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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000007115 recruitment Effects 0.000 title claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000004146 energy storage Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract description 7
- 238000004088 simulation Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 102100024633 Carbonic anhydrase 2 Human genes 0.000 description 1
- 102100024650 Carbonic anhydrase 3 Human genes 0.000 description 1
- 101000760643 Homo sapiens Carbonic anhydrase 2 Proteins 0.000 description 1
- 101000760630 Homo sapiens Carbonic anhydrase 3 Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/40—Transportation
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing 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
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。
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)
| 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)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190311616A1 (en) * | 2018-04-10 | 2019-10-10 | 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 |
-
2021
- 2021-12-30 CN CN202111659894.1A patent/CN114708450B/zh active Active
Patent Citations (2)
| 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 | |
| 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 | |
| CN111429166B (zh) | 基于最大轮廓聚类的电动汽车充电需求空间分布预测方法 | |
| 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 | |
| CN111931968B (zh) | 一种应用手机gps数据来优化公共自行车站点布局的方法 |
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 |