CN111818589A - 一种适用于车联网环境的自适应发送速率调节方法 - Google Patents

Abstract

本发明属于车联网通信技术领域，涉及一种适用于车联网环境的自适应发送速率调节方法。该方法根据不同的信道通信环境质量，基于多项式回归和动态窗口回馈的RSSI预测，自适应地采用不同的速率。这种方法既能保证数据的准确接收，满足不同业务的需求，又能提高系统的网络链路吞吐量和节省能量消耗，有效解决了VANET通信丢包率过高的问题。对于车辆高速移动的交通场景，自适应速率调节机制的方法具有相当的适用价值。

Description

一种适用于车联网环境的自适应发送速率调节方法

技术领域

本发明属于车联网通信技术领域，涉及一种适用于车联网环境的自适应发送速率调节方 法。

背景技术

无人车、自动驾驶等应用于智能交通领域的技术日益广泛。智能交通系统(Intelligent Transportation System，ITS)是借助先进的硬件通信模块、计算机网络技术、数据通信技术、 传感器技术和电子控制技术构建起的一种实时、准确、高效的综合运输管理系统，目的在于 改善道路交通安全和提高驾驶体验。车载自组织网络(Vehicular Ad-hoc Network，VANET) 技术作为ITS的底层通信基础更是发展迅速。VANET技术是使用专用短距离通信(Dedicated Short Range Communication，DSRC)技术在指定信道上提供安全可靠的信息传输的网络通信 技术。VANET主要功能是使车和车(Vehicles and Vehicles，V2V)之间、车辆和路边固定基 础单元(Vehicles and Infrastructure，V2I)之间建立相互双向无线通信和信息交换。车辆作为 VANET中的移动节点，具有高移动性和位置变化范围不确定等特点。

传统的基于固定网络节点实现的网络协议不适用于VANET。为了寻求一种适用于VANET的无线网络通信协议。在2013年，电气电子工程师学会(Institute of Electricaland Electronics Engineers，IEEE)制定了WAVE协议栈，并将其规定为DSRC技术范畴内的标准协议。ITS、VANET技术和WAVE协议栈成为现代研究应用热点。国内外投入大量的资 源对其进行研究。

然而，在车辆高速移动的情况下，WAVE协议栈可满足通信的的低延迟，高响应要求， 却没有提出降低VANET通信丢包率(Packet Loss Rate，PLR)的具体措施。在实际应用场景 中，受无线网络中的信道状态影响，无线信道质量变化较大。节点移动性，信号衰落和干扰 等影响因素可以在几分之一秒内将无线链路从完全连接变为完全断开。单纯使用高传输速率 并不能在较差的信道质量环境下获得良好的通信性能。

发明内容

针对车辆高速移动的情况，本发明提供了一种通过对发送速率进行动态调节来提高通信 数据的完整性的方法。根据不同的信道通信环境质量，自适应地采用不同的速率。这种方法 既能保证数据的准确接收，满足不同业务的需求，又能提高系统的网络链路吞吐量和节省能 量消耗，有效解决了VANET通信丢包率过高的问题。对于车辆高速移动的交通场景，自适 应速率调节机制的方法具有相当的适用价值。

本发明提供了一个可根据链路状态自适应调节发送速率的方案，降低了车载自组织网络 中车载设备端到端通信的丢包率，提高数据通信可靠性。本文在发送速率调节过程用接收信 号强度指示(Received Signal Strength Indication，RSSI)来反映链路状态，提出了通知记录动 态窗口自适应速率调节机制。首先，该机制通过对控制信道和服务信道访问流程进行特殊规 定，令车载自组织网络中车载设备可以获取服务信道对应RSSI并有选择性的存入设备维护的 RSSI信息列表中。之后，该机制使用本发明提出的基于多项式回归和动态窗口回馈拟合的 RSSI预测算法对下一发送时隙对应工作信道的RSSI进行预测。上述RSSI预测算法利用本地 RSSI信息列表中数据，对预测多项式进行拟合。为了使预测结果更加准确，在RSSI预测算 法运行过程中根据误差阈值决定回馈拟合曲线的时机，并且使用动态窗口机制对回馈拟合输 入进行控制。最后，该机制根据预测算法的结果对下一发送时隙的发送速率进行调节。

