CN113099419A - 基于双车道格子流体力学的提高车联网通信连通性的方法 - Google Patents

Abstract

本发明公开了一种基于双车道格子流体力学的提高车联网通信连通性的方法，包括如下步骤：1）构建双车道车联网通信模型；2）推导保证车流稳定需满足的密度条件；3）构建基于交通流平稳性的直接可连接性概率函数；4）推导车流变化过程中驾驶员调整时间

后使车流稳定的条件；5）构建车辆之间的持续连通性概率函数。这种方法将道路中车辆的运动视为粒子的流动，采用双车道格子流体力学模型协调车辆的换道行为，以避免大量换道行为造成交通堵塞，在保证交通流平稳的基础上提高车辆的通信连通性。

Description

基于双车道格子流体力学的提高车联网通信连通性的方法

技术领域

本发明涉及车载通信领域，具体是一种基于双车道格子流体力学的提高车联网通信连通性的方法。

背景技术

车载网络通过将无线通信技术应用于车辆间通信，能大幅度提髙道路行车的安全性与交通运输的有效性。为了确保安全预警信息与车流拥塞信息能够实时、可靠地传输，车载通信系统的整体性能必须得到提升。但由于实际交通情况的复杂性，例如车流稳定性、车辆加减速以及变道情况的存在都严重影响着通信系统性能，对车辆间无线通信的可靠传输提出了严竣的挑战。因此，研究车联网的连通性是很有必要的。

为了提高车辆之间的连通性，目前大多思路是利用道路上其他车辆或者增加路边单元来进行协作通信，但是对于车辆之间的协作，存在一个协作意愿的问题，而增加路边单元，也会存在设置合理性问题和成本问题，并且这些工作也忽略了在实际交通中存在车辆变道的情况，车辆变道之后车辆之间的距离位置发生改变、车辆之间的连通情况也会发生改变，很多时候在变道后，车辆之间的距离就可以满足链路连通要求，不需要进行协作通信。

然而毫无规律的变道不仅不会让连通性有所提升，还会造成道路拥堵，所以选择一个合适的交通流模型去规范化车辆的变道，让车联网在交通流相对平稳的情况下提升通信链路的连通性才是更加科学合理的。格子流体力学模型中粒子的运动类似于车辆换道行为，且现有的模型研究给出的如何保证交通流稳定的结果也得到了大量论证，所以该模型适于研究基于交通流平稳性的车联网通信链路连通性。

发明内容

本发明的目的是针对现有技术的不足，而提供一种基于双车道格子流体力学的提高车联网通信连通性的方法。这种方法利用实际道路交通中车辆的换道行为，结合流体力学模型对交通流平稳性的限制，使得通信链路直接连通性在一定的换道率下得到增长，且能保证链路的持续连通性。

实现本发明目的的技术方案是：

一种基于双车道格子流体力学的提高车联网通信连通性的方法，包括如下步骤：

1)构建双车道车联网通信模型：双车道车联网通信模型包括车道1、车道2及车道1、车道2上均匀分布设置的一组节点J,J＝{j-n,...,j-2,j-1,j,j+1,j+2,...j+n}，依据格子流体力学模型中的换道条件定义车辆换道行为的发生为：车道2上节点j-1的密度高于车道1上节点j的密度，车道2上的车辆就会向车道1进行换道，同理，车道1上的车辆也会向车道2进行换道；

