CN111405575B - 一种rsu的部署方法及部署设备 - Google Patents
一种rsu的部署方法及部署设备 Download PDFInfo
- Publication number
- CN111405575B CN111405575B CN201910000992.0A CN201910000992A CN111405575B CN 111405575 B CN111405575 B CN 111405575B CN 201910000992 A CN201910000992 A CN 201910000992A CN 111405575 B CN111405575 B CN 111405575B
- Authority
- CN
- China
- Prior art keywords
- rsu
- candidate
- deployment
- deployed
- candidate set
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种RSU的部署方法及部署设备,属于无线通信技术领域,其中,RSU的部署方法包括:根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集;根据优化目标和约束条件,对所述初筛后的位置候选集进行筛选,得到RSU最终的部署位置。通过上述方式,本发明能够根据RSU部署位置的影响因子对候选位置进行初筛,再根据优化目标和约束条件进一步筛选,得到RSU最终的部署位置,明确了基于C‑V2X的RSU的部署方案。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种RSU的部署方法及部署设备。
背景技术
车联网是下一代通信网络中的重要应用场景,是以车内网,车际网和车载移动互联网为基础,按照约定的通信协议和数据交互标准,在车-X(Vehicle-to-X,V2X,其中,X:车、路、行人及互联网等)之间,进行无线通讯和信息交换的大系统网络,是能够实现智能化交通管理、智能动态信息服务和车辆智能化控制的一体化网络。车联网从服务内容的阶段划分来看,可以分为车载信息服务(Telematics)、辅助驾驶及初级自动驾驶和高级自动驾驶及协作智能交通三个阶段,当前所处在辅助驾驶及初级自动驾驶阶段,车辆的通信需求不再局限于Telematics中车与云之间的通信,而是进一步扩展到车与车(Vehicle-to-Vehicle,V2V)、车与人(Vehicle-to-Pedestrian,V2P)、车与路边基础设施(Vehicle-to-Infrastructure,V2I)等等。
关于车联网发展的技术路线,主要有蜂窝通信技术为基础的V2X技术(CellularV2X,C-V2X)与专用短距离通信技术(Dedicated Short Range Communication,DSRC)两种。技术上,C-V2X相比DSRC整体性能更优,可提供完备的V2X系统应用,实现更高效、可靠、安全的智能交通系统;产业上,DSRC虽发展较早,但支持的产业链相对封闭和弱小,且无演进升级路线,而C-V2X可借助通信行业规模优势,更易推动产业链改造和升级。目前,我国已明确选择C-V2X作为车联网通信技术。
路边单元(Road Side Unit,RSU,又称路侧单元)在车联网通信中起到至关重要的作用,当前关于V2I通信中RSU的部署尚处于规划阶段,随着V2I频谱资源申请、车联网技术试验等推进,关于RSU的部署很快将进入实施阶段。然而,现有技术中,RSU部署方案的设计初衷很多针对DSRC技术路线下,如提高整个网络的联通性、最大化车-路边单元-车(Vehicle-RSU-Vehicle,V-R-V)通信等。而在C-V2X技术下,整个网络的联通性容易基于蜂窝网络覆盖解决,最大化V-R-V通信距离也可以通过基站、核心网解决,并不单纯依靠路侧RSU。另有RSU部署方案是在已经建设有RSU的情况下,最大化新建的RSU的收益期望等。然而在C-V2X技术路线下,因第三代合作伙伴计划(3rd Generation Partnership Project,3GPP)标准中,长期演进技术(Long Term Evolution,LTE)-V2X标准刚刚于2018年确立,第五代移动通信网络新空口5G-NR(5G network-New Radio)标准目前尚在讨论过程中,针对C-V2X的技术试验尚在验证阶段,因此基于C-V2X的RSU部署方案,尚未明确。
发明内容
有鉴于此,本发明提供一种RSU的部署方法及部署设备,用于明确基于C-V2X的RSU的部署方案。
为解决上述技术问题,第一方面,本发明提供一种RSU的部署方法,包括:
根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集;
根据优化目标和约束条件,对所述初筛后的位置候选集进行筛选,得到RSU最终的部署位置。
优选的,所述根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集的步骤之前,还包括:
将路口作为候选位置加入所述原始位置候选集;
根据RSU的通信覆盖半径和相邻两个路口间的路段的长度,确定需要在所述路段中增加的候选位置,将所述增加的候选位置加入所述原始位置候选集。
优选的,所述根据RSU的通信覆盖半径和相邻两个路口间的路段的长度,确定需要在所述路段中增加的候选位置,将所述增加的候选位置加入所述原始位置候选集的步骤包括:
若L≤2RU,确定无需在所述路段中增加候选位置;
若L>2RU,确定需要在所述路段中增加候选位置;
其中,L为所述相邻两个路口间的路段的长度;
RU为所述RSU的通信覆盖半径。
优选的,所述根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集的步骤包括:
对所述影响因子进行数据处理,得到处理后的数据;
将所述处理后的数据作为二分类模型的输入,所述原始位置候选集中的候选位置是否适合部署RSU作为所述二分类模型的输出,将输出的适合部署RSU的候选位置作为所述初筛后的位置候选集。
优选的,所述RSU部署位置的影响因子包括以下至少之一:
拟部署在候选位置的RSU服务的车辆数目;
候选位置的环境信息;
车辆间通信需求。
优选的,所述对所述影响因子进行数据处理包括以下至少之一:
根据所述拟部署在候选位置的RSU服务的车辆数目,计算所述RSU的点度中心性,对所述RSU的点度中心性进行归一化处理;
根据所述候选位置的环境信息,确定在所述候选位置部署RSU的成本支出,对所述成本支出进行归一化处理;
根据所述车辆间通信需求,获取车辆间通信性能信息,对所述通信性能信息进行归一化处理。
优选的,所述RSU的点度中心性的计算公式如下:
其中,ηk为拟部署在候选位置k的RSU的点度中心性;
ρi为RSU覆盖范围内的第i个路段对应的交通流密度;
li为RSU覆盖范围内的第i个路段的长度;
M为拟部署RSU的路网内车辆总数;
n为拟部署在候选位置k的RSU覆盖的路段的数量。
优选的,所述优化目标包括以下至少之一:路网通信时延最小,路网通信容量最大,路网通信连通性最大,RSU服务的车辆数目最多。
优选的,所述约束条件包括以下至少之一:
部署RSU的成本支出小于或等于预设成本阈值;
