CN110213715B - 一种基于车辆间最优估计距离的v2v通信模式切换方法 - Google Patents

一种基于车辆间最优估计距离的v2v通信模式切换方法 Download PDF

Info

Publication number
CN110213715B
CN110213715B CN201910413993.8A CN201910413993A CN110213715B CN 110213715 B CN110213715 B CN 110213715B CN 201910413993 A CN201910413993 A CN 201910413993A CN 110213715 B CN110213715 B CN 110213715B
Authority
CN
China
Prior art keywords
vehicle
state
current moment
vehicles
communication mode
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
CN201910413993.8A
Other languages
English (en)
Other versions
CN110213715A (zh
Inventor
葛晓虎
周诗豪
钟祎
韩涛
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201910413993.8A priority Critical patent/CN110213715B/zh
Publication of CN110213715A publication Critical patent/CN110213715A/zh
Application granted granted Critical
Publication of CN110213715B publication Critical patent/CN110213715B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于车辆间最优估计距离的V2V通信模式切换方法，包括：根据车辆状态的相关变量预测当前时刻车辆的状态估计值；根据预测的当前时刻车辆的状态估计值和车辆状态的测量数据，对车辆的状态估计值更新，得到最优状态估计值；根据最优状态估计值，获取车辆间的最优估计距离；根据车辆间估计距离的平方的概率密度函数、车辆间的最优估计距离以及设定的车辆间直接通信的距离阈值，获取进行V2V通信模式切换决策的概率，并根据其切换V2V通信模式。相比于基于测量距离的V2V通信模式切换方法，本发明基于车辆间最优估计距离的V2V通信模式切换方法为V2V车辆对选择合适的通信模式，提高了V2V通信链路的平均吞吐量。

