CN114708450B - 一种基于路边停放车辆的rsu招募方法 - Google Patents

一种基于路边停放车辆的rsu招募方法 Download PDF

Info

Publication number
CN114708450B
CN114708450B CN202111659894.1A CN202111659894A CN114708450B CN 114708450 B CN114708450 B CN 114708450B CN 202111659894 A CN202111659894 A CN 202111659894A CN 114708450 B CN114708450 B CN 114708450B
Authority
CN
China
Prior art keywords
vehicle
vehicles
pcrsu
parked
parking time
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
CN202111659894.1A
Other languages
English (en)
Other versions
CN114708450A (zh
Inventor
秦鹏
和昊婷
王淼
王硕
武雪
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202111659894.1A priority Critical patent/CN114708450B/zh
Publication of CN114708450A publication Critical patent/CN114708450A/zh
Application granted granted Critical
Publication of CN114708450B publication Critical patent/CN114708450B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16YINFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00Economic sectors
    • G16Y10/35Utilities, e.g. electricity, gas or water
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16YINFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00Economic sectors
    • G16Y10/40Transportation
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于路边停放车辆的路边单元(Roadside Unit,RSU)招募方法。所述方法包括:首先,将车辆类型与城市地图进行划分。其中,车辆被分为停放路边单元(Parked Cars Roadside Unit,PCRSU)备选停放车辆、PCRSU和用户车辆三类;城市地图则根据不同特征被划分为不同类型的兴趣点(Point of Interest,POI)区域。其次,根据车辆所在的位置,估算车辆的停放时间。最后,将车辆停放时间作为决策要素,选取分数最高的停放车辆作为PCRSU。本发明通过利用K均值最小二乘法(K‑means‑based Least Square,KLS)聚类的方法估计车辆的停放时间,将停放时间作为选择PCRSU的决策要素,对停放车辆进行招募。在覆盖情况几乎相同的情况下,减少系统需要切换的次数,增加了网络的稳定性,提升了系统正确传输的概率。

