CN109600663B - 车联网中基于车辆移动行为相似性的视频资源共享方法 - Google Patents

车联网中基于车辆移动行为相似性的视频资源共享方法 Download PDF

Info

Publication number
CN109600663B
CN109600663B CN201811550132.6A CN201811550132A CN109600663B CN 109600663 B CN109600663 B CN 109600663B CN 201811550132 A CN201811550132 A CN 201811550132A CN 109600663 B CN109600663 B CN 109600663B
Authority
CN
China
Prior art keywords
road
vehicles
vehicle
cost
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811550132.6A
Other languages
English (en)
Other versions
CN109600663A (zh
Inventor
贾世杰
张瑞玲
林春杰
张永新
郭凯
尚莞璐
赵晖
蒋得森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Luoyang Normal University
Original Assignee
Luoyang Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Luoyang Normal University filed Critical Luoyang Normal University
Priority to CN201811550132.6A priority Critical patent/CN109600663B/zh
Publication of CN109600663A publication Critical patent/CN109600663A/zh
Application granted granted Critical
Publication of CN109600663B publication Critical patent/CN109600663B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/436—Interfacing a local distribution network, e.g. communicating with another STB or one or more peripheral devices inside the home
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/414—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance
    • H04N21/41422—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance located in transportation means, e.g. personal vehicle
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

车联网中基于车辆移动行为相似性的视频资源共享方法，S1、基于道路的历史通行数据计算道路流量，并且用对应时间区间的道路流量表征通过道路的时间成本；S2、利用道路的长度表征通过道路的路程成本；S3、将路程成本转化为权值然后与时间成本相结合计算道路行驶成本，并且通过道路行驶成本求得任意起点和任意终点之间的行驶模式；S4、基于车辆的行驶模式计算车辆之间的移动行为相似时长；S5、若两个车辆之间的移动行为相似时长大于传输视频资源所需要的视频共享时长，则在两个车辆之间传输视频资源。本发明通过精确描述车辆移动行为的相似性来判定车辆之间是否合适进行视频资源的共享，能够保证视频资源共享过程的稳定性，提升用户体验。