本发明的技术方案为：

一种适用于车联网环境的自适应发送速率调节方法，包括步骤如下：

第一步，更新RSSI记录；

如果与此时刻对应的RSSIL记录为空，将采集到的RSSI值保存在记录中。如果采集到 的RSSI值比此时刻RSSIL中对应的RSSI记录值小则用较小值替换记录中值，否则不进行替 换。此处理策略的目的是保存设备采集到的，并且在无线网络中与本节点设备之间通信状态 最不佳的节点对应的RSSI值。这样可以最大限度满足网络中所有节点的通信条件，提高车载 设备端到端通信的数据完整度。

第二步，基于多项式回归和动态窗口回馈的RSSI预测；

2-1基于多项式回归的RSSI预测

首先，采用M+1个未知系数

的多项式函数作为预测函数：

f_pre(t)是数据采集时间t的函数；

采用基于多项式回归的曲线拟合方法，使用先前得到的RSSI值计算各个系数

预处理 步骤使用重复累积操作，将动态窗口中保存的T_win个数据进行求和操作生成新的数据序列， 生成新的数据序列为：

其中的RSSI_ij是从硬件设备获取的，存储在节点本地的原始数据序列，S(n)是完成预处理 之后的数据新序列；S(n)中的每个元素，存在相应的预测多项式为：

完成预处理后，S(n)是与第n次预测回归对应的累积RSSI的实际值；

通过多项式预测下一轮的S(m+1)：

S(m+1)_pre＝f_pre(t+1) (9)

最后通过式(2)的逆向计算得出RSSI预测值：

RSSI_pre＝S(m+1)_pre-S(m) (10)

至此，RSSI预测结束，所得RSSI_pre即为下一个时间t’的RSSI预测值；

2-2基于动态窗口的回馈拟合过程

由式(10)得，第n次预测关于信道A得出的预测值和下一个时隙从硬件获取的实测值 之间的误差：

E_A,i＝|RSSI_A,i-RSSI_{pre_A,i}| (11)

其中RSSI_A,i为信道A上在t_i+1时间的实际获取值，RSSI_{pre_A,i}为信道A上在t_i时间的预测 值；

将式(11)得到的E_A,i作为动态窗口机制触发的条件判断；当E_A,i小于等于规定的误差阈 值，说明此时通过拟合得到的轨迹可以较好的描述RSSI的未来变化趋势，扩大信道A对应 的动态窗口，并将最新获取的RSSI数值存入；机制中设定了窗口最大容量Twin_max，当窗口 大小等于Twin_max，便不再增大，而是变为一个大小为Twin_max滑动窗口对历史RSSI数据进行 存储；相反的，当E_A,i大于规定的误差阈值，则舍弃过早的历史RSSI数据；

用RSSI预测值的平均相对误差描述预测算法关于信道A在一段时间内的准确度MRE_A：

当预测算法运行过程中MRE_A超过规定的数值后，需要调用RSSI算法的预处理过程对信 道A对应的RSSI预测曲线进行回馈拟合。

本发明的有益效果为：能够有效优化OBU之间的数据传输性能，降低丢包率，提高通信 数据的完整性，能更迅速的感知良好链路状态，更加充分地利用链路资源。

附图说明

图1通信过程示意图。

图2 RSSI通知机制示意图。

图3更新RSSI记录流程图。

图4动态窗口机制流程图。

图5试验场景图。

图6 PLR与时间关系图。

图7链路吞吐量与时间关系。

具体实施方式

以下结合具体实施例详细阐述本发明的技术方案。

本发明提出一种自适应速率调节机制，来降低由于通信环境变化引起的PLR。在实现过 程中会将自适应速率调节机制与WAVE协议栈进行整合以达到降低PLR的目的。本机制的提 出结合了WAVE协议栈服务交互的具体流程和无线网络中的通信现状，并分为以下两部分。

(1)RSSI通知记录机制，实现OBU设备对信道RSSI的感知。结合WAVE协议栈中规 定的Provide、User设备角色和数据交互流程提出了一种基于广播的RSSI通知记录机制。在节点设备内部实现信道RSSI测量值的动态化存储，维护一个RSSI信息列表(RSSIInformation List，RSSIL)。

(2)基于多项式回归和动态窗口回馈拟合的RSSI预测算法，负责速率决策工作。为了 跟踪无线链路状态变化趋势，使用基于多项式回归的RSSI预测方法来预测下一个SCH时隙 对应工作信道的RSSI值，为自适应速率调节提供决策依据。因为无线链路网络状态多变性和 VANET中节点的高速移动性的事实，在通信环境突然变化的时候其RSSI测试值也会出现突 变点。为了应对信号强度的突然变化，减少预测误差。在原本设计的RSSI预测方法的基础上， 添加了基于动态窗口的回馈拟合过程。