部署RSU的数量小于或等于预设数量阈值;
部署RSU后路段覆盖率大于或等于预设覆盖阈值。
优选的,所述优化目标为RSU服务的车辆数目最多,所述约束条件为部署RSU的成本支出小于或等于预设成本阈值;
所述根据优化目标和约束条件,对所述初筛后的位置候选集进行筛选,得到RSU最终的部署位置的步骤包括:
根据所述优化目标,列出目标函数,根据所述约束条件,列出约束不等式,以将RSU最终的部署位置问题转化为预设数学问题;
采用预设算法,求出所述预设数学问题的最优解,作为所述RSU最终的部署位置。
优选的,所述预设数学问题包括:0-1背包问题,组合优化问题或NP难问题。
优选的,所述预设算法包括:动态规划算法和/或贪婪算法。
其中,y为拟在初筛后的位置候选集中候选位置部署的RSU的总点度中心性的最大值;
N为初筛后的位置候选集中候选位置的数量;
ηk为拟部署在候选位置k的RSU的点度中心性;
ck为在候选位置k处部署RSU的成本;
B为预设成本阈值;
若在候选位置k处部署RSU,Xk为1,若在候选位置k处不部署RSU,Xk为0;
k为初筛后的位置候选集中候选位置的序号,值为1至N中的任一整数。
优选的,所述采用预设算法,求出所述预设数学问题的最优解,作为所述RSU的最优化部署位置的步骤包括:
采用递推公式进行递推,得到部署RSU的成本支出小于或等于所述预设成本阈值B,且在所述初筛后的位置候选集中的候选位置1、2、……、N中确定所述RSU最终的部署位置时,部署的RSU的总点度中心性的最大值;
根据所述部署的RSU的总点度中心性的最大值,从所述候选位置1开始回溯,确定所述候选位置1、2、……、N中需要部署RSU的候选位置,将所述需要部署RSU的候选位置作为所述RSU最终的部署位置。
第二方面,本发明还提供一种部署设备,用于部署RSU,包括:
初筛模块,用于根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集;
部署模块,用于根据优化目标和约束条件,对所述初筛后的位置候选集进行筛选,得到RSU最终的部署位置。
优选的,所述部署设备还包括:
加入模块,用于将路口作为候选位置加入所述原始位置候选集;根据RSU的通信覆盖半径和相邻两个路口间的路段的长度,确定需要在所述路段中增加的候选位置,将所述增加的候选位置加入所述原始位置候选集。
优选的,所述加入模块,用于若L≤2RU,确定无需在所述路段中增加候选位置;若L>2RU,确定需要在所述路段中增加候选位置;
其中,L为所述相邻两个路口间的路段的长度;
RU为所述RSU的通信覆盖半径。
优选的,所述初筛模块,用于对所述影响因子进行数据处理,得到处理后的数据;将所述处理后的数据作为二分类模型的输入,所述原始位置候选集中的候选位置是否适合部署RSU作为所述二分类模型的输出,将输出的适合部署RSU的候选位置作为所述初筛后的位置候选集。
优选的,所述RSU部署位置的影响因子包括以下至少之一:
拟部署在候选位置的RSU服务的车辆数目;
候选位置的环境信息;
车辆间通信需求。
优选的,所述对所述影响因子进行数据处理包括以下至少之一:
根据所述拟部署在候选位置的RSU服务的车辆数目,计算所述RSU的点度中心性,对所述RSU的点度中心性进行归一化处理;
根据所述候选位置的环境信息,确定在所述候选位置部署RSU的成本支出,对所述成本支出进行归一化处理;
根据所述车辆间通信需求,获取车辆间通信性能信息,对所述通信性能信息进行归一化处理。
优选的,所述RSU的点度中心性的计算公式如下:
其中,ηk为拟部署在候选位置k的RSU的点度中心性;
ρi为RSU覆盖范围内的第i个路段对应的交通流密度;
li为RSU覆盖范围内的第i个路段的长度;
M为拟部署RSU的路网内车辆总数;
n为拟部署在候选位置k的RSU覆盖的路段的数量。
优选的,所述优化目标包括以下至少之一:路网通信时延最小,路网通信容量最大,路网通信连通性最大,RSU服务的车辆数目最多。
优选的,所述约束条件包括以下至少之一:
部署RSU的成本支出小于或等于预设成本阈值;
部署RSU的数量小于或等于预设数量阈值;
部署RSU后路段覆盖率大于或等于预设覆盖阈值。
优选的,所述优化目标为RSU服务的车辆数目最多,所述约束条件为部署RSU的成本支出小于或等于预设成本阈值;
所述部署模块,用于根据所述优化目标,列出目标函数,根据所述约束条件,列出约束不等式,以将RSU最终的部署位置问题转化为预设数学问题;采用预设算法,求出所述预设数学问题的最优解,作为所述RSU最终的部署位置。
优选的,所述预设数学问题包括:0-1背包问题,组合优化问题或NP难问题。
优选的,所述预设算法包括:动态规划算法和/或贪婪算法。
其中,y为拟在初筛后的位置候选集中候选位置部署的RSU的总点度中心性的最大值;
N为初筛后的位置候选集中候选位置的数量;
ηk为拟部署在候选位置k的RSU的点度中心性;
ck为在候选位置k处部署RSU的成本;
B为预设成本阈值;
若在候选位置k处部署RSU,Xk为1,若在候选位置k处不部署RSU,Xk为0;
k为初筛后的位置候选集中候选位置的序号,值为1至N中的任一整数。
优选的,所述部署模块,用于采用递推公式进行递推,得到部署RSU的成本支出小于或等于所述预设成本阈值B,且在所述初筛后的位置候选集中的候选位置1、2、……、N中确定所述RSU最终的部署位置时,部署的RSU的总点度中心性的最大值;
根据所述部署的RSU的总点度中心性的最大值,从所述候选位置1开始回溯,确定所述候选位置1、2、……、N中需要部署RSU的候选位置,将所述需要部署RSU的候选位置作为所述RSU最终的部署位置。
第三方面,本发明还提供一种部署设备,用于部署RSU,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;所述处理器执行所述计算机程序时实现上述的部署方法。
第四方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的部署方法中的步骤。
本发明的上述技术方案的有益效果如下:
本发明实施例中,根据RSU部署位置的影响因子对候选位置进行初筛,再根据优化目标和约束条件进一步筛选,得到RSU最终的部署位置,明确了基于C-V2X的RSU的部署方案。
附图说明
图1为本发明实施例一的RSU的部署方法的流程示意图;
图2为本发明实施例二的部署设备的结构示意图;
图3为本发明实施例三的部署设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,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。
请参阅图1,图1为本发明实施例一的RSU的部署方法的流程示意图,该方法包括以下步骤:
步骤11:根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集;
步骤12:根据优化目标和约束条件,对所述初筛后的位置候选集进行筛选,得到RSU最终的部署位置。
本发明实施例提供的RSU的部署方法,根据RSU部署位置的影响因子对候选位置进行初筛,再根据优化目标和约束条件进一步筛选,得到RSU最终的部署位置,明确了基于C-V2X的RSU的部署方案。
在本发明的一些优选实施例中,步骤11之前,还包括:
将路口作为候选位置加入所述原始位置候选集;
