CN111641923B - 基于雾计算的社交车联网双模式兴趣标签转发系统及方法 - Google Patents

Abstract

本发明公开了一种基于雾计算的社交车联网双模式兴趣标签转发系统及方法，本发明采用双模式兴趣标签的转发策略，当消息进行V2V传输时，根据兴趣、合作程度、以及建立合作程度的车辆节点的数量选取转发节点，相较于传统方案，降低了外在因素对以个人兴趣为主体对选取转发车辆节点的影响；当消息进行V2R转发时，通过雾计算获取RSU的兴趣标签，根据兴趣标签计算出每个兴趣的兴趣排名，最后根据兴趣排名，选取若干个RSU对消息进行转发，提高了RSU与RSU之间的转发效率，也保证了消息的正确传达率。而且本发明采用双模式兴趣标签的转发策略，在一定程度下减少了消息仅在车辆之间传输所造成的网络拥堵，提高了对动态环境的适应性，能够提供更稳定的通信。

Description

基于雾计算的社交车联网双模式兴趣标签转发系统及方法

技术领域

本发明涉及社交车联网技术领域，特别涉及一种基于雾计算的社交车联网双模式兴趣标签转发系统及方法。

背景技术

车载应用和多媒体设备一般需要联网来发送或者获取数据，实现数据更新以及启动高质量的功能模块。考虑到车辆高移动性和拓扑复杂性，研究人员提出了车辆自组织网络(Vehicular Ad-Hoc Networks，VANETs)。

为了解决移动设备网络中数据分发的问题，出现了移动社会网络(MSN)。网络中，与移动设备相对应的节点可以由人类携带，这导致节点显示出不同的社交特征和社交关系。但社交功能仅表现节点的自身属性，例如年龄和性别，并且有限的信息使其难以满足用户的需求。移动社会网络与车辆结合的一个典型应用，就是车载社交网络(VSN)。在VSN中，通勤者的驾驶员或乘客往往在移动时与他人建立社会关系，并形成虚拟移动社区，这使VANET具有社会属性(通勤者：在同一时间，沿着相同道路行驶的人们)。VSN演变的一个突出例子是社交车联网(SIoV)，旨在作为具有社交互动的智能对象(车辆)的网络。SIoV自主建立特别适合车辆环境，其中机器对机器的交互占主导。

在SIoV的场景中，研究人员根据人与人之间的互动模式，建立多种结构化的关系。从对可能的服务和应用程序类型的分析(基于设想的社交物联网)，得出了一些基本关系，如：协作对象关系(C-WOR)和社会对象关系(SOR)，如附图1所示。

1)“协作对象关系(C-WOR)”：对象互相合作，提供物联网应用服务时建立的关系(例如，接触在一起的对象可以一起使用并协作用于紧急响应，远程医疗等应用程序)。车辆与RSU(Road Side Unit，路边单元)，RSU与RSU，雾服务器与雾节点都能建立该关系。

2)“社会对象关系(SOR)”：由于对象彼此在生活中(例如，属于朋友，同学，旅行同伴，同事的设备和传感器)偶尔或连续地接触时建立的关系，该关系通常涉及某些地点和某个时间。

上述这些概念融入到车辆的路由协议中，能够提高车辆路由的传递效率。但仍然存在一些问题亟待解决：首先，虽然目前提出了一系列关于社区检测和搭建方法，但是由于道路上车辆与车辆之间接触频繁，在高速多变的网络拓扑下，难以实现社区的搭建和检测。其次，在SIoV中，不仅车辆需要采集、分析数据计算社交关系，而且车辆间的转发是存储转发，缓冲区的消息会占用大量存储资源，车辆本身的算力以及存储资源受限，影响转发的成功率。

Xia,Feng和Zhu，Liehuang等人分别提出了名为BEEINFO-D&S和PRIF的转发方案，2种方案都利用个人兴趣来构建社区。通过使用兴趣信息，它消除了社区发现和组建的成本。然而2种方案存在同样的缺点，即个人兴趣容易受到外在因素以及主观意愿的影响，造成社区检测精度低，例如：多个车辆他们当前拥有相同的兴趣，他们到兴趣所趋向的地区行驶轨迹存在多样性；同一兴趣的车辆可能会趋向多个类似的区域，比如当前车辆的兴趣信息是看电影，他们可以前往不同的电影院观看。当该方案根据受影响的个人兴趣来进行转发时，会造成消息无法转发到目的地，引起车辆消息缓冲区满载，导致缓冲区溢出的消息丢失，降低转发的成功率。Vahdat等人提出了一种名为Epidemic转发方案，该方案利用节点移动接触，与遭遇节点比较携带的消息，交换互相没有的消息。然而该方案的成功传递率受限于节点的缓冲区大小，无法辨别转发节点是否能够与目的节点产生接触，从而成功传递。Lindgren等人提出了一种名为PRoPHET转发方案，该方案预先估计到达目的节点每条链路的传送预测概率，并利用该概率值来决定是否应该存储该消息以等待更好的转发机会，以及决定由哪些节点来实现转发。然而该方案的预测概率计算单一，不能全面考虑遭遇节点的信息，预测的准确率限制了转发的成功率。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于雾计算的社交车联网双模式兴趣标签转发系统及方法。

