CN115662116B - 一种城市场景下中基于聚类的混合数据分发方法 - Google Patents
一种城市场景下中基于聚类的混合数据分发方法 Download PDFInfo
- Publication number
- CN115662116B CN115662116B CN202211250067.1A CN202211250067A CN115662116B CN 115662116 B CN115662116 B CN 115662116B CN 202211250067 A CN202211250067 A CN 202211250067A CN 115662116 B CN115662116 B CN 115662116B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vehicles
- time
- bus
- buses
- 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
Classifications
-
- 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
Abstract
本发明涉及一种城市场景下中基于聚类的混合数据分发方法,属于车载通信、物联网领域。本发明包括两种算法:基于公交车的聚类和混合数据调度,为了应对城市场景中复杂恶劣的传输环境,本发明建议使用具有固定行驶路线和时刻表、资源充足的公交车作为簇头。同时,在聚类算法的设计中深入分析并巧妙利用多种特征,实现了从公交车到普通车辆的高效数据分发。为满足EMs/SMs在严格资源约束下的严格个性化QoS需求,提出一种新的优先级计算方法,并对混合数据进行相应调度。本发明在数据下载延迟、紧急预警率和服务响应率方面具有显著的性能优势。
Description
技术领域
本发明涉及一种城市场景下中基于聚类的混合数据分发方法,针对城市场景下混合数据传播展开研究,在复杂的城市场景下实现紧急信息(EMs)和服务信息(SMs)内容快速交互,属于车载通信、物联网技术领域。
背景技术
随着车辆技术、无线通信、传感器网络和大数据技术的不断发展,车辆比以往任何时候都更加智能和自主。车联网(IoVs)概念的诞生是为了支持未来智能交通系统(ITS)的实现,其中可以实现车辆、行人、路边基础设施和其他交通组件之间的无缝互联。事故预警、协同避碰、路况信息、娱乐服务等具有吸引力的应用和服务能够在智能交通系统中得到有效部署和提供。为此,车联网以提高交通效率、保障交通安全为目标受到越来越多的关注。
然而,车联网中的数据传输面临着巨大挑战。车辆快速移动导致通信链路不稳定和拓扑动态变化,极大地降低了车联网的数据传输性能,阻碍了车联网的发展。在车联网中,车辆可以通过部署在车辆上的车载单元(Vehicle-to-Vehicle,V2V),或通过路边基础设施(Vehicle-to-Infrastructure,V2I),如路边单元(RSUs),与其他车辆进行通信和交换数据包。V2I通信主要采用蜂窝通信技术,以实现相对稳定的信道条件和较大的带宽。然而,路侧单元高昂的部署和维护成本阻碍了它的普及部署,从而限制了它的可用性和有效性。相反,V2V通信可以很容易地以低成本部署。采用专用短程通信(DSRC)技术实现车与车之间的实时通信,适用于车与车之间的实时信息交互,支持具有实时性要求的应用。
与车联网的高速公路场景相比,车联网的城市场景具有更为复杂的交通和通信环境。城市环境中道路上存在大量的公交车,具有规律的交通特性和充足的计算和通信资源。同时,众多车辆在城市环境中行驶,行驶路线变化不定。在车联网的城市场景中,V2V通信自然是数据分发的主要方式,原因如下:一方面,城市车辆的行驶路线不规则且复杂,在实际和财政上都不可能实施足够的RSU覆盖所有区域。另一方面,考虑到网络中公交车的存在,不利用公交车的易访问资源将是一种巨大的浪费。
车联网中传输的数据可分为两类。一种是与安全服务相关的紧急信息(EMs),如事故警报和路况信息。另一种是与非安全服务相关的服务消息(SMs),如娱乐服务、信息查询等。在车联网中,已有大量工作致力于设计满足纯EMs或SMs的传输策略,但车联网的特性要求以可靠高效的方式同时传输EMs和SMs,而现有技术中同时传输EMs和SMs的技术很少且效率都较低。
发明内容
本发明的目的是实现EMs和SMs高效调度,实现对突发事件的及时提醒和通知,同时满足车辆的日常服务需求,因此,本发明致力于研究车联网在城市环境下基于V2V的EMs和SMs混合传输,提出一种城市场景下中基于聚类的混合数据分发(Cluster-based MixedData Dissemination,CMDD)方法。