以下从服务流程、RSSI通知记录机制和RSSI预测算法三方面进行介绍。

1、服务流程

IEEE P1609.4协议规定了信道访问服务支持并行交替访问CCH和SCH操作。支持的帧 类型有定时广播(Timing Advertisement，TA)管理帧、供应商特定动作(VendorSpecific Action， VSA)管理帧、携带WSM的数据帧和携带IP数据包的数据帧。本标准不禁止传输其他帧类 型。任何前面叙述的帧类型，可以在CCH时隙或SCH时隙中传输。携带IP数据包的帧不 得在CCH上传输，但可以在SCH上传输。其中，数据帧较管理帧具有较低的优先级，一般 在SCH时隙进行通信，管理帧一般在CCH时隙交互。

IEEE P1609.3协议中规定了两个WAVE设备角色，Provider和User。Provider作为服务 提供方，User作为服务接收方。Provider设备在一个服务提供期间在SCH信道上发送VSA 管理帧，在SCH信道上发送WSM数据帧。User设备则切换到相应信道监听并接受数据。图1以交替SCH和CCH访问方式为例对上述两种设备角色设备建立数据通信过程进行说明。

(1)Provider将自己可提供的服务可用性信息放入VSA(包含WSA报文)管理帧中在CCH时隙于178信道上进行广播，并将广播的信息注册到自己的MIB中。

(2)User在处于CCH时隙时在178信道上监听到Provider发送的VSA管理帧，将其中的服务可用信息解析存入自己的MIB中，以备SCH时隙收取所需WSM。

(3)在SCH时隙，User首先在MIB中查询上层应用要求接受的服务可用性信息，如提供服务标识符(Provider Service Identifier，PSID)和对应信道号等，将硬件切换到对应信道进 行监听。Provider会首先从MIB中查询上层应用要求提供提供的服务可用性信息，并切换硬 件天线到对应信道发送上层交付的WSM数据。

(4)因为WSM数据服务一般为单播，所以User在接收到对应信道号上的数据包后，首先判断数据包目的MAC地址是否为本设备MAC地址。如果是则继续对数据包进行解析， 与上层应用要求接受服务信息进行校验，校验通过则传给上层，否则在底层丢弃。如果数据包目的地址不为本设备MAC地址，则直接丢弃。

2、RSSI通知记录机制

在本机制中，处于CCH时隙的设备不仅要在CCH信道上发送包含上层请求提供服务的 VSA，在完成VSA管理帧的发送之后，使用立即SCH访问方式将信道切换为下一个SCH时隙上层应用请求访问的SCH。因为具有多PHY天线设备的WAVE协议栈设备可以在发送 WSM数据包的同时，接收到信道上传来的WSM数据包，所以在使用TA帧完成各个设备与 公共时间参考同步之后，在CCH时隙末尾发送的仅带有WSMP头部的数据帧可以被已经切 换到相同信道上的设备接收并通过天线芯片驱动获取对应信道的RSSI。RSSI通知机制具体 流程图2所示。

由VANET体系架构可知，在一个通信网络中有一个或者多个WAVE设备工作。因此，在上述机制过程中，每个节点在一个信道上会收到一个或者多个仅带有WSMP头部的数据帧，也就是在单个信道上可能会获取到多个RSSI数值。因为之后RSSI值的预测结果与每个时间点保存的实测RSSI值密切相关，所以对多个RSSI实测值的处理与取舍至关重要。本发明提出的自适应速率调节机制的根本目的是为了降低VANET中车载设备端到端通信的丢包率，所以对先后获取的RSSI值采取以下处理策略。

如果与此时刻对应的RSSIL记录为空，将采集到的RSSI值保存在记录中。如果采集到 的RSSI值比此时刻RSSIL中对应的RSSI记录值小则用较小值替换记录中值，否则不进行替 换。其流程如图3所示。

其中在WAVE协议栈中，IEEE P1609.4协议范围位于MAC层。作为IEEE 802.11p协议的扩展，IEEE P1609.4协议与PHY层在理论层面上紧密结合，在具体应用层面上与PHY层 之间有大量数据传输和逻辑控制。所以，以上提出的机制在IEEE P1609.4协议对应的代码层次上实现最为合适。

