入已访问节点列表；接着人工系统访问矩阵第2行的ID的节点，遍历其好友列表，每遍历到一个ID就将其与已访问列表中的ID对比，如果相同则忽略该节点，否则继续将其添加到矩阵并将相应的位置改为1；如此继续下去，直到矩阵的最后一个ID且其好友列表中的ID都可以在已访问节点中找到；如此，通过最终收敛的邻接矩阵，便可以构建初始连接网络拓扑图，如图2所示，相应的邻接矩阵如图3所示。

第三步：划分平行车联网节点模块；具体方法为：将车联网的N个节点，划分为m组，每组含有n个节点，因此N＝m*n。

第四步：构造车联网模块内部规则网络；具体方法为：每组内含有n个节点的最近邻耦合网络，将它们围成一个环，其中每个节点都与它左右相邻的各k/2个节点相连，k是偶数。

第五步：构造车联网模块之间规则网络；具体方法为：从每组中分别随机选择k1/2个节点与其左右的两个分组的k1/2个节点连接，k1是偶数。

第六步：随机化加边；具体方法为：随机选取一对节点，如果两节点在一个组内，以概率P1在一对节点之间加上一条边；如果两个节点属于不同的组，以概率P2在两节点之间加上一条边，且0<P2<<P1<1；其中，任意两个不同节点之间至多只能有一条边，并且每一个节点都不能有边与自身相连。

第七步：最短路径查询；完成平行车联网人工系统内建模后，可在该人工系统上针对不同对象、环境等因素进行各种计算实验,进行多次预测和推演，从而实现对实际车联网的动态运行状态分析和性能优化,并给实际系统反馈优化后的指导运行建议,从而及时改善系统性能。

社交车联网可以应用到汽车智能维修场景中，车辆之间可以实现共享故障维修经验等知识。本专利构造的小世界模型可以有效降低所有节点的平均路径长度，使不同的节点之间以平均不超过六个节点的跨度连接到。

同时，为了进一步提高数据传输的效率，本专利构造的知识共享策略为：每辆车将自己的维修信息生成日志文件保存在共享文件中，其数据格式为故障代码和故障描述及具体修理过程，具体维修过程可能由汽修厂按照标准格式写入，或由车辆自身的系统检测写入。当某一辆车由传感器检测可能发生了某种故障时，首先向它直接连接的好友节点查询知识数据，如果好友节点的日志中有相应的维修经验，则将其直接返回给故障车辆，供其参考和学习，以便尽快修复故障。如果好友节点的日志里也没有相关记录，则继续将查询包转发给自身的好友节点，并且将数据包头中的跳数加一，同时将自己的IP地址写入转发包，直到查询到有相关记录的节点或跳数达到设定的上限，则该转发包不再转发，如果有节点持有这些信息，则将查询包的路径和数据写入回复包，发回到转发节点逐级传回故障车辆。如果有记录节点同时受到多个查询包，则检查它们的跳数，将文件转发回具有最小跳数的上一跳节点，该节点再按照该最短路径传回故障车辆。通过该方法，可以以不超过6个节点的跨度查询到网络中的绝大多数节点，保证算法在较短的时间内收敛，有效提高网络中知识分享的效率。

本发明率先设计将车联网中的车辆节点进化为能够分享和学习知识的智能体，实现车联网更高层次的智能化和社群化，体现了群体的智慧，对实现未来的智能化交通网络具有一定的引领作用。可以应用到汽车智能维修场景中，且可以扩展到其他场景中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (1)

1.一种基于小世界网络理论的平行车联网建模方法，其特征在于，包括以下步骤：

第一步：遍历节点好友列表，发现整个网络中的节点，构建原始的网络拓扑结构；

第二步：构造邻接矩阵，生成网络拓扑图，具体方法为：

首先，构造一个N*N的邻接矩阵，初始值全部赋零，同时构造一个空的已访问节点的列表；平行车联网人工系统从一个初始节点i出发，遍历其在车联网中最近通信的ID1，ID2，...，IDk，k代表该初始节点i曾经通信过的节点的个数；并将邻接矩阵的第2，3，4，...，k+1行和相应的k列依次代表ID1，...，IDk的邻接表，将第一行代表和第一列中与初始节点相连的节点的元素改为1，同时，将i节点的ID加入已访问节点列表；接着人工系统访问矩阵第2行的ID的节点，遍历其好友列表，每遍历到一个ID就将其与已访问列表中的ID对比，如果相同则忽略该节点，否则继续将其添加到矩阵并将相应的位置改为1；如此继续下去，直到矩阵的最后一个ID且其好友列表中的ID都可以在已访问节点中找到；如此，通过最终收敛的邻接矩阵，便可以构建初始连接网络拓扑图；

第三步：划分平行车联网节点模块，具体方法为：

将车联网的N个节点，划分为m组，每组含有n个节点，因此N＝m*n；

第四步：构造车联网模块内部规则网络，具体方法为：

每组内含有n个节点的最近邻耦合网络，将它们围成一个环，其中每个节点都与它左右相邻的各k/2个节点相连，k是偶数；

第五步：构造车联网模块之间规则网络；具体方法为：

从每组中分别随机选择k1/2个节点与其左右的两个分组的k1/2个节点连接，k1是偶数；

第六步：随机化加边，具体方法为：

随机选取一对节点，如果两节点在一个组内，以概率P1在一对节点之间加上一条边；如果两个节点属于不同的组，以概率P2在两节点之间加上一条边，且0<P2<<P1<1；其中，任意两个不同节点之间至多只能有一条边，并且每一个节点都不能有边与自身相连；

第七步：最短路径查询。

Images