Description

车联网中基于车辆移动行为相似性的视频资源共享方法
技术领域
本发明涉及车联网领域，具体的说是一种车联网中基于车辆移动行为相似性的视频资源共享方法。
背景技术
车联网(Vehicular ad hoc Networks，VANETs)是由车辆位置、速度和路线等信息构成的巨大交互网络，是极为重要的下一代互联网技术。车辆无线通信技术的发展(如IEEE802.11p、5G)培育了许多车联网下的应用。视频服务是互联网中最流行的应用。据思科公司预测，到2020年，视频流量将占据全球移动流量的75％。视频流量的快速增长得益于全球数亿视频用户(2017年中国视频用户已达到5.78亿)的高使用率。在车联网中部署视频服务具有十分重要的意义。乘客能够利用车载视频播放终端或手持移动设备观看视频内容，增强了乘客旅行体验效果，而且车辆是视频资源存储和共享的载体，通过利用车联网络提升视频资源的分布程度及增加视频资源在网络中散播的速度。然而，在视频服务大规模部署的过程中，规模庞大的用户能够产生巨大的视频流量，需要巨大的网络带宽以支持海量视频数据的传输。有限的网络带宽是难以满足海量视频用户对于网络带宽的需求，尤其是骨干网络承载着巨大的流量压力，极大地提升了网络拥塞的风险。将巨大的视频流量卸载到底层网络是缓解骨干网络流量压力的有效解决方法。如图1所示，车辆Va与Vb在共享视频资源时，视频数据传输穿越了整个互联网，最终到达车辆Va；车辆Vc与Vd共享视频资源时，利用V2V的通信方式传输视频数据，视频流量在底层网络卸载，没有为骨干网络增加流量负担。
大多情况下，车辆在城市区域内处于高速移动状态。当车辆移动行为相似(如在同一道路上行驶)时，车辆间可以保持相对较近且稳定的地理距离(如一跳范围)，从而提升视频数据的传输效率(低延时和低丢包率)。随着车辆的移动以及行驶方向的改变，一旦车辆移动行为相异，则车辆间的地理距离逐渐增加(如共享数据的两个车辆从一跳关系变成多跳关系)，不仅增加数据传输延时和丢包率，而且极易造成连接断开，从而影响视频资源共享效率。因此，车辆移动行为相似性评估成为车联网中流量卸载的关键。近年来，众多学者提出了许多基于车辆移动相似性的资源共享方法。例如，学者Cruces提出了一个车联网中基于联系图的资源提供者的方法。通过分析车辆间相互通信的历史记录，建立车辆间通信的联系图。网络接入点(Access Point，AP)利用联系图评估资源请求车辆和资源承载车辆在移动过程中遭遇的概率，将具有较高遭遇概率的车辆作为候选车辆。当车辆在移动过程中遭遇时，资源共享的车辆保持较近的地理距离(一跳范围)，从而提升车辆间资源共享的效率。然而，车辆移动具有较大的随机性，利用AP获取和分析车辆的移动行为，将产生极大地计算负载和通信负载，且容易造成车辆遭遇预测失败。一旦车辆遭遇预测失败，则将产生极大地资源传输延时。学者Malandrino提出了一个基于车辆移动行为识别的资源共享方法。网络中AP存储着所有车辆移动的历史记录，预测车辆可能经过的AP或可能遭遇的其他车辆。AP将车辆所需的资源预先调度到车辆可能经过AP，当车辆经过且接入该AP时，该车辆从经过的AP处下载所需资源；当车辆可能与其他车辆在道路上遭遇时，AP将资源预先传输至遭遇车辆，当资源请求车辆与携带资源的车辆遭遇时，则实现车辆间资源的一跳传输。然而，该方法依赖于已获取车辆移动的历史记录及车辆移动行为的预测结果的假设前提条件，方法本身存在严重缺陷。学者Hao提出了一个车联网下基于车辆移动行为评估的资源共享方法。请求资源的车辆向其一跳邻居车辆广播请求消息。邻居节点转发该请求消息至路旁单元(Road Side Unit，RSU)。该RSU负责向网络中其他RSU或车辆获取请求的资源，并将资源分割为多个数据块。请求资源车辆的一跳邻居车辆分别从RSU处下载指定的数据块，并转发至资源请求车辆，以实现高效的资源共享。然而，该方法默认一跳邻居车辆在一定时间内与资源请求车辆保持相对较近的地理距离，从而实现以一跳范围内资源交付。由于车辆的移动行为是随机的，且移动速度较快，车辆间一跳邻居关系具有易碎性。一旦车辆间一跳邻居关系转变成多跳关系，则严重影响数据块的交付效率。
发明内容
为了解决现有技术中的不足，本发明提供一种车联网中基于车辆移动行为相似性的视频资源共享方法，通过精确描述车辆移动行为的相似性来判定车辆之间是否合适进行视频资源的共享，能够保证视频资源共享过程的稳定性，提升用户体验。
为了实现上述目的，本发明采用的具体方案为：车联网中基于车辆移动行为相似性的视频资源共享方法，所述车联网包括若干条道路和行驶在道路上的若干个车辆，每个车辆上均存储有视频资源，所述共享方法包括如下步骤：
S1、基于道路的历史通行数据计算道路流量，并且用对应时间区间的道路流量表征通过道路的时间成本；
S2、利用道路的长度表征通过道路的路程成本；
S3、将路程成本转化为权值然后与时间成本相结合计算道路行驶成本，并且通过道路行驶成本求得任意起点和任意终点之间的行驶模式；
S4、基于车辆的行驶模式计算车辆之间的移动行为相似时长；
S5、若两个车辆之间的移动行为相似时长大于传输视频资源所需要的视频共享时长，则在两个车辆之间传输视频资源。
S1中，计算道路流量的具体方法包括：
S1.1、将道路视为封闭管道，基于流体力学原理，将单位时间内离开道路横截面车辆的数量与速度的乘积定义为道路流量，记为原始流量模型；
S1.2、将道路均匀划分为若干个具有相同长度和宽度的网格，车辆在行驶过程中占据网格空间；
S1.3、基于网格计算道路容量；
S1.4、以道路上车辆速度为零且相邻两个车辆之间的距离等于最小安全距离为标准计算道路的最大容量，以道路上所有车辆均能够以道路最高限速行驶且相邻两个车辆之间的距离大于或者等于对应最高限速的最大安全距离为标准计算道路的临界容量；