在满足记录获取的RSSI的前提下，还需要对每一次的预测值RSSI_pre进行记录，以便用 于下一步提出的动态窗口输入管理机制，因此便设计了RSSIL存储相应数据。RSSIL的具体 形式如表1。

表1 RSSIL的具体形式

3、基于多项式回归和动态窗口回馈的RSSI预测算法

针对VANET环境下链路状态变化剧烈和频繁的特征，本发明提出的预测算法分为两个 部分：基于多项式回归的RSSI预测算法和基于动态窗口的回馈拟合过程。

(1)基于多项式回归的RSSI预测算法

本发明提出的自适应速率调节机制在上述RSSI通知机制的支持下，每个节点设备都能够 获取与SCH对应的一系列RSSI实测数据。为了达到预测的目的，本机制使用基于多项式回 归的RSSI预测算法来得到下一个SCH时隙对应工作信道的RSSI预测值。

在预测过程之前需要利用历史实测数据进行曲线拟合。首先，采用M+1个未知系数

的多项式函数作为预测函数为：

f_pre(t)是数据采集时间t的函数。为了进行RSSI预测，需要在本步操作中计算出式(1) 中的各个系数

采用基于多项式回归的曲线拟合方法，使用先前得到的RSSI值来计算各个系数

为了 增强曲线拟合的效果，预处理步骤使用重复累积操作，目的在于提高RSSI预测的准确性。之 后，算法将动态窗口中保存的Twin个数据进行求和操作来生成新的数据序列。新的数据序列 为：

其中的RSSI_ij是从天线等硬件设备获取的，存储在节点本地的原始数据序列，S(n)是完成 预处理之后的数据新序列。例如，原始数据为{20,40,10,25,60,35}，预处理之后的序列变为 {20,60,70,95,155,190}。同时，对于S(n)中的每个元素，存在相应的预测多项式：

上式说明，S(n)是与第n次预测回归对应的累积RSSI的实际值。然后，先前m个过程的 S(n)和所得的预测值f_pre(t)之间的差的平方和为：

为了计算每个系数

将每个多项式中的每个系数

看做变量。取式(4)中的每个

的 偏导数，然后将每个偏导数方程设置为0。完成上述过程后，得到如下的等价多项式。

将式(5)中的所有t做求和之后，将这些多项式化为矩阵并将矩阵变化为上三角矩阵：

最后求解式(6)，使用自然高斯消去法可得每个

其中i＝0,1,2,…M-1,M：

完成预处理步骤之后，得到相应多项式中的每个系数

并确定多项式具体形式。因此， 可以通过多项式预测下一轮的S(m+1)，其数学描述为：

S(m+1)_pre＝f_pre(t+1) (9)

后通过式(2)的逆向计算得出RSSI预测值为：

RSSI_pre＝S(m+1)_pre-S(m) (10)

至此，RSSI预测结束，所得RSSI_pre即为下一个时间t’的RSSI预测值。

(2)基于动态窗口的回馈拟合过程

在通信环境多变的情况下，预测算法得出的RSSI预测值与真实值会存在一定误差。为了 减少这种误差对速率决策的影响，在算法中添加了基于动态窗口的回馈拟合过程。

由式(10)可得，第n次预测关于信道A得出的预测值和下一个SCH时隙从天线获取的实测值之间的误差如下：

E_A,i＝|RSSI_A,i-RSSI_{pre_A,i}| (11)

其中RSSI_A,i为信道A上在ti+1时间的实际获取值，RSSI_{pre_A,i}为信道A上在t_i时间的预 测值。

为了体现预测算法的平均性能，使用RSSI预测值的平均相对误差(Mean RelativeError， MRE)来描述预测算法关于信道A在一段时间内的准确度：

当预测算法所得预测值在一段时间内表现较差的时候，此时应该考虑重新拟合轨迹。为 了得到拟合出最贴近实际情况的轨迹，需要将最能体现近期RSSI状态的实际值作为预测算法 的预处理步骤的输入。预处理步骤输入值越能体现实际RSSI变化趋势，拟合出来的轨迹与实 际RSSI变化轨迹就越吻合，相应的最终得出的RSSI预测值与真实值之间的误差越小，预测 算法性能越好。

