CN109121097A - 一种基于异构车联网分簇的簇头选择方法 - Google Patents

Abstract

本发明涉及一种基于异构车联网分簇的簇头选择方法，包括以下步骤：1)基站根据当前路面车辆分布，以IEEE 802.11p定义的最大传输距离进行最大化簇成员分簇，将分簇信息传输给各车辆；2)车辆向簇内所有车辆广播自身车辆运动信息，同时接受簇内其他车辆的车辆运动信息，计算车辆的分簇属性的数值并反馈给基站，所述分簇属性包括相对置信距离、相对移动性、传输可达速率和与基站间的信道质量指示；3)基站通过层次分析法获得各分簇属性的权重；4)基站通过叙述偏好法选择最优节点作为簇头。与现有技术相比，本发明具有降低网络丢包率、提高簇结构稳定、提升簇头与eNodeB的链路传输速率与资源利用率等优点。

Description

一种基于异构车联网分簇的簇头选择方法

技术领域

本发明涉及蜂窝网通信技术和车联网通信技术，尤其是涉及一种基于异构车联网分簇的簇头选择方法。

背景技术

车联网研究旨在保证道路交通安全、提高行车效率、丰富车载娱乐等功能。结合现代无线通信技术，车辆实时检测并反馈道路的交通状况及路面信息，并上传至互联网，制成交通报告。其他路面基础设施通过回程网络获取相应交通报告，通知其区域内车辆道路的交通状况，为车辆的调度和突发事件的处理提供相应的数据信息。网联车依靠附近的网络接入节点，可以实时下载更新道路信息、移动数据、视频业务信息等资源。

在5G等新的通信场景中，车联网结合小区基站的异构网络通信模式，是如今学术界广泛讨论的研究热点。目前，欧盟通信标准协会给出了两种车联网的消息模式：周期性广播的协同感知消息和事件触发的分布式环境告知消息。传统车辆通信模式主要集中在802.11p协议下的通信，传输距离在300米以内，对于消息传递的稳定性不足。

发明内容

本发明的目的就是为了克服传统分簇网络的通信时延与成员管理的缺陷，而提供一种基于异构车联网分簇的簇头选择方法。

本发明的目的可以通过以下技术方案来实现：

一种基于异构车联网分簇的簇头选择方法，包括以下步骤：

1)基站根据当前路面车辆分布，以IEEE 802.11p定义的最大传输距离进行最大化簇成员分簇，将分簇信息传输给各车辆；

2)车辆向簇内所有车辆广播自身车辆运动信息，同时接受簇内其他车辆的车辆运动信息，计算车辆的分簇属性的数值并反馈给基站，所述分簇属性包括相对置信距离、相对移动性、传输可达速率和与基站间的信道质量指示；

3)基站通过层次分析法获得各分簇属性的权重；

4)基站基于步骤3)的计算结果，通过叙述偏好法选择最优节点作为簇头。

进一步地，所述相对置信距离的计算公式为：

Δd＝d(v_i,v_j)-D

式中，表示车辆节点v_i的相对置信距离，L(v_i,v_j)表示车辆节点v_i与车辆节点v_j的置信距离，N(v_i)表示车辆节点v_i的簇内车辆集合，|N(v_i)|表示集合内车辆的数目，d(v_i,v_j)表示车辆节点v_i与车辆节点v_j的距离，α表示置信因子，α＞1，r_802.11p表示IEEE802.11p协议中定义的最大传输距离，D表示可靠传输范围。

进一步地，以满足以下不等式的D的最大值作为所述可靠传输范围：

λ_r＝Nλ_t＝2μDλ_t

式中，λ_t表示泊松分布强度，μ表示车辆位置服从的均匀分布参数，L表示各车辆的队列缓冲区长度，A_r表示簇头数据包到达个数，P表示簇头数据包溢出概率，ρ表示阈值，ΔT表示车辆节点数据包发送时隙长度，N为平均簇内车辆数目。

进一步地，所述相对移动性的计算过程具体如下：

式中，a表示随机调节因子，表示车辆平均移动速度，表示服从高斯分布的速度变量，表示车辆节点v_i的相对移动性，u_t为车辆节点t时隙下的移动速度，u_t(v_i)则为车辆节点v_i在时隙t下的移动速度，x_t(v_i)表示车辆节点v_i所在位置，δ为预测的时间间隔。

进一步地，所述传输可达速率的计算公式为：

式中，S(v_i)表示车辆节点v_i的传输可达速率，RSRQ(v_i)表示车辆节点v_i的接收参考信号质量，ψ为信道检测时间，为能量传输时间，Y为LTE网络中资源块数目，Y为LTE网络中资源块数目。

