CN109890061A - 一种基于锚定效应理论提高车联网中车辆合作率的方法 - Google Patents
一种基于锚定效应理论提高车联网中车辆合作率的方法 Download PDFInfo
- Publication number
- CN109890061A CN109890061A CN201910209362.4A CN201910209362A CN109890061A CN 109890061 A CN109890061 A CN 109890061A CN 201910209362 A CN201910209362 A CN 201910209362A CN 109890061 A CN109890061 A CN 109890061A
- Authority
- CN
- China
- Prior art keywords
- node
- alliance
- user
- vehicle
- car networking
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于锚定效应理论提高车联网中车辆合作率的方法,根据车联网高移动性等特点,考虑到人在初次和再次面对类似选择时的心理变化情况,利用锚定效应和联盟形成博弈,提出了一种车联网中新的激励机制—ADMVN(Alliance formation games based on dual‑process model in vehicle network),该机制对初次参加用户与多次参加用户采用不同的激励机制:对于初次参加的用户,通过设置实验者锚A来影响用户的自发锚SGA;对于多次参与任务的用户,用户根据在上一轮中的合作或不合作的情况,在新的一轮中通过合作锚定因子α或不合作锚定因子β来调整用户的自发锚,以此激励用户参与联盟,促进用户间的合作。提高了车联网中车辆参与通信的比例,从而进一步提高了车联网网络传输的性能。
Description
技术领域
本发明涉及车联网技术领域,尤其涉及一种将行为经济学锚定理论引入车联网系统的激励机制,促进车辆合作率。
背景技术
车联网VANET(Vehicular Ad Hoc Network)是为了解决当下交通问题(如交通拥堵、运输效率低等)而出现的一种移动自组织网络,具有高速移动性等特点。车联网主要由路边单元(Road Site unit,RSU)和车辆节点组成。在车联网中主要有两种通信方式:第一种是V2R(vehicle to road-side units),车辆通过蜂窝网络与路边单元进行通信;第二种是V2V(vehicle to vehicle),车辆与车辆之间通过DSRC(dedicated short rangecommunication)技术进行通信。在高速公路和RSU部署薄弱的地方,主要进行V2V的通信方式,如果有车辆想要与路边单元进行通信,需要其他车辆作为中继节点将自己的请求发送给路边单元,若不在相互传输范围内的两辆车辆需要相互传输数据时,就需要其他车辆作为中继节点来转发这些数据,因此,在V2V通信方式中保证车辆节点之间的合作是非常重要的。
由于中继节点在转发数据时会占用自身的带宽、消耗自身资源。因此,多数车辆都不会选择成为中继节点帮助转发数据,我们将这种不参与数据转发的车辆节点定义为自私节点。若在网络中自私节点过多,则会对整个网络的性能造成严重的降低。为了避免这种情况,让更多的节点参与到数据转发中来,已经有大量文献提出了多种机制来解决自私节点的问题。但这些机制中人在面对初次面对选择和多次面对类似选择时做出的判断是一致的,这与行为经济学实验结果不符。已经有研究表明面对一件事情时第一次选对选择时做出的判断和多次面对时做出的判断是不一致的。从图1中可以看出在不同时期个体在初次面对时做出的判断比起多次面对时做出的判断更加偏离真实价值。这表明个体在思考问题时虽然都会存在着认知的局限性,但在初次面对和多次面对时也是不一致的。
现有的激励自私节点的机制又可分为基于声誉的激励机制、基于货币的激励机制和基于博弈论的激励机制。这三种激励机制的基本原则都是以某种方式(娱乐体验、需求的服务或金钱)需求用户在完成感知任务时产生的损失,满足用户的需求。通过研究我们发现在现有车联网中的激励机制,基于博弈论的激励机制应用较多,这是由于面对车联网复杂的网络结构,博弈论可以提供一个形式化的分析框架,用一组数学工具来研究研究理性参与者之间复杂的相互作用。其中,联盟形成博弈作为博弈论的一个分支,在车联网中有较多的应用。联盟形成博弈可以有效地提高网络的效率,提高分组接收率和减少传输延迟,联盟形成博弈可以用来分析联盟的形成过程,在车联网中通过设计公平有效的协作策略来形成稳定的联盟结构,在物理层实现后,可以有效地抵制窃听行为,实现信息安全传输,因此本发明将以联盟形成博弈为研究对象。然而,现有的激励机制都是基于传统经济学设计,这些机制假设用户在选择感知时任务的需求值是独立的,既不受外部因素影响的,也不受用户之前参与的结果的影响。而行为经济学中关于锚定效应理论的研究表明,人们并不总是能做出理性的选择,而更倾向于做出满意度最大化的选择,人们的满意程度受到环境和心理等多种因素影响。