Description

一种基于车辆间最优估计距离的V2V通信模式切换方法
技术领域
本发明属于无线通信技术领域，更具体地，涉及一种基于车辆间最优估计距离的V2V通信模式切换方法。
背景技术
在智能交通系统(Intelligent Transport System，ITS)中，为了提高车辆行驶的安全性，需要实现车辆对的互相通信，以传递预警消息和车辆位置等信息。在车辆的动态行驶过程中，在车辆对建立合适的V2V通信模式可以有效地提高V2V通信链路性能。在传统的车联网通信中，车辆通过分析处理激光雷达等传感器收集的数据来获知周围车辆的位置信息，只有当车辆对距离在信号范围内时才能成功建立连接，时间延迟较大，可靠性较低。此外，当道路上车辆数目增多时会造成传感器数据量增多，降低了车辆感知周围其他车辆位置的实时性和准确性，不利于车辆对进行V2V通信模式切换。因此，考虑蜂窝车联网场景下的V2V通信模式切换。在蜂窝车联网中，基站是整个系统的控制中心，可以实时地接收其覆盖范围内所有车辆的测量数据，即行驶状态数据。在不同时刻下，基站根据车辆对距离来选择合适的V2V通信模式，实现动态V2V通信模式自适应切换。
在现有V2V通信模式切换方法中，通过车辆对的测量距离进行V2V通信模式切换是一种常用的模式切换方法。但是车辆状态的测量数据存在噪声，使得车辆位置具有不确定性。因此，在车辆的动态行驶过程中，基于车辆间测量距离的模式切换方法可能会为V2V车辆对选择不合适的V2V通信模式，导致蜂窝车联网中V2V通信链路的平均吞吐量较低。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种基于车辆间最优估计距离的V2V通信模式切换方法，旨在解决现有根据测量距离进行V2V通信模式切换导致V2V通信链路的平均吞吐量低的问题。
为实现上述目的，本发明提供了一种基于车辆间最优估计距离的V2V通信模式切换方法，包括：
(1)根据车辆状态的测量数据以及车辆状态的相关变量，利用卡尔曼滤波，获取当前时刻车辆间的最优估计距离；
(2)根据车辆间的最优估计距离，获取V2V通信模式为直通模式的概率，并根据其切换V2V通信模式。
优选地，车辆状态的相关变量包括：状态转移矩阵、控制矩阵、测量噪声协方差矩阵、过程噪声协方差矩阵、状态估计值、误差协方差矩阵和观测矩阵。
优选地，步骤(1)包括：
(1.1)根据车辆状态的相关变量预测当前时刻车辆的状态估计值以及当前时刻的状态误差协方差矩阵；
(1.2)根据预测的当前时刻车辆的状态估计值、误差协方差矩阵、观测矩阵、测量噪声协方差矩阵和车辆状态的测量数据，对卡尔曼增量、状态估计值和误差协方差矩阵进行更新，获取当前时刻车辆间的最优估计距离。
优选地，步骤(1.1)为：
根据前一时刻车辆的状态估计值、状态转移矩阵、控制矩阵和过程噪声，预测当前时刻车辆的状态估计值；
并根据前一时刻车辆状态的误差协方差矩阵、状态转移矩阵和过程噪声协方差矩阵预测当前时刻车辆状态的误差协方差矩阵。
步骤(1.2)包括：
(1.2.1)根据预测的当前时刻车辆状态的误差协方差矩阵、观测矩阵和测量噪声协方差矩阵，更新卡尔曼增量；
(1.2.2)根据卡尔曼增量、预测的当前时刻车辆状态的误差协方差矩阵和观测矩阵，更新当前时刻车辆状态的误差协方差矩阵；
并根据车辆状态的测量数据、预测的当前时刻车辆的状态估计值、观测矩阵和卡尔曼增量，更新车辆的状态估计值，获取车辆的最优估计位置和车辆间的最优估计距离。
优选地，步骤(2)包括：
根据更新后的当前时刻车辆的状态估计值服从高斯分布和当前时刻车辆对的最优估计距离，获取车辆对的估计距离的平方的概率密度函数；
根据车辆对的估计距离的平方的概率密度函数和当前时刻车辆对的最优估计距离以及设定的车辆间直接通信的距离阈值，获取进行V2V通信模式切换的概率，并根据其切换V2V通信模式。
优选地，V2V通信模式为直通模式或蜂窝模式。
通过本发明所构思的以上技术方案，与现有技术相比，能够取得以下有益效果：
本发明通过卡尔曼滤波算法对车辆测量数据进行滤波，得到的车辆最优估计位置比测量位置更加精准。相比于基于测量距离的V2V通信模式切换方法，基于车辆间最优估计距离的V2V通信模式切换方法可以为V2V车辆对选择合适的通信模式，提高了V2V通信链路的平均吞吐量，实现了动态V2V通信模式自适应切换。
附图说明
图1是本发明提供的蜂窝车联网中V2V通信场景图；
图2是本发明提供的基于车辆间最优估计距离的V2V通信模式切换方法的流程图；
图3是基于车辆间最优估计距离和基于测量距离的模式切换方法的V2V通信链路平均吞吐量仿真对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供了一种基于车辆间最优估计距离的V2V通信模式切换方法，通过基站进行动态V2V通信模式自适应切换，可提高V2V通信链路的平均吞吐量。