S1.5、将道路容量划分为两个区间，第一个区间为从零到临界容量，第二个区间为从临界容量到最大容量，基于两个区间对原始流量模型进行修正，得到优化流量模型。
S1.1中，原始流量模型表示为
Figure BDA0001910427210000031
式中，
Figure BDA0001910427210000032
表示道路Li的流量；Ncs和vcs分别为单位时间内驶出道路Li横切面车辆的平均数量和平均速度；
S1.2中，将道路Li均为划分为n个具有相同长度和宽度的网格；
S1.3中，道路Li的容量表示为
Figure BDA0001910427210000033
式中，Sv为一个车辆所占据的空间，ρ为网格内包含车辆的数量，并且ρ为常数，ρ×Sv表示车辆占据的空间，d为相邻前后车辆间的距离，b为网格的宽度，d×b表示相邻车辆间距占据的空间，并且有
d＝c1×v2+c2×t×v，
Ncs＝kcs×ρ，
式中c1为车辆的制动系数，c2为反应系数，c1和c2均为常数，t为驾驶员的制动响应时间，v为车辆的行驶速度；kcs为单位时间内从道路Li上通过横截面网格的数量；
S1.4中，道路Li的最大容量记为Nmax，道路Li的临界容量记为Nc，第一个区间表示为(0,Nc]，在(0,Nc]内道路Li上车辆的数量变化与速度变化无关，第二个区间表示为(Nc,Nmax]，在(Nc,Nmax]内道路Li上车辆的数量变化与速度变化负相关；
S1.5的具体方法包括：
S1.51、基于第一个区间将道路Li的流量表示为
Figure BDA0001910427210000041
式中，Ne为单位时间内驶入道路Li的车辆数量；
S1.52、基于第二个区间，计算道路Li的流量
Figure BDA0001910427210000042
即驶入道路Li的流量与Li上车辆流量增量的差值，式中，ve为驶入道路Li的车辆速度，道路Li的流量增量表示为：
Figure BDA0001910427210000043
式中，ΔN为车辆数量增量，Δv为车辆速度增量，并且有ΔN+Ne≤Nmax，Nmax为道路Li允许的最大车辆数量；
S1.53、进一步根据车辆的跟驰模型定义车辆速度增量Δv和车辆数量增量ΔN分别为
Figure BDA0001910427210000044
ΔN＝ρ/T；
式中，T和η分别为后车的松弛时间和反应系数且η为一个常量，道路Li的流量增量为
Figure BDA0001910427210000045
S1.54、基于第二个区间有
Figure BDA0001910427210000046
S1.55、将S1.51和S1.54的结果融合得到优化流量模型
Figure BDA0001910427210000047
S3的具体方法包括：
S3.1、将任意起点和任意终点之间的路程描述为若干种路径组合；
S3.2、将路程成本转化为权值然后与时间成本相结合计算道路行驶成本，计算每种路径组合的道路行驶成本，选取道路行驶成本最低的一种路径组合为该起点和该终点之间的行驶模式。
S3.1中，在起点A和终点B之间的若干条路径组合分别表示为
Figure BDA0001910427210000051
S3.2中，选取行驶成本最低的一种路径组合时采用冒泡排序的方法，任意两个元素cpi和cpj进行比较时，cpi和cpj的通行成本分别表示为
Figure BDA0001910427210000052
Figure BDA0001910427210000053
式中，LCi和LCj分别表示候选路径组合cpi和cpj的路径组合长度，表示路程成本；MAX[LCi,LCj]返回LCi和LCj中的最大值；
Figure BDA0001910427210000054
表示路程成本的权重值；TRi和TRj分别为cpi和cpj的流量，表示cpi和cpj的时间成本。
S4的具体方法包括：
S4.1、分别抽取两个车辆的行驶模式；
S4.2、从两个车辆的行驶模式中抽取相同道路；
S4.3、计算两个车辆在相同道路上的行驶时间；
S4.4、计算两个车辆在相同道路上行驶的时间总长度，记为移动行为相似时长。
S4.1中，两个车辆的行驶模式分别表示为cpi和cpj；
S4.2中，cpi和cpj中拥有相同道路表示为cpi∩cpj，相同道路的数量表示为|cpi∩cpj|；
S4.3中，行驶时间表示为|Lc|/vc为通过，其中|Lc|和vc分别为道路Lc的长度和当前驶出Lc的速度；
S4.4、移动行为相似时长的计算方法为
Figure BDA0001910427210000055
S5中，基于视频资源数据规模、数据传输路径带宽和丢包率共同计算视频共享时长。
S5中，计算视频共享时长的具体方法为
Figure BDA0001910427210000056
其中，sk为视频vk的数据规模；
Figure BDA0001910427210000057
是车辆Vi或Vj为传输vk所分配的带宽；
Figure BDA0001910427210000058
为Vi或Vj在传输数据时丢包率的期望；
Figure BDA0001910427210000059
为传输视频vk的预测时间长度。
有益效果：
1、本发明通过精确描述车辆移动行为的相似性来判断车辆之间能够稳定进行视频资源的共享，在车辆移动行为相似性足够满足进行视频资源共享要求的前提下再开始进行共享，能够卸载视频共享流量到底层网络，降低骨干网络的流量负载，保证视频资源共享的稳定性，避免出现频繁中断的情况，提升了用户体验；