综上所述,急需一种考虑环境因素和心理因素对用户行为决策影响的、更有效的激励用户参与车联网通信的方法来解决上述问题。本方法在车辆网中,以联盟形成博弈为对象,引入了锚定效应理论设计了一种将行为经济学中的锚定效应理论引入车联网中提高用户参与率的激励方法。
发明内容
针对上述技术问题,为了更好的激励车联网中的车辆节点参与到通信中来,以联盟形成博弈为研究对象,将锚定效应引入其中,提出了ADMVN激励机制,该机制根据用户在初次面对选择时,和多次面对类似抉择时不同的心理变化情况,提出了不同的激励方式来激励这两种车辆节点。
本发明旨在至少解决现有技术中存在的技术问题。为此,本发明公开了一种基于锚定效应理论提高车联网中车辆合作率的方法,包括以下步骤:
步骤1:车联网中的准备阶段,根据现实中车辆移动速度等特征生成车联网节点,并在这些节点中选择生成发射节点用来发射各种类型的服务消息,普通节点来转发服务消息和接收服务消息;
步骤2:第一轮中,为所有普通节点Ni设置实验者锚A(外部给定的参考值),并根据实验者锚A产生自发锚SGA(个体内心产生的参照值);
步骤3:遍历所有普通节点,判断节点是否处于发射节点或已经存在的联盟范围内;
步骤4:若在范围内,则判断加入目前的联盟的收益U是否大于自发锚SGA,若大于则加入该联盟,若小于则不加入该联盟;
步骤5:根据所述步骤4中普通节点的选择结果计算每个普通节点的收益U,并且上一轮中参加联盟的节点,生成合作锚定因子α;在上一轮中未参加联盟的节点,生成不合作锚定因子β;
步骤6:新的一轮中,所有普通节点根据自身的锚定因子和上一轮的收益调整自身锚;
步骤7:已经有联盟的普通节点根据调整后的自身锚和当前联盟的收益判断是否离开当前联盟或者加入其他联盟,对于没有联盟的普通节点根据调整后的自发锚和范围内联盟的收益判断是否要加入联盟。
优选地,所述步骤1进一步包括:车联网的基本特征主要有以下参数:
节点间的传输速率为:
其中,ρj表示传输分组数,当NT不在NL的传输范围内时,就需要需要经过k个中继节N1,...,Nk来转发数据,此时NT的接收率RT如下所示:
行驶中的车辆Ni的初始速度用Vi 0表示,在最小速度Vmin和最大速度Vmax中随机给出,即Vi 0∈[Vmin,Vmax],车辆Ni在t时刻的的速度用Vi t表示,其中Vi t∈[Vmin,Vmax],Vi t如下所示:
其中a表示Ni的加速度,S表示Ni的减速度,θ表示时间间隔,pa表示加速概率,ps表示减速概率,约束条件为:
优选的,所述步骤3进一步包括,通过以下公式判断节点Ni是否处于联盟C的范围之中:
其中,XC代表联盟C的横坐标,YC代表联盟C的纵坐标。当D小于等于通信范围时,节点Ni处于联盟范围内,反之不处于范围内。
优选地,所述步骤4进一步包括,新加入的车辆用户Ni会处于以下三种情况之一:
ⅰ)经过基础单元RSU的范围时;
ⅱ)车辆用户Ni传输范围内有发射车辆时;
ⅲ)车辆用户Ni传输范围内有正在通信的中继节点时。
收到来自这三种节点的通信请求时,任一Ni会根据收到的请求通信的消息类型以及EPA来产生第一轮的SGA1 i并计算自己加入通信后的收益如果则其中Λ为合作者集合;如果则Ni∈Λ。
优选地,所述步骤5进一步包括,联盟所提供的收益U的计算公式如下所示:
其中,λ表示合作意愿因子,λ=1表示加入通信,λ=0表示不加入通信,表示节点Ni的效用函数,c表示节点单次转发所消耗的成本,ζ表示Ni对于此次转发资源的重视程度,其中的计算公式如下所示:
表示联盟Lχ的平均接收率,u为联盟个数,公式如下:
其中NT表示成为接收消息的普通节点,X表示个数,表示传输概率,是一个定值。
处于网络中的用户,当其在上一轮中参与合作后,新的一轮开始后就会产生一个合作锚定因子α(0<α<1),而在上一轮中不参与合作的节点会产生一个不合作锚定因子β(0<β<1)。
优选地,所述步骤6进一步包括,在新的一轮中,所有节点根据上一步骤中产生的α,β来调整上一轮中的SGAn i,从而产生新一轮的SGAn+1 i,具体的调整公式如下所示:
优选地,所述步骤7进一步包括,对于任一节点Ni(i=1,2,...,x),如果则Ni∈Λ,此时参与合作的Ni就会获得收益,并在新的一轮中期待获得更多的收益,则节点会在新的一轮中根据合作锚定因子α提升自己的这一轮中的在第n轮中,如果则此时节点为了在新的一轮中获取收益,则节点就会在新一轮中根据不合作锚定因子β降低自己通过这种方法,我们就能够激励更多的节点参与到通信中来。
本发明相对于现有技术具有如下有益效果:本发明基于行为经济学的理论,提出了一种促进用户参与车联网通信的激励机制。与现有的技术相比,现有的激励机制基于传统经济学的理性假设设计,而本发明考虑了外部环境因素和心理因素对用户的激励作用,对于首次参与的车辆节点,采用实验者锚,来影响自发锚的产生,而对于多次参与的车辆节点,采用锚定因子来调整自发锚,通过这两种方式来激励车辆节点参与合作,实验也证明了本发明能有更实际和更有效的激励效果。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在图中,在不同的视图中,相同的附图标记指定对应的部分。
图1是本发明中首次用户和多次用户对于价值的判断图;
图2是本发明总体框架流程示意图;
图3是ADMVN激励机制实例图;
图4是用户参与率比较图;
图5是车辆节点收益比较图。
其中,图4和图5为相同环境下本发明实施例与现有的具有代表性的方法性能比较的曲线。ADMVN是本发明的方法,COMES是传统联盟形成博弈,与其它方法相比,显然本发明在各种数据预处理下性能都较好。
具体实施方式
下面将结合本发明的实例附图,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所获得的所有其他实施例,都属于本发明保护的范围。
参照图1-5所示,一种基于锚定效应理论提高车联网中车辆合作率的方法,包括以下步骤:
步骤1:车联网中的准备阶段,根据现实中车辆移动速度等特征生成车联网节点,并在这些节点中选择生成发射节点用来发射各种类型的服务消息,普通节点来转发服务消息和接收服务消息;
步骤2:第一轮中,为所有普通节点Ni设置实验者锚A(外部给定的参考值),并根据实验者锚A产生自发锚SGA(个体内心产生的参照值);
步骤3:遍历所有普通节点,判断节点是否处于发射节点或已经存在的联盟范围内;
步骤4:若在范围内,则判断加入目前的联盟的收益U是否大于自发锚SGA,若大于则加入该联盟,若小于则不加入该联盟;
步骤5:根据所述步骤4中普通节点的选择结果计算每个普通节点的收益U,并且上一轮中参加联盟的节点,生成合作锚定因子α;在上一轮中未参加联盟的节点,生成不合作锚定因子β;
步骤6:新的一轮中,所有普通节点根据自身的锚定因子和上一轮的收益调整自身锚;
步骤7:已经有联盟的普通节点根据调整后的自身锚和当前联盟的收益判断是否离开当前联盟或者加入其他联盟,对于没有联盟的普通节点根据调整后的自发锚和范围内联盟的收益判断是否要加入联盟。
优选地,所述步骤1进一步包括:车联网的基本特征主要有以下参数:
节点间的传输速率为:
其中,ρj表示传输分组数,当NT不在NL的传输范围内时,就需要需要经过k个中继节N1,...,Nk来转发数据,此时NT的接收率RT如下所示:
行驶中的车辆Ni的初始速度用Vi 0表示,在最小速度Vmin和最大速度Vmax中随机给出,即Vi 0∈[Vmin,Vmax],车辆Ni在t时刻的的速度用Vi t表示,其中Vi t∈[Vmin,Vmax],Vi t如下所示:
其中a表示Ni的加速度,S表示Ni的减速度,θ表示时间间隔,pa表示加速概率,ps表示减速概率,约束条件为:
优选的,所述步骤3进一步包括,通过以下公式判断节点Ni是否处于联盟C的范围之中:
其中,XC代表联盟C的横坐标,YC代表联盟C的纵坐标。当D小于等于通信范围时,节点Ni处于联盟范围内,反之不处于范围内。
优选地,所述步骤4进一步包括,新加入的车辆用户Ni会处于以下三种情况之一:
ⅰ)经过基础单元RSU的范围时;
ⅱ)车辆用户Ni传输范围内有发射车辆时;
ⅲ)车辆用户Ni传输范围内有正在通信的中继节点时。
收到来自这三种节点的通信请求时,任一Ni会根据收到的请求通信的消息类型以及EPA来产生第一轮的SGA1 i并计算自己加入通信后的收益如果
则其中Λ为合作者集合;如果则Ni∈Λ。
优选地,所述步骤5进一步包括,联盟所提供的收益U的计算公式如下所示:
其中,λ表示合作意愿因子,λ=1表示加入通信,λ=0表示不加入通信,表示节点Ni的效用函数,c表示节点单次转发所消耗的成本,ζ表示Ni对于此次转发资源的重视程度,其中的计算公式如下所示:
表示联盟Lχ的平均接收率,u为联盟个数,公式如下:
其中NT表示成为接收消息的普通节点,X表示个数,PNT表示传输概率,是一个定值。
处于网络中的用户,当其在上一轮中参与合作后,新的一轮开始后就会产生一个合作锚定因子α(0<α<1),而在上一轮中不参与合作的节点会产生一个不合作锚定因子β(0<β<1)。
优选地,所述步骤6进一步包括,在新的一轮中,所有节点根据上一步骤中产生的α,β来调整上一轮中的SGAn i,从而产生新一轮的SGAn+1 i,具体的调整公式如下所示:
优选地,所述步骤7进一步包括,对于任一节点Ni(i=1,2,...,x),如果则Ni∈Λ,此时参与合作的Ni就会获得收益,并在新的一轮中期待获得更多的收益,则节点会在新的一轮中根据合作锚定因子α提升自己的这一轮中的在第n轮中,如果则此时节点为了在新的一轮中获取收益,则节点就会在新一轮中根据不合作锚定因子β降低自己SGAin+1。通过这种方法,我们就能够激励更多的节点参与到通信中来。
在本实施例中,假设网络中有5个接收节点N1,N2,...,N5,,两个发射结点NL1,NL2,3种消息类型S1,S2,S3。两个发射节点选择传输3种消息类型中的任意一种消息。每个节点都有一个节点类型type代表对哪种类型的消息感兴趣(0代表不对任何消息感兴趣)、参与传输时的成本c,节点传输范围TR,自发锚SGA,初始位置(x,y)具体参数如表1所示。
表1节点具体参数
在ADMVN中,我们假定α=0.1,β=0.2,对于初次参与的车辆节点,节点会根据实验者锚设置自己的SGA,此后根据消息类型和预期收益判断是否加入联盟,该阶段对于任何节点只会进行一次,:我们以L1为例:由距离公式可知N1,N2,N3处于NL1的传输范围内,其中只有TypeN2=TypeNL1,因此根据公式(11)N1的预期收益分别为:
同理
因此L1={NL1,N2,N3}
此时由距离公式可知N4处于L1的范围内,若N4加入L1预期收益U4为:
因此L1={NL1,N2,N3,N4}
对于多次参加的节点,所有节点都会在新的一轮中调整自己的SGA,并根据新一轮的自发锚SGA和消息类型来判断是否加入联盟,该阶段会不断重复直到节点离开当前网络,结果如图3(c)和图3(d)所示:
对于N1,由于上一轮中并未参与合作,可知本轮中为
此时若N1参与L1预期收益为
因此L1={NL1,N1,N2,N3,N4}
对于N2,上一轮中参与了合作,因此由公式(14)可以得到本轮中的SA2为:
则本轮中的预期收益为
因此L1={NL1,N1,N2,N3,N4}
综上,其旨在上述详细描述被认为是例示性的而非限制性的,并且应当理解,所述权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
虽然上面已经参考各种实施例描述了本发明,但是应当理解,在不脱离本发明的范围的情况下,可以进行许多改变和修改。因此,其旨在上述详细描述被认为是例示性的而非限制性的,并且应当理解,以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (7)
1.一种基于锚定效应理论提高车联网中车辆合作率的方法,其特征在于,包括以下步骤:
步骤1:车联网中的准备阶段,根据现实中车辆移动速度等特征生成车联网节点,并在这些节点中选择生成发射节点用来发射各种类型的服务消息,普通节点来转发服务消息和接收服务消息;
步骤2:第一轮中,为所有普通节点Ni设置实验者锚A,并根据实验者锚A产生自发锚SGA;
步骤3:遍历所有普通节点,判断节点是否处于发射节点或已经存在的联盟范围内;
步骤4:若在范围内,则判断加入目前的联盟的收益U是否大于自发锚SGA,若大于则加入该联盟,若小于则不加入该联盟;
步骤5:根据所述步骤4中普通节点的选择结果计算每个普通节点的收益U,并且上一轮中参加联盟的节点,生成合作锚定因子α;在上一轮中未参加联盟的节点,生成不合作锚定因子β;
步骤6:新的一轮中,所有普通节点根据自身的锚定因子和上一轮的收益调整自身锚;
步骤7:已经有联盟的普通节点根据调整后的自身锚和当前联盟的收益判断是否离开当前联盟或者加入其他联盟,对于没有联盟的普通节点根据调整后的自发锚和范围内联盟的收益判断是否要加入联盟。
2.根据权利要求1所述的方法,其特征在于,所述步骤1进一步包括:车联网的基本特征主要有以下参数:
节点间的传输速率为:
其中,ρj表示传输分组数,当NT不在NL的传输范围内时,就需要需要经过k个中继节N1,...,Nk来转发数据,此时NT的接收率RT如下所示:
行驶中的车辆Ni的初始速度用Vi 0表示,在最小速度Vmin和最大速度Vmax中随机给出,即Vi 0∈[Vmin,Vmax],车辆Ni在t时刻的的速度用Vi t表示,其中Vi t∈[Vmin,Vmax],Vi t如下所示:
其中a表示Ni的加速度,S表示Ni的减速度,θ表示时间间隔,pa表示加速概率,ps表示减速概率,约束条件为:
3.根据权利要求1所述的方法,其特征在于,所述步骤3进一步包括,通过以下公式判断节点Ni是否处于联盟C的范围之中:
其中,XC代表联盟C的横坐标,YC代表联盟C的纵坐标,当D小于等于通信范围时,节点Ni处于联盟范围内,反之不处于范围内。
4.根据权利要求1所述的方法,所述步骤4进一步包括,新加入的车辆用户Ni会处于以下三种情况之一:
ⅰ)经过基础单元RSU的范围时;
ⅱ)车辆用户Ni传输范围内有发射车辆时;
ⅲ)车辆用户Ni传输范围内有正在通信的中继节点时;
收到来自这三种节点的通信请求时,任一Ni会根据收到的请求通信的消息类型以及EPA来产生第一轮的SGA1 i并计算自己加入通信后的收益如果则其中Λ为合作者集合;如果则Ni∈Λ。
5.根据权利要求1所述的方法,其特征在于,所述步骤5进一步包括,联盟所提供的收益U的计算公式如下所示:
其中,λ表示合作意愿因子,λ=1表示加入通信,λ=0表示不加入通信,表示节点Ni的效用函数,c表示节点单次转发所消耗的成本,ζ表示Ni对于此次转发资源的重视程度,其中的计算公式如下所示:
表示联盟Lχ的平均接收率,u为联盟个数,公式如下:
其中NT表示成为接收消息的普通节点,X表示个数,表示传输概率,是一个定值;
处于网络中的用户,当其在上一轮中参与合作后,新的一轮开始后就会产生一个合作锚定因子α(0<α<1),而在上一轮中不参与合作的节点会产生一个不合作锚定因子β(0<β<1)。
6.根据权利要求3所述的方法,其特征在于,所述步骤6进一步包括,SGA的调整公式如下所示:
7.根据权利要求3所述的方法,其特征在于,所述步骤7进一步包括,对于任一节点Ni(i=1,2,...,x),如果则Ni∈Λ,此时参与合作的Ni就会获得收益,并在新的一轮中期待获得更多的收益,则节点会在新的一轮中根据合作锚定因子α提升自己的这一轮中的在第n轮中,如果则此时节点为了在新的一轮中获取收益,则节点就会在新一轮中根据不合作锚定因子β降低自己通过这种方法,我们就能够激励更多的节点参与到通信中来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910209362.4A CN109890061B (zh) | 2019-03-19 | 2019-03-19 | 一种基于锚定效应理论提高车联网中车辆合作率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910209362.4A CN109890061B (zh) | 2019-03-19 | 2019-03-19 | 一种基于锚定效应理论提高车联网中车辆合作率的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109890061A true CN109890061A (zh) | 2019-06-14 |
CN109890061B CN109890061B (zh) | 2020-11-06 |
Family
ID=66933063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910209362.4A Active CN109890061B (zh) | 2019-03-19 | 2019-03-19 | 一种基于锚定效应理论提高车联网中车辆合作率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109890061B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538583A (zh) * | 2020-06-23 | 2020-08-14 | 中国人民解放军国防科技大学 | 一种移动环境下车联网的低延迟协同任务处理方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106657261A (zh) * | 2016-11-08 | 2017-05-10 | 西安电子科技大学宁波信息技术研究院 | 车联网中基于联盟博弈和距离预测的车辆间数据传输方法 |
CN107181793A (zh) * | 2017-04-27 | 2017-09-19 | 长安大学 | 基于动态博弈论的交通服务信息转发机制 |