本发明的第一方面，提供了一种基于雾计算的社交车联网双模式兴趣标签转发系统，包括：

一个或若干个雾服务器、若干个RSU和若干个携带有兴趣的车辆节点；RSU与进入其覆盖区域内的所有车辆节点建立通信，当进入其覆盖区域内的车辆节点的数量大于预设值时，RSU收集兴趣生成兴趣标签并发送至对应的车辆节点；RSU还根据其覆盖区域内的实时车流量信息，更新兴趣标签；雾服务器与其覆盖区域内的RSU建立通信，根据系统内所有的RSU的兴趣标签，为每个RSU生成对应的每种兴趣的兴趣排名，兴趣排名被定时更新；每个车辆节点获取与其余车辆节点相互之间的合作程度；

当消息的信息价值大于阈值时，转发消息的当前车辆节点根据兴趣、合作程度和建立合作程度的车辆节点的数量，选取出转发车辆节点，其中，消息为待传输至目标车辆节点的数据，信息价值的数值由消息发出时设定并随传递的次数而减少；当消息的信息价值小于阈值且消息未传输至目标车辆节点时，将消息发送至对应的RSU，根据与目标车辆节点的兴趣所对应的兴趣排名，从全部RSU中选取出若干个RSU，对消息进行广播，当目标车辆节点进入选取出的RSU的覆盖区域时，将消息发送至目标节点。

根据本发明的实施例，至少具有如下技术效果：

(1)本系统采用双模式兴趣标签的转发策略，在一定程度下减少了消息仅在车辆之间传输所造成的网络拥堵，提高了消息转发成功率。

(2)本系统采用双模式兴趣标签的转发策略，当消息在车辆与车辆之间传递时，车辆根据兴趣、相互之间生成的合作程度、以及建立合作程度的车辆节点的数量等因素选取转发节点，这样相较于传统方案，降低了外在因素对以个人兴趣为主体对选取转发车辆节点的影响；当消息通过RSU转发时，通过雾计算获取RSU的兴趣标签，根据兴趣标签计算出每个兴趣的兴趣排名，最后根据兴趣排名，选取若干个RSU对消息进行转发，提高了RSU与RSU之间的转发效率，也保证了消息的正确传达率，而且双模式兴趣标签的转发策略能够进一步的降低外在因素对以个人兴趣为主体对选取转发车辆节点的影响。

(3)本系统采用双模式兴趣标签的转发策略，提高了对动态环境的适应性，能够提供更稳定的通信。

本发明的第二方面，提供了一种应用于本发明第一方面所述系统的基于雾计算的社交车联网双模式兴趣标签转发方法，包括以下步骤：

当消息的信息价值大于阈值时，转发消息的当前车辆节点根据兴趣、合作程度和建立合作程度的车辆节点的数量，选取出转发车辆节点，其中，消息为待传输至目标车辆节点的数据，信息价值的数值由消息发出时设定并随传递的次数而减少；当消息的信息价值小于阈值且消息未传输至目标车辆节点时，将消息发送至对应的RSU，根据与目标车辆节点的兴趣所对应的兴趣排名，从全部RSU中选取出若干个RSU，对消息进行广播，当目标车辆节点进入选取出的RSU的覆盖区域时，将消息发送至目标节点。

本发明第二方面实施例提供的有益效果同第一方面相同，此处不再赘述。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为现有技术提供的SIoV中的SOR场景和C-WOR场景的示意图；

图2为本发明实施例提供的基于雾计算的社交车联网双模式兴趣标签转发系统的结构示意图；

图3为本发明实施例提供的系统内的兴趣标签的示意图；

图4为本发明实施例提供的系统内兴趣排名分的递归过程的示意图；

图5为本发明实施例提供的仿真结果图；

图6为本发明实施例提供的仿真结果图；

图7为本发明实施例提供的仿真结果图；

图8为本发明实施例提供的仿真结果图；

图9为本发明实施例提供的仿真结果图；

图10为本发明实施例提供的仿真结果图；

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

第一实施例：

参照图2至图4，提供了一种基于雾计算的社交车联网双模式兴趣标签转发系统，系统包括：雾服务器、RSU和携带有兴趣的车辆节点三类实体；RSU与进入其覆盖区域内的所有车辆节点建立通信，当进入其覆盖区域内的车辆节点的数量大于预设值时，RSU收集兴趣生成兴趣标签并发送至对应的车辆节点；RSU还根据其覆盖区域内的实时车流量信息，更新兴趣标签；雾服务器与其覆盖区域内的RSU建立通信，根据系统内所有的RSU的兴趣标签，为每个RSU生成对应的每种兴趣的兴趣排名，兴趣排名被定时更新；每个车辆节点获取与其余车辆节点相互之间的合作程度；

为了贴合现实理解本方案，以下通过将上述系统应用在一个城市区域内进行说明，具体如下：

本系统包括三种实体：车辆节点(汽车)、带有兴趣标签的RSU、雾服务器。其中，每个车辆节点都配备了支持车间数据共享的DSRC/WAVE通信设备(VANETs接口)、传感器、计算机终端、GPS定位设备以及与RSU通信的OBU等。每个车辆节点都配备了IEEE 802.11p，V2V以及V2R通信使用基于IEEE 802.11p协议的DSRC。具体的：