提出的动态窗口机制就是为了记录最能体现当前时间对应RSSI变化趋势的实际值，并将 其作为下一次拟合曲线过程的输入。将式(11)得到的E_A,i作为动态窗口机制触发的条件判断。 当E_A,i小于等于规定的误差阈值，说明此时通过拟合得到的轨迹可以较好的描述RSSI的未来 变化趋势。同时，也增加了对下一步预测结果的信心。为了保存最新的RSSI状态，应该扩大 信道A对应的动态窗口，并将最新获取的RSSI数值存入。但是窗口不能一直扩大下去，在 机制中设定了窗口最大容量Twin_max，当窗口大小等于Twin_max，便不再增大，而是变为一个大 小为Twin_max滑动窗口对历史RSSI数据进行存储。相反的，当E_A,i大于规定的误差阈值，此时 说明通过预测算法得到的轨迹不能很好地描述RSSI的未来变化趋势了。也说明了此时通信环 境发生了较大变化(突发点)。此时，之前过早的历史数据已经不能够反应当前趋势，再将过 早历史数据作为预测预处理过程的输入会影响拟合曲线和现实变化趋势的吻合程度。在本机 制中设定了窗口的默认大小Twin_def，当出现突发点时，应该缩小信道A对应的动态窗口大小 至Twin_def，舍弃较早的历史数据，使得窗口中数据对当前趋势保持较好的反映程度。上述动 态窗口机制流程如图4所示。

当预测算法运行过程中MRE_A超过规定的数值后，需要调用RSSI算法的预处理过程对信 道A对应的RSSI预测曲线进行回馈拟合。最终，通过上述机制，能够得到与现实RSSI变化 趋势更加吻合的拟合曲线，进而提高下一步预测的准确度。

上述过程的目的在于对RSSI预测算法预处理阶段拟合的轨迹进行反馈调节。因此，结合 了上述的基于多项式回归的RSSI预测算法一同构成了本发明提出的自适应速率调节机制中 使用的RSSI预测算法。映射建立需要参考实际场景中RSSI的实测范围。本发明在IEEE P1609.4代码实现层将相对应的速率存储在对IEEE 802.11p代码实现层请求结构中。将上述 预测算法得到的RSSI_pre与IEEE 802.11p支持的八种速率建立映射。

为了验证效果，实验场景设定如图5所示。在直行道路上A车载路边停靠不移动，B车 从A车后方向驶近A车的方向行驶。开始时B车在A车后方相距800米，之后B车匀速驶 向A车。两车之间建立链路连接并开始进行WSM数据包交互，此时实验开始。之后B车继 续向前行驶，不断接近A车。一段时间后经过A车停靠位置并远离A车。当A车位于B车 前方800米时停止实验。实验的数据如表2所示。

表2实验参数表

实际的实验进行了三轮，第一轮实验中，两车搭载的OBU设备均未整合任何自适应速率 调节机制。在实验过程中，OBU设备保持数据速率为18Mbps。第二轮实验中，OBU设备中整合本发明中的NRADW自适应速率调节机制。在实验开始时，OBU设备初始数据速率设置 为18Mbps。第三轮实验中，OBU设备中整合了CHARM自适应速率调节算法。

在实验开始时，OBU设备初始数据速率设置为18Mbps。在每轮实验过程中，数据以设 备支持最大功率进行发送。并且B车以V匀速行驶，每时隙10秒采集一次数据。在相同场景下，每轮实验重复10次，取平均值作为实验结果。具体实验结果如图6和图7所示。

图6显示了在试验场景下，两台OBU设备端到端平均PLR。横轴代表时间，单位为秒。纵轴代表PLR，单位为％。在市区内空旷直线道路场景下，两车相距800米以内，PLR会随 着车距增加而缓慢上升并且都在5％以下。可见，实验进行第100秒时，两车相距最近。此时PLR为3％。当两车距离在250米以内时，两条曲线几乎吻合，说明是否搭载了NRADW自 适应速率调节机制对PLR变化影响不大。当两车距离在250米至500米区间时，未搭载 NRADW自适应速率调节机制的OBU设备PLR随着车距的增大急剧增加，而搭载NRADW 自适应速率调节机制的OBU设备通过自适应调节发送速率，PLR上升趋势较为平缓，最终 PLR稳定在4.5％以下。不难推断，本文提出的自适应速率调节机制感知到通信环境恶化时及 时降低数据发送速率，减缓了PLR的上升速度，一定程度上提高了通信数据的完整性。通过 曲线可知，在整个实验过程中，本发明提出的NRADW自适应速率调节机制与CHARM自适 应速率调节算法相比较，在OBU设备中体现出的性能较优。