本发明采用的技术方案是:一种城市场景下中基于聚类的混合数据分发方法,包括基于公交车的聚类算法和混合数据调度算法,具体步骤如下:
A、对于分布在城市道路上的车辆,车辆之间相互广播自身信息,包括车辆ID、速度及位置信息,车辆间通过检测到的结果开始聚类,若普通车辆car周围有多辆公交车bus,则根据聚类CH效用值选取原则选择最优的公交车作为CH,车辆加入该公交车成为其簇成员CMs;
B、在形成聚类后,当在车辆前向路段交叉路口出现紧急事故时,在设定区域内的车辆对紧急信息EMs都有需求,同时,部分普通车辆也发出服务信息SMs请求,每个公交车均包含有普通车辆所需的数据,相当于服务单元,当公交车收到来自前向路段的紧急信息,则CH根据合理的调度策略来选择优先处理哪种数据,最终保证车辆能够在可接受的时间内获得所需的数据。
具体地,步骤A中根据车辆间的移动特性、通信特性以及网络特性,选择最合适的公交车作为CHs:
指标一:车辆移动性
公交车辆bi和普通车辆cj之间的相对距离如下:
(xi,yi)与(xj,yj)分别为公交车辆bi和普通车辆cj的位置坐标;
bi的邻域节点集合为计算出bi到其邻域节点的平均相对距离/>为:
同样,bi与其邻居节点的平均相对速度表示为:
其中vi和vj分别是bi和cj的速度;
指标二:路径相似度
假设每辆车都知道它到达目的地的路线,根据车辆在路径中各交叉口所采取的动作,对车辆的路径进行编码,编码规则如下:
0:车辆继续直线行驶;
1:车辆向左转弯,继续直行;
2:车辆右转,继续直行;
车辆按照上面的规则将自身行驶路线编码为二进制编码,通过判断车辆路径编码长度,以较短路径编码的位数截取较长路径编码的位数,再对相同位数的路径编码进行异或操作,计算结果中“1”的个数,最后,将统计的数字相加,其总和作为描述车辆间路径差异的指标,得到公交车bi与其邻居车辆cj的路径差psij,然后,计算bi与其邻居车辆之间的平均路径相似度为:
其中Li是公交车bi路径转换后的二进制代码长度;
指标三:链路可靠性
用Nakagami-m分布来描述快速衰落的车辆信道,bi向cj发送消息成功的概率为:
其中:表示接收信号功率小于RT时的累积分布函数,RT为接受一个信号的阈值,/>是接收信号的平均功率水平,m表示衰落参数,衰落参数是车辆之间距离的函数,表示如下:
Pt:传输功率,Gt,Gr为发送端和接收端天线增益,γ:波长,L:路径损耗,除考虑车辆间的传输信息成功概率外,bi和ci之间可通信时间是描述链路可靠性的另一个参数,表示bi和cj在t时刻的相对加速度和速度为:Δaij(t)=ai(t)-aj(t),Δvij(t)=vi(t)-vj(t),这里ai(t)和aj(t)分别为bi和cj在t时刻的加速度,现实场景下,车辆间可通信时间在三种情况下进行不同的计算:
情况1:Δvij(t)=0,Δaij(t)=0,这是bi和cj保持相同速度和加速度的最简单情况,因此,它们之间的可通信时间是无限的;
情况2:Δvij(t)≠0,Δaij(t)=0,这意味着bi和cj以恒定的加速度运行,此时,当bi与cj的距离达到R时,有:
R为公交车辆bi的通信半径;
其中表示bi与cj之间建立通信链路的时刻,/>表示bi与cj之间建立通信链路时的相对速度,/>表示时刻/>时bi与cj之间的距离,和/>分别表示bi与cj开始通信时和断开链路时的方向角,因此,bi与cj的可通信时间为:
情况3:Δvij(t)≠0,Δaij(t)≠0,这是实际场景中最普遍的情况,bi与cj以不同的初始速度和不同的加速度运行,bi与cj开始通信的时间为断开通信的时间为因此,从/>到/>的时间段就是bi与cj相互通信的总时间,记为
这里在一个时隙下,车辆看作匀变速直线运动,以公交车为例,在/>时间内的行驶距离可计算为:/> 同理,普通车辆的行驶距离/>也能得到,因此得到:
如果bi在cj前面,则:
如果bi在cj后面,则:
因此得到:
式中为bi与cj的横坐标,/>表示时刻/>(即bi与cj断开的时刻)bi与cj之间的方向角,因此,对于任意bi的邻居车辆,平均链路可靠度/>可计算为:
综上所述,公交车bi作为CH的适用性用它的效用来表示,其效用值μi计算如下:
为实现簇头节点与成员节点间高效可靠的数据分发,优先选择具有大量共享路径的相邻车辆且与相邻节点链路条件稳定的公交车作为CH,同时优先选择该公交车与相邻车辆运动速度相近且彼此距离较近的公交车,如果在一个小区域内存在多辆公交车,则根据公式(16)计算每辆公交车的适用性,选择适用性值最大的公交车作为簇头,所有与CH有连接的普通车辆成为簇成员。
具体地,所述步骤B中,CH在处理混合数据调度次序时,需要采用合理的调度策略来保证EMs的成功预警和SMs的成功响应率,对于城市车联网环境,车辆可以随时随地请求特定的数据项,以获得舒适有趣的驾驶体验,通常情况下,CH会响应这些请求,然而,如果网络中发生了紧急事故,则需要尽快通知感兴趣区域ROI内的每一辆车,因此,EM警报的传播成为可能中断SM响应过程执行的第一优先级,因此,设计一种能够处理EM/SMs混合分发的智能算法,综合分析数据ak的优先级pk、热度hk、请求ak的车辆与CH的平均链路可靠性ak的截止时间/>请求ak的车辆与CH的相对速度/>以及请求车辆处于聚类边缘的距离(R-dmax(ak)),因此,调度数据项ak的效用值μk计算为:
因此,CH计算队列中每个数据项的效用值,并调度具有最高效用值的数据项广播给所有成员。
本发明的有益效果是:在城市场景下,能够较好地保证EMs数据的及时预警,使得车辆能够及时调整行驶路段,减少交通拥堵的同时避免二次事故的发生。此外,高效的调度策略最大化处理更多的SMs请求,使得城市商业化效益得到广泛推广,推动了车联网数据共享平台搭建,为智慧城市,万物互联的发展提供一定的技术手段。
附图说明
图1是车联网城市场景下基于V2V的EMs/SMs混合数据分发框架图;
图2是本发明聚类和数据调度的流程图;
图3是本发明与其他基线算法在车辆数60-300辆,服务信息请求比率为0.5的情况下EMs平均传输时延的对比实验结果;
图4是本发明与其他基线算法在车辆数60-300辆,服务请求比率为0.5的情况下EMs的平均传输成功率的对比实验结果;
图5是本发明与其他基线算法在车辆数60-300辆,服务请求比率为0.5的情况下平均SMs的平均响应成功率的对比实验结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图和具体实例,对本发明作进一步详细说明。
实施例1:如图1-5所示,一种城市场景下中基于聚类的混合数据分发方法,该方法主要包括两种策略,即基于公交车的聚类算法和混合数据调度算法,这两种策略紧密配合,相辅相成。
所述方法的具体步骤如下:
A、对于分布在城市道路上的车辆,车辆之间相互广播自身信息,包括车辆ID、速度及位置信息。车辆间通过检测到的结果开始聚类,若普通车辆(car)周围有多辆公交车(bus),则根据聚类CH效用值选取原则选择最优的公交车作为CH,车辆加入该公交车成为其簇成员(CMs)。
B、在形成聚类后,当在车辆前向路段交叉路口出现紧急事故时,在一定区域内的车辆对紧急信息(EMs)都有需求,同时,部分普通车辆也发出服务信息(SMs)请求,每个公交车均包含有普通车辆所需的数据,相当于服务单元,当公交车收到来自前向路段的紧急信息,则CH需要合理的调度策略来选择优先处理哪种数据,最终保证车辆能够在可接受的时间内获得所需的数据。
进一步地,步骤A中,利用公交车作为CH建立聚类,为了保证以最小的公交车辆数来服务于全部普通车辆,该算法综合考虑了车辆间的移动特性、通信特性以及网络特性,选择最合适的公交车作为CHs。
指标一:车辆移动性
公交车辆bi和普通车辆cj之间的相对距离和相对速度是影响车辆聚类稳定的重要因素之一,较小的相对距离和相对速度车辆能够保持更长久的连通性。bi和ci的相对距离如下:
(xi,yi)与(xj,yj)分别为公交车辆bi和普通车辆cj的位置坐标。
bi的邻域节点集合为可以计算出bi到其邻域节点的平均相对距离/>为:
同样,bi与其邻居节点的平均相对速度可以表示为:
其中vi和vj分别是bi和cj的速度。
指标二:路径相似度
将路径相似度定义为车辆间路径的重叠程度。除指标一外,将路径相似的车辆聚集在一个簇中有利于簇的稳定性,从而缓解频繁的簇更新和维护带来的性能下降。假设每辆车都知道它到达目的地的路线,根据车辆在路径中各交叉口所采取的动作,对车辆的路径进行编码,编码规则如下:
0:车辆继续直线行驶;
1:车辆向左转弯,继续直行;
2:车辆右转,继续直行;
车辆按照上面的规则将自身行驶路线编码为二进制编码,如图1所示,Bus1的路径编码为102,变换为二进制编码为:010010;Car1的路径编码为0102,变换为二进制编码为:00010010。通过判断车辆路径编码长度,以较短路径编码的位数截取较长路径编码的位数,再对相同位数的路径编码进行异或操作后得到的结果为“010110”,计算结果中“1”的个数。最后,将统计的数字相加,其总和作为描述车辆间路径差异的指标。在本例中,将两个二进制码之间的长度差计算为″2″,将异或结果中″1″的个数计算为3。那么Bus1与Car1之间的路径差可以计算为ps11=2+3=5。类似地,可以得到公交车bi与其每个邻居车辆之间的路径差。然后,计算bi与其邻居车辆之间的平均路径相似度为:
其中Li是公交车bi路径转换后的二进制代码长度。
指标三:链路可靠性
在考虑车辆的移动性后,车辆间的通信特性也是保证数据稳定传输的关键。由于城市环境的高移动性和大量反射物体的存在,使得车辆之间的通信具有概率性,无线通信特性在一定的距离内强度随时间变化而变化。在实际无线环境测试中,Nakagami-m分布与实际环境具有较好的匹配度,因此我们考虑用Nakagami-m分布来描述快速衰落的车辆信道。bi向cj发送消息成功的概率为:
其中表示接收信号功率小于RT时的累积分布函数,RT为接受一个信号的阈值,/>是接收信号的平均功率水平,m表示衰落参数,衰落参数是车辆之间距离的函数,表示如下:
Pt:传输功率,Gt,Gr为发送端和接收端天线增益,γ:波长,L:路径损耗。除考虑车辆间的传输信息成功概率外,bi和cj之间可通信时间是描述链路可靠性的另一个参数。表示bi和cj在t时刻的相对加速度和速度为:Δaij(t)=ai(t)-aj(t),Δvij(t)=vi(t)-vj(t)。这里ai(t)和aj(t)分别为bi和cj在t时刻的加速度。现实场景下,车辆间可通信时间可以在三种情况下进行不同的计算。
情况1:Δvij(t)=0,Δaij(t)=0。这是bi和cj保持相同速度和加速度的最简单情况。因此,它们之间的可通信时间是无限的。
情况2:Δvij(t)≠0,Δaij(t)=0。这意味着bi和cj以恒定的加速度运行。此时,当bi与cj的距离达到R时,有:
R为公交车辆bi的通信半径。
其中表示bi与cj之间建立通信链路的时刻,/>表示bi与cj之间建立通信链路时的相对速度。/>表示时刻/>时bi与cj之间的距离,和/>分别表示bi与cj开始通信时和断开链路时的方向角。因此,bi与cj的可通信时间为:
情况3:Δvij(t)≠0,Δaij(t)≠0。这是实际场景中最普遍的情况。bi与cj以不同的初始速度和不同的加速度运行。bi与cj开始通信的时间为断开通信的时间为因此,从/>到/>的时间段就是bi与cj相互通信的总时间,可以记为
这里在一个时隙下,车辆可看作匀变速直线运动,以公交车为例,在/>时间内的行驶距离可计算为:/> 同理,普通车辆的行驶距离/>也能得到。因此可以得到:
如果bi在cj前面,则:
如果bi在cj后面,则:
因此可以得到:
式中为bi与cj的横坐标,/>表示时刻/>(即bi与cj断开的时刻)bi与cj之间的方向角。因此,对于任意bi的邻居车辆,平均链路可靠度可计算为:
综上所述,公交车bi作为CH的适用性可以用它的效用来表示,其效用值μi可以计算如下:
为实现簇头节点与成员节点间高效可靠的数据分发,优先选择具有大量共享路径的相邻车辆且与相邻节点链路条件稳定的公交车作为CH,同时优先选择该公交车与相邻车辆运动速度相近且彼此距离较近的公交车。如果在一个小区域内存在多辆公交车(通信覆盖重叠),则根据公式(16)计算每辆公交车的适用性,选择适用性值最大的公交车作为簇头,所有与CH有连接的普通车辆成为簇成员。
进一步地,步骤B中,CH在处理混合数据调度次序时,需要采用合理的调度策略来保证EMs的成功预警和SMs的成功响应率。对于城市车联网环境,车辆可以随时随地请求特定的数据项,以获得舒适有趣的驾驶体验。通常情况下,CH会响应这些请求。然而,如果网络中发生了紧急事故,则需要尽快通知感兴趣区域(ROI)内的每一辆车。因此,EM警报的传播成为可能中断SM响应过程执行的第一优先级。因此,设计一种能够处理EM/SMs混合分发的智能算法是非常重要的。在该部分,本发明综合分析数据ak的优先级pk、热度hk、请求ak的车辆与CH的平均链路可靠性ak的截止时间/>请求ak的车辆与CH的相对速度以及请求车辆处于聚类边缘的距离(R-dmax(ak))。因此,调度数据项ak的效用值μk可以计算为:
因此,CH计算队列中每个数据项的效用值,并调度具有最高效用值的数据项广播给所有成员。
与相关算法进行了比较:(1)基于簇和概率传输的数据分发算法(CPB),在CPB中,被选中的CHs负责数据传输,并采用概率转发的方式分发数据。(2)基于时间障碍的紧急消息传播算法(TBEMD)。在TBEMD中,EM传输比SM传输具有更高的调度优先级。时间障碍与发送车辆与接收车辆之间的距离成反比,即距离越长,时间障碍值越小。因此,远程车辆更有可能接收到所需的数据。这些方法代表了车联网城市场景中最新或广泛使用的EMs/SMs数据分发算法,并采用与CMDD类似的聚类方法,因此被选为基线算法。
仿真场景为城市场景中的双向四车道交叉口。ROI的大小设置为3.2km*3.2km。车辆运动模型采用全速度差跟驰模型。初始时刻,车辆的位置、速度、加速度随机生成。ROI中的车辆数量为Ntotal,假设该区域中的公交车数量约为0.2Ntotal,ROI中的车辆将以指数分布的到达间隔时间逐个随机生成请求。平均请求到达速率被设置为一个常数λ,实际上是请求到达速率的一个缩放因子。数据访问模式由偏度参数为θ,0≤θ≤1的Zipf分布。θ的值越小,数据库中所有数据项之间不同的访问频率越少。特别地,当θ=0时,分布变得均匀,而Zipf分布θ在增加到1时变得非常偏斜。所有数据点都基于平均超过5000次模拟运行,所有的指标均在95%置信区间下统计的,本发明策略在EMs的平均传输时延、成功预警率和SMs成功响应率均表现出较好的性能。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (1)
1.一种城市场景下中基于聚类的混合数据分发方法,其特征在于:包括基于公交车的聚类算法和混合数据调度算法,具体步骤如下:
A、对于分布在城市道路上的车辆,车辆之间相互广播自身信息,包括车辆ID、速度及位置信息,车辆间通过检测到的结果开始聚类,若普通车辆car周围有多辆公交车bus,则根据聚类CH效用值选取原则选择最优的公交车作为CH,车辆加入该公交车成为其簇成员CMs;
B、在形成聚类后,当在车辆前向路段交叉路口出现紧急事故时,在设定区域内的车辆对紧急信息EMs都有需求,同时,部分普通车辆也发出服务信息SMs请求,每个公交车均包含有普通车辆所需的数据,相当于服务单元,当公交车收到来自前向路段的紧急信息,则CH根据合理的调度策略来选择优先处理哪种数据,最终保证车辆能够在可接受的时间内获得所需的数据;
步骤A中根据车辆间的移动特性、通信特性以及网络特性,选择最合适的公交车作为CHs:
指标一:车辆移动性
公交车辆bi和普通车辆cj之间的相对距离如下:
(xi,yi)与(xj,yj)分别为公交车辆bi和普通车辆cj的位置坐标;
bi的邻域节点集合为计算出bi到其邻域节点的平均相对距离/>为:
同样,bi与其邻居节点的平均相对速度表示为:
其中vi和vj分别是bi和cj的速度;
指标二:路径相似度
假设每辆车都知道它到达目的地的路线,根据车辆在路径中各交叉口所采取的动作,对车辆的路径进行编码,编码规则如下:
0:车辆继续直线行驶;
1:车辆向左转弯,继续直行;
2:车辆右转,继续直行;
车辆按照上面的规则将自身行驶路线编码为二进制编码,通过判断车辆路径编码长度,以较短路径编码的位数截取较长路径编码的位数,再对相同位数的路径编码进行异或操作,计算结果中“1”的个数,最后,将统计的数字相加,其总和作为描述车辆间路径差异的指标,得到公交车bi与其邻居车辆cj的路径差psij,然后,计算bi与其邻居车辆之间的平均路径相似度为:
其中Li是公交车bi路径转换后的二进制代码长度;
指标三:链路可靠性
用Nakagami-m分布来描述快速衰落的车辆信道,bi向cj发送消息成功的概率为:
其中:表示接收信号功率小于RT时的累积分布函数,RT为接受一个信号的阈值,/>是接收信号的平均功率水平,m表示衰落参数,衰落参数是车辆之间距离的函数,表示如下:
Pt:传输功率,Gt,Gr为发送端和接收端天线增益,γ:波长,L:路径损耗,除考虑车辆间的传输信息成功概率外,bi和cj之间可通信时间是描述链路可靠性的另一个参数,表示bi和cj在t时刻的相对加速度和速度为:Δaij(t)=ai(t)-aj(t),Δvij(t)=vi(t)-vj(t),这里ai(t)和aj(t)分别为bi和cj在t时刻的加速度,现实场景下,车辆间可通信时间在三种情况下进行不同的计算:
情况1:Δvij(t)=0,Δaij(t)=0,这是bi和cj保持相同速度和加速度的最简单情况,因此,它们之间的可通信时间是无限的;
情况2:Δvij(t)≠0,Δaij(t)=0,这意味着bi和cj以恒定的加速度运行,此时,当bi与cj的距离达到R时,有:
R为公交车辆bi的通信半径;
其中表示bi与cj之间建立通信链路的时刻,/>表示bi与cj之间建立通信链路时的相对速度,/>表示时刻/>时bi与cj之间的距离,/>和分别表示bi与cj开始通信时和断开链路时的方向角,因此,bi与cj的可通信时间为:
情况3:Δvij(t)≠0,Δaij(t)≠0,这是实际场景中最普遍的情况,bi与cj以不同的初始速度和不同的加速度运行,bi与cj开始通信的时间为断开通信的时间为/>因此,从/>到/>的时间段就是bi与cj相互通信的总时间,记为/>
这里在一个时隙下,车辆看作匀变速直线运动,以公交车为例,在/>时间内的行驶距离可计算为:/> 同理,普通车辆的行驶距离/>也能得到,因此得到:
如果bi在cj前面,则:
如果bi在cj后面,则:
因此得到:
式中为bi与cj的横坐标,/>表示时刻bi与cj之间的方向角,/>表示bi与cj断开的时刻,因此,对于任意bi的邻居车辆,平均链路可靠度/>可计算为:
综上所述,公交车bi作为CH的适用性用它的效用来表示,其效用值μi计算如下:
为实现簇头节点与成员节点间高效可靠的数据分发,优先选择具有大量共享路径的相邻车辆且与相邻节点链路条件稳定的公交车作为CH,同时优先选择该公交车与相邻车辆运动速度相近且彼此距离较近的公交车,如果在一个小区域内存在多辆公交车,则根据公式(16)计算每辆公交车的适用性,选择适用性值最大的公交车作为簇头,所有与CH有连接的普通车辆成为簇成员;
步骤B中,CH在处理混合数据调度次序时,需要采用合理的调度策略来保证EMs的成功预警和SMs的成功响应率,对于城市车联网环境,车辆可以随时随地请求特定的数据项,以获得舒适有趣的驾驶体验,通常情况下,CH会响应这些请求,然而,如果网络中发生了紧急事故,则需要尽快通知感兴趣区域ROI内的每一辆车,因此,EM警报的传播成为可能中断SM响应过程执行的第一优先级,因此,设计一种能够处理EM/SMs混合分发的智能算法,综合分析数据ak的优先级pk、热度hk、请求ak的车辆与CH的平均链路可靠性ak的截止时间请求ak的车辆与CH的相对速度Δv(ak)以及请求车辆处于聚类边缘的距离(R-dmax(ak)),因此,调度数据项ak的效用值μk计算为:
因此,CH计算队列中每个数据项的效用值,并调度具有最高效用值的数据项广播给所有成员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211250067.1A CN115662116B (zh) | 2022-10-12 | 2022-10-12 | 一种城市场景下中基于聚类的混合数据分发方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211250067.1A CN115662116B (zh) | 2022-10-12 | 2022-10-12 | 一种城市场景下中基于聚类的混合数据分发方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115662116A CN115662116A (zh) | 2023-01-31 |
CN115662116B true CN115662116B (zh) | 2023-09-12 |
Family
ID=84986793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211250067.1A Active CN115662116B (zh) | 2022-10-12 | 2022-10-12 | 一种城市场景下中基于聚类的混合数据分发方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115662116B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116978232B (zh) * | 2023-09-21 | 2024-01-12 | 深圳市领航者汽车智能技术开发有限公司 | 一种基于车联网的车辆数据管理系统及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006293446A (ja) * | 2005-04-06 | 2006-10-26 | Navitime Japan Co Ltd | バス時刻案内システム、情報配信サーバ、案内端末装置およびプログラム |
CN102136190A (zh) * | 2011-05-03 | 2011-07-27 | 上海理工大学 | 城市公交客运事件应急响应调度管理系统及方法 |
CN104040542A (zh) * | 2011-12-08 | 2014-09-10 | 甲骨文国际公司 | 用于在易失性存储器内保持关系型数据的列向量的技术 |
CN109327819A (zh) * | 2018-10-10 | 2019-02-12 | 昆明理工大学 | 一种基于优先级的VANETs数据分发方法 |
CN111445048A (zh) * | 2020-03-31 | 2020-07-24 | 长沙理工大学 | 一种响应型接驳公交分时段协调优化方法 |
CN112561249A (zh) * | 2020-09-04 | 2021-03-26 | 同济大学 | 面向实时需求的城市定制公交调度方法 |
JP2021051431A (ja) * | 2019-09-24 | 2021-04-01 | 株式会社Soken | 配車管理装置および運行管理装置 |
CN113132483A (zh) * | 2021-04-20 | 2021-07-16 | 昆明理工大学 | 一种基于v2x的车联网事故视频消息分发方法 |
WO2021237812A1 (zh) * | 2020-05-29 | 2021-12-02 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于手机信令数据且含个人属性修正的城市出行方式综合识别方法 |
CN113780808A (zh) * | 2021-09-10 | 2021-12-10 | 西南交通大学 | 基于柔性公交接驳系统线的车辆服务属性决策优化方法 |
CN113920762A (zh) * | 2021-10-08 | 2022-01-11 | 湖南湘江智能科技创新中心有限公司 | 一种基于智能网联环境下应急车辆优先通行的控制方法 |
-
2022
- 2022-10-12 CN CN202211250067.1A patent/CN115662116B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006293446A (ja) * | 2005-04-06 | 2006-10-26 | Navitime Japan Co Ltd | バス時刻案内システム、情報配信サーバ、案内端末装置およびプログラム |
CN102136190A (zh) * | 2011-05-03 | 2011-07-27 | 上海理工大学 | 城市公交客运事件应急响应调度管理系统及方法 |
CN104040542A (zh) * | 2011-12-08 | 2014-09-10 | 甲骨文国际公司 | 用于在易失性存储器内保持关系型数据的列向量的技术 |
CN109327819A (zh) * | 2018-10-10 | 2019-02-12 | 昆明理工大学 | 一种基于优先级的VANETs数据分发方法 |
JP2021051431A (ja) * | 2019-09-24 | 2021-04-01 | 株式会社Soken | 配車管理装置および運行管理装置 |
CN111445048A (zh) * | 2020-03-31 | 2020-07-24 | 长沙理工大学 | 一种响应型接驳公交分时段协调优化方法 |
WO2021237812A1 (zh) * | 2020-05-29 | 2021-12-02 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于手机信令数据且含个人属性修正的城市出行方式综合识别方法 |
CN112561249A (zh) * | 2020-09-04 | 2021-03-26 | 同济大学 | 面向实时需求的城市定制公交调度方法 |
CN113132483A (zh) * | 2021-04-20 | 2021-07-16 | 昆明理工大学 | 一种基于v2x的车联网事故视频消息分发方法 |
CN113780808A (zh) * | 2021-09-10 | 2021-12-10 | 西南交通大学 | 基于柔性公交接驳系统线的车辆服务属性决策优化方法 |
CN113920762A (zh) * | 2021-10-08 | 2022-01-11 | 湖南湘江智能科技创新中心有限公司 | 一种基于智能网联环境下应急车辆优先通行的控制方法 |
Non-Patent Citations (1)
Title |
---|
基于大数据的公交车GPS历史轨迹的数据处理;张庆;;物联网技术(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115662116A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shah et al. | Time barrier-based emergency message dissemination in vehicular ad-hoc networks | |
Bao et al. | Efficient clustering V2V routing based on PSO in VANETs | |
Kaur et al. | The importance of selecting clustering parameters in VANETs: A survey | |
Kumar | VANET parameters and applications: A review | |
Ilarri et al. | A data management perspective on vehicular networks | |
Chuang et al. | DEEP: Density-aware emergency message extension protocol for VANETs | |
Yaqoob et al. | Congestion avoidance through fog computing in internet of vehicles | |
Maslekar et al. | Direction based clustering algorithm for data dissemination in vehicular networks | |
Dua et al. | ReIDD: Reliability-aware intelligent data dissemination protocol for broadcast storm problem in vehicular ad hoc networks | |
Chitra et al. | Selective epidemic broadcast algorithm to suppress broadcast storm in vehicular ad hoc networks | |
CN115662116B (zh) | 一种城市场景下中基于聚类的混合数据分发方法 | |
Chakroun et al. | LAMD: Location-based Alert Message Dissemination scheme for emerging infrastructure-based vehicular networks | |
Liu et al. | A novel V2V-based temporary warning network for safety message dissemination in urban environments | |
Zhao et al. | Low delay and seamless connectivity-based message propagation mechanism for VANET of VCPS | |
Liang et al. | Distributed information exchange with low latency for decision making in vehicular fog computing | |
Wang et al. | A cluster-based V2V approach for mixed data dissemination in urban scenario of IoVs | |
Dhiman et al. | A comparative study of position based routing protocols in VANETs | |
Senouci et al. | Geo-SID: A new Geocast Safety Information Dissemination protocol in VANET for urban areas | |
Ishihara et al. | Congestion control algorithms for collective perception in vehicular networks | |
Ou et al. | Optimal connectivity-based deployment of roadside units for vehicular networks in urban areas | |
Sebastian et al. | Context-aware multicast protocol for emergency message dissemination in vehicular networks | |
Wu et al. | A geographic routing protocol based on trunk line in VANETs | |
Zhou et al. | A new model of vehicular ad hoc networks based on artificial immune theory | |
Zhao et al. | An intersection-based clustering algorithm for vehicular ad hoc networks | |
Hozouri et al. | An overview of VANET vehicular networks |
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 |