车辆节点：每个车辆节点一次仅有一个兴趣，所有车辆节点可以彼此通信。假设各个车辆节点速度服从正态分布。RSU：管理进入其覆盖区域内的车辆节点，每个RSU是车辆节点和雾服务器之间通信的中间实体，其中，每个RSU都有自己的兴趣标签并协助车辆节点的数据转发；需要说明的是，这里的覆盖区域是预先设定的通信区域，为了方便理解，本文中默认各个覆盖区域大小相同，各个雾服务器的覆盖区域大小相同，而且在附图中并不限定其覆盖区域为圆形标识。雾服务器：每个雾服务器管理多个RSU，收集RSU的兴趣标签，计算兴趣排名。然后，通过分析RSU的兴趣标签，雾服务器可以预测目标节点将出现在哪个RSU的覆盖区域内，该预测有助于有效地提高数据转发效率。

第一、兴趣标签：

在本实施例中，兴趣标签代表一个RSU覆盖区域内所有车辆节点的不同兴趣部分。当车辆节点进入一个RSU覆盖区域，车辆节点将自身的兴趣信息发送到该RSU，然后RSU记录车辆节点的兴趣信息。此外，当进入一个RSU覆盖区域的车辆数量超过阈值时，RSU开始建立一个在其覆盖区域内的社区并生成兴趣标签，并且其覆盖区域中的所有车辆节点有条件地更新他们的兴趣标签。

本实施例，为了获得兴趣标签，首先，需要量化所有获得的车辆节点发送的兴趣：InterestSet＝{interest₁,interest₂,…,interest_n}为一组兴趣，interest_i是一个车辆节点发送的兴趣，其中1<i<n，n为一个RSU覆盖区域内的兴趣数。

然后，进行以下定义：

定义兴趣更新因子α：α通过实时车流量比

衡量，用于计算一段时间内每个RSU覆盖区域中所有兴趣的每个兴趣比率，α值的计算如下：

其中，

表示在t时段内RSUR_x覆盖区域中的车辆节点总数；

表示实时进入RSUR_x覆盖区域的车辆节点数量；

表示实时离开RSUR_x覆盖区域的车辆节点数量；S(threshold)为阈值；β表示实时流量比

的最大值(车流量的上限值)，其根据历史交通流量数据设定为(0,1)；ρ表示实时流量比

的边界值(车流量的下限值)，其也根据历史交通流量数据设定为(0，1)，且ρ小于β。当实时流量比小于ρ表示流量相对较慢，大于ρ表示流量相对较快。

定义兴趣标签：兴趣标签是一组由多个兴趣及其t时段内对应的

构成的对组成，其中1≤i≤n，n是RSUR_x覆盖区域中的兴趣数目。兴趣标签由R_x获取，并由R_x和R_x覆盖区域中的所有车辆节点存储。

值计算如下：

其中，

表示t时段内RSUR_x覆盖区域中所有兴趣中interest_i的比率；

表示t时段内RSUR_x覆盖区域中具有interest_i的车辆节点的数量；

表示t时段内RSUR_x覆盖区域中的车辆节点总数。

在本实施例中，根据每个RSU的覆盖范围将城市区域划分为多个较小的区域，这些区域称为单位区域。如果RSU在单位区域中没有兴趣标签，则该单位区域称为非RSU区域或公共区域；否则称为RSU区域。图3显示了将一个城市区域划分为多个单位区域。

如图3所示，该兴趣标签由四个兴趣对组成，包括购物、电影、饮食以及运动，这里购物(占76％)，电影(占10％)，饮食(占8％)和运动(占6％)。例如，购物(占76％)表示RSU覆盖区域中的所有车辆节点中有76％兴趣为“购物”。需要说明的是，兴趣标签不仅限于上述四个兴趣对，具体由车辆节点所携带的兴趣而决定，此处不再细述。

上述兴趣更新因子α属于{0,1}集合，证明如下：

当

且

即

这意味着在t时段内，进出该RSU覆盖区域的车辆节点数量趋于稳定，该RSU需要更新其兴趣标签。因此，α的值设置为1。当

从而

即

这意味着在t时段内，进入该RSU覆盖区域的车辆节点数量远大于离开该区域的车辆数量。该RSU需要暂时停止更新其兴趣标签。因此，α的值设置为0。

上述

的值属于[0,1]，其中1表示在t时段内，所有车辆节点在此RSUR_x的覆盖区域中都具有兴趣i，0表示在t时段内，所有车辆节点在覆盖区域中不具有兴趣i，证明如下：因为，α∈{0,1}，根据上式(2)有：

当

且

时，

从而得到：当α＝1，

当α＝0，

当

且

时，

从而得到：当α＝1，

当α＝0，

因此，

的值属于[0,1]。需要说明的是，当

值无意义。

因为每个RSU的覆盖区域内的车辆节点是随时移动的，所以RSU还根据其覆盖区域内的实时车流量信息，有选择性更新RSU中的兴趣标签或对应的车辆节点中的兴趣标签。

作为一种优选的实施方案，每个RSU和所有相关车辆节点的兴趣标签将根据以下条件进行生成或更新：

(1)当总车辆节点数(即位于RSU覆盖区域中的车辆节点的总数)小于S(threshold)时，RSU不生成兴趣标签。如上所述，只有车辆节点的数量到达一定程度时，RSU才生成兴趣标签。