通过统计单位时间内A车接收到的数据包个数，可得出OBU设备链路吞吐量参数。图7 显示了在试验场景下，两台OBU设备端到端平均链路吞吐量。横轴代表时间，单位为秒。纵 轴代表链路吞吐量，单位为Mbps。从图7可以看出，在市区内空旷直线道路场景下，两车相 距800米以内，未搭载NRADW自适应速率调节机制的OBU设备链路吞吐量始终维持在15Mbps至18Mbps范围内。当两车距离在250米至800米时，为了保证数据传输完整性， NRADW自适应速率调节机制降低数据发送速率，牺牲链路吞吐量。当两车距离在250米内 时，NRADW自适应速率调节机制的OBU设备通过自适应调节提高发送速率，充分理由良好 的链路环境发送尽可能多的数据包，最高速率可达25.5Mbps。不难推断，本文提出的自适应 速率调节机制在链路条件良好时，能迅速感知并提高数据发送速率，充分利用链路资源。相比较CHARM算法而言，本发明提出的NRADW自适应速率调节机制能更迅速的感知良好链 路状态，更加充分地利用链路资源。

Claims (2)

1.一种适用于车联网环境的自适应发送速率调节方法，其特征在于，包括步骤如下：

第一步，更新RSSI记录；

如果与此时刻对应的RSSIL记录为空，将采集到的RSSI值保存在记录中；如果采集到的RSSI值比此时刻RSSIL中对应的RSSI记录值小则用较小值替换记录中值，否则不进行替换；

第二步，基于多项式回归和动态窗口回馈的RSSI预测；

(1)基于多项式回归的RSSI预测

首先，采用M+1个未知系数

的多项式函数作为预测函数：

f_pre(t)是数据采集时间t的函数；

采用基于多项式回归的曲线拟合方法，使用先前得到的RSSI值计算各个系数

预处理步骤使用重复累积操作，将动态窗口中保存的Twin个数据进行求和操作生成新的数据序列，生成新的数据序列为：

其中的RSSI_ij是从硬件设备获取的，存储在节点本地的原始数据序列，S(n)是完成预处理之后的数据新序列；S(n)中的每个元素，存在相应的预测多项式为：

完成预处理后，S(n)是与第n次预测回归对应的累积RSSI的实际值；

通过多项式预测下一轮的S(m+1)：

S(m+1)_pre＝f_pre(t+1) (9)

最后通过(2)式的逆向计算得出RSSI预测值：

RSSI_pre＝S(m+1)_pre-S(m) (10)

至此，RSSI预测结束，所得RSSI_pre即为下一个时间t’的RSSI预测值；

(2)基于动态窗口的回馈拟合过程

由式(10)得，第n次预测关于信道A得出的预测值和下一个时隙从硬件获取的实测值之间的误差：

E_A,i＝|RSSI_A,i-RSSI_{pre_A,i}| (11)

其中RSSI_A,i为信道A上在t_i+1时间的实际获取值，RSSI_{pre_A,i}为信道A上在t_i时间的预测值；

将式(11)得到的E_A,i作为动态窗口机制触发的条件判断；当E_A,i小于等于规定的误差阈值，说明此时通过拟合得到的轨迹可以较好的描述RSSI的未来变化趋势，扩大信道A对应的动态窗口，并将最新获取的RSSI数值存入；机制中设定了窗口最大容量Twin_max，当窗口大小等于Twin_max，便不再增大，而是变为一个大小为Twin_max滑动窗口对历史RSSI数据进行存储；相反的，当E_A,i大于规定的误差阈值，则舍弃过早的历史RSSI数据；

用RSSI预测值的平均相对误差描述预测算法关于信道A在一段时间内的准确度MRE_A：

当预测算法运行过程中MRE_A超过规定的数值后，需要调用RSSI算法的预处理过程对信道A对应的RSSI预测曲线进行回馈拟合。

2.根据权利要求1所述的适用于车联网环境的自适应发送速率调节方法，其特征在于，第二步的预处理步骤为：

先前m个过程的S(n)和所得的预测值f_pre(t)之间的差的平方和为：

为了计算每个系数

将每个多项式中的每个系数

看做变量，取式(4)中的每个

的偏导数，然后将每个偏导数方程设置为0；完成上述过程后，得到如下的等价多项式：

将式(5)中的所有t做求和之后，将这些多项式化为矩阵并将矩阵变化为上三角矩阵为：

最后求解式(6)，使用自然高斯消去法得每个

其中i＝0,1,2,…M-1,M：

完成预处理步骤之后，得到相应多项式中的每个系数

并确定多项式具体形式。

Images