2、为了能够更加精确地描述车辆移动行为的相似性，本发明分析了车辆在规划行驶路径组合时的影响因素：路程成本和时间成本，其中路程成本表征为起点和终点之间的距离，时间成本表征为道路流量，又因为路程成本是静态的，而时间成本是动态变化的，所以本发明先根据流体力学流量评估模型建立道路原始流量模型，再通过分析道路流量与道路容量、车辆速度以及时间区间之间的关系来对原始流量模型进行修正得到优化流量模型，从而能够准确地计算时间成本；
3、在精确计算时间成本的基础上，本发明将路程成本转化为权值然后与时间成本相结合计算行驶成本，将行驶成本最低的一种路径组合视为车辆行驶模式，即按照行驶模式行驶的车辆能够最小化路程成本和时间成本，利用行驶模式精确概括多数车辆在道路上的移动行为，从而能够精确描述车辆移动行为的相似性。
附图说明
图1是现有技术中车联网内共享视频资源的方法示意图；
图2是车辆行驶方式的示意图；
图3是本发明中将道路分为网格的示意图；
图4是本发明的流程图。
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图4，车联网中基于车辆移动行为相似性的视频资源共享方法，车联网包括若干条道路和行驶在道路上的若干个车辆，每个车辆上均存储有视频资源，共享方法包括S1至S5。
S1、基于道路的历史通行数据计算道路流量，并且用对应时间区间的道路流量表征通过道路的时间成本。
在城市道路上，即使行人沿着道路移动，也会产生随机的方向变化，而车辆在城市区域内行驶通常会按照道路的方向、行驶目的地及道路行驶规则来确定行驶路径组合，复杂度更低，具有较高的可预测性。即使车辆在行驶过程中产生了突发事件随机改变行驶目的地，车辆从当前道路到新目的地的行驶路径组合也可以被预测。如图2所示，城市区域内所有的道路进行了命名，用以标识车辆所在的位置，也便于道路流量的标识。车辆B的当前位置为Street F3、行驶目的地为Street A2，车辆B在行驶过程中会选择从Street F3到Street A2最短路径组合SPB:Street F3→Street F2→Street B3→Street E1→StreetA2。车辆A的初始位置为Street A1、初始目的地为Street C2，车辆A在行驶过程中会选择最短路径组合SPA1：Street A1→Street D1→Street D2→Street C3。然而，当车辆A到达了初始目的地Street C2后，立刻改变了行驶目的地，将初始位置Street A1作为新的行驶目的地，则车辆A无法在道路Street C2上随意改变行驶方向，只能到达Street C3后选择最短路径组合SPA2:Street C3→Street E2→Street B2→Street D1→Street A1。显然，通常情况下车辆制定行驶规划优先采用当前位置与目的地间的最短路径组合，降低行驶和时间成本。
另一方面，道路的通行能力也是决定车辆行驶规划制定的关键因素。例如，即使SPB是从Street F3到Street A2的最短路径组合，但如果SPB允许车辆行驶的速度和承载最大车辆的数量均较低且路径组合PA:Street F3→Street F2→Street F1→Street A3→Street A2允许车辆行驶的速度和承载最大车辆的数量均远高于SPB时，路径组合PA的行驶成本和时间成本要低于SPB。公知的，允许车辆行驶的速度和承载最大车辆的数量均较高的道路发生拥塞的概率相对较低，且即使发生拥塞但从拥塞中恢复的速度较快；允许车辆行驶的速度和承载最大车辆的数量均较低的道路发生拥塞的概率相对较高，且从拥塞中恢复的速度较慢。例如，一旦在SPB上车辆数量超过SPB所能承载车辆数量的最大值，则产生道路拥塞，反而极大地提升了车辆的行驶的时间成本。
在上述两个因素中，两个地点之间的距离是固定的，因此不需要额外进行复杂计算，而不同路径的通行能力是不一样的，并且随时间的改变会不断发生变化，因此预测车辆未来的行驶路径需要对道路的通行能力进行专门评估，对通行能力进行评估时最直观的体现就是单位时间内通过某一道路的车辆数量，即流量，因此本发明通过计算道路流量来表征道路的通行能力。
S1中，计算道路流量的具体方法包括S1.1至S1.5。
S1.1、由于车辆在道路上行驶过程中无法随机地改变行驶的方向，因此，可将道路视为封闭管道，基于流体力学原理，将单位时间内离开道路横截面车辆的数量与速度的乘积定义为道路流量，记为原始流量模型。原始流量模型表示为
Figure BDA0001910427210000081
式中，
Figure BDA0001910427210000082
表示道路Li的流量，Ncs和vcs分别为单位时间内驶出道路Li横切面车辆的平均数量和平均速度。
设道路Li允许车辆行驶速度范围为(0,vmax]，其中，vmax为Li允许车辆行驶的最大速度。显然，具有高流量的道路能够支持较高的车辆行驶速度，从而降低车辆的时间成本；具有高流量的道路能够允许较多车辆行驶，从而降低道路拥塞的风险、提升道路的拥塞恢复能力。
为了精确地评估道路流量，还需要进一步对道路状态进行考察。
S1.2、将道路Li均匀划分为n个具有相同长度和宽度的网格，车辆在行驶过程中占据网格空间，如图3所示。
基于网格，可以计算Ncs，具体算法为Ncs＝kcs×ρ，其中，kcs为单位时间内从道路Li上通过横截面网格的数量，ρ为网格内包含车辆的数量并且为常数。
S1.3、基于网格计算道路容量，道路Li的容量表示为
Figure BDA0001910427210000083
式中，Sv为一个车辆所占据的空间，ρ×Sv表示车辆占据的空间，d为相邻前后车辆间的距离，b为网格的宽度，d×b表示相邻车辆间距占据的空间，并且有
d＝c1×v2+c2×t×v，
Ncs＝kcs×ρ，