进一步地，所述通过叙述偏好法选择最优节点作为簇头具体包括以下步骤：

401)计算决策矩阵R，决策矩阵R的各元素r_ij表示为：

式中，M为簇内车辆节点集合，共有m辆车，x_ij表示车辆节点v_i的分簇属性j的数值结果；

402)建立加权标准化决策矩阵Z：

其中，ε＝[ε₁,ε₂,ε₃,ε₄]表示分簇属性权值；

403)确定理想解A⁺与负理想解A^-：

式中，效益属性集J⁺＝{S(v_i),C(v_i)|i∈M}，成本属性集

404)计算车辆节点v_i与理想方案、负理想方案的欧氏距离：

405)计算各车辆节点的接近程度：

406)选择最小接近程度的车辆节点作为簇头。

进一步地，在选出簇头后，基站或簇头广播分簇信息，其他车辆将自身修改为簇成员状态。

与现有技术相比，本发明基于车辆之间的相对置信距离、相对移动性、传输可达速率、与基站之间的CQI作为分簇属性，并通过层次分析法确立各分簇属性的权重，结合TOPSIS方法选择最优车辆节点作为簇内网关节点，具有以下有益效果：

1、该方法在结合LTE与传统车联网的异构网络场景下，通过分簇算法有效地管理网络中的车辆节点，并且有效地提高通信链路的效率与传输速率。

2、该发明提出将LTE链路参考信号强度与CQI作为分簇属性，通过选择较高的参考信号强度与CQI的车辆节点，以保证簇头传输效率。

3、针对异构网络环境下，该发明提出异构网络下车联网分簇算法，增强簇结构稳定并提高链路效率，从而优化系统网络的性能。

4、本发明通过综合考虑车辆节点的分布密度与数据包发送频率，计算出可靠通信距离，在分簇属性数值计算中，引入置信因子，防止簇头节点数据包缓冲区溢出，提高车辆之间传输可靠性。

5、本方法可以保证网络传输效率，增强簇结构稳定。在高速移动的车联网场景中，提供可以可靠且稳定的通信模式。

6、本发明通过基站(eNodeB)的调度对车辆进行分簇，eNodeB通信范围可达约2km的距离，利用基站覆盖范围广的特点，弥补车辆高速移动性带来的网络不稳定的问题。

附图说明

图1为本发明的场景示意图；

图2为置信距离示意图；

图3为权重确立流程示意图；

图4为本发明的流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本实施例提供一种基于异构车联网分簇的簇头选择方法，该方法引入权重分簇算法(Weight Cluster Algorithm,WCA)，针对异构车联网通信的特性，综合考虑车辆间的相对距离、相对移动性，考虑簇头节点与基站(eNodeB)之间的链路传输速率与信道质量指示(Channel Quality Indicator,CQI)，使用层次分析法与叙述偏好法确定最优节点作为簇头。通过优化车辆相对距离与相对移动性分簇属性，保证网络中丢包率的降低与簇结构的稳定；通过引入LTE的参考信号指标与CQI作为分簇属性，提升簇头与eNodeB的链路传输速率与资源利用率。

如图4所示，本方法包括以下步骤：

步骤1：基站根据当前路面车辆分布，以IEEE 802.11p定义的最大传输距离进行最大化簇成员分簇，将分簇信息传输给各车辆。分簇的场景为单向双车道路面，如图1所示。

步骤2：车辆向簇内所有车辆广播自身车辆运动信息(Floating Car Data,FCD)，同时接受簇内其他车辆的车辆运动信息。

步骤3：计算车辆的分簇属性的数值并反馈给基站，所述分簇属性包括相对置信距离、相对移动性、传输可达速率和与基站间的信道质量指示。

如图2所示，所述相对置信距离的计算公式为：

Δd＝d(v_i,v_j)-D

式中，表示车辆节点v_i的相对置信距离，L(v_i,v_j)表示车辆节点v_i与车辆节点v_j的置信距离，N(v_i)表示车辆节点v_i的簇内车辆集合，|N(v_i)|表示集合内车辆的数目，d(v_i,v_j)表示车辆节点v_i与车辆节点v_j的距离，α表示置信因子，α＞1，r_802.11p表示IEEE802.11p协议中定义的最大传输距离，D表示可靠传输范围。

以满足以下不等式的D的最大值作为所述可靠传输范围：

λ_r＝Nλ_t＝2μDλ_t

式中，λ_t表示泊松分布强度，μ表示车辆位置服从的均匀分布参数，L表示各车辆的队列缓冲区长度，A_r表示簇头数据包到达个数，P表示簇头数据包溢出概率，ρ表示阈值，ΔT表示车辆节点数据包发送时隙长度，N为平均簇内车辆数目。

所述相对移动性的计算过程具体如下：

式中，a表示随机调节因子，表示车辆平均移动速度，表示服从高斯分布的速度变量，表示车辆节点v_i的相对移动性，u_t为车辆节点t时隙下的移动速度，u_t(v_i)则为车辆节点v_i在时隙t下的移动速度，x_t(v_i)表示车辆节点v_i所在位置，δ为预测的时间间隔。

所述传输可达速率的计算公式为：

式中，S(v_i)表示车辆节点v_i的传输可达速率，RSRQ(v_i)表示车辆节点v_i的接收参考信号质量，ψ为信道检测时间，为能量传输时间，Y为LTE网络中资源块数目。