(2)当总车辆节点数大于S(threshold)且

时，RSUR_x进入兴趣稳定期，RSUR_x实时更新兴趣标签，不更新车辆节点的RSUR_x兴趣标签；

(3)当总车辆节点数大于S(threshold)且

时，RSUR_x进入兴趣活跃期，RSUR_x实时更新兴趣标签，实时更新车辆节点的RSUR_x兴趣标签；

(4)当总车辆节点数大于S(threshold)且

时，RSUR_x进入兴趣不稳定期，并将兴趣标签的各个成分比设为1，更新一次车辆节点的RSUR_x兴趣标签后暂停更新。根据上述条件对兴趣标签进行生成或更新的方案较为合理，能够避免无意义的更新过程，降低能耗。

第二、合作程度：

合作程度用于评估两个车辆节点之间的协作，以确定是否可以将消息从一个节点转发到另一节点。作为一种优选的实施方案，每个车辆节点根据不同时段下与其余车辆节点之间的接触信息、以及接触的车辆节点的兴趣在对应的兴趣标签中的占比，计算生成合作程度，其中，接触信息包括接触时长和接触次数。

首先，考虑车辆节点之间在t时段的合作程度：

公式(5)计算在t时段和RSUR_x中车辆节点a与车辆节点b的合作程度

表示在RSUR_x中节点a和b之间的接触数；T_i(a,b)为节点a与b的第i次接触时间；

表示在RSUR_x中节点a接触其他的车辆节点的集合。公式(6)计算在t时段和非RSU覆盖区域中节点a与节点b的合作程度

表示在非RSU覆盖区域中节点a和b之间的接触数；T_i(a,b)为节点a与b的第i次接触时间，

表示在非RSU覆盖区域节点a接触其他车辆节点的集合。需要说明的是，为了贴合实际场景进行理解，本实施例是将上述系统应用在一个城市区域内进行说明，所以城市区域存在RSU覆盖区域和非RSU覆盖区域，所以存在着

和

这两个变量，此处不再细述。

然后，因为在车联网中，由于某些相同兴趣的车辆节点的运动轨迹被认为是相对稳定的，但在相同的轨迹上，车辆节点可能会沿不同的方向行驶不同时间段的道路。因此，车辆节点之间的合作程度在不同t时段内是不同的，时间段t较短，车辆节点之间的合作程度的测量更准确。所以，还需要基于运动轨迹，进一步计算两个车辆节点之间在多个连续t时段(即T时段)内的合作程度，具体计算如下：

其中，P^(T)(a,b)表示T时段节点a与b的合作程度，T表示车辆节点在运动轨迹中移动所经过的时间段，其中t_x,t_z∈Z是x,z∈{1,2,…,|T|}的子时间段；S_RSU表示在轨迹中车辆节点经过的RSU的集合，R_x∈S_RSU；NIR_z表示在轨迹中车辆节点经过的非RSU区域；

表示车辆节点在RSU覆盖区域的合作程度权重比；η表示车辆节点在非RSU覆盖区域的合作程度权重比，0≤η≤1。

需要注意的是，在本实施例中，仅考虑这些车辆节点可以频繁出现在这些相关区域中。即，在这些RSU和非RSU区域中的车流量被认为是相对稳定的。

在本实施例中，每个车辆节点根据不同时段下与其余车辆节点之间的接触信息、以及接触的车辆节点的兴趣在对应的兴趣标签中的占比(即该兴趣来此区域的占比)，计算生成合作程度，能够提高合作程度的计算精度，而合作程度是作为选取转发节点的一个因素，相较于现有技术仅以个人兴趣作为选取转发节点的因素，本实施例明显能够降低个人兴趣的偶然性带来的计算误差。但需要说明的是，合作程度还可以仅根据与其余车辆节点之间的接触信息而生成。另外，合作程度受接触情况以及时间的影响而更新，可以由人为设定，此处不再细述。

进一步的，根据公式(7)和(8)，就可以得到在一段时间和轨迹上，建立合作程度的车辆节点的数量。例如，与节点a之间建立合作程度的其余车辆节点和节点a之间的关系为：

其中，b,c,d,e,f,…,m₁,m₂,…,m_n表示为接触节点a后，与节点a形成合作程度的车辆节点。

作为一种优选的实施方案，本实施例还考虑历史合作程度，若车辆节点与其余车辆节点相互之间存在历史合作程度，则根据历史合作程度，更新当前的合作程度。具体如下：

其中，

表示当前时段t_i的当前的合作程度；

表示t_i-1时段的历史合作程度；

表示当前时段t_i中实时生成的合作程度，

为预设权重，用于平衡这两个合作程度，

两个节点之间存在历史合作程度的情况相比较未存在历史合作程度的情况，两个节点之间的合作意愿更高。本实施例引入历史合作程度作为合作程度的一个更新因素，能够使合作程度的计算更加合理，从而能够进一步优化转发节点的选择。此外，考虑两个车辆节点长时间不接触，那么当它们再次相遇时，它们的合作意愿就会降低。因此，可以设置一个衰减因子μ来考虑它们再次遇到的时间间隔对合作程度的影响。因而，基于衰减因子μ，当前的合作程度