式中，d为相邻前后车辆之间的距离，c1为车辆的制动系数，c2为反应系数，c1和c2均为常数，t为驾驶员的制动响应时间，v为车辆的行驶速度，kcs为单位时间内从道路Li上通过横截面网格的数量。
由于车辆间需要维持一定的距离，以确保车辆在行驶过程中的安全，因此，车辆所占据空间与车辆的安全间距可以被共同视为管道内流动的物质。
S1.4、以道路上车辆速度为零且相邻两个车辆之间的距离等于最小安全距离为标准计算道路的最大容量，以道路上所有车辆均能够以道路最高限速行驶且相邻两个车辆之间的距离大于或者等于对应最高限速的最大安全距离为标准计算道路的临界容量。其中，道路Li的最大容量记为Nmax，道路Li的临界容量记为Nc，第一个区间表示为(0,Nc]，在(0,Nc]内道路Li上车辆的数量变化与速度变化无关，第二个区间表示为(Nc,Nmax]，在(Nc,Nmax]内道路Li上车辆的数量变化与速度变化负相关，即车辆速度增大则车辆数量减少，车辆速度减小则车辆数量增多。
S1.5、将道路容量划分为两个区间，第一个区间为从零到临界容量，第二个区间为从临界容量到最大容量，基于两个区间对原始流量模型进行修正，得到优化流量模型，具体方法包括S1.51至S1.55。
S1.51、基于第一个区间将道路Li的流量表示为
Figure BDA0001910427210000091
即道路Li的流量为在单位时间内驶入Li的车辆数量与Li上允许车辆最大行驶速度的乘积，式中，Ne为单位时间内驶入道路Li的车辆数量，车辆可以按照最大行驶速度vmax行驶(即ve＝vmax)，所以车辆速度为常量；车辆数量在区间(0,Nc]内变化，则驶入道路Li的车辆数量决定了驶出道路Li的车辆数量。
当道路Li上的车辆数量Ni∈(0,Nc]时，车辆可以按照最大行驶速度vmax行驶(即ve＝vmax)，所以车辆速度为常量；车辆数量在区间(0,Nc]内变化，则驶入道路Li的车辆数量决定了驶出道路Li的车辆数量。因此，道路Li的流量可以被定义为驶入Li的车辆数量与vmax的乘积。
如果道路Li上的车辆数量Ni∈(Nc,Nmax]时，则车辆的速度与数量存在相互影响。根据流体力学的质量守恒定律，封闭管道内流量的增量等于进入管道流量与离开管道流量的差值，即
Figure BDA0001910427210000092
如果Ne＝Ncs且ve＝vcs，则
Figure BDA0001910427210000093
车辆在道路上行驶遵循排队过程，前车的行驶状态对紧随的后车产生制约性。后车的行驶速度总是随着前车速度的变化而变化，即前车与后车的行驶速度拥有相同的变化。当驶出道路车辆的速度下降时，在单位时间内驶出道路的车辆数量也随之下降。如果Ne和Ve的值为常量且Ne>Ncs，ve>vcs，则
Figure BDA0001910427210000094
即单位时间内驶入道路Li的车辆数量大于驶出Li的车辆数量时，道路Li的车辆数量是增加的。反之，如果Ne<Ncs，ve<vcs，则
Figure BDA0001910427210000095
单位时间内驶入道路Li的车辆数量小于驶出Li的车辆数量时，道路Li的车辆数量是减少的。
道路Li上的车辆数量Ni∈(Nc,Nmax]时，需要根据道路Li上的车辆速度变化对于其他车辆产生的传递性进一步分析道路流量的变化。事实上，道路上的车辆被视为连续均质的媒介。当靠近道路出口的前端车辆在周期时间Δt内改变自身的行驶速度从ve到vcs时，传递性使得后续车辆在周期时间Δt内做出相同的行驶速度改变。道路流量的增量可以被定义为：ΔN×vcs，其中，ΔN＝Ne-Ncs，表示在周期时间Δt内离开道路Li的车辆数量的增量。此外，在周期时间Δt内驶入道路Li的车辆的速度也会由ve变化到vcs。道路Li的新增车辆产生的流量增量可以被定义为Ne×Δv，其中，Δv＝ve-vcs。
S1.52、基于第二个区间，计算道路Li的流量表示为
Figure BDA0001910427210000101
即驶入道路Li的流量与Li上车辆流量增量的差值，式中，ve为驶入道路Li的车辆速度。道路Li的流量增量表示为：
Figure BDA0001910427210000102
如果vcs＝ve，则Δv＝0，道路流量为
Figure BDA0001910427210000103
表示驶入道路Li且改变行驶速度的车辆产生的流量增量。也就是说，当驶入道路Li的车辆行驶速度与已经在道路上行驶的车辆速度保持一致时，新驶入道路的车辆并不会带来道路流量的增量。如果vcs＝0，则Δv＝ve，道路流量为
Figure BDA0001910427210000104
表示驶入道路Li的车辆产生的流量增量。vcs＝0表示驶出道路的车辆行驶速度为0，道路中原有车辆并不会产生道路流量增量，即只有新驶入道路的车辆会带来流量增量。Ne和vcs的值可以根据周期时间内驶入道路车辆的数量和驶出道路车辆的数量及速度计算出单位时间驶入道路车辆的数量和驶出道路车辆的数量及速度。然而，影响Δv的值的因素较多，需要进一步分析车辆在道路行驶过程中速度变化对于Δv的值的影响。例如，当前端车辆的速度发生变化时，后续车辆并不能在同一时间就能够与前端车辆速度变化保持一致，因此，车辆速度变化会产生延迟。也就是说，前端车辆速度在周期时间Δt内从ve变化至vcs，则此时后续车辆的速度并不能立刻达到vcs，即ve≠vcs且ΔN≠Ne-Ncs。
S1.53、基于第二个区间，根据车辆的跟驰模型定义车辆速度增量Δv和车辆数量增量ΔN分别为
Figure BDA0001910427210000105
ΔN＝ρ/T；
式中，T和η分别为后车的松弛时间和反应系数且η为一个常量，1/T表示单位时间内发生速度变化的网格数量，将Δv和ΔN的定义代入到
Figure BDA0001910427210000106