LTE链路的CQI根据现有技术获得。

步骤4：基站通过层次分析法获得各分簇属性的权重。层次分析法的流程图如图3所示。

步骤5：基站收集簇内车辆的分簇数据信息，通过叙述偏好法(TOPSIS)选择最优节点作为簇头。

通过叙述偏好法选择最优节点作为簇头具体包括以下步骤：

1)计算决策矩阵R，决策矩阵R的各元素r_ij表示为：

式中，M为簇内车辆节点集合，共有m辆车，x_ij表示车辆节点v_i的分簇属性j的数值结果；

2)建立加权标准化决策矩阵Z：

其中，ε＝[ε₁,ε₂,ε₃,ε₄]表示分簇属性权值；

3)确定理想解A⁺与负理想解A^-：

式中，效益属性集J⁺＝{S(v_i),C(v_i)|i∈M}，成本属性集

4)计算车辆节点v_i与理想方案、负理想方案的欧氏距离：

5)计算各车辆节点的接近程度：

6)选择最小接近程度的车辆节点作为簇头。

步骤6：在选出簇头后，簇头接收消息，将车辆状态置为簇头，基站或簇头广播分簇信息，其他车辆将自身修改为簇成员状态。分簇完成后，簇头负责簇内车辆的成员管理与信息的转发工作。若簇内成员为空，则簇头成为独立簇头。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (7)

1.一种基于异构车联网分簇的簇头选择方法，其特征在于，包括以下步骤：

1)基站根据当前路面车辆分布，以IEEE 802.11p定义的最大传输距离进行最大化簇成员分簇，将分簇信息传输给各车辆；

2)车辆向簇内所有车辆广播自身车辆运动信息，同时接受簇内其他车辆的车辆运动信息，计算车辆的分簇属性的数值并反馈给基站，所述分簇属性包括相对置信距离、相对移动性、传输可达速率和与基站间的信道质量指示；

3)基站通过层次分析法获得各分簇属性的权重；

4)基站基于步骤3)的计算结果，通过叙述偏好法选择最优节点作为簇头。

2.根据权利要求1所述的基于异构车联网分簇的簇头选择方法，其特征在于，所述相对置信距离的计算公式为：

Δd＝d(v_i,v_j)-D

式中，表示车辆节点v_i的相对置信距离，L(v_i,v_j)表示车辆节点v_i与车辆节点v_j的置信距离，N(v_i)表示车辆节点v_i的簇内车辆集合，|N(v_i)|表示集合内车辆的数目，d(v_i,v_j)表示车辆节点v_i与车辆节点v_j的距离，α表示置信因子，α＞1，r_802.11p表示IEEE 802.11p协议中定义的最大传输距离，D表示可靠传输范围。

3.根据权利要求2所述的基于异构车联网分簇的簇头选择方法，其特征在于，以满足以下不等式的D的最大值作为所述可靠传输范围：

λ_r＝Nλ_t＝2μDλ_t

式中，λ_t表示泊松分布强度，μ表示车辆位置服从的均匀分布参数，L表示各车辆的队列缓冲区长度，A_r表示簇头数据包到达个数，P表示簇头数据包溢出概率，ρ表示阈值，ΔT表示车辆节点数据包发送时隙长度，N为平均簇内车辆数目。

4.根据权利要求1所述的基于异构车联网分簇的簇头选择方法，其特征在于，所述相对移动性的计算过程具体如下：

式中，a表示随机调节因子，表示车辆平均移动速度，表示服从高斯分布的速度变量，表示车辆节点v_i的相对移动性，u_t为车辆节点t时隙下的移动速度，u_t(v_i)则为车辆节点v_i在时隙t下的移动速度，x_t(v_i)表示车辆节点v_i所在位置，δ为预测的时间间隔。

5.根据权利要求1所述的基于异构车联网分簇的簇头选择方法，其特征在于，所述传输可达速率的计算公式为：

式中，S(v_i)表示车辆节点v_i的传输可达速率，RSRQ(v_i)表示车辆节点v_i的接收参考信号质量，ψ为信道检测时间，为能量传输时间，Y为LTE网络中资源块数目。

6.根据权利要求1所述的基于异构车联网分簇的簇头选择方法，其特征在于，所述通过叙述偏好法选择最优节点作为簇头具体包括以下步骤：

401)计算决策矩阵R，决策矩阵R的各元素r_ij表示为：

式中，M为簇内车辆节点集合，共有m辆车，x_ij表示车辆节点v_i的分簇属性j的数值结果；

402)建立加权标准化决策矩阵Z：

其中，ε＝[ε₁,ε₂,ε₃,ε₄]表示分簇属性权值；

403)确定理想解A⁺与负理想解A^-：

式中，效益属性集J⁺＝{S(v_i),C(v_i)|i∈M}，成本属性集

404)计算车辆节点v_i与理想方案、负理想方案的欧氏距离：

405)计算各车辆节点的接近程度：

406)选择最小接近程度的车辆节点作为簇头。

7.根据权利要求1所述的基于异构车联网分簇的簇头选择方法，其特征在于，在选出簇头后，基站或簇头广播分簇信息，其他车辆将自身修改为簇成员状态。