根据RSU的通信覆盖半径和相邻两个路口间的路段的长度,确定需要在所述路段中增加的候选位置,将所述增加的候选位置加入所述原始位置候选集。
具体而言,为了给更多过往车辆提供通信服务,无论是在城市还是郊区的道路环境,RSU部署在交叉路口更佳。因此,将路口作为候选位置加入原始位置候选集。
然而,当相邻两个路口间的路段很长时,部署在路口的RSU就不能够覆盖到整个路段。因此,需要在路段中间增加部署RSU,以改善服务质量。
具体的,所述根据RSU的通信覆盖半径和相邻两个路口间的路段的长度,确定需要在所述路段中增加的候选位置,将所述增加的候选位置加入所述原始位置候选集的步骤包括:
若L≤2RU,确定无需在所述路段中增加候选位置;
若L>2RU,确定需要在所述路段中增加候选位置;
其中,L为所述相邻两个路口间的路段的长度;
RU为所述RSU的通信覆盖半径。
也就是说,若L≤2RU,则在该路段的两个路口部署的RSU的通信覆盖范围就能够覆盖该路段。所以,该路段只需要选择这两个路口作为候选位置。
若L>2RU,则只在该路段的两个路口部署RSU,部署的RSU的通信覆盖范围不能覆盖该路段。所以,需要在该路段中增加候选位置来部署RSU。
进一步的,所述确定需要在所述路段中增加候选位置的步骤包括:
确定需要在所述路段中、等间隔地增加[(L-2RU)/2RU]个候选位置。
也就是说,该路段中除了选择两个路口作为候选位置外,还需要在该路段中增加[(L-2RU)/2RU]个候选位置,且增加的候选位置等间隔地分布在该路段中。从而,实现在候选位置上部署RSU,能够覆盖整个路网,保障整个路网的连通性以及覆盖率。
在C-V2X技术下,LTE-V2X存在PC5和Uu两种通信方式,RSU通过PC5接口接收V2X消息时,RSU被部署为UE和V2X应用的逻辑组合,称为UE型RSU;RSU通过LTE-Uu接口接收V2X消息,RSU将包括基站(eNB)、并内置本地网关(Local-GateWay,L-GW)(本地部署的具备服务网关(Serving GateWay,S-GW)或分组数据网关(Packet Data Network-GateWay,P-GW)功能,即具备S/P-GW功能)和V2X应用服务器,称为eNB型RSU。eNB型RSU多依赖原有的移动通信网络基站进一步实现,因此,本发明实施例,针对的是UE型RSU的部署方案。
可选的,RSU部署位置的影响因子包括以下至少之一:
拟部署在候选位置的RSU服务的车辆数目;
候选位置的环境信息;
车辆间通信需求。
具体而言,UE型RSU部署位置的影响因子可以分为上述三类,可以根据这三类中的至少之一对原始位置候选集进行初筛。其中,拟部署在候选位置的RSU服务的车辆数目越多,该RSU承担路由或I侧(即路边基础设施)信息分发的功能越佳。候选位置的环境信息包括:供电情况、安装RSU依赖的基础设施、信号遮挡情况等,能反映出该候选位置是否适宜部署RSU,以及适宜部署RSU的程度。车辆间通信需求包括:通信繁忙程度、通信质量信息等,体现RSU承担车辆间通信的中继节点功能,可以借鉴在传统车辆自组织网络(Vehicular ad-hoc network,VANET)以及DSRC技术下的车联网中的成熟方法。
在本发明的一些优选实施例中,步骤11包括:
对所述影响因子进行数据处理,得到处理后的数据;
将所述处理后的数据作为二分类模型的输入,所述原始位置候选集中的候选位置是否适合部署RSU作为所述二分类模型的输出,将输出的适合部署RSU的候选位置作为所述初筛后的位置候选集。
具体而言,可以通过深度学习或机器学习网络建立二分类模型,可以利用训练数据训练得到该二分类模型,该模型中的参数在初期可以是根据经验确定的参数。在该二分类模型中,将一个或多个影响因子作为输入,原始位置候选集中的候选位置是否适合部署RSU作为输出,将输出的适合部署RSU的候选位置作为所述初筛后的位置候选集。
该二分类模型中的参数后期也可以通过部署RSU后的实际反馈进行修订调整。
优选的,所述对所述影响因子进行数据处理包括以下至少之一:
根据所述拟部署在候选位置的RSU服务的车辆数目,计算所述RSU的点度中心性,对所述RSU的点度中心性进行归一化处理;
根据所述候选位置的环境信息,确定在所述候选位置部署RSU的成本支出,对所述成本支出进行归一化处理;
根据所述车辆间通信需求,获取车辆间通信性能信息,对所述通信性能信息进行归一化处理。
具体而言,通过计算在候选位置部署RSU的点度中心性,来表征在候选位置部署RSU能够服务的车辆终端的数目;通过预估在候选位置部署RSU的成本支出(如:将供电设施改造、设备安装依赖的物理基础设施建造、人力施工、对周边环境的影响等均换算为成本支出),来表征在候选位置部署RSU的环境适宜程度;通过获取车辆间通信性能信息(如:获取车辆间通信的丢包率、时延、吞吐率等),来表征车辆间通信需求。若在候选位置部署RSU的点度中心性越高、成本支出越低、在该候选位置通信时通信性能越差,则该候选位置越适合部署RSU。
而且,由于不同影响因子的数值计量单位不同,为了消除量纲影响,可以使用归一化进行处理,归一化处理公式为:
其中,fi′为针对候选位置i,经过归一化处理后的数据,如:归一化处理后的在候选位置i部署RSU的点度中心性、成本支出或在候选位置i通信的通信性能信息;
fi为针对候选位置i,归一化处理前的数据,如:归一化处理前的在候选位置i部署RSU的点度中心性、成本支出或在候选位置i通信的通信性能信息;
min|f|为在原始位置候选集中的每一候选位置部署RSU,归一化处理前的数据的绝对值的最小值;
max|f|为在原始位置候选集中的每一候选位置部署RSU,归一化处理前的数据的绝对值的最大值。
具体的,所述RSU的点度中心性的计算公式如下:
其中,ηk为拟部署在候选位置k的RSU的点度中心性;
ρi为RSU覆盖范围内的第i个路段对应的交通流密度;
li为RSU覆盖范围内的第i个路段的长度;
M为拟部署RSU的路网内车辆总数;
n为拟部署在候选位置k的RSU覆盖的路段的数量。
在社交网络中,点度中心性基于节点与其他节点之间的直连程度来衡量此节点的重要性,其指代的是如果某人与网络中其他人的直接联系越多,则其在社交网络中的权利越大。对于节点k,其点度中心性可以定义为:
其中,dk是与节点k有直接联系的节点的数目,M是网络中总的节点数目。
因此,本发明实施例中,类比社交网络中点度中心性的定义,在车联网中部署RSU的候选位置可以类比为社交网络中的一个节点。与RSU有直接联系的车辆数目越多,则该RSU的价值越大,因此RSU的点度中心性定义为:
显然在候选位置k部署RSU的点度中心性的值越大,意味着在此候选位置k部署RSU,可以为更多的车辆提供服务。针对交通流密度相同的多条路段,候选位置覆盖范围内的路段长度越长,则在该候选位置部署RSU的点度中心性越大,因此在部署于越多路段的交点上部署RSU通常比在其他候选位置部署RSU更适合。
优选的,所述优化目标包括以下至少之一:路网通信时延最小,路网通信容量最大,路网通信连通性最大,RSU服务的车辆数目最多。
优选的,所述约束条件包括以下至少之一:
部署RSU的成本支出小于或等于预设成本阈值;
部署RSU的数量小于或等于预设数量阈值;
部署RSU后路段覆盖率大于或等于预设覆盖阈值。