US9769614B2 (en) * | 2015-10-22 | 2017-09-19 | Veniam, Inc. | Method and system for providing GPS data corrections to mobile nodes in a network of moving things |
-
2019
- 2019-03-19 CN CN201910209362.4A patent/CN109890061B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9769614B2 (en) * | 2015-10-22 | 2017-09-19 | Veniam, Inc. | Method and system for providing GPS data corrections to mobile nodes in a network of moving things |
CN106657261A (zh) * | 2016-11-08 | 2017-05-10 | 西安电子科技大学宁波信息技术研究院 | 车联网中基于联盟博弈和距离预测的车辆间数据传输方法 |
CN107181793A (zh) * | 2017-04-27 | 2017-09-19 | 长安大学 | 基于动态博弈论的交通服务信息转发机制 |
Non-Patent Citations (4)
Title |
---|
HAYDER M. AMERA, CHRISTOS TSOTSKASB, MATTHEW HAWESA: "A Game Theory Approach for Congestion Control", 《2017 SENSOR DATA FUSION: TRENDS, SOLUTIONS, APPLICATIONS (SDF)》 * |
KAHINA OUAZINE 1,2, HACHEM SLIMANI 1,2,: "Alliance based approach for reducing saturation and congestion in VANETs", 《2018 INTERNATIONAL SYMPOSIUM ON PROGRAMMING AND SYSTEMS (ISPS)》 * |
付伟伊: "基于联盟博弈的飞行自组网中信息共享方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
刘 志 鹏: "基于合作博弈的VANETS消息协作共享机制研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538583A (zh) * | 2020-06-23 | 2020-08-14 | 中国人民解放军国防科技大学 | 一种移动环境下车联网的低延迟协同任务处理方法及装置 |
CN111538583B (zh) * | 2020-06-23 | 2020-10-20 | 中国人民解放军国防科技大学 | 一种移动环境下车联网的低延迟协同任务处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109890061B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104408306B (zh) | Vanet中利用演化博弈来激励停靠车辆合作转发进行分析建模的方法 | |
Chen et al. | CVCG: Cooperative V2V-aided transmission scheme based on coalitional game for popular content distribution in vehicular ad-hoc networks | |
Wang et al. | Coalitional graph games for popular content distribution in cognitive radio VANETs | |
Urpi et al. | Modelling cooperation in mobile ad hoc networks: a formal description of selfishness | |
Ning et al. | Self-interest-driven incentives for ad dissemination in autonomous mobile social networks | |