图1是蜂窝车联网的V2V通信场景图，包括两种V2V通信模式和对应两种V2V通信模式的切换场景。从图1可知，蜂窝网络的通信覆盖范围是以基站为圆心，半径为Rc的圆形，蜂窝网络覆盖道路的一部分，覆盖路段长度为L，道路中心距离基站的距离为D，且满足D2+(L/2)2＝Rc 2；蜂窝网络覆盖范围内有若干个随机均匀分布的蜂窝用户，蜂窝网络覆盖的路段上有N个V2V车辆对，车辆服从随机均匀分布,车辆对集合为
Figure GDA0002427308330000041
车辆对Vi由发射端车辆Vi T与接收端车辆Vi R组成，V2V通信模式包括直通模式和蜂窝模式，在不同时刻，当车辆间距过大时，直通模式下的V2V通信路径损耗过多，则车辆间通信模式应当切换到蜂窝模式；当车辆间距离较近时，切换到直通模式能提高通信链路的性能。
如图2所示，本发明提供了一种基于车辆间最优估计距离的V2V通信模式切换方法，包括：
(1)根据车辆状态的测量数据以及车辆状态的相关变量，利用卡尔曼滤波，获取当前时刻车辆间的最优估计距离；
所述车辆状态的相关变量包括：状态转移矩阵、控制矩阵、测量噪声协方差矩阵、过程噪声协方差矩阵、状态估计值、误差协方差矩阵和观测矩阵。
更为具体地，根据匀变速直线运动公式，可得车辆状态转移矩阵F和控制矩阵B，表达式分别为：
Figure GDA0002427308330000051
其中，Δt表示采集测量数据的时间间隔。
测量噪声协方差矩阵R和过程噪声协方差矩阵Q是根据实际测量的状态数据得出；
初始时刻车辆的状态估计值
Figure GDA0002427308330000057
和初始时刻车辆状态的误差协方差矩阵P0根据实际情况获取；
由于车辆的测量数据和车辆状态变量一致，则观测矩阵H为单位矩阵。
所述步骤(1)具体包括：
(1.1)根据车辆状态的相关变量预测当前时刻车辆的状态估计值以及当前时刻车辆状态的误差协方差矩阵；
步骤(1.1)更具体地包括：
根据前一时刻车辆的状态估计值、状态转移矩阵、控制矩阵和过程噪声，预测当前时刻车辆的状态估计值；
并根据前一时刻车辆状态的误差协方差矩阵、状态转移矩阵和过程噪声协方差矩阵预测当前时刻车辆状态的误差协方差矩阵。
即预测的当前时刻车辆的状态估计值
Figure GDA0002427308330000052
为：
Figure GDA0002427308330000053
其中，
Figure GDA0002427308330000054
为预测的当前时刻车辆的状态估计值；
Figure GDA0002427308330000055
为前一时刻车辆的状态估计值，ut＝[ux,t uy,t]T表示当前时刻车辆加速度；wt为过程噪声，且wt～N(0,Q)；Q为过程噪声协方差矩阵。
预测的当前时刻车辆状态的误差协方差矩阵
Figure GDA0002427308330000056
为：
Figure GDA0002427308330000061
其中，
Figure GDA0002427308330000062
为预测的当前时刻车辆状态的误差协方差矩阵；F为车辆状态转移矩阵；Pt-1为前一时刻车辆状态的误差协方差矩阵；
(1.2)根据预测的当前时刻车辆的状态估计值、误差协方差矩阵、观测矩阵、测量噪声协方差矩阵和车辆状态的测量数据，对卡尔曼增量、状态估计值和误差协方差矩阵进行更新，获取当前时刻车辆间的最优估计距离。步骤(1.2)具体包括：
(1.2.1)根据预测的当前时刻车辆状态的误差协方差矩阵、观测矩阵和测量噪声协方差矩阵，更新卡尔曼增量；
卡尔曼增量为：
Figure GDA0002427308330000063
Kt为当前时刻的卡尔曼增量；
Figure GDA0002427308330000064
为预测的当前时刻车辆状态的误差协方差矩阵；H为观测矩阵；R为测量噪声协方差矩阵；
(1.2.2)根据卡尔曼增量、预测的当前时刻车辆状态的误差协方差矩阵和观测矩阵，更新当前时刻车辆状态的误差协方差矩阵；
并根据车辆状态的测量数据、预测的当前时刻车辆的状态估计值、观测矩阵和卡尔曼增量，更新当前时刻车辆的状态估计值，获取车辆间的最优估计距离。
车辆的最优状态估计值为：
Figure GDA0002427308330000065
其中，rt表示车辆状态的测量数据，其表达式：
rt＝Hxt+vt
其中，vt是测量噪声，且vt～N(0,R)；xt为车辆状态估计值；Kt为当前时刻的卡尔曼增量；
Figure GDA0002427308330000066
为预测的当前时刻车辆的状态估计值；H为观测矩阵；