在具体的部署方案中,RSU部署方案主要解决的问题不同,约束条件也不尽相同。用户可根据实际需求确定优化目标和相应的约束条件,下面以优化目标为RSU服务的车辆数目最多,约束条件为部署RSU的成本支出小于或等于预设成本阈值举例说明如何从初筛后的位置候选集进行筛选,得到RSU的最终部署位置。
具体的,步骤12包括:
根据所述优化目标,列出目标函数,根据所述约束条件,列出约束不等式,以将RSU最终的部署位置问题转化为预设数学问题;
采用预设算法,求出所述预设数学问题的最优解,作为所述RSU最终的部署位置。
也就是说,通过明确优化目标和约束条件(即边界条件),可以将RSU最终部署位置问题转化为预设数学问题。从而,可根据用户的不同需求,求出与该需求相对应的RSU最终的部署位置。
优选的,所述预设数学问题包括:0-1背包问题,组合优化问题或NP难问题。
优选的,所述预设算法包括:动态规划算法和/或贪婪算法。
举例来说,假设初筛后的位置候选集中候选位置的数量为N(即路网中有N个路侧单元部署候选位置)。令ck为在候选位置k处部署路侧单元的成本。ηk为拟部署在候选位置k的RSU的点度中心性。Xk为在候选位置k是否部署路侧单元,若在候选位置k处部署RSU,Xk为1,若在候选位置k处不部署RSU,Xk为0,即:
其中,k为初筛后的位置候选集中候选位置的序号,值为1至N中的任一整数。
此外,B为预设成本阈值,即路侧单元部署总成本。
在上述给定的变量定义和部署成本的限制下,可以将路侧单元部署问题规划为一个线性规划问题。该问题是从候选位置选择部署方案,使得最终部署的路侧单元的总点度中心性最大,以提高部署路侧单元的效用,即:
其中,y为拟在初筛后的位置候选集中候选位置部署的RSU的总点度中心性的最大值。
可将该部署问题转化为0-1背包问题,且可采用动态规划的方法求出问题的最优解。
0-1背包问题是一个经典的组合优化问题,表示的是每个物品只有一件,每件物品不能分割,在不超过背包容量的同时,如何选取物品,使得背包所装的价值最大(背包可以装不满)。详细的,该问题假设有一个背包,它能够承受装入物品的总重量为W,现在有n个物品,每个物品的重量分别为ωk,每个物品都有一定的价值,分别为vk(k=1,2,…,n)。0-1背包问题是指如何在这n个物品中挑选合适的物品装入背包,使得在背包能够承受重量范围内得到背包中总的物品价值最大。显然,上述路侧单元部署问题可以类比为0-1背包问题,其中部署的总成本B可以类比为背包能够承受的总重量W,任一路侧单元部署候选位置k的部署成本ck可以类比为任一物品k的重量ωk,任一路侧单元部署候选位置k的点度中心性ηk可以类比为任一物品k的价值vk。通常,0-1背包问题的解可以采用动态规划算法求得。
0-1背包问题有最优子结构的性质,即假设集合S={a1,a2,…aN}表示N个物品,该问题的某一个最优解集合为A={ai1,ai2,……,aiN},1≤ik≤N,那么对于某个物品aj∈A,另S1=S-aj,V1=V-ωj,表示原问题除去物品aj后的一个子问题,那么A1=A-aj,就是该子问题的一个最优解。可反证此问题,即存在一个A1’子问题的最优解,那么S’=A1’+aj,所得的集合S’一定比原问题最优解集合S所得的最大价值要大,这与假设矛盾。因此原问题的最优解一定包含子问题的最优解,这就是最优子结构的性质。
从而,所述采用预设算法,求出所述预设数学问题的最优解,作为所述RSU的最优化部署位置的步骤包括:
采用递推公式进行递推,得到部署RSU的成本支出小于或等于所述预设成本阈值B,且在所述初筛后的位置候选集中的候选位置1、2、……、N中确定所述RSU最终的部署位置时,部署的RSU的总点度中心性的最大值;
根据所述部署的RSU的总点度中心性的最大值,从所述候选位置1开始回溯,确定所述候选位置1、2、……、N中需要部署RSU的候选位置,将所述需要部署RSU的候选位置作为所述RSU最终的部署位置。
也就是说,采用动态规划算法,根据0-1背包问题的最优子结构的性质,递推求出0-1背包问题的最优解。在其他实施例中,也可采用贪婪算法求出0-1背包问题的最优解。
具体的,所述递推公式包括公式一和公式二;
其中,i为初筛后的位置候选集中候选位置的序号,值为1至N中的任一整数;
b为部署成本;
m(i,b)为当部署成本为b,且在所述初筛后的位置候选集中的候选位置i、i+1、…、N中确定RSU最终的部署位置时,部署的RSU的总点度中心性的最大值;
所述采用递推公式进行递推,得到部署RSU的成本支出小于或等于所述预设成本阈值B,且在所述初筛后的位置候选集中的候选位置1、2、……、N中确定所述RSU最终的部署位置时,部署的RSU的总点度中心性的最大值的步骤包括:
根据所述公式二,计算m(N,B);
根据所述m(N,B)和所述公式一,依次递推得到m(N-1,B)、m(N-2,B)、……、m(1,B),所述m(1,B)为在所述初筛后的位置候选集中的候选位置1、2、……、N中确定的RSU最终的部署位置部署的RSU的总点度中心性;
所述根据所述部署的RSU的总点度中心性的最大值,从所述候选位置1开始回溯,确定所述候选位置1、2、……、N中需要部署RSU的候选位置,将所述需要部署RSU的候选位置作为所述RSU最终的部署位置的步骤包括:
针对候选位置i,若m(i,Bi)与m(i+1,Bi+1)相等,在候选位置i无需部署RSU,Xi为0;
若m(i,Bi)与m(i+1,Bi+1)不相等,需要在候选位置i部署RSU,Xi为1;
以m(i+1,Bi+1)对下一个候选位置i+1进行判断;
具体而言,递推公式的理论基础如下,对于每个候选位置有两个选择,部署或者不部署,初筛后的位置候选集中有N个候选位置,故而需要做出N个选择。假设m(i+1,b)为当部署成本为b且在所述初筛后的位置候选集中的候选位置i、i+1、……、N中确定RSU最终的部署位置时,部署的RSU的总点度中心性的最大值,对于第i个候选位置,有两种选择,部署或者不部署:
第一、如果在第i个候选位置部署路侧单元,则m(i,b)=m(i+1,b-ci)+ηi,即当部署成本为b-ci,且在所述初筛后的位置候选集中的候选位置i+1、……、N中确定RSU最终的部署位置时,部署的RSU的总点度中心性的最大值m(i+1,b-ci),加上当前所选的第i个候选位置的点度中心性ηi即为m(i,b);
第二、如果在第i个候选位置不部署路侧单元,则有m(i,b)=m(i+1,b),即当部署成本为b,且在所述初筛后的位置候选集中的候选位置i+1、……、N中确定RSU最终的部署位置时,部署的RSU的总点度中心性的最大值m(i+1,b)与m(i,b)相等。
因此,b≥ci时,m(i,b)=max{m(i+1,b),m(i+1,b-ci)+ηi};
0<b<ci时,显示不会在第i个候选位置部署RSU,因此,m(i,b)=m(i+1,b)。
显然,当部署成本为预设成本阈值B且候选位置为初筛后的位置候选集中的所有候选位置1、2、……、N时,解决部署问题得到的总中心性最大,取值为m(1,B)。即,当部署成本为预设成本阈值B且候选位置为初筛后的位置候选集中的所有候选位置1、2、……、N时,得到的总点度中心性的最大值m(1,B)为在所述初筛后的位置候选集中的候选位置1、2、……、N中确定的RSU最终的部署位置部署的RSU的总点度中心性。
从公式二可以得到初始化值m(N,B),再利用公式一进行依次递推,就可以得到m(1,B)。
在得到m(1,B)之后,自m(1,B)开始,通过从候选位置1开始回溯,可以得到最终的路侧单元部署方案,即RSU最终的部署位置。