Shivshankar et al. | An evolutionary game theory-based approach to cooperation in VANETs under different network conditions | |
Huang et al. | The vehicular social network (VSN)-based sharing of downloaded geo data using the credit-based clustering scheme | |
Wu et al. | Routing algorithm based on multi-community evolutionary game for VANET | |
CN112929944B (zh) | 一种基于模糊逻辑和联盟图博弈的车联网协作内容分发方法 | |
CN103973789A (zh) | 一种联合车辆历史信用及当前状态的vanet成簇方法 | |
Ding et al. | A public goods game theory-based approach to cooperation in VANETs under a high vehicle density condition | |
Cai et al. | A survey on routing algorithms for opportunistic mobile social networks | |
CN109890061A (zh) | 一种基于锚定效应理论提高车联网中车辆合作率的方法 | |
Zhang et al. | Cluster-based content download and forwarding scheme for highway VANETs | |
Mao et al. | A fair credit-based incentive mechanism for routing in DTN-based sensor network with nodes’ selfishness | |
Wang et al. | On improving the efficiency of truthful routing in MANETs with selfish nodes | |
Kou et al. | Study of a routing algorithm of Internet of vehicles based on selfishness | |
Wang et al. | Popular content distribution in vehicular networks using coalition formation games | |
Ullah et al. | A social utility-based dissemination scheme for emergency warning messages in vehicular social networks | |
CN105141544A (zh) | 一种车联网中的数据分发方法 | |
Amer et al. | Hybrid game approach‐based channel congestion control for the Internet of Vehicles | |
Wang et al. | Ramc: Reverse auction based multilevel cooperation for large size data download in vanets | |
Tang et al. | Game theoretical approach for ad dissemination in cluster based VANETs | |
Lieser et al. | Take it or Leave it: Decentralized Resource Allocation in Mobile Networks | |
Ma et al. | Game theory based cooperation incentive mechanism in vehicular ad hoc networks |
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 |