Description

一种基于路边停放车辆的RSU招募方法
技术领域
本发明涉及车联网领域,具体为一种基于路边停放车辆的RSU招募方法。
背景技术
随着边缘计算和车联网技术的发展,为满足用户对于实时交通状况、周边环境信息、在线车载娱乐等时延敏感和计算密集任务处理的需求,需要不断增加RSU建设。据估计仅仅将美国城市的路口布置上RSU,安装成本高达186.3亿美元,一年的维护成本约为11亿美元。高昂的安装和维护成本使得密集布设RUS成为困难。
车辆本身有存储、计算与通信能力,可以提前从数据中心对信息进行缓存并分发。城市区域内停放在路边的车辆,在相对较长时间内有一个固定的位置,且与车辆用户距离较近,因此,对依赖地理位置的应用十分有利。可以使用停放在城市区域内的车辆充当路边单元,使其成为RSU的有效替代。停放车辆能够自组织的在城市地区创建一个车辆支撑网络,取代或增强现有的路边单元设施,给系统提供更好的服务。PCRSU对系统服务质量影响很大,如果招募的停放车辆各方面性能较差,将导致不能给车辆用户提供满意的服务,同时造成系统资源浪费。
目前停放车辆的招募方法都并未考虑停放车辆去留的随机性,也较少考虑网络的稳定性问题。本发明提出一种基于路边停放车辆的RSU招募方法。通过引入车辆停放时间要素,可有效减少网络切换次数,提升系统稳定性。
发明内容
为了解决上述问题,本发明公开了一种基于路边停放车辆的RSU招募方法。所述方法包括:首先,将车辆类型与城市地图进行划分。其次,根据车辆所在的位置,估算车辆的停放时间。最后,将车辆停放时间作为决策要素,选取分数最高的停放车辆作为PCRSU。本发明通过利用KLS聚类的方法估计车辆的停放时间,将停放时间作为选择PCRSU的决策要素,对停放车辆进行招募。在覆盖情况几乎相同的情况下,减少系统需要切换的次数,增加了网络的稳定性,提升了系统正确传输的概率。具体过程如下:
图1为提出的基于路边停放车辆的RSU招募方法系统模型。该模型中将车辆和城市地图进行划分,车辆被分为PCRSU备选停放车辆、PCRSU和用户车辆三类:候选停放车辆Pz,z∈[1,Z]、被选为PCRSU的停放车辆Pc以及该停放车辆Pc通信范围内需要服务的车辆用户Ui,i∈[1,N]。由于城市内的道路长度存在差异,为方便量化,本发明将城市路段划分为具有相同路边停车位的O,o∈[1,O]段路段,并根据车辆到访次数将地图划分为个K不同类型的POI区域类型块,每个POI区域有在该位置经常被访问的内容信息。停放车辆作为PCRSU后,作为路边单元对经过车辆进行服务,不同的V2I间使用正交信道,用户车辆以速度v匀速行驶。
在基于PCRSU的车辆自组织网络中,PCRSU的去留会很大程度影响系统稳定性。为了招募到合适的PCRSU,我们采用无量纲分析的方法,通过加权产品模型(WeightedProduct Model,WPM)对候选停放车辆进行评分。评分由每个判决要素的属性相乘决定,每个属性的权重以其乘幂的形式存在。对每个属性进行归一化处理,消除度量单位。将决策分数写为对数得分,则候选车辆Pz分数表达式可以表示为:
引入距离影响因子:
其中,表示第k类POI与o路段的距离。/>表示/>距离小于PCRSU覆盖范围Ls的POI区域类型合集。
招募PCRSU的目标函数表示为:
maxlogscore(Pz)
其中,约束条件C1要求选中PCRSU的分数要比其他候选停放车辆的评分高。
该问题求解可以划分为以下几步:
1)收集距离向量使用K-means将距离向量分为Km簇。
2)获取所有路段平均停车时长通过KLS进行聚类。
3)形成距离影响因子和平均停车时间矩阵。
4)根据停放车辆的位置计算停放位置的距离冲击向量。
5)利用最小二乘法求出最佳系数。
6)估计停放车辆的停放时间。
7)最后,将车辆停放时间进行归一化处理,将其加入Pz分数计算,判断Pz是否成为新的PCRSU。
本发明的技术方法具有以下优点:
本发明公开了一种基于路边停放车辆的RSU招募方法。所述方法包括:首先,将车辆类型与城市地图进行划分。其中,车辆被分为PCRSU备选停放车辆、PCRSU和用户车辆三类;城市地图则根据不同特征被划分为不同类型的POI区域。其次,根据车辆所在的位置,估算车辆的停放时间。最后,将车辆评分作为决策要素,选取分数最高的停放车辆作为PCRSU。本发明通过利用K-means聚类的方法估计车辆的停放时间对车辆进行招募,在覆盖情况几乎相同的情况下,减少系统需要切换的次数,增加了网络的稳定性,提升了系统正确传输的概率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方法,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为一种基于路边停放车辆的RSU招募方法系统模型。
图2为停放车辆覆盖地图。
图3为停放时间权重与招募分数关系图。
图4为不同停放区域车辆停放时间与切换次数的关系图。
图5为系统正确传输概率随仿真时间的变化图。
具体实施方式
本发明提出了一种基于路边停放车辆的RSU招募方法,下面结合附图,对实施例作详细说明。
本发明的实施方式分为两个步骤,第一步为建立系统模型,第二步为算法的实施。建立的系统模型如图2所示,它和发明内容中对PCRSU招募系统模型的介绍完全对应。
如图2所示,为新的停放车辆与该区域原有PCRSU的覆盖地图。本发明使用真实的北京市区地图进行仿真,选取北京朝阳门外大街作为仿真场景,面积为4平方公里。系统中的停放车辆都在路边停放或者停放于临街的停车场中,保证能够对街道行驶的车辆用户进行服务。系统中已经存在服务中的PCRSU,要对新进入的停放车辆进行评分,判断其是否能成为新的PCRSU。根据车辆停放的POI区域类型不同,本发明选择三类停放车辆进行仿真。图中颜色越深表示覆盖信号强度越强。原有PCRSU停放于旺市百利停车场,覆盖地图为灰色所示。Car1停放于北京朝阳医院附近停车场,覆盖地图为蓝色所示。Car2停放于蓝岛大厦附近路边停车点,覆盖地图为棕色所示。Car3停放于东大桥地铁站附近临时停车点,覆盖地图为绿色所示。
本发明对三类不同停放区域的车辆分别进行研究,每类车辆进行100次重复实验,选取其中的平均值作为代表,绘制仿真图。本发明使用6小时作为仿真时间,保证车辆作为PCRSU进行服务后有足够的电量正常运行。
从图3可以看出,随着停放时间权重Wtim的增加,停放时间越久的车辆得分越高。当Wtim设置为0.2时,评分会选择Car1代表的一类停放时间最长的车辆作为PCRSU,但是继续增加Wtim的比重,选择结果不再改变。
图4为不同停放区域车辆停放时间与切换次数的关系图。随着仿真时间的增加,PCRSU的切换次数整体都在不断增加,这是因为停放车辆的离开对网络整体结构造成影响,进而更换停放车辆作为PCRSU。由表2和图4可以看出,本发明算法选择的PCRSU(Car1)停放时间更长。由于PCRSU离开导致的网络切换时间相较其他两类车辆有所推迟,同时网络切换次数要明显少于停放时间较短的另外几类停放车辆。
图5为系统正确传输概率随仿真时间的变化图。可以看出随着仿真时间增加,系统正确传输概率不断下降。这是因为随着仿真时间增加,系统切换次数增加。与其他方法相比,本发明提出的算法可以减少切换次数,增加正确传输概率,提升系统整体QoS。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方法,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方法。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方法。

Claims (2)

1.一种基于路边停放车辆的RSU招募方法,其特征在于,所述方法包括:
步骤1、将车辆类型与城市地图进行划分,其中车辆被分为PCRSU备选停放车辆、PCRSU和用户车辆三类,城市地图则根据不同特征被划分为不同类型的POI区域;
步骤2、根据车辆所在的位置,求解PCRSU选择问题,划分为以下几步:首先,收集距离向量使用K均值聚类将距离向量分为Km簇,获取所有路段的平均停放时长/>通过KLS进行聚类形成距离影响因子和平均停车时间矩阵;然后,根据停放车辆的位置计算停放位置的距离冲击向量,利用最小二乘法求出最佳系数;之后,估计停放车辆的停放时间;
步骤3、将车辆停放时间进行归一化处理,将其加入Pz分数计算,选择评分最高的停放车辆作为PCRSU,可以为城市环境中的用户车辆提供更好的服务,采用如下方式对车辆进行评分:
其中,为表征停放时间的变量,Wtim为表示停放时间权重的系数,/>表示候选车辆Pz所在POI区域可用的最佳信号强度的平均值,/>表示候选车辆Pz所在POI区域的覆盖饱和度,/>表示候选车辆Pz所在POI区域能够提供的覆盖范围,/>表示候选车辆Pz消耗的能量以及它们与最大阈值的接近程度的度量,Wsig,Wsat,Wcov,Wbat分别为信号强度、覆盖饱和度、覆盖范围、车辆储能的权重;
步骤4、通过求解PCRSU选择问题,保证系统选择停放时间较长的车辆作为PCRSU,减少系统需要切换的次数,增加了网络的稳定性。
2.根据权利要求1所述的一种基于路边停放车辆的RSU招募方法,其特征在于,按照所述评分方式对候选停放车辆的得分进行排序,最终选择分数最高的车辆成为PCRSU。
CN202111659894.1A 2021-12-30 2021-12-30 一种基于路边停放车辆的rsu招募方法 Active CN114708450B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111659894.1A CN114708450B (zh) 2021-12-30 2021-12-30 一种基于路边停放车辆的rsu招募方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111659894.1A CN114708450B (zh) 2021-12-30 2021-12-30 一种基于路边停放车辆的rsu招募方法

Publications (2)

Publication Number Publication Date
CN114708450A CN114708450A (zh) 2022-07-05
CN114708450B true CN114708450B (zh) 2024-04-26

Family

ID=82166845

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111659894.1A Active CN114708450B (zh) 2021-12-30 2021-12-30 一种基于路边停放车辆的rsu招募方法

Country Status (1)

Country Link
CN (1) CN114708450B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109285386A (zh) * 2018-11-02 2019-01-29 东莞理工学院 一种面向智能交通的城市车载网络数据传输机制
CN112055329A (zh) * 2020-08-03 2020-12-08 广东工业大学 一种适用于rsu覆盖切换的边缘车联网任务卸载方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019199815A1 (en) * 2018-04-10 2019-10-17 Cavh Llc Connected and automated vehicle systems and methods for the entire roadway network
US11250698B2 (en) * 2019-04-17 2022-02-15 Blyncsy, Inc. Data processing for connected and autonomous vehicles

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109285386A (zh) * 2018-11-02 2019-01-29 东莞理工学院 一种面向智能交通的城市车载网络数据传输机制
CN112055329A (zh) * 2020-08-03 2020-12-08 广东工业大学 一种适用于rsu覆盖切换的边缘车联网任务卸载方法

Also Published As

Publication number Publication date
CN114708450A (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
CN107316098B (zh) 一种基于用户行为分析的汽车租赁点选址方法
Murray et al. Public transportation access
CN109556622B (zh) 一种兴趣点查找方法和装置
JP5815718B2 (ja) プローブデータを利用してナビゲーション優先度設定を判定し且つ検証する方法
CN107490384B (zh) 一种基于城市路网的最优静态路径选择方法
CN107944605A (zh) 一种基于数据预测的动态交通路径规划方法
CN110414795B (zh) 基于改进两步移动搜索法的新增高铁枢纽可达性影响方法
CN108388970B (zh) 一种基于gis的公交站点选址方法
CN113554353B (zh) 一种避免空间淤积的公共自行车空间调度优化方法
CN109325614A (zh) 一种基于gis的汽车站选址方法
CN106130110B (zh) 基于分层概率选择出行地的电动出租车充电站定容方法
WO2004107791A1 (en) Method and system for planning and evaluation of radio networks
CN114676917A (zh) 一种空驶出租汽车空间分布评估方法及系统
CN110633910A (zh) 一种旅游公路服务设施营地布局方法
CN114708450B (zh) 一种基于路边停放车辆的rsu招募方法
KR20200132225A (ko) 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법
CN108710996A (zh) 基于旅游出行时空耦合的酒店集聚区域酒店选址评估方法
CN111126878B (zh) 一种基于生态指数的城市交通运行评价方法
Yang et al. Measuring railway network performance considering accessibility levels in cities worldwide
CN114724372B (zh) 一种基于雾计算的智能交通系统
CN110674990A (zh) 设置滑动窗口更新机制的即时配送路径选择方法及系统
CN114413923B (zh) 一种行驶路线推荐方法、装置、存储介质及系统
CN114819361A (zh) 一种低碳出行背景下的城市电动汽车需求预测方法
ABDULLAH et al. The relationship between car dependency and use of public transport in Duhok city-barriers analysis and recommendations
Khosravi et al. The positive impact of transit-oriented-development characteristics on Metro Station usage: A case study of Tehran's metro stations and TOD index calculation

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