在回溯过程中,针对候选位置i,若m(i,Bi)与m(i+1,Bi+1)相等,在候选位置i无需部署RSU,Xi为0;
若m(i,Bi)与m(i+1,Bi+1)不相等,需要在候选位置i部署RSU,Xi为1;
以m(i+1,Bi+1)对下一个候选位置i+1进行判断;
最后,可输出Xi,其中,值为1的Xi表示需要在候选位置i部署RSU,值为0的Xi表示无需在候选位置i部署RSU。从而,得到RSU最终的部署位置。
可采用如下伪代码求解上述RSU最终的部署位置。
采用上述伪代码,能够得到RSU最终的部署位置。在确定的最终的部署位置上部署RSU,能够得到部署RSU的成本支出小于或等于预设成本阈值B时,RSU的点度中心性之和最大,从而RSU服务的车辆数目最多。
请参阅图2,图2是本发明实施例二的部署设备的结构示意图,该部署设备20用于部署RSU,包括:
初筛模块21,用于根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集;
部署模块22,用于根据优化目标和约束条件,对所述初筛后的位置候选集进行筛选,得到RSU最终的部署位置。
本发明实施例中,根据RSU部署位置的影响因子对候选位置进行初筛,再根据优化目标和约束条件进一步筛选,得到RSU最终的部署位置,明确了基于C-V2X的RSU的部署方案。
优选的,所述部署设备20还包括:
加入模块,用于将路口作为候选位置加入所述原始位置候选集;根据RSU的通信覆盖半径和相邻两个路口间的路段的长度,确定需要在所述路段中增加的候选位置,将所述增加的候选位置加入所述原始位置候选集。
优选的,所述加入模块,用于若L≤2RU,确定无需在所述路段中增加候选位置;若L>2RU,确定需要在所述路段中增加候选位置;
其中,L为所述相邻两个路口间的路段的长度;
RU为所述RSU的通信覆盖半径。
优选的,所述初筛模块21,用于对所述影响因子进行数据处理,得到处理后的数据;将所述处理后的数据作为二分类模型的输入,所述原始位置候选集中的候选位置是否适合部署RSU作为所述二分类模型的输出,将输出的适合部署RSU的候选位置作为所述初筛后的位置候选集。
优选的,所述RSU部署位置的影响因子包括以下至少之一:
拟部署在候选位置的RSU服务的车辆数目;
候选位置的环境信息;
车辆间通信需求。
优选的,所述对所述影响因子进行数据处理包括以下至少之一:
根据所述拟部署在候选位置的RSU服务的车辆数目,计算所述RSU的点度中心性,对所述RSU的点度中心性进行归一化处理;
根据所述候选位置的环境信息,确定在所述候选位置部署RSU的成本支出,对所述成本支出进行归一化处理;
根据所述车辆间通信需求,获取车辆间通信性能信息,对所述通信性能信息进行归一化处理。
优选的,所述RSU的点度中心性的计算公式如下:
其中,ηk为拟部署在候选位置k的RSU的点度中心性;
ρi为RSU覆盖范围内的第i个路段对应的交通流密度;
li为RSU覆盖范围内的第i个路段的长度;
M为拟部署RSU的路网内车辆总数;
n为拟部署在候选位置k的RSU覆盖的路段的数量。
优选的,所述优化目标包括以下至少之一:路网通信时延最小,路网通信容量最大,路网通信连通性最大,RSU服务的车辆数目最多。
优选的,所述约束条件包括以下至少之一:
部署RSU的成本支出小于或等于预设成本阈值;
部署RSU的数量小于或等于预设数量阈值;
部署RSU后路段覆盖率大于或等于预设覆盖阈值。
优选的,所述优化目标为RSU服务的车辆数目最多,所述约束条件为部署RSU的成本支出小于或等于预设成本阈值;
所述部署模块22,用于根据所述优化目标,列出目标函数,根据所述约束条件,列出约束不等式,以将RSU最终的部署位置问题转化为预设数学问题;采用预设算法,求出所述预设数学问题的最优解,作为所述RSU最终的部署位置。
优选的,所述预设数学问题包括:0-1背包问题,组合优化问题或NP难问题。
优选的,所述预设算法包括:动态规划算法和/或贪婪算法。
其中,y为拟在初筛后的位置候选集中候选位置部署的RSU的总点度中心性的最大值;
N为初筛后的位置候选集中候选位置的数量;
ηk为拟部署在候选位置k的RSU的点度中心性;
ck为在候选位置k处部署RSU的成本;
B为预设成本阈值;
若在候选位置k处部署RSU,Xk为1,若在候选位置k处不部署RSU,Xk为0;
k为初筛后的位置候选集中候选位置的序号,值为1至N中的任一整数。
优选的,所述部署模块22,用于采用递推公式进行递推,得到部署RSU的成本支出小于或等于所述预设成本阈值B,且在所述初筛后的位置候选集中的候选位置1、2、……、N中确定所述RSU最终的部署位置时,部署的RSU的总点度中心性的最大值;
根据所述部署的RSU的总点度中心性的最大值,从所述候选位置1开始回溯,确定所述候选位置1、2、……、N中需要部署RSU的候选位置,将所述需要部署RSU的候选位置作为所述RSU最终的部署位置。
具体工作过程与上述对应实施例一中的一致,故在此不再赘述,详细请参阅以上对应实施例中的说明。
请参阅图3,图3是本发明实施例三的部署设备的结构示意图,该部署设备30用于部署RSU,包括处理器31、存储器32及存储在所述存储器32上并可在所述处理器31上运行的计算机程序;所述处理器31执行所述计算机程序时实现如下步骤:
根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集;
根据优化目标和约束条件,对所述初筛后的位置候选集进行筛选,得到RSU最终的部署位置。
本发明实施例中,根据RSU部署位置的影响因子对候选位置进行初筛,再根据优化目标和约束条件进一步筛选,得到RSU最终的部署位置,明确了基于C-V2X的RSU的部署方案。
可选的,计算机程序被处理器31执行时还可实现如下步骤:
所述根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集的步骤之前,还包括:
将路口作为候选位置加入所述原始位置候选集;
根据RSU的通信覆盖半径和相邻两个路口间的路段的长度,确定需要在所述路段中增加的候选位置,将所述增加的候选位置加入所述原始位置候选集。
可选的,计算机程序被处理器31执行时还可实现如下步骤:
所述根据RSU的通信覆盖半径和相邻两个路口间的路段的长度,确定需要在所述路段中增加的候选位置,将所述增加的候选位置加入所述原始位置候选集的步骤包括:
若L≤2RU,确定无需在所述路段中增加候选位置;
若L>2RU,确定需要在所述路段中增加候选位置;
其中,L为所述相邻两个路口间的路段的长度;
RU为所述RSU的通信覆盖半径。
可选的,计算机程序被处理器31执行时还可实现如下步骤:
所述根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集的步骤包括:
对所述影响因子进行数据处理,得到处理后的数据;
将所述处理后的数据作为二分类模型的输入,所述原始位置候选集中的候选位置是否适合部署RSU作为所述二分类模型的输出,将输出的适合部署RSU的候选位置作为所述初筛后的位置候选集。
可选的,所述RSU部署位置的影响因子包括以下至少之一:
拟部署在候选位置的RSU服务的车辆数目;
候选位置的环境信息;
车辆间通信需求。
可选的,所述对所述影响因子进行数据处理包括以下至少之一:
根据所述拟部署在候选位置的RSU服务的车辆数目,计算所述RSU的点度中心性,对所述RSU的点度中心性进行归一化处理;
根据所述候选位置的环境信息,确定在所述候选位置部署RSU的成本支出,对所述成本支出进行归一化处理;
根据所述车辆间通信需求,获取车辆间通信性能信息,对所述通信性能信息进行归一化处理。
可选的,所述RSU的点度中心性的计算公式如下:
其中,ηk为拟部署在候选位置k的RSU的点度中心性;
ρi为RSU覆盖范围内的第i个路段对应的交通流密度;
li为RSU覆盖范围内的第i个路段的长度;
M为拟部署RSU的路网内车辆总数;
n为拟部署在候选位置k的RSU覆盖的路段的数量。
可选的,所述优化目标包括以下至少之一:路网通信时延最小,路网通信容量最大,路网通信连通性最大,RSU服务的车辆数目最多。
可选的,所述约束条件包括以下至少之一:
部署RSU的成本支出小于或等于预设成本阈值;
部署RSU的数量小于或等于预设数量阈值;
部署RSU后路段覆盖率大于或等于预设覆盖阈值。
可选的,所述优化目标为RSU服务的车辆数目最多,所述约束条件为部署RSU的成本支出小于或等于预设成本阈值;
计算机程序被处理器31执行时还可实现如下步骤:
所述根据优化目标和约束条件,对所述初筛后的位置候选集进行筛选,得到RSU最终的部署位置的步骤包括:
根据所述优化目标,列出目标函数,根据所述约束条件,列出约束不等式,以将RSU最终的部署位置问题转化为预设数学问题;
采用预设算法,求出所述预设数学问题的最优解,作为所述RSU最终的部署位置。
可选的,所述预设数学问题包括:0-1背包问题,组合优化问题或NP难问题。
可选的,所述预设算法包括:动态规划算法和/或贪婪算法。
其中,y为拟在初筛后的位置候选集中候选位置部署的RSU的总点度中心性的最大值;
N为初筛后的位置候选集中候选位置的数量;
ηk为拟部署在候选位置k的RSU的点度中心性;
ck为在候选位置k处部署RSU的成本;
B为预设成本阈值;
若在候选位置k处部署RSU,Xk为1,若在候选位置k处不部署RSU,Xk为0;
k为初筛后的位置候选集中候选位置的序号,值为1至N中的任一整数。
可选的,计算机程序被处理器31执行时还可实现如下步骤:
所述采用预设算法,求出所述预设数学问题的最优解,作为所述RSU的最优化部署位置的步骤包括:
采用递推公式进行递推,得到部署RSU的成本支出小于或等于所述预设成本阈值B,且在所述初筛后的位置候选集中的候选位置1、2、……、N中确定所述RSU最终的部署位置时,部署的RSU的总点度中心性的最大值;
根据所述部署的RSU的总点度中心性的最大值,从所述候选位置1开始回溯,确定所述候选位置1、2、……、N中需要部署RSU的候选位置,将所述需要部署RSU的候选位置作为所述RSU最终的部署位置。
具体工作过程与上述对应实施例一中的一致,故在此不再赘述,详细请参阅以上对应实施例中方法步骤的说明。
本发明实施例四提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例一的部署方法中的步骤。具体工作过程与上述对应实施例一中的一致,故在此不再赘述,详细请参阅以上对应实施例中方法步骤的说明。
本发明实施例中的网络侧设备可以是全球移动通讯(Global System of Mobilecommunication,简称GSM)或码分多址(Code Division Multiple Access,简称CDMA)中的基站(Base Transceiver Station,简称BTS),也可以是宽带码分多址(Wideband CodeDivision Multiple Access,简称WCDMA)中的基站(NodeB,简称NB),还可以是LTE中的演进型基站(Evolutional Node B,简称eNB或eNodeB),或者中继站或接入点,或者未来5G网络中的基站等,在此并不限定。
本发明实施例中的终端可以是无线终端也可以是有线终端,无线终端可以是指向用户提供语音和/或其他业务数据连通性的设备,具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。无线终端可以经无线接入网(Radio Access Network,简称RAN)与一个或多个核心网进行通信,无线终端可以是移动终端,如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机,例如,可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置,它们与无线接入网交换语言和/或数据。例如,个人通信业务(Personal Communication Service,简称PCS)电话、无绳电话、会话发起协议(SessionInitiation Protocol,简称SIP)话机、无线本地环路(Wireless Local Loop,简称WLL)站、个人数字助理(Personal Digital Assistant,简称PDA)等设备。无线终端也可以称为系统、订户单元(Subscriber Unit)、订户站(Subscriber Station),移动站(MobileStation)、移动台(Mobile)、远程站(Remote Station)、远程终端(Remote Terminal)、接入终端(Access Terminal)、用户终端(User Terminal)、用户代理(User Agent)、终端(UserDevice or User Equipment),在此不作限定。
上述计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种路边单元RSU的部署方法,其特征在于,包括:
根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集;
根据优化目标和约束条件,对所述初筛后的位置候选集进行筛选,得到RSU最终的部署位置;
所述优化目标为RSU服务的车辆数目最多,所述约束条件为部署RSU的成本支出小于或等于预设成本阈值;
所述根据优化目标和约束条件,对所述初筛后的位置候选集进行筛选,得到RSU最终的部署位置的步骤包括:
根据所述优化目标,列出目标函数,根据所述约束条件,列出约束不等式,以将RSU最终的部署位置问题转化为预设数学问题;
采用预设算法,求出所述预设数学问题的最优解,作为所述RSU最终的部署位置;
所述预设数学问题包括:0-1背包问题,组合优化问题或NP难问题;
所述预设算法包括:动态规划算法和/或贪婪算法;
其中,y为拟在初筛后的位置候选集中候选位置部署的RSU的总点度中心性的最大值;
N为初筛后的位置候选集中候选位置的数量;
ηk为拟部署在候选位置k的RSU的点度中心性;
ck为在候选位置k处部署RSU的成本;
B为预设成本阈值;
若在候选位置k处部署RSU,Xk为1,若在候选位置k处不部署RSU,Xk为0;
k为初筛后的位置候选集中候选位置的序号,值为1至N中的任一整数。
2.根据权利要求1所述的部署方法,其特征在于,所述根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集的步骤之前,还包括:
将路口作为候选位置加入所述原始位置候选集;