进一步计算如：

其中0≤μ≤1，

是预设的统一时间单位，其中

并且τ是时间间隔。由于设置衰减因子的技术为本领域公知，此处不再细述。

第三、兴趣排名：

作为一种优选的实施方案，本实施例根据RSU自身的兴趣标签、邻居RSU的数量以及邻居RSU对应的兴趣排名计算出RSU自身的兴趣排名，相较于仅通过各个RSU的兴趣标签来度量每个RSU的兴趣排名，明显通过本实施例方案计算的兴趣排名更加合理。具体的计算公式如下：

其中，IR_x(interest_i)表示RSUR_x的interest_i兴趣排名分；c_xy表示RSUR_x和RSUR_y的相关性；

表示RSUR_x和RSUR_y的兴趣相关性；a_min表示RSU之间关于interest_i最小的兴趣相关性；a_max表示RSU之间关于interest_i最大的兴趣相关性；当RSUR_x和RSUR_y相连且RSUR_y的兴趣标签含有

时，c_xy为

当RSUR_x和RSUR_y相连，但RSUR_y的兴趣标签不含有

时，c_xy为1；当RSUR_x和RSUR_y不相连或者RSUR_x＝R_y时，c_xy为0；

为常量。

如图4所示，雾服务器首先收集其覆盖区域的RSU兴趣标签。每个IR_x(interest_i)初始化为2，通过递归Q次，λ趋于稳定，得到RSU节点的兴趣排名分。根据计算出的IR_x(interest_i)，雾服务器为每一种兴趣建立RSU兴趣排名，并将所有兴趣排名发给其覆盖区域内的RSU。并且RSU兴趣排名需要雾服务器实时向RSU进行更新。需要注意的是，系统中的所有RSU的兴趣排名的计算过程是同时进行的。

系统进行双模式转发的过程为：

当消息的信息价值大于阈值时，转发消息的当前车辆节点根据兴趣、合作程度和建立合作程度的车辆节点的数量，选取出转发车辆节点，将消息传递给被选取出转发车辆节点。其中，消息为待传输至目标车辆节点的数据，信息价值的数值由消息发出时设定并随传递的次数而减少。

当消息的信息价值小于阈值且消息未传输至目标车辆节点时，将消息发送至对应的RSU，根据与目标车辆节点的兴趣所对应的兴趣排名，从全部RSU中选取出k个RSU，对消息进行广播，当目标车辆节点进入选取出的RSU的覆盖区域时，将消息发送至目标节点。

需要说明的是，k值的选取可以影响转发的效率(即降低消息的平均等待时间)和消息到达率，但本实施并未限制k值的选取，因此管理人员完全可根据实际情况进行选取。

作为一种优选的实施方案，当系统中的RSU的数量小于20时，则选取出排名前2的RSU对消息进行广播；当系统中的所述RSU的数量大于或等于20时，则选取出排名前15％的RSU对消息进行广播。本方案是均衡转发效率和消息到达率后而得到。因为在RSU少于20个时，认为布点比较稀疏，兴趣标签的信息价值可利用率不高，取值2时，能在保持到达率的情况下，实现较低的时延，而且能耗较少。而多于20个时，认为布点充足，存在兴趣标签相似的RSU，取15％，同样在保持到达率的情况下，实现较低时延，而且能耗较少。

(1)本系统采用双模式兴趣标签的转发策略，在一定程度下减少了消息仅在车辆之间传输所造成的网络拥堵，提高了消息转发成功率。

(2)本系统采用双模式兴趣标签的转发策略，当消息在车辆与车辆之间传递时，车辆根据兴趣、相互之间生成的合作程度、以及建立合作程度的车辆节点的数量等因素选取转发节点，这样相较于传统方案，降低了外在因素对以个人兴趣为主体对选取转发车辆节点的影响；当消息通过RSU转发时，通过雾计算获取RSU的兴趣标签，根据兴趣标签计算出每个兴趣的兴趣排名，最后根据兴趣排名，选取若干个RSU对消息进行转发，提高了RSU与RSU之间的转发效率，也保证了消息的正确传达率，而且双模式兴趣标签的转发策略能够进一步的降低外在因素对以个人兴趣为主体对选取转发车辆节点的影响。

(3)本系统采用双模式兴趣标签的转发策略，提高了对动态环境的适应性，能够提供更稳定的通信。

作为一种优选的实施方案，系统还用于：当RSU将消息发送至目标车辆节点后，仍缓存有该消息的RSU节点和车辆节点抛弃该消息。明显，能够节省缓存资源。

作为一种优选的实施方案，系统还用于：当车辆节点的缓存区发生负荷时，车辆节点根据其携带消息的信息价值的排序，选择抛弃若干个消息。例如，根据信息价值的排名高低，由低向高的顺序抛弃若干个消息。能够节省缓存资源，也能降低系统整体的能耗。

作为一种优选的实施方案，系统还用于：当RSU接收新的消息且缓存区发生负荷时，根据消息的发送时间，选择抛弃等待时间最长的消息。明显，能够节省缓存资源。

第二实施例：

提供一种基于雾计算的社交车联网双模式兴趣标签转发系统的双模式转发过程，包括初始化，更新RSU兴趣标签，消息转发和节点缓冲管理。具体步骤如下：

(1)初始化：

RSU处于公共区域(RSU未被赋予兴趣标签)阶段。在t时间段，车辆V_i进入RSU(i)通信范围内。如果V_i第一次进入RSU(i)，就在RSU(i)新建一个用户，用于登记信息。