根据车辆的最优状态估计值
Figure GDA0002427308330000067
可确定车辆对Vi中的发射端车辆Vi T和接收端车辆Vi R的位置，记发射端车辆Vi T和接收端车辆Vi R经过卡尔曼滤波后的位置坐标分别为
Figure GDA0002427308330000071
和
Figure GDA0002427308330000072
且
Figure GDA0002427308330000073
Figure GDA0002427308330000074
Figure GDA0002427308330000075
分别表示车辆Vi T在x轴和y轴上的最优估计位置，
Figure GDA0002427308330000076
表示噪声方差；
Figure GDA0002427308330000077
分别表示车辆Vi R在x轴和y轴上的最优估计位置，
Figure GDA0002427308330000078
表示噪声方差。则车辆Vi T和车辆Vi R间的估计距离为：
Figure GDA0002427308330000079
车辆Vi T和车辆Vi R间的最优估计估计距离为：
Figure GDA00024273083300000710
当前时刻车辆状态的误差协方差矩阵为：
Figure GDA00024273083300000711
其中，
Figure GDA00024273083300000712
为预测的当前时刻的状态误差协方差矩阵；Kt为当前时刻的卡尔曼增量；H为观测矩阵；
(2)根据车辆对的最优估计距离和当前时刻车辆的状态估计值，获取V2V通信模式为直通模式的概率，并根据其切换V2V通信模式；
步骤(2)具体包括：
(2.1)根据更新后的当前时刻车辆的状态估计值服从高斯分布和当前时刻车辆对的最优估计距离，获取车辆对的估计距离的平方的概率密度函数；
具体地，令
Figure GDA00024273083300000713
则有
Figure GDA00024273083300000714
令
Figure GDA00024273083300000715
则有
Figure GDA00024273083300000716
且di 2＝x'2+y'2。di 2是由两个独立的、同方差的、不同均值的高斯变量平方和组成。因此，di 2服从自由度为2的非中心卡方分布，di 2的概率密度函数为：
Figure GDA00024273083300000717
其中，
Figure GDA00024273083300000718
Figure GDA00024273083300000719
表示车辆Vi T和车辆Vi R之间的最优估计距离。I0(·)为第一类修正贝塞尔函数，Γ(·)为Gamma函数，I0(·)的一般表达式为：
Figure GDA0002427308330000081
Figure GDA0002427308330000082
(2.2)根据车辆对的估计距离的平方的概率密度函数和当前时刻车辆对的最优估计距离以及设定的车辆间直接通信的距离阈值，获取进行V2V通信模式切换的概率，并根据其切换V2V通信模式。
具体地，由于车辆对Vi的通信模式可以根据发射端车辆Vi T和接收端车辆Vi R间的估计距离di来选择，因此可以利用
Figure GDA0002427308330000083
的概率密度函数来进行V2V通信模式的选择，不同di对应不同的车辆间最优估计距离
Figure GDA0002427308330000084
而方差δi 2与环境因素有关，可设为定值δ2。假设满足车辆间直接通信的距离阈值为dth，那么在时刻t，车辆Vi T与车辆Vi R间的通信模式切换到直通模式的概率为：
Figure GDA0002427308330000085
本发明提出的以上技术方案通过卡尔曼滤波算法对车辆测量数据进行滤波，得到的车辆最优估计位置比测量位置更加精准。相比于基于测量距离的V2V通信模式切换方法，基于车辆间最优估计距离的V2V通信模式切换方法可以为V2V车辆对选择合适的通信模式，提高了V2V通信链路的平均吞吐量。
为了更好地体现吞吐量的概念，下面简单介绍车辆对Vi通信链路的平均吞吐量的计算。
车辆对Vi的直通链路吞吐量为：
Figure GDA0002427308330000086
车辆对Vi的蜂窝链路吞吐量为：
Figure GDA0002427308330000091
在V2V通信模式切换下，车辆对Vi通信链路的平均吞吐量为：
Figure GDA0002427308330000092
其中，PV为车辆Vi T的发射功率；hi,i为车辆Vi T与Vi R间的通信链路信道增益；hi,BS为车辆Vi T与基站间的通信链路信道增益；N0为噪声功率谱密度；B为基站分配的频谱资源块带宽大小。