的公式可得
Figure BDA0001910427210000107
S1.54、基于第二个区间有
Figure BDA0001910427210000108
S1.55、将S1.51和S1.54的结果融合得到优化流量模型
Figure BDA0001910427210000109
如果车辆以恒定行驶速度驶入道路Li，且遵循泊松分布，则ve为常量且Ne＝λ。如果车辆驾驶员的驾驶能力差异被忽略，则T和η也为常量。道路Li的流量只与vcs的变化相关。通过对于道路Li上车辆行驶历史记录的分析，驶入道路Li和驶出道路Li的车辆速度的均值可以被视为ve和vcs的值。
S2、利用道路的长度表征通过道路的路程成本。
S3、将路程成本转化为权值然后与时间成本相结合计算道路行驶成本，并且通过道路行驶成本求得任意起点和任意终点之间的行驶模式，具体方法包括S3.1至S3.2。
车辆通常会根据行驶的路程成本和时间成本来规划行驶路径组合，但是路程成本和时间成本的重要性并不相同，因此需要进行加权计算，才能够准确反映出车辆选择行驶模式的标准。
S3.1、将任意起点和任意终点之间的路程描述为若干种路径组合，在起点A和终点B之间的若干条路径组合分别表示为
Figure BDA0001910427210000111
S3.2、将路程成本转化为权值然后与时间成本相结合计算行驶成本，计算每种路径组合的行驶成本，选取行驶成本最低的一种路径组合为该起点和该终点之间的行驶模式。S3.2中，选取行驶成本最低的一种路径组合时采用冒泡排序的方法，任意两个元素cpi和cpj进行比较时，cpi和cpj的通行成本分别表示为
Figure BDA0001910427210000112
Figure BDA0001910427210000113
式中，LCi和LCj分别表示候选路径组合cpi和cpj的路径组合长度，表示路程成本。MAX[LCi,LCj]返回LCi和LCj中的最大值。
Figure BDA0001910427210000114
表示路程成本的权重值。TRi和TRj分别为cpi和cpj的流量，表示cpi和cpj的时间成本。
由于城市区域内道路车辆数量及速度是动态变化的，使得不同时间间隔内相同起始位置对应的通行成本是不同的，可能存在不同的时间间隔对应的行驶模式是不同的。因此，需要对相同起始位置根据不同的时间区间分别定义行驶模式。例如，任一两个位置A和B间的行驶路径组合可以被定义为：PAB＝(cpi,ts,te)，其中，ts和te分别表示路径组合PAB的行驶模式有效时间区间的起始时间和终止时间。城市区域内所有起始位置在不同时间区间对应的行驶模式构成集合DPS。
S4、基于车辆的行驶模式计算车辆之间的移动行为相似时长。
S4的具体方法包括S4.1至S4.4。
S4.1、分别从DPS中抽取两个车辆的行驶模式，两个车辆的行驶模式分别表示为cpi和cpj。
S4.2、从两个车辆的行驶模式中抽取相同道路，cpi和cpj中拥有相同道路表示为cpi∩cpj，相同道路的数量表示为|cpi∩cpj|。
S4.3、计算两个车辆在相同道路上的行驶时间，行驶时间表示为|Lc|/vc为通过，其中|Lc|和vc分别为道路Lc的长度和当前驶出Lc的速度。
S4.4、计算两个车辆在相同道路上行驶的时间总长度，记为移动行为相似时长，移动行为相似时长的计算方法为
Figure BDA0001910427210000121
S5、若两个车辆之间的移动行为相似时长大于传输视频资源所需要的视频共享时长，则在两个车辆之间传输视频资源。其中，计算视频共享时长时基于视频资源数据规模、数据传输路径带宽和丢包率共同计算，具体方法为
Figure BDA0001910427210000122
其中，sk为视频vk的数据规模，
Figure BDA0001910427210000123
是车辆Vi或Vj为传输vk所分配的带宽，
Figure BDA0001910427210000124
为Vi或Vj在传输数据时丢包率的期望，Tvk为传输视频vk的视频共享时长。
如果
Figure BDA0001910427210000125
则视为Vi和Vj的移动行为相似，即车辆Vi和Vj在移动过程中能够完成对于视频vk的共享，此时车辆Vi和Vj可以进行视频资源的共享；否则，如果
Figure BDA0001910427210000126
则视为Vi和Vj的移动行为不相似，不适合进行视频资源的共享。
本发明提出了一种车联网中基于车辆移动行为相似性的视频资源共享方法，以下简称VMSVR。
首先，VMSVR分析了车辆在规划行驶路径组合时的影响因素：路程成本和时间成本，其中路程成本表征为起点和终点之间的距离，时间成本表征为道路流量。又因为路程成本是静态的，而时间成本是动态变化的，所以VMSVR先根据流体力学流量评估模型建立道路原始流量模型，再通过分析道路流量与道路容量、车辆速度以及时间区间之间的关系来对原始流量模型进行修正得到优化流量模型，从而能够准确地计算时间成本。
其次，VMSVR将路程成本转化为权值然后与时间成本相结合计算行驶成本，将行驶成本最低的一种路径组合视为车辆行驶模式，即按照行驶模式行驶的车辆能够最小化路程成本和时间成本，利用行驶模式精确概括多数车辆在道路上的移动行为，从而能够精确描述车辆移动行为的相似性。
最后，VMSVR基于车辆移动行为的相似性来判定车辆之间能否进行视频资源的共享，在满足共享条件的前提下才进行视频资源的共享，卸载视频共享流量到底层网络，降低骨干网络的流量负载，保证了车辆之间在共享视频资源时的稳定性，避免频繁出现传输中断的问题，提升用户体验。
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 (8)