2)推导保证车流稳定需满足的密度条件：采用基于Nagatani双车道格子流体力学模型的双车道连续方程如公式(1)所示：

其中ρ_j-1、ρ_j、ρ_j+1分别为t时刻节点j-1、j、j+1的平均密度，v_j-1、v_j为t时刻节点j-1和节点j的车辆平均速度，ρ₀为系统平均密度，

为节点j换道完成后的密度，β为车辆换道概率，依据当前节点与同车道相邻节点密度差构建的新演化方程如公式(2)所示：

其中a为司机的驾驶敏感系数，将双车道连续方程公式(1)和新演化方程公式(2)联立可以得到稳定性分析方程如公式(3)所示：

系统稳定性状态的解如公式(4)所示：

且在双车道系统中，优化速度的函数形式如公式(5)所示：

其中，ρ_c为节点临界密度，假设y_i(t)是一个小扰动，相应的密度和最优速度如公式(6)所示：

将y_i(t)按傅里叶级数展开，取其中的单色波分量如公式(7)所示：

y_i(t)＝exp(ikj+zt) (7)，

并由此得到由y_i(t)表示的相关参数如公式(8)所示：

将公式(5)-公式(8)代入公式(3)整理得到公式(9)：

在ik→0，z→0时，展开公式(9)中的z，得到展开式如公式(10)所示：

z＝z₁(ik)+z₂(ik)²+… (10)，

将展开式公式(10)代入公式(9)并令方程中的实部和虚部等于零，可以得到z的一阶项系数和二阶项系数如公式(11)和公式(12)所示：

如为保证交通流稳定，则需要保证z₂始终为正，即车流密度需满足条件如公式(13)所示：

3)构建基于交通流平稳性的直接可连接性概率函数：设车辆之间的距离x，概率密度函数如公式(14)所示：

定义车辆

和车辆

的通信范围分别为

和

用

表示取二者通信半径中小的值，如公式(15)所示：

距离x的累计分布函数，即车辆之间可以相互通信需满足的条件如公式(16)所示：

有效通信范围如公式(17)所示：

联立公式(16)和公式(17)可以得出

的求解公式如公式(18)所示：

其中，r₀是没有路径衰落时车辆的通信半径，γ_th为信噪比阈值，α表示路径损耗指数，ζ是衰落系数，p_t为车辆发射功率，p_n为总的加性噪声功率，将公式(13)取等号并联立公式(16)、(18)得到车流稳定情况下车辆之间的直接可连接概率函数如公式(19)所示：

4)推导车流变化过程中驾驶员调整时间τ后使车流稳定的条件：车流变化过程中驾驶员调整时间τ后双车道模型新的演化方程如公式(20)所示：

在新的演化方程下，交通流保持稳定需满足的条件如公式(21)所示：

5)构建车辆之间的持续连通性概率函数：车辆之间完成一次数据传输所需的时间如公式(22)所示：

其中，T₀为链路建立时间，S为数据包大小，D为完整传输数据包所需的速率，l为格点之间的距离，链路持续连通概率函数表达式如公式(23)所示：

P_c＝P(T+T₀＜τ) (23)，采用如下方法计算具体的持续连通概率值，具体过程如下：

5-1)输入p_n、S、D变量的随机值，初始化完整接收消息的次数J_c和方法的执行次数J的值为0；

5-2)对于每一对需要相互通信的车辆

和

计算出相对速度的取值，如公式(24)所示：

ν_rel＝random(20±20) (24)；

5-3)由公式(21)取等号计算τ，利用公式(22)计算车辆之间完成一次数据传输所需的时间T；

5-4)如果T+T₀＜τ成立，则J_c＝J_c+1，否则，执行下一步；

5-5)判断J是否小于10000，若是，执行J＝J+1，返回步骤5-3)，否则，执行步骤5-6)；

5-6)依据公式(25)所示计算P_c的值：

5-7)保存数据P_c，结束。

本技术利用车辆的换道行为增加通信车辆之间的直接连通性，并且联合考虑驾驶员的反应时间，进一步保证链路的持续连通性。

这种方法能够避免协作通信的意愿和成本问题，在保证交通流平稳性的基础上提高链路的直接连通性和保证链路的持续连通性。

这种方法利用实际道路交通中车辆的换道行为，结合流体力学模型对交通流平稳性的限制，使得通信链路直接连通性在一定的换道率下得到增长，且能保证链路的持续连通性。

附图说明

图1为实施例中双车道流体力学道路和节点模型示意图；

图2为实施例中单对车辆通信建立示意图；

图3为实施例中受到长波扰动后单对车辆运动恢复平稳过程运动示意图；

图4为实施例方法的流程图；

图5为实施例中计算持续连通概率的流程示意图；

图6为实施例中车辆换道概率对链路直接连通概率的影响曲线示意图；

图7为实施例中不同换道概率下路径衰落指数对链路直接连通概率的曲线对比示意图；

图8为实施例中车辆换道概率对链路持续连通概率的影响曲线示意图；

图9为实施例中链路持续连通概率在不同相对速度情况下的变化曲线示意图。

具体实施方式

下面结合附图和实施例对本发明的内容作进一步的阐述，但不是对本发明的限定。

实施例：

参照图1、图2、图3，本例以一个双车道高速道路车载通信网络为例，考虑换道后通信链路的直接连通性和受到长波扰动后交通流再次恢复平稳过程中的链路持续连通性。

参照图4、图5，一种基于双车道格子流体力学的提高车联网通信连通性的方法，包括如下步骤：

1)构建双车道车联网通信模型：双车道车联网通信模型包括车道1、车道2及车道1、车道2上均匀分布设置的一组节点J,J＝{j-n,...,j-2,j-1,j,j+1,j+2,...j+n}，依据格子流体力学模型中的换道条件定义车辆换道行为的发生为：车道2上节点j-1的密度高于车道1上节点j的密度，车道2上的车辆就会向车道1进行换道，同理，车道1上的车辆也会向车道2进行换道；