图3为基于车辆间最优估计距离和基于测量距离的模式切换方法的V2V通信链路平均吞吐量仿真对比图；图3中所采用的相关参数如下：
Rc＝500m，
Figure GDA0002427308330000093
D＝250m，PV＝23dBm，N＝40，N0＝-174dBm/Hz，B＝0.25MHz，Δt＝1s，dth＝80m，δ2＝12，R＝diag([3 3 1 0])，Q＝diag([1 1 0.1 0])，P0＝diag([1010 1 0])，
Figure GDA0002427308330000094
等于初始实际测量状态加协方差为P0的高斯白噪声；
图3显示了同时刻下基于不同模式切换方法的V2V通信链路的平均吞吐量，由于初始时刻所有车辆对的发射端车辆和接收端车辆是相向行驶，因此一开始采用直通模式的车辆对数量会增多，信号的路径损耗较小，使得平均吞吐量增多。8s之后，基于车辆间最优估计距离的模式切换方法在V2V通信链路的平均吞吐量方面要优于基于车辆间测量距离的模式切换方法。这是因为，相比于测量位置，车辆状态预测模型得到的最优估计位置更接近于车辆的真实位置。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于车辆间最优估计距离的V2V通信模式切换方法，其特征在于，包括：
(1)根据车辆状态的测量数据以及车辆状态的相关变量，利用卡尔曼滤波，获取当前时刻车辆间的最优估计距离；
(2)根据车辆对的最优估计距离，获取V2V通信模式为直通模式的概率，并根据其切换V2V通信模式；
所述步骤(1)包括：
(1.1)根据车辆状态的相关变量预测当前时刻车辆的状态估计值以及当前时刻车辆状态的误差协方差矩阵；
(1.2)根据预测的当前时刻车辆的状态估计值、误差协方差矩阵、观测矩阵、测量噪声协方差矩阵和车辆状态的测量数据，对卡尔曼增量、状态估计值和误差协方差矩阵进行更新，获取当前时刻车辆间的最优估计距离；
所述步骤(1.1)为：
根据前一时刻车辆的状态估计值、状态转移矩阵、控制矩阵和过程噪声，预测当前时刻车辆的状态估计值；
并根据前一时刻车辆状态的误差协方差矩阵、状态转移矩阵和过程噪声协方差矩阵预测当前时刻车辆状态的误差协方差矩阵；
所述步骤(1.2)包括：
(1.2.1)根据预测的当前时刻车辆状态的误差协方差矩阵、观测矩阵和测量噪声协方差矩阵，更新卡尔曼增量；
(1.2.2)根据卡尔曼增量、预测的当前时刻车辆状态的误差协方差矩阵和观测矩阵，更新当前时刻车辆状态的误差协方差矩阵；
并根据车辆状态的测量数据、预测的当前时刻车辆的状态估计值、观测矩阵和卡尔曼增量，更新当前时刻车辆的状态估计值，获取车辆间的最优估计距离；
车辆间的最优估计距离为：
Figure FDA0002603941290000021
其中，
Figure FDA0002603941290000022
分别表示车辆Vi T在x轴和y轴上的最优估计位置，
Figure FDA0002603941290000023
分别表示车辆Vi R在x轴和y轴上的最优估计位置；车辆Vi T和车辆Vi R的最优估计位置由更新后的当前时刻车辆的状态估计值确定；更新后的当前时刻车辆的状态估计值由预测的当前时刻车辆的状态估计值经卡尔曼滤波处理后获取；
所述步骤(2)包括：
根据更新后的当前时刻车辆的状态估计值中的估计位置服从高斯分布和当前时刻车辆对的最优估计距离，获取车辆对的估计距离的平方的概率密度函数；
根据车辆对的估计距离的平方的概率密度函数和当前时刻车辆对的最优估计距离以及设定的车辆间直接通信的距离阈值，获取进行V2V通信模式切换的概率，并根据其切换V2V通信模式。
2.如权利要求1所述的V2V通信模式切换方法，其特征在于，所述V2V通信模式为直通模式或蜂窝模式。
CN201910413993.8A 2019-05-17 2019-05-17 一种基于车辆间最优估计距离的v2v通信模式切换方法 Active CN110213715B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910413993.8A CN110213715B (zh) 2019-05-17 2019-05-17 一种基于车辆间最优估计距离的v2v通信模式切换方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910413993.8A CN110213715B (zh) 2019-05-17 2019-05-17 一种基于车辆间最优估计距离的v2v通信模式切换方法