(2)更新RSU兴趣标签：

车辆进入RSU广播范围，RSU登记进入的车辆。当广播范围内总车辆数达到设定的数量时，赋予该RSU兴趣标签。考虑到车辆的高移动性和拓扑复杂，RSU的兴趣属性需要有条件性的更新。具体更新参考第一实施例。

(3)消息转发：

根据V_s、V_i和V_d的合作程度以及V_d和兴趣标签RSU的关系，使用以下两个阶段的消息转发方法。

第一阶段：车辆与车辆之间的传输，假设携带消息M的车辆V_s与另一个节点V_i相遇，Information value(信息价值)的初始值为1，举出以下一种实施方案：

(1)如果V_i不是目标节点V_d，且V_i、V_s、V_d具有相同兴趣(例如：喜爱运动)，P(V_i，V_d)大于P(V_s，V_d)(即V_i和V_d、V_s和V_d之间存在合作程度)时，V_s将消息M转发给节点V_i，Information value减少s。

(2)如果V_i不是目标节点V_d，且V_s、V_d没有相同兴趣，V_i与V_s具有相同兴趣，当P(V_i，V_d)大于P(V_s，V_d)时，V_s将消息M转发给节点V_i，Information value减少s。

(3)如果V_i不是目标节点V_d，且V_s、V_d没有相同兴趣，V_i与V_d具有相同兴趣，V_s将消息M转发给节点V_i，Information value减少s。

(4)如果V_i不是目标节点V_d，且V_i、V_s、V_d没有相同兴趣，当与V_i建立的合作程度的节点数量(请参考第一实施例中公式(9))大于与V_s建立的合作程度的节点数量，V_s将消息M转发给节点V_i，Information value减少s。

(5)如果Information value减少到阈值且消息M仍未发送至V_d，节点不再将消息M转发给车辆节点。直到节点处在某个RSU的覆盖区域内时，V_s会将消息M转发给对应的RSU，由该RSU进行下一步转发。

其中，s为损失的价值，V_s为当前转发消息的节点，V_i为遭遇节点，V_d为目标节点。但是，需要注意的是，在第一阶段(V2V)传输时，并非仅限于上述一种选取转发节点的方式。

第二阶段：当消息在多次车辆间转发之后仍未找到V_d时，将该消息M转发给附近的RSU，利用RSU协助转发：

首先，雾服务器对其覆盖区域内的所有RSU的兴趣标签进行分析计算，获取所有时段的RSU兴趣排名并发送到其管理下的所有RSU。RSU根据获知的兴趣排名，选择排名中最大的k个RSU区域进行广播。如果接收消息M的RSU登记目的节点V_d，则将消息M转发给V_d并广播一个响应消息，通知仍然缓存该消息的其他节点抛弃该消息。需要注意的是，k值的选取并未限定，因此管理人员完全可根据实际情况进行选取。

(4)节点缓冲管理：

当车辆节点的消息缓冲区满负荷时，根据Information value大小，从小到大抛弃。当RSU接收到新消息且消息缓冲区满负荷时，根据消息的时间，将等待时间最长的消息丢弃。本实施例的有益效果与上述实施例相同，此处不再赘述。

第三实施例：

参照图5至图10，使用机会网络仿真模拟器(one)将本方案与现有的PRIF、PRoPHET和Epidemic方案在POI运动模型下进行仿真对比。具体仿真结果如下：

比较参数包括：(1)消息到达率：在给定的仿真时间内，成功到达目标节点的消息总数与节点创造的消息总数比值(不包含重复消息)；(2)开销率：中继消息总数与成功到达目标节点的消息总数的比值，反映了消息转发到目标节点的开销；(3)平均跳数：成功到达目标节点的平均跳数，反映了消息转发到目标节点需要经过的中继节点数；(4)平均等待时间：记录从创造消息到成功到达目标节点的平均时间，反映了消息转发到目标节点需要经过的时间；(5)消耗时长：给定数据到达数的情况下，需要消耗的时间。

仿真参数包括：

设立7组节点，包含4个汽车组、1个公交车组、1个RSU组和1个雾服务器组。其中，汽车组均有40个节点，公交车组有6个节点，RSU组有12个节点，雾服务器有4个节点，每一个雾服务器管理3个RSU节点。汽车组采用ShortestPathMapBasedMovement模型，并规定只行驶在道路上；公交车组采用MapRouteMovement模型，按固定的路线行驶。RSU组以及雾服务器组采用StationaryMovement模型。

仿真参数为表1所示。设置移动节点的缓冲区为10MB，无线传输设置了3种接口：第一种通信距离为10m，传输速度为2Mb/s，用于汽车节点之间；第二种通信距离为100m，传输速度为10Mb/s，用于公交车节点之间；第三种通信距离为300m，传输速度为10Mb/s，用于移动节点与RSU之间交互。汽车每50-90s产生一次消息事件。消息的目标节点为汽车节点。消息的大小为0.5-1MB。RSU之间的传输速度为10Mb/s，RSU与雾服务器之间的传输速度为10Mb/s，雾服务器之间的传输速度为10Mb/s。