根据RSU的通信覆盖半径和相邻两个路口间的路段的长度,确定需要在所述路段中增加的候选位置,将所述增加的候选位置加入所述原始位置候选集。
3.根据权利要求2所述的部署方法,其特征在于,所述根据RSU的通信覆盖半径和相邻两个路口间的路段的长度,确定需要在所述路段中增加的候选位置,将所述增加的候选位置加入所述原始位置候选集的步骤包括:
若L≤2RU,确定无需在所述路段中增加候选位置;
若L>2RU,确定需要在所述路段中增加候选位置;
其中,L为所述相邻两个路口间的路段的长度;
RU为所述RSU的通信覆盖半径。
4.根据权利要求1所述的部署方法,其特征在于,所述根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集的步骤包括:
对所述影响因子进行数据处理,得到处理后的数据;
将所述处理后的数据作为二分类模型的输入,所述原始位置候选集中的候选位置是否适合部署RSU作为所述二分类模型的输出,将输出的适合部署RSU的候选位置作为所述初筛后的位置候选集。
5.根据权利要求4所述的部署方法,其特征在于,所述RSU部署位置的影响因子包括以下至少之一:
拟部署在候选位置的RSU服务的车辆数目;
候选位置的环境信息;
车辆间通信需求。
6.根据权利要求5所述的部署方法,其特征在于,所述对所述影响因子进行数据处理包括以下至少之一:
根据所述拟部署在候选位置的RSU服务的车辆数目,计算所述RSU的点度中心性,对所述RSU的点度中心性进行归一化处理;
根据所述候选位置的环境信息,确定在所述候选位置部署RSU的成本支出,对所述成本支出进行归一化处理;
根据所述车辆间通信需求,获取车辆间通信性能信息,对所述通信性能信息进行归一化处理。
8.根据权利要求1所述的部署方法,其特征在于,所述优化目标包括以下至少之一:路网通信时延最小,路网通信容量最大,路网通信连通性最大,RSU服务的车辆数目最多。
9.根据权利要求1所述的部署方法,其特征在于,所述约束条件包括以下至少之一:
部署RSU的成本支出小于或等于预设成本阈值;
部署RSU的数量小于或等于预设数量阈值;
部署RSU后路段覆盖率大于或等于预设覆盖阈值。
10.根据权利要求1所述的部署方法,其特征在于,所述采用预设算法,求出所述预设数学问题的最优解,作为所述RSU的最优化部署位置的步骤包括:
采用递推公式进行递推,得到部署RSU的成本支出小于或等于所述预设成本阈值B,且在所述初筛后的位置候选集中的候选位置1、2、……、N中确定所述RSU最终的部署位置时,部署的RSU的总点度中心性的最大值;
根据所述部署的RSU的总点度中心性的最大值,从所述候选位置1开始回溯,确定所述候选位置1、2、……、N中需要部署RSU的候选位置,将所述需要部署RSU的候选位置作为所述RSU最终的部署位置。
11.一种部署设备,用于部署RSU,其特征在于,包括:
初筛模块,用于根据RSU部署位置的影响因子,对RSU的原始位置候选集进行初筛,得到初筛后的位置候选集;
部署模块,用于根据优化目标和约束条件,对所述初筛后的位置候选集进行筛选,得到RSU最终的部署位置;
所述优化目标为RSU服务的车辆数目最多,所述约束条件为部署RSU的成本支出小于或等于预设成本阈值;
所述部署模块具体用于根据所述优化目标,列出目标函数,根据所述约束条件,列出约束不等式,以将RSU最终的部署位置问题转化为预设数学问题;采用预设算法,求出所述预设数学问题的最优解,作为所述RSU最终的部署位置;
所述预设数学问题包括:0-1背包问题,组合优化问题或NP难问题;
所述预设算法包括:动态规划算法和/或贪婪算法;
其中,y为拟在初筛后的位置候选集中候选位置部署的RSU的总点度中心性的最大值;
N为初筛后的位置候选集中候选位置的数量;
ηk为拟部署在候选位置k的RSU的点度中心性;
ck为在候选位置k处部署RSU的成本;
B为预设成本阈值;
若在候选位置k处部署RSU,Xk为1,若在候选位置k处不部署RSU,Xk为0;
k为初筛后的位置候选集中候选位置的序号,值为1至N中的任一整数。
12.一种部署设备,用于部署RSU,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至10中任一项所述的部署方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至10任一项所述的部署方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910000992.0A CN111405575B (zh) | 2019-01-02 | 2019-01-02 | 一种rsu的部署方法及部署设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910000992.0A CN111405575B (zh) | 2019-01-02 | 2019-01-02 | 一种rsu的部署方法及部署设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111405575A CN111405575A (zh) | 2020-07-10 |
CN111405575B true CN111405575B (zh) | 2023-06-27 |
Family
ID=71413082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910000992.0A Active CN111405575B (zh) | 2019-01-02 | 2019-01-02 | 一种rsu的部署方法及部署设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111405575B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112351406B (zh) * | 2020-10-22 | 2023-02-17 | 浙江省机电设计研究院有限公司 | 高吞吐量车联网路边单元部署方法、系统、介质及应用 |
CN112333660B (zh) * | 2020-10-23 | 2024-02-20 | 浙江省机电设计研究院有限公司 | 高覆盖率车联网路边单元部署方法、系统、介质及应用 |
CN113891337B (zh) * | 2021-10-18 | 2023-09-08 | 中国联合网络通信集团有限公司 | 一种部署位置确定方法、装置和存储介质 |
CN116744319B (zh) * | 2023-08-09 | 2023-11-24 | 西南交通大学 | 一种路侧单元部署方法、装置、设备及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8892347B1 (en) * | 2013-06-01 | 2014-11-18 | Savari, Inc. | System and method for node adaptive filtering and congestion control for safety and mobility applications toward automated vehicles system |
CN104955056A (zh) * | 2015-06-05 | 2015-09-30 | 大连理工大学 | 一个基于粒子群算法的车联网路侧单元部署方法 |
CN107229988A (zh) * | 2016-03-25 | 2017-10-03 | 重庆邮电大学 | 一种智能路侧设备的选址优化方法 |
CN107018031B (zh) * | 2017-06-07 | 2020-02-21 | 浪潮集团有限公司 | 一种基于雾计算的车联网快速优化方法 |
CN107948246B (zh) * | 2017-10-31 | 2020-08-07 | 武汉科技大学 | 一种基于车联网车辆社交性的rsu部署方法及系统 |
-
2019
- 2019-01-02 CN CN201910000992.0A patent/CN111405575B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111405575A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111405575B (zh) | 一种rsu的部署方法及部署设备 | |
Zhou et al. | Reliable task offloading for vehicular fog computing under information asymmetry and information uncertainty | |
Zhang et al. | Towards fresh and low-latency content delivery in vehicular networks: An edge caching aspect | |
Cacciapuoti | Mobility-aware user association for 5G mmWave networks | |
Ozturk et al. | Energy‐aware smart connectivity for IoT networks: enabling smart ports | |
Cheng et al. | Vehicle-assisted device-to-device data delivery for smart grid | |
Abdelkhalek et al. | A genetic algorithm based decision support system for the multi-objective node placement problem in next wireless generation network | |
Fabian et al. | Selection of relays based on the classification of mobility‐type and localized network metrics in the Internet of Vehicles | |
CN104412647A (zh) | 用于帮助解决通信系统中的边界问题的集群优化的系统和方法 | |
Mosbah et al. | Enhancing Device-to-Device direct discovery based on predicted user density patterns | |
US20170223551A1 (en) | Network node and a method therein for computing cell range expansion (cre) values | |
Xu et al. | Bio-inspired power control and channel allocation for cellular networks with D2D communications | |
Patra et al. | An analytic hierarchy process based approach for optimal road side unit placement in vehicular ad hoc networks | |
Wang et al. | An edge-assisted data distribution method for vehicular network services | |
Ligo et al. | Comparison between benefits and costs of offload of mobile Internet traffic via vehicular networks | |
Tian et al. | A Bio‐Inspired QoS‐Oriented Handover Model in Heterogeneous Wireless Networks | |
Huang et al. | Proactive load balancing through constrained policy optimization for ultra-dense networks | |
Tong et al. | Distance distributions in finite ad hoc networks: Approaches, applications, and directions | |
Araujo et al. | Deployment of small cells and a transport infrastructure concurrently for next-generation mobile access networks | |
Frankiewicz et al. | LP WAN gateway location selection using modified k-dominating set algorithm | |
Wu et al. | LB‐DDQN for Handover Decision in Satellite‐Terrestrial Integrated Networks | |
Oliveira et al. | On the performance of social-based and location-aware forwarding strategies in urban vehicular networks | |
Rasheed et al. | Hierarchical architecture for computational offloading in autonomous vehicle environment | |
Li et al. | Efficient MAC protocol for drive‐thru Internet in a sparse highway environment | |
Yang et al. | Location aided energy balancing strategy in green cellular 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 |