2)推导保证车流稳定需满足的密度条件：采用基于Nagatani双车道格子流体力学模型的双车道连续方程如公式(1)所示：

其中ρ_j-1、ρ_j、ρ_j+1分别为t时刻节点j-1、j、j+1的平均密度，ν_j-1、ν_j为t时刻节点j-1和节点j的车辆平均速度，ρ₀为系统平均密度，

为节点j换道完成后的密度，β为车辆换道概率，依据当前节点与同车道相邻节点密度差构建的新演化方程如公式(2)所示：

其中a为司机的驾驶敏感系数，将双车道连续方程公式(1)和新演化方程公式(2)联立可以得到稳定性分析方程如公式(3)所示：

系统稳定性状态的解如公式(4)所示：

且在双车道系统中，优化速度的函数形式如公式(5)所示：

其中，ρ_c为节点临界密度，假设y_i(t)是一个小扰动，相应的密度和最优速度如公式(6)所示：

将y_i(t)按傅里叶级数展开，取其中的单色波分量如公式(7)所示：

y_i(t)＝exp(ikj+zt) (7)，

并由此得到由y_i(t)表示的相关参数如公式(8)所示：

将公式(5)-公式(8)代入公式(3)整理得到公式(9)：

在ik→0，z→0时，展开公式(9)中的z，得到展开式如公式(10)所示：

z＝z₁(ik)+z₂(ik)²+… (10)，

将展开式公式(10)代入公式(9)并令方程中的实部和虚部等于零，可以得到z的一阶项系数和二阶项系数如公式(11)和公式(12)所示：

如为保证交通流稳定，则需要保证z₂始终为正，即车流密度需满足条件如公式(13)所示：

3)构建基于交通流平稳性的直接可连接性概率函数：设车辆之间的距离x，概率密度函数如公式(14)所示：

定义车辆

和车辆

的通信范围分别为

和

用

表示取二者通信半径中小的值，如公式(15)所示：

距离x的累计分布函数，即车辆之间可以相互通信需满足的条件如公式(16)所示：

有效通信范围如公式(17)所示：

联立公式(16)和公式(17)可以得出

的求解公式如公式(18)所示：

其中，r₀是没有路径衰落时车辆的通信半径，γ_th为信噪比阈值，α表示路径损耗指数，ζ是衰落系数，p_t为车辆发射功率，p_n为总的加性噪声功率，将公式(13)取等号并联立公式(16)、(18)得到车流稳定情况下车辆之间的直接可连接概率函数如公式(19)所示：

4)推导车流变化过程中驾驶员调整时间τ后使车流稳定的条件：车流变化过程中驾驶员调整时间τ后双车道模型新的演化方程如公式(20)所示：

在新的演化方程下，交通流保持稳定需满足的条件如公式(21)所示：

5)构建车辆之间的持续连通性概率函数：车辆之间完成一次数据传输所需的时间如公式(22)所示：

其中，T₀为链路建立时间，S为数据包大小，D为完整传输数据包所需的速率，l为格点之间的距离。链路持续连通概率函数表达式如公式(23)所示：

P_c＝P(T+T₀＜τ) (23)，采用如下方法计算具体的持续连通概率值，具体过程如下：

5-1)输入p_n、S、D变量的随机值，初始化完整接收消息的次数J_c和方法的执行次数J的值为0；

5-2)对于每一对需要相互通信的车辆

和

计算出相对速度的取值，如公式(24)所示：

ν_rel＝random(20±20) (24)；

5-3)由公式(21)取等号计算τ，利用公式(22)计算车辆之间完成一次数据传输所需的时间T；

5-4)如果T+T₀＜τ成立，则J_c＝J_c+1，否则，执行下一步；

5-5)判断J是否小于10000，若是，执行J＝J+1，返回步骤5-3)，否则，执行步骤5-6)；

5-6)依据公式(25)所示计算P_c的值：

5-7)保存数据P_c，结束。

仿真实验证明，本例方法提高了车辆之间的直接连通性和持续连通性：

如图6所示，车辆的换道行为可以在一定程度上提高车辆通信的直接连通概率，但是在换道概率增大到一定值后，会让车流密度过大，由于格子流体力学对平稳交通流情况下格点密度的限制，直接连通概率在换道率达到0.92后不再变化；

如图7所示，当路径衰落指数为一确定值时，增加换道概率可以提高车辆之间的直接连通概率，这说明车辆的换道行为可以减缓信息传输过程中的路径衰落，基于图6结果，仿真中换道率取值上限为0.8；

如图8所示，车辆的换道行为从无到有的过程中，也就是换道率β从0变到0.1的过程中，持续连通概率曲线斜率最大，说明换道行为对于增加有扰动情况下链路持续连通概率效果明显，并且随着换道概率的增加，曲线也在不断平稳上升；