表1

参照图5，随着Buffer size(缓冲区)变大，消息到达率增大，平均跳数减小，平均等待时间增大。在缓冲区大小的比较中，本方案的消息到达率(Delivery Ratio)、平均跳数(Average Hop count)以及开销率(Overhead Ratio)为最佳，在平均等待时间(AverageLatency)上PRIF为最佳。本方案在缓冲区为50M的时候达到了89.13％，开销率为670.5152，平均跳数为1.7701。相对来说，PRIF、PRoPHET和Epidemic的性能就更差，其中到达率PRIF为73.52％，PRoPHET为49.46％，Epidemic为55％；开销率PRIF为482.9915，PRoPHET为2569.1235，Epidemic为2349.3181；平均跳数PRIF为2.4405，PRoPHET为2.8898，Epidemic为3.1874。本方案相对PRIF来说，到达率提升了21.23％，平均跳数降低了27.47％。

参照图6，随着TTL(消息存活时间)增大，消息到达率普遍下降。当TTL增加时，可以将其存储在缓冲区中的时间更长，但同时也减少了消息的转发机会。当TTL增大到3600时，PRIF、PRoPHET以及Epidemic到达率趋近相同，但本方案的到达率处于63.34％，几乎是其他协议的2倍。对于开销率和平均跳数来说，本方案相对稳定且更小。在TTL性能比较中，本方案具有了更高的到达率，更低的开销和更少的跳数。

参照图7，随着仿真时间的增加，到达率、开销率、平均跳数以及平均等待时间趋于稳定。从10×10⁴s到50×10⁴s，本方案的到达率波动范围在0.1056％～0.1074％之间；本方案的平均等待时间波动情况小。而PRIF，PRoPHET和Epidemic开销和延迟都或多或少地增加，直到仿真时间为40×10⁴s时才趋于稳定。

参照图8和图9，图8和图9中的子图(1)、(2)、(3)分别代表500个数据，1000个数据以及1500个数据的仿真结果。随着设定的数据到达数越多，消耗的时间越长。固定数据到达数的情况下，当缓冲区增大时，消耗时间逐步降低；当TTL增大时，消耗时间逐步降低，最终趋于平稳。在节点缓冲区为50M时，本方案成功到达500、1000、1500个数据分别花费40664s、78221s和117621s，在固定到达1500个数据时，本方案是PRIF的0.85倍，PRoPHET的0.57倍，Epidemic的0.62倍。在节点TTL为3600min时，本方案成功到达500、1000、1500个数据分别花费57822s、111576s、171937s，在固定到达1500个数据时，本方案是PRIF的0.54倍，PRoPHET的0.52倍，Epidemic的0.55倍。通过比较固定到达数的消耗时长，本方案相较于PRIF、PRoPHET和Epidemic花费的时间更少，更加有效。

参照图10，随着RSU的数量增加，到达率小幅增加，延迟保持稳定。本方案为双模式转发策略，而单模式是指只存在车辆之间的转发。在平均延迟方面，单模式是本方案双模式的1.67倍，相当于本方案降低了单模式67％的平均延迟，本方案双模式相较于单模式在延迟方面存在优势。

综上，相较于PRIF，PRoPHET和Epidemic方案，本方案在到达率，开销率和平均跳数等方面更高效更稳定；虽然存在平均等待时间略高的问题，在一些对延迟容忍的应用中，本方案具有更好的性能，能够替代已有的协议进行工作。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (9)

1.一种基于雾计算的社交车联网双模式兴趣标签转发系统，其特征在于，包括：一个或若干个雾服务器、若干个RSU和若干个携带有兴趣的车辆节点；RSU与进入其覆盖区域内的所有车辆节点建立通信，当进入其覆盖区域内的车辆节点的数量大于预设值时，RSU收集兴趣生成兴趣标签并发送至对应的车辆节点；RSU还根据其覆盖区域内的实时车流量信息，更新兴趣标签，其中，所述兴趣标签是一组由多个兴趣及其t时段内对应的

构成的对组成，1≤i≤n，n是RSUR_x覆盖区域中的兴趣数目，RSUR_x表示第R_x个RSU；

表示t时段内RSUR_x覆盖区域中所有兴趣中interest_i的比率；

表示t时段内RSUR_x覆盖区域中具有interest_i的车辆节点的数量；

表示t时段内RSUR_x覆盖区域中的车辆节点总数；α表示兴趣更新因子，α∈{0,1}，α通过实时车流量比

衡量，

表示实时进入RSUR_x覆盖区域的车辆节点的数量，

表示实时离开RSUR_x覆盖区域的车辆节点的数量；雾服务器与其覆盖区域内的RSU建立通信，根据系统内所有的RSU的兴趣标签，为每个RSU生成对应的每种兴趣的兴趣排名，兴趣排名被定时更新；每个车辆节点获取与其余车辆节点相互之间的合作程度，通过如下方式计算两个车辆节点之间在T时段内的合作程度：

其中，P^(T)(a,b)表示T时段车辆节点a与车辆节点b之间的合作程度，T表示车辆节点在运动轨迹中移动所经过的时间段，T时段由多个连续t时段组成，t_x,t_z是T的子时间段，x,z∈{1,2,…,|T|}；S_RSU表示在轨迹中车辆节点经过的RSU的集合，R_x∈S_RSU；NIR_z表示在轨迹中车辆节点经过的非RSU区域；