1.车联网中基于车辆移动行为相似性的视频资源共享方法，所述车联网包括若干条道路和行驶在道路上的若干个车辆，每个车辆上均存储有视频资源，其特征在于：所述共享方法包括如下步骤：
S1、基于道路的历史通行数据计算道路流量，并且用对应时间区间的道路流量表征通过道路的时间成本；
S2、利用道路的长度表征通过道路的路程成本；
S3、将路程成本转化为权值然后与时间成本相结合计算道路行驶成本，并且通过道路行驶成本求得任意起点和任意终点之间的行驶模式；
S3的具体方法包括：
S3.1、将任意起点和任意终点之间的路程描述为若干种路径组合；
S3.2、将路程成本转化为权值然后与时间成本相结合计算道路行驶成本，计算每种路径组合的道路行驶成本，选取道路行驶成本最低的一种路径组合为该起点和该终点之间的行驶模式；
S4、基于车辆的行驶模式计算车辆之间的移动行为相似时长；
S5、若两个车辆之间的移动行为相似时长大于传输视频资源所需要的视频共享时长，则在两个车辆之间传输视频资源。
2.如权利要求1所述的车联网中基于车辆移动行为相似性的视频资源共享方法，其特征在于：S1中，计算道路流量的具体方法包括：
S1.1、将道路视为封闭管道，基于流体力学原理，将单位时间内离开道路横截面车辆的数量与速度的乘积定义为道路流量，记为原始流量模型；
S1.2、将道路均匀划分为若干个具有相同长度和宽度的网格，车辆在行驶过程中占据网格空间；
S1.3、基于网格计算道路容量；
S1.4、以道路上车辆速度为零且相邻两个车辆之间的距离等于最小安全距离为标准计算道路的最大容量，以道路上所有车辆均能够以道路最高限速行驶且相邻两个车辆之间的距离大于或者等于对应最高限速的最大安全距离为标准计算道路的临界容量；
S1.5、将道路容量划分为两个区间，第一个区间为从零到临界容量，第二个区间为从临界容量到最大容量，基于两个区间对原始流量模型进行修正，得到优化流量模型。
3.如权利要求2所述的车联网中基于车辆移动行为相似性的视频资源共享方法，其特征在于：
S1.1中，原始流量模型表示为
Figure FDA0002709648870000021
式中，
Figure FDA0002709648870000022
表示道路Li的流量，Ncs和vcs分别为单位时间内驶出道路Li横切面车辆的平均数量和平均速度；
S1.2中，将道路Li均为划分为n个具有相同长度和宽度的网格；
S1.3中，道路Li的容量表示为
Figure FDA0002709648870000023
式中，Sv为一个车辆所占据的空间，ρ为网格内包含车辆的数量，并且ρ为常数，ρ×Sv表示车辆占据的空间，d为相邻前后车辆间的距离，b为网格的宽度，d×b表示相邻车辆间距占据的空间，并且有
d＝c1×v2+c2×t×v，
Ncs＝kcs×ρ，
式中c1为车辆的制动系数，c2为反应系数，c1和c2均为常数，t为驾驶员的制动响应时间，v为车辆的行驶速度；kcs为单位时间内从道路Li上通过横截面网格的数量，
S1.4中，道路Li的最大容量记为Nmax，道路Li的临界容量记为Nc，第一个区间表示为(0,Nc]，在(0,Nc]内道路Li上车辆的数量变化与速度变化无关，第二个区间表示为(Nc,Nmax]，在(Nc,Nmax]内道路Li上车辆的数量变化与速度变化负相关；
S1.5的具体方法包括：
S1.51、基于第一个区间将道路Li的流量表示为
Figure FDA0002709648870000024
式中，Ne为单位时间内驶入道路Li的车辆数量；
S1.52、基于第二个区间，计算道路Li的流量
Figure FDA0002709648870000025
即驶入道路Li的流量与Li上车辆流量增量的差值，式中，ve为驶入道路Li的车辆速度，道路Li的流量增量表示为：
Figure FDA0002709648870000026
式中，ΔN为车辆数量增量，Δv为车辆速度增量，并且有ΔN+Ne≤Nmax，Nmax为道路Li允许的最大车辆数量；
S1.53、进一步根据车辆的跟驰模型定义车辆速度增量Δv和车辆数量增量ΔN分别为
Figure FDA0002709648870000031
ΔN＝ρ/T；
式中，T和η分别为后车的松弛时间和反应系数且η为一个常量，道路Li的流量增量为
Figure FDA0002709648870000032
S1.54、基于第二个区间有
Figure FDA0002709648870000033
S1.55、将S1.51和S1.54的结果融合得到优化流量模型
Figure FDA0002709648870000034
4.如权利要求1所述的车联网中基于车辆移动行为相似性的视频资源共享方法，其特征在于：
S3.1中，在起点A和终点B之间的若干条路径组合分别表示为
Figure FDA0002709648870000035
S3.2中，选取道路行驶成本最低的一种路径组合时采用冒泡排序的方法，任意两个元素cpi和cpj进行比较时，cpi和cpj的通行成本分别表示为
Figure FDA0002709648870000036
Figure FDA0002709648870000037
式中，LCi和LCj分别表示候选路径组合cpi和cpj的路径组合长度，表示路程成本；MAX[LCi,LCj]返回LCi和LCj中的最大值；
Figure FDA0002709648870000038
表示路程成本的权重值；TRi和TRj分别为cpi和cpj的流量，表示cpi和cpj的时间成本。
5.如权利要求1所述的车联网中基于车辆移动行为相似性的视频资源共享方法，其特征在于：S4的具体方法包括：
S4.1、分别抽取两个车辆的行驶模式；
S4.2、从两个车辆的行驶模式中抽取相同道路；
S4.3、计算两个车辆在相同道路上的行驶时间；
S4.4、计算两个车辆在相同道路上行驶的时间总长度，记为移动行为相似时长。
6.如权利要求5所述的车联网中基于车辆移动行为相似性的视频资源共享方法，其特征在于：
S4.1中，两个车辆的行驶模式分别表示为cpi和cpj；
S4.2中，cpi和cpj中拥有相同道路表示为cpi∩cpj，相同道路的数量表示为|cpi∩cpj|；
S4.3中，行驶时间表示为|Lc|/vc为通过，其中|Lc|和vc分别为道路Lc的长度和当前驶出Lc的速度；
S4.4、移动行为相似时长的计算方法为
Figure FDA0002709648870000041
7.如权利要求1所述的车联网中基于车辆移动行为相似性的视频资源共享方法，其特征在于：S5中，基于视频资源数据规模、数据传输路径带宽和丢包率共同计算视频共享时长。
8.如权利要求7所述的车联网中基于车辆移动行为相似性的视频资源共享方法，其特征在于：S5中，计算视频共享时长的具体方法为
Figure FDA0002709648870000042
其中，sk为视频vk的数据规模；
Figure FDA0002709648870000043
是车辆Vi或Vj为传输vk所分配的带宽；
Figure FDA0002709648870000044
为Vi或Vj在传输数据时丢包率的期望；
Figure FDA0002709648870000045
为传输视频vk的预测时间长度。
CN201811550132.6A 2018-12-18 2018-12-18 车联网中基于车辆移动行为相似性的视频资源共享方法 Active CN109600663B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811550132.6A CN109600663B (zh) 2018-12-18 2018-12-18 车联网中基于车辆移动行为相似性的视频资源共享方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811550132.6A CN109600663B (zh) 2018-12-18 2018-12-18 车联网中基于车辆移动行为相似性的视频资源共享方法