如图9所示，车辆之间的持续连通概率会随着相对速度的增长而下降，这是因为在相对速度变大后，车辆之间的距离也会拉大，导致可通信时间减少，链路的持续连通概率也就会下降，而增加车辆的换道概率会让可持续连通概率减小的趋势更缓慢，这说明增加换道概率也有利于提高链路的可持续连通概率。

Claims (1)

1.一种基于双车道格子流体力学的提高车联网通信连通性的方法，其特征在于，包括如下步骤：

1)构建双车道车联网通信模型：双车道车联网通信模型包括车道1、车道2及车道1、车道2上均匀分布设置的一组节点J,J＝{j-n,...,j-2,j-1,j,j+1,j+2,...j+n}，依据格子流体力学模型中的换道条件定义车辆换道行为的发生为：车道2上节点j-1的密度高于车道1上节点j的密度，车道2上的车辆就会向车道1进行换道，同理，车道1上的车辆也会向车道2进行换道；

2)推导保证车流稳定需满足的密度条件：采用基于Nagatani双车道格子流体力学模型的双车道连续方程如公式(1)所示：

其中ρ_j-1、ρ_j、ρ_j+1分别为t时刻节点j-1、j、j+1的平均密度，ν_j-1、ν_j为t时刻节点j-1和节点j的车辆平均速度，ρ₀为系统平均密度，

为节点j换道完成后的密度，β为车辆换道概率，依据当前节点与同车道相邻节点密度差构建的新演化方程如公式(2)所示：

其中a为司机的驾驶敏感系数，将双车道连续方程公式(1)和新演化方程公式(2)联立得到稳定性分析方程如公式(3)所示：

系统稳定性状态的解如公式(4)所示：

且在双车道系统中，优化速度的函数形式如公式(5)所示：

其中，ρ_c为节点临界密度，假设y_i(t)是一个扰动，相应的密度和最优速度如公式(6)所示：

将y_i(t)按傅里叶级数展开，取其中的单色波分量如公式(7)所示：

y_i(t)＝exp(ikj+zt) (7)，

并由此得到由y_i(t)表示的相关参数如公式(8)所示：

将公式(5)-公式(8)代入公式(3)整理得到公式(9)：

在ik→0，z→0时，展开公式(9)中的z，得到展开式如公式(10)所示：

z＝z₁(ik)+z₂(ik)²+…(10)，

将展开式公式(10)代入公式(9)并令方程中的实部和虚部等于零，得到z的一阶项系数和二阶项系数如公式(11)和公式(12)所示：

如为保证交通流稳定，则需要保证z₂始终为正，即车流密度需满足条件如公式(13)所示：

3)构建基于交通流平稳性的直接可连接性概率函数：设车辆之间的距离x，概率密度函数如公式(14)所示：

定义车辆

和车辆

的通信范围分别为

和

用

表示取二者通信半径中小的值，如公式(15)所示：

距离x的累计分布函数，即车辆之间可以相互通信需满足的条件如公式(16)所示：

有效通信范围如公式(17)所示：

联立公式(16)和公式(17)得出

的求解公式如公式(18)所示：

其中，r₀是没有路径衰落时车辆的通信半径，γ_th为信噪比阈值，α表示路径损耗指数，ζ是衰落系数，p_t为车辆发射功率，p_n为总的加性噪声功率，将公式(13)取等号并联立公式(16)、公式(18)得到车流稳定情况下车辆之间的直接可连接概率函数如公式(19)所示：

4)推导车流变化过程中驾驶员调整时间τ后使车流稳定的条件：车流变化过程中驾驶员调整时间τ后双车道模型新的演化方程如公式(20)所示：

在新的演化方程下，交通流保持稳定需满足的条件如公式(21)所示：

5)构建车辆之间的持续连通性概率函数：车辆之间完成一次数据传输所需的时间如公式(22)所示：

其中，T₀为链路建立时间，S为数据包大小，D为完整传输数据包所需的速率，l为节点之间的距离，链路持续连通概率函数表达式如公式(23)所示：

P_c＝P(T+T₀＜τ) (23)，

采用如下方法计算持续连通概率值，过程如下：

5-1)输入p_n、S、D变量的随机值，初始化完整接收消息的次数J_c和方法的执行次数J的值为0；

5-2)对于每一对需要相互通信的车辆

和

计算出相对速度的取值，如公式(24)所示：

ν_rel＝random(20±20) (24)；

5-3)由公式(21)取等号计算τ，利用公式(22)计算车辆之间完成一次数据传输所需的时间T；

5-4)如果T+T₀＜τ成立，则J_c＝J_c+1，否则，执行下一步；

5-5)判断J是否小于10000，若是，执行J＝J+1，返回步骤5-3)，否则，执行步骤5-6)；

5-6)依据公式(25)所示计算P_c的值：

5-7)保存数据P_c，结束。

Images