表示车辆节点在RSU覆盖区域的合作程度权重比，η表示车辆节点在非RSU覆盖区域的合作程度权重比，0≤η≤1；其中：

表示在t时段RSUR_x中车辆节点a与车辆节点b的合作程度；

表示在RSUR_x中车辆节点a和车辆节点b之间的接触数；T_i(a,b)表示车辆节点a与车辆节点b的第i次接触时间；

表示在RSUR_x中车辆节点a和车辆节点c之间的接触数；

表示在RSUR_x中车辆节点a接触其他的车辆节点的集合；

表示在t时段非RSU覆盖区域中车辆节点a与车辆节点b的合作程度；

表示在非RSU覆盖区域中车辆节点a与车辆节点b之间的接触数；

表示在非RSU覆盖区域中车辆节点a与车辆节点c之间的接触数；

表示在非RSU覆盖区域车辆节点a接触其他车辆节点的集合；T_j(a,c)表示车辆节点a与车辆节点c的第j次接触时间；

当消息的信息价值大于阈值时，转发消息的当前车辆节点根据当前车辆节点和其余车辆节点的兴趣、当前车辆节点和其余车辆节点的合作程度和与当前车辆节点建立合作程度的车辆节点的数量，选取出转发车辆节点，其中，消息为待传输至目标车辆节点的数据，信息价值的数值由消息发出时设定并随传递的次数而减少；当消息的信息价值小于阈值且消息未传输至目标车辆节点时，将消息发送至对应的RSU，根据与目标车辆节点的兴趣所对应的兴趣排名，从全部RSU中选取出若干个RSU，对消息进行广播，当目标车辆节点进入选取出的RSU的覆盖区域时，将消息发送至目标节点。

2.根据权利要求1所述的一种基于雾计算的社交车联网双模式兴趣标签转发系统，其特征在于，所述系统还用于：若车辆节点与其余车辆节点相互之间存在历史合作程度，则根据历史合作程度，对当前的合作程度进行更新。

3.根据权利要求1所述的一种基于雾计算的社交车联网双模式兴趣标签转发系统，其特征在于，所述RSU还根据其覆盖区域内的实时车流量信息，更新兴趣标签，具体包括：

当进入RSU的覆盖区域内的实时车流量比小于边界值时，则RSU实时更新兴趣标签，不更新对应的车辆节点的兴趣标签；

当进入RSU的覆盖区域内的实时车流量比在边界值至最大值之间时，则RSU实时更新兴趣标签，并实时更新对应的车辆节点的兴趣标签；其中，边界值以及最大值均由历史车流量信息确定，取值范围均在0至1之间，且边界值小于最大值；

当进入RSU的覆盖区域内的实时车流量比大于最大值时，则RSU更新兴趣标签，将兴趣标签中各个兴趣比设为1，并更新一次对应的车辆节点的兴趣标签后停止更新。

4.根据权利要求1所述的一种基于雾计算的社交车联网双模式兴趣标签转发系统，其特征在于，所述雾服务器根据RSU自身的兴趣标签、邻居RSU的数量以及邻居RSU对应的兴趣排名迭代计算出对应的每个RSU的兴趣排名。

5.根据权利要求1所述的一种基于雾计算的社交车联网双模式兴趣标签转发系统，其特征在于，所述系统还用于：当RSU将消息发送至目标车辆节点后，仍缓存有该消息的RSU节点和车辆节点抛弃该消息。

6.根据权利要求1所述的一种基于雾计算的社交车联网双模式兴趣标签转发系统，其特征在于，所述系统还用于：当车辆节点的缓存区发生负荷时，车辆节点根据其携带消息的信息价值的排序，选择抛弃若干个消息。

7.根据权利要求1所述的一种基于雾计算的社交车联网双模式兴趣标签转发系统，其特征在于，所述系统还用于：当RSU接收新的消息且缓存区发生负荷时，根据消息的发送时间，选择抛弃等待时间最长的消息。

8.根据权利要求1至7任一项所述的一种基于雾计算的社交车联网双模式兴趣标签转发系统，其特征在于，当所述系统中的RSU的数量小于20时，则根据兴趣排名选取前2个RSU对消息进行广播；当所述系统中的RSU的数量大于或等于20时，则根据兴趣排名选取前15％数量的RSU对消息进行广播。

9.一种应用于权利要求1所述系统的基于雾计算的社交车联网双模式兴趣标签转发方法，其特征在于，包括以下步骤：

当消息的信息价值大于阈值时，转发消息的当前车辆节点根据兴趣、合作程度和建立合作程度的车辆节点的数量，选取出转发车辆节点，其中，消息为待传输至目标车辆节点的数据，信息价值的数值由消息发出时设定并随传递的次数而减少；当消息的信息价值小于阈值且消息未传输至目标车辆节点时，将消息发送至对应的RSU，根据与目标车辆节点的兴趣所对应的兴趣排名，从全部RSU中选取出若干个RSU，对消息进行广播，当目标车辆节点进入选取出的RSU的覆盖区域时，将消息发送至目标节点。

Images