Publications (2)

Publication Number Publication Date
CN110213715A CN110213715A (zh) 2019-09-06
CN110213715B true CN110213715B (zh) 2020-10-02

Family

ID=67787679

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910413993.8A Active CN110213715B (zh) 2019-05-17 2019-05-17 一种基于车辆间最优估计距离的v2v通信模式切换方法

Country Status (1)

Country Link
CN (1) CN110213715B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111132255B (zh) * 2019-12-12 2021-05-28 北京邮电大学 基于c-v2x的侧向链路的车联网切换方法及装置
CN111724628B (zh) * 2020-06-29 2022-05-10 江苏智能交通及智能驾驶研究院 基于v2x的无信号灯路口碰撞预警激活概率评估方法
CN113353083B (zh) * 2021-08-10 2021-10-29 所托(杭州)汽车智能设备有限公司 车辆行为识别方法
US11778422B2 (en) * 2021-11-19 2023-10-03 Aptiv Technologies Limited Vehicle positioning for V2V optimization

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080084435A (ko) * 2007-03-16 2008-09-19 한국전자통신연구원 주행기록계와 방향센서를 이용한 이동체의 위치 결정 방법,시스템 및 그 방법을 기록한 기록매체
CN103327558A (zh) * 2012-03-23 2013-09-25 北京新岸线移动多媒体技术有限公司 一种车载通信方法和通信节点
CN104157167A (zh) * 2014-08-28 2014-11-19 银江股份有限公司 一种基于协同相对定位技术的车辆防碰撞方法
CN104835353A (zh) * 2015-05-04 2015-08-12 南京邮电大学 Vanet中基于ins和gnss伪距双差的协作相对定位方法
CN105657842A (zh) * 2016-01-15 2016-06-08 宇龙计算机通信科技(深圳)有限公司 一种资源分配的方法及路侧单元
TW201801559A (zh) * 2016-06-29 2018-01-01 廣東歐珀移動通信有限公司 設備對設備（ｄ２ｄ）通信的方法和設備對設備（ｄ２ｄ）設備
CN107786318A (zh) * 2017-10-10 2018-03-09 江苏大学 一种its带状蜂窝系统带宽自适应分配的信令控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103448730B (zh) * 2013-09-17 2015-11-04 东南大学 一种高速公路汽车追尾碰撞预警关键参数估计方法
CN107734480B (zh) * 2016-08-12 2020-01-17 普天信息技术有限公司 一种切换方法和系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080084435A (ko) * 2007-03-16 2008-09-19 한국전자통신연구원 주행기록계와 방향센서를 이용한 이동체의 위치 결정 방법,시스템 및 그 방법을 기록한 기록매체
CN103327558A (zh) * 2012-03-23 2013-09-25 北京新岸线移动多媒体技术有限公司 一种车载通信方法和通信节点
CN104157167A (zh) * 2014-08-28 2014-11-19 银江股份有限公司 一种基于协同相对定位技术的车辆防碰撞方法
CN104835353A (zh) * 2015-05-04 2015-08-12 南京邮电大学 Vanet中基于ins和gnss伪距双差的协作相对定位方法
CN105657842A (zh) * 2016-01-15 2016-06-08 宇龙计算机通信科技(深圳)有限公司 一种资源分配的方法及路侧单元
TW201801559A (zh) * 2016-06-29 2018-01-01 廣東歐珀移動通信有限公司 設備對設備（ｄ２ｄ）通信的方法和設備對設備（ｄ２ｄ）設備
CN107786318A (zh) * 2017-10-10 2018-03-09 江苏大学 一种its带状蜂窝系统带宽自适应分配的信令控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
VANET中车辆协作定位技术研究;赵璐;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20150515;第4章 *

Also Published As

Publication number Publication date
CN110213715A (zh) 2019-09-06

Similar Documents

Publication Publication Date Title
CN110213715B (zh) 一种基于车辆间最优估计距离的v2v通信模式切换方法
CN1080957C (zh) 估算接收功率的方法和接收机
KR101782283B1 (ko) 무선 네트워크 조건들에 기반한 계획된 운동의 조정
CA2351683C (en) Method and arrangement for measuring and predicting of radio conditions in a communications system
US20220190941A1 (en) Terminal and communication system
CN117581248A (zh) 确定用于管理环境的目标策略
CN113498095A (zh) 用于预测无线通信链路的未来服务质量的方法、装置和计算机程序
CN111356199B (zh) 一种三维场景中车载自组织网络路由选择方法
CN109462820B (zh) 一种用于跟踪低速移动车辆的rssi拟合方法
Shule et al. Tracking accuracy based generation rules of collective perception messages
Adeogun et al. Distributed channel allocation for mobile 6G subnetworks via multi-agent deep Q-learning
Bathich et al. Q-learning vertical handover scheme in two-tier LTE-A networks.
CN114531193B (zh) 基于无人机蜂窝拓扑组网和移动边缘计算的桥梁状态监测方法
Al Saadi et al. Ground Level Mobile Signal Prediction Using Higher Altitude UAV Measurements and ANN
JP7439948B2 (ja) 通信情報予測装置、通信情報予測方法、および通信情報予測プログラム
KR102158465B1 (ko) 이동체의 자기 위치 추정 방법 및 그 이동체
JP7505569B2 (ja) 通信情報予測装置、通信情報予測方法、および通信情報予測プログラム
Mäkelä Effects of handoff algorithms on the performance of multimedia wireless networks
CN115551028B (zh) 小区切换方法、装置、电子设备及存储介质
EP3917201B1 (en) Communication device, communication method, and program
CN116996165B (zh) 一种面向移动场景的LoRaWAN自适应数据速率调节方法
WO2022249508A1 (ja) 無線制御装置、方法、及び、記録媒体
WO2022102069A1 (ja) 情報出力システム、情報出力方法、推定装置、およびプログラム
CN118804151A (zh) 切换方法、装置、电子设备、存储介质和计算机程序产品
KR20230062206A (ko) 핸드오버 결정 방법 및 장치

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