Publications (2)

Publication Number Publication Date
CN109600663A CN109600663A (zh) 2019-04-09
CN109600663B true CN109600663B (zh) 2021-01-08

Family

ID=65963816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811550132.6A Active CN109600663B (zh) 2018-12-18 2018-12-18 车联网中基于车辆移动行为相似性的视频资源共享方法

Country Status (1)

Country Link
CN (1) CN109600663B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112165688A (zh) * 2020-09-09 2021-01-01 博泰车联网(南京)有限公司 一种聊天室构建方法、系统及计算机可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103281742B (zh) * 2013-05-17 2016-03-09 南京邮电大学 基于自主获取道路信息车载自组织网络路由方法
US9293042B1 (en) * 2014-05-19 2016-03-22 Allstate Insurance Company Electronic display systems connected to vehicles and vehicle-based systems
CN107295600B (zh) * 2017-07-07 2019-08-30 北京邮电大学 一种车载网络中的数据传输方法
CN107889061B (zh) * 2017-11-08 2020-06-02 洛阳师范学院 车联网中车辆移动性的评估方法及在视频传输领域应用

Also Published As

Publication number Publication date
CN109600663A (zh) 2019-04-09

Similar Documents

Publication Publication Date Title
Rehman et al. A hybrid relay node selection scheme for message dissemination in VANETs
Hossain et al. Multi-objective Harris hawks optimization algorithm based 2-Hop routing algorithm for CR-VANET
Maglaras et al. Social clustering of vehicles based on semi-Markov processes
CN106102099B (zh) 一种基于驻留时间的异构车联网切换方法
US20160025510A1 (en) Method for Controlling the Provision of Traffic Informational Data in Order to Update Traffic Information
Darwish et al. TRADING: Traffic aware data offloading for big data enabled intelligent transportation system
Younes et al. An intelligent path recommendation protocol (ICOD) for VANETs
CN107889061B (zh) 车联网中车辆移动性的评估方法及在视频传输领域应用
Zhang et al. Vehicular cloud: Stochastic analysis of computing resources in a road segment
Sepulcre et al. Context-aware heterogeneous V2I communications
Ferreira et al. Scale-free properties of human mobility and applications to intelligent transportation systems
Sun et al. A novel cloudlet-dwell-time estimation method for assisting vehicular edge computing applications
CN109600663B (zh) 车联网中基于车辆移动行为相似性的视频资源共享方法
Xie et al. A throughput-aware joint vehicle route and access network selection approach based on SMDP
Fouladian et al. Using AHP and interval VIKOR methods to gateway selection in integrated VANET and 3G heterogeneous wireless networks in sparse situations
Zaimi et al. An evaluation of routing protocols for vehicular ad-hoc network considering the video stream
Joubari et al. Markov chain mobility model for multi-lane highways
Shin et al. Particle Swarm Optimization Video Streaming Service in Vehicular Ad-Hoc Networks
Bintoro et al. Learning Automata-Based AODV to Improve V2V Communication in A Dynamic Traffic Simulation.
Boualouache et al. Toward an sdn-based data collection scheme for vehicular fog computing
Moshahedi et al. A macroscopic dynamic network loading model using variational theory in a connected and autonomous vehicle environment
Li et al. A traffic congestion aware vehicle-to-vehicle communication framework based on Voronoi diagram and information granularity
Dappuri et al. A stable routing algorithm based on link prediction method for clustered VANET
Luan et al. Enabling content distribution in vehicular ad hoc networks
CN114915940B (zh) 一种车路通信链路匹配方法、系统、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant