CN116456308B - 一种面向动态频谱环境的车联网分簇方法 - Google Patents

Abstract

本发明涉及一种面向动态频谱环境的车联网分簇方法，该方法具体步骤为车辆计算出自身车辆可接入信道进行通信的概率，并向周边车辆广播信道接入数据包；每台车辆根据接收到的周围邻居车辆的信道接入数据包后，遍历计算当前车辆的最大数据传输距离内的所有可通信车辆的通信概率，获得通信概率表，并将通信概率表放入通信概率数据包中进行广播；每台车辆根据周围邻居车辆传递的邻居通信概率数据包更新本地通信概率表，再通过最小生成树算法形成车辆通信网络，找到车辆通信网络中权重最大路径，并将权重最大路径上的一跳车辆和二跳车辆形成逻辑通信车辆簇cluster1，车辆根据逻辑通信车辆簇cluster1中的车辆接入概率完成信道接入请求。

Description

一种面向动态频谱环境的车联网分簇方法

技术领域

本发明属于无线通信领域，特别涉及一种面向动态频谱环境的车联网分簇方法，可用于车联网。

背景技术

车联网是指车辆上的车载设备通过无线通信技术，对信息网络平台中的所有车辆动态信息进行有效利用，在车辆运行中提供不同的功能服务。车联网能够为车与车之间的间距提供保障，降低车辆发生碰撞事故的几率；车联网可以帮助车主实时导航，并通过与其它车辆和网络系统的通信，提高交通运行的效率。以信道最优分配和网络能耗最小化为目标，旨在使得车辆在复杂多变的通信网络环境中正常有序高效的工作。

现有的技术大多是先选出簇首再利用簇首计算最佳路径，通过设置簇首最优节点数目区间将簇节点数目较少或者过多的簇进行调整使得簇首负载均衡化，但由于未考虑簇首最优数目的问题，难以避免分簇过多带来的通信能耗。

发明内容

本发明提供一种面向动态频谱环境的车联网分簇方法，在分簇过程中结合车辆接入可用信道的概率和车间通信的概率，使得车辆能够尽可能地规避可用频谱动态变化带来的影响，达到实现全局通信的目的。

为实现上述目的，本发明的技术方案如下。

一种面向动态频谱环境的车联网分簇方法，包括以下步骤：

步骤（1），初始化网络中存在c个信道资源可供车辆进行接入选择，在长度为L km的路段上，N台车辆构成自组织车联网进行信息交互（c＞1，N≥2，L＞0）；网络中任意一台车辆根据网络情况，计算出车辆自身的信道接入概率，将当前车辆ID、当前车辆定位位置、信道接入概率/>写入信道接入数据包并向周边车辆广播；

步骤（2），每台车辆根据接收到的周围邻居车辆的信道接入数据包，计算当前车辆与周围邻居车辆的欧式距离，并与当前车辆的最大数据传输距离/>对比；若，则表示该分组超过可达范围，直接丢弃；若/>，则表示所述邻居车辆为当前车辆的可通信车辆；

步骤（3），每台车辆接收到周围邻居车辆传递的信道接入数据包后，提取收集信道接入数据包中信息并建立及维护当前车辆自身本地可达邻居车辆接入概率表，可达邻居车辆接入概率表中写入的数据包含可达车辆ID、可达车辆定位位置以及可达车辆的信道接入概率，并将可达邻居车辆接入概率表进行广播，然后执行步骤（3a）；

步骤（3a），每台车辆根据接收到的周围邻居车辆传递的可达邻居车辆接入概率表，计算当前车辆本身与当前车辆的最大数据传输距离内的所有可通信车辆的通信概率，建立本地通信概率表，并将当前车辆的车辆ID，可通信车辆的车辆ID，以及两者对应的通信概率写入当前车辆自身的本地通信概率表，直至遍历完所有接收到的信道接入数据包及可达邻居车辆接入概率表，获得更新后的通信概率表，并将更新后的通信概率表放入通信概率数据包中进行广播；

步骤（4），每台车辆接收到周围邻居车辆传递的邻居通信概率数据包后，将邻居通信概率数据包与本地通信概率表中相同车辆的可通信车辆的车辆ID及对应通信概率更新至本地通信概率表，具体过程如下：

步骤（4a），首先判断当前车辆的车辆ID a是否在周围邻居车辆的通信概率数据包中，是则将周围邻居车辆的车辆ID以及对应邻居车辆的通信概率更新至本地通信概率表中，然后执行步骤（4b）；否则标记两车通信概率为0，然后执行步骤（4b）；

步骤（4b），每台车辆将本地通信概率表中的可通信车辆ID逐个与周围邻居车辆传递的通信概率数据包中的可通信车辆ID进行对比，判断是否存在相同，若存在相同车辆ID，则将车辆ID相同的车辆记作车辆x，并将邻居通信概率数据包中与车辆x间存在通信的车辆ID以及对应车辆的通信概率更新至本地通信概率表中，否则直接转发周围邻居车辆传递的通信概率数据包；

步骤（5），每台车辆根据本地通信概率表通过最小生成树算法构建车辆通信网络，并根据车辆通信网络中的车辆集合以及各台车辆间的通信概率，以通信概率为权重，找到当前车辆到达车辆通信网络中所有车辆的权重最大路径；并将权重最大路径上的一跳车辆和二跳车辆形成逻辑通信车辆簇cluster1，权重最大路径上的一跳车辆形成逻辑通信车辆簇cluster2；

步骤（6），每台车辆根据逻辑通信车辆簇cluster2中的车辆节点距离，找到距离自己最远的车辆节点，调整自身的发射功率；

步骤（7），每台车辆根据逻辑通信车辆簇cluster1中的车辆以及对应车辆的信道接入概率，完成信道接入请求。

进一步地，步骤（1）中，信道接入概率的计算公式如下：

，

其中，表示标准正态分布的互补积累函数，β表示阈值，γ表示接收信号的信噪比，/>，/>表示加性高斯白噪声，/>表示车辆接收到路侧单元的信号功率，M为对接收功率信号进行的离散采样数目。

进一步地，步骤（2）中，当前车辆的最大数据传输距离，其中，/>表示当前车辆的最大传输范围；当前车辆的最大传输范围/>的计算方法为，先采用对数正态阴影模型分析信号衰落情况，在阴影衰落效应的影响下，每台车辆的最大传输范围为：

，

其中，a、b均表示车辆编号，车辆a和车辆b均为N辆车中的任意一辆，表示当前车辆与周围邻居车辆的欧式距离，/>，/>表示高斯随机变量的标准差；/>表示每台车辆a接收到的周围邻居车辆b的信号强度，/>表示接收功率的阈值，由以下公式获得：/>，/>表示参考位置处的信号功率，/>表示参考距离，/>表示路径损耗指数；/>表示接收到的信号强度大于阈值的概率，/>表示以当前车辆为圆心的弧度角，/>，r表示以当前车辆为圆心的圆的半径，/>，R表示车辆的初始传输半径。

进一步地，步骤（3）中，通信概率的计算公式如下：

，

其中表示当前长度为L km的路段上的车流量密度，/>表示当前车辆与周围邻居车辆的欧式距离，/>表示当前车辆的最大数据传输距离。

进一步地，步骤（5）中，每台车辆根据本地通信概率表通过最小生成树算法构建车辆通信网络，并根据车辆通信网络中的车辆集合以及各台车辆间的通信概率，以通信概率为权重，找到当前车辆到达车辆通信网络中所有车辆的权重最大路径；并将权重最大路径上的一跳车辆和二跳车辆形成逻辑通信车辆簇cluster1，权重最大路径上的一跳车辆形成逻辑通信车辆簇cluster2，具体步骤如下：

步骤（5a），利用遍历更新后的本地通信概率表构建权值数组CH1，若本地通信概率表中两台车辆间的通信概率为，且/>不等于0，则权值记为/>；若本地通信概率表中两台车辆间的通信概率为0，则两台车辆间的权值记为∞；

步骤（5b），N台车辆构成的自组织车联网中，定义被选中的车辆数组为一维数组ARR_1，定义未被选中的车辆为一维数组ARR_2，初始时，一维数组ARR_1里的元素均为0，一维数组ARR_2中元素为车联网中所有车辆的车辆ID；

步骤（5c），随机选取一台车辆a作为起始车辆，标记车辆a，并将车辆a的车辆ID a填入一维数组ARR_1中，同时在一维数组ARR_2中删除该标记车辆ID；更新一维数组ARR_1和一维数组ARR_2；

步骤（5d），利用prim算法构建最小生成树，每台车辆根据权值数组CH1更新一维数组ARR_1和一维数组ARR_2，并构建二维数组CH2，将一维数组ARR_2中的车辆ID填入二维数组CH2的第一行数据，定义二维数组CH2的第二行数据用于保存权值，定义二维数组CH2的第三行数据用于保存找出的最大权值所对应的车辆ID；根据prim算法不断更新二维数组CH2，并建立数组CH3，将每次更新的最大权值和最大权值对应的两个车辆ID保存在数组CH3中；具体操作如下：

步骤（5d1），每台车辆，根据权值数组CH1找出当前车辆与周围邻居车辆之间权值的最大值，找到对应的车辆进行标记，并将标记的车辆对应的车辆ID填入一维数组ARR_1中，同时在一维数组ARR_2中删除该标记车辆，更新一维数组ARR_1和一维数组ARR_2；

步骤（5d2），基于一维数组ARR_1和一维数组ARR_2构建二维数组CH2，将一维数组ARR_2中的车辆ID填入二维数组CH2的第一行数据；定义二维数组CH2的第二行数据为lowcost，用于保存权值，定义二维数组CH2的第三行数据为closet，用于保存找出的最大权值所对应的车辆ID；找出二维数组CH2第一行数据中与一维数组ARR_1中对应的车辆ID，将二维数组CH2中记录的对应车辆ID的权值数据与原权值数据对比，原权值数据从权值数组CH1中读取，若权值数组CH1中读取到的对应权值数据大于二维数组CH2中记录的对应权值数据，则更新数据并将最大权值保存在lowcost中，同时将最大权值对应的车辆ID保存在closet中，否则保留二维数组CH2中记录的权值数据，closet中车辆ID不变；

步骤（5d3），建立数组CH3，将每次更新的最大权值和最大权值对应的两个车辆ID以（IDa，IDb，）的形式保存至数组CH3中；

步骤（5e），重复步骤（5d）的操作，直至一维数组ARR_2数据清空，所有车辆遍历更新完毕，此时能够得到最小生成树并通过数组CH3的形式表出；

步骤（5f），根据数组CH3得到最小生成树构建的车辆通信网络，每台车辆找到自身车辆的一跳车辆和二跳车辆，形成逻辑通信车辆簇cluster1，每台车辆找到自身车辆的一跳车辆，形成逻辑通信车辆簇cluster2。

进一步地，步骤（6）中，每台车辆根据逻辑通信车辆簇cluster2中的车辆节点距离，找到距离自己最远的车辆节点，调整自身的发射功率的具体步骤如下：

步骤（6a），每台车辆根据数组CH3找到自身车辆的一跳车辆，构建本地一跳邻居车辆表，本地一跳邻居车辆表中包含车辆ID信息及对应车辆的最大权值数据，最大权值数据以（IDa，IDb，）的形式表示；

步骤（6b），每台车辆从本地一跳邻居车辆表中找到所有的邻居车辆，计算当前车辆与周围邻居车辆的欧式距离，找出距离自己最远的邻居车辆，并调整自身的发射功率，即可得当前车辆发射功率最优解。

其中，车辆自身发射功率的计算公式如下：

，

其中，λ为车辆接收机的灵敏度和误码率要求确定的接收信噪比门限值，为路径损耗指数，/>为当前车辆的最大数据传输距离。

进一步地，步骤（7）中，每台车辆根据逻辑通信车辆簇cluster1中的车辆对应的信道接入概率大小进行可用信道的优先级选择，并进行可用信道请求的具体步骤包括：

步骤（7a），网络中存在c个信道资源可供车辆进行接入选择，查找逻辑通信车辆簇cluster1中的车辆未使用的信道资源块，当前车辆a选择一个空的信道资源块进行接入，建立并维护信道资源包，信道资源包包含信道资源块、车辆ID和车辆的信道接入概率，并将信道资源包广播到周边车辆；

步骤（7b），判断信道资源包中的车辆ID是否在逻辑通信车辆簇cluster1中，具体步骤为：

步骤（7b1）逻辑通信车辆簇cluster1中的其他车辆接收到车辆a传递的信道资源包时，查看已经分配的信道资源，同簇内相邻车辆必须满足不能同时占用相同信道，对占用相同信道的邻居车辆进行标记，同时建立信道分配包，并广播给车辆a的一跳车辆，其中信道分配包中包含了该节点已经分配的信道序列号，如果逻辑通信车辆簇cluster1中除车辆a外的节点辆车还未分配信道就将包记为空包，并由对应节点车辆的一跳车辆广播信道分配包；否则不进行标记，将车辆a传递的信道资源包继续广播；

步骤（7b2），逻辑通信车辆簇cluster1中的车辆接收到一跳车辆的信道分配包，根据信道接入概率优先选择不同的信道作为自己的可用信道；

步骤（7c），每台车辆独立执行上述步骤（7a）~步骤（7b）的过程，直到所有车辆都分配完信道为止。

本发明具有以下优点：

1)本发明基于最小生成树算法构建了车联网逻辑通信车辆簇cluster1和逻辑通信车辆簇cluster2，实现了在不同动态场景下信道分配最优化和网络能耗最小化。各台车辆通过广播进行信息与数据交互，以车辆之间的通信概率为权重，寻求最优传输路径，数据沿着这条最优路径传输，有效的降低了通信能耗。

2)本发明涉及的分簇方法满足了局部区域快速稳定通信的要求，对自组织车辆网络中的车辆进行分簇逻辑划分，可以节省网络开销，有效提高资源利用率并满足车联网低时延、高可靠性的要求。

3)本发明能够应用于以下两种复杂通信场景：十字路口和三岔路口。高峰时段前后车间距小，数据传输流量大，兼顾合理降低节点的发射功率，本发明使用的分簇方法使得车联网能耗更小，稳定性更强，所需要的频谱资源更少。

附图说明

图1为本发明面向动态频谱环境的车联网分簇方法的总体流程图；

图2为本发明面向动态频谱环境的车联网分簇方法步骤（2）实现的流程图；

图3为本发明面向动态频谱环境的车联网分簇方法步骤（3）实现的流程图；

图4为本发明方法构建的十字路口的仿真验证图；

图5为本发明方法构建的三岔路口的仿真验证图。

具体实施方式

下面将结合附图对本发明实施方式做进一步详细描述。

如图1~图3所示，本发明面向动态频谱环境的车联网分簇方法的实现步骤如下：

步骤（1）车辆计算可用信道接入概率，并在网络中进行信道接入数据包的广播。具体步骤包括，

步骤（1a）在长度为L km的路段上，N台车辆构成自组织车联网进行信息交互，网络中任意一台车辆通过路侧单元获取网络信道参数，计算出车辆接入网络中可用信道进行通信的概率即信道接入概率，可用信道接入概率由以下公式获得：

，

其中，表示标准正态分布的互补积累函数，β表示阈值，γ表示接收信号的信噪比，/>，/>表示加性高斯白噪声，/>表示车辆接收到路侧单元的信号功率，M为对接收功率信号进行的离散采样数目。

步骤（1b）每台车辆将步骤（1a）中计算好的信道接入概率写入信道接入数据包，然后广播发送信道接入数据包，该信道接入数据包中包括以下信息：当前车辆ID，当前车辆定位位置（x,y），信道接入概率/>。

步骤（2） 每台车辆根据接收到的其他周围邻居车辆的信道接入数据包，判断双方是否在通信范围内，具体步骤包括，

步骤（2a）考虑到路侧环境和周围车辆对无线信号传输的衰落影响，采用对数正态阴影模型分析信号衰落情况，在阴影衰落效应的影响下，每台车辆的最大传输范围为：

，

其中，a、b均表示车辆编号，车辆a和车辆b均为N辆车中的任意一辆，本实施例中，车辆a表示当前车辆，车辆b表示车辆a的周围邻居车辆；表示当前车辆a与周围邻居车辆b的欧式距离，/>，/>表示高斯随机变量的标准差；/>表示每台车辆a接收到的周围车辆b的信号强度，/>表示接收功率的阈值，由以下公式获得：，/>表示参考位置处的信号功率，/>表示参考距离，/>表示路径损耗指数；/>表示接收到的信号强度大于阈值的概率，/>表示以当前车辆为圆心的弧度角，/>，r表示以当前车辆为圆心的圆的半径，/>，在相同的情况下车辆具有的相同的初始传输半径R；

步骤（2b） 每台车辆在接收到路段上周围邻居车辆的信道接入数据包后，提取出该邻居车辆的定位位置，计算两者之间的欧氏距离，并将欧氏距离/>与当前车辆a的最大数据传输距离/>对比，其中，欧氏距离/>的计算公式为：/>，式中(x,y)表示当前车辆的定位位置的坐标，(x_b,y_b)表示邻居车辆的定位位置的坐标，且满足下面这个公式：/>，/>表示当前车辆a的最大传输范围且由上述步骤（2a）可求得。若/>成立，则表示该分组超过可达范围，直接丢弃这个数据包；若不成立，即/>，则表示该邻居车辆b为当前车辆a的可通信车辆。

步骤（3） 每台车辆根据接收到的其他周围邻居车辆的信道接入数据包，建立可达邻居车辆接入概率表及本地通信概率表，具体步骤包括，

步骤（3a） 每台车辆提取出该可通信邻居车辆b的信道接入数据包中的车辆IDb、可达车辆定位位置及对应的邻居车辆b的信道接入概率，写入当前车辆a的可达邻居车辆接入概率表，当前车辆a的可达邻居车辆接入概率表中包含当前车辆a所有的可达邻居车辆的车辆ID及可达邻居车辆对应的信道接入概率，并将可达邻居车辆接入概率表进行广播；然后执行下一步骤（3b）；

步骤（3b） 每台车辆根据接收到的周围邻居车辆传递的可达邻居车辆接入概率表中的信息，计算当前车辆本身与当前车辆的最大数据传输距离内的所有周围邻居车辆的通信概率。通信概率由以下公式获得：

，

其中，表示当前长度为L km的路段上的车流量密度，/>表示当前车辆a与周围邻居车辆b的欧式距离，/>表示当前车辆a的最大数据传输距离，且/>满足下面这个公式：/>，/>表示当前车辆a的最大传输范围。然后执行下一步骤（3c）；

步骤（3c） 建立并初始化每台车辆的通信概率表为空表，将自身车辆ID（如当前车辆a的车辆ID a），可通信车辆ID（如周围邻居车辆b的车辆ID b），以及计算得到的两者对应的通信概率写入当前车辆a的本地通信概率表，直至遍历完所有接收到的信道接入数据包及可达邻居车辆接入概率表，再将更新后的当前车辆a的本地通信概率表放入通信概率数据包中并向周围车辆进行广播，得到当前车辆a的通信概率表如下表1所示：

。

步骤（4）每台车辆接收到周围邻居车辆传递的通信概率数据包后，在自组织车联网络中构建并更新本地通信概率表。过程如下：

步骤（4a）每台车辆查找自己的车辆ID（如当前车辆a的车辆IDa）是否在邻居车辆的通信概率数据包中，是则执行步骤（4b），否则标记两车通信概率为0且执行步骤（4c）；

步骤（4b）将该邻居的车辆ID（如周围邻居车辆b的车辆IDb）以及通信概率数据包中对应该周围邻居车辆b的通信概率（如）更新至当前车辆a的本地通信概率表中，执行步骤（4c）；

步骤（4c）每台车辆将本地通信概率表中的可通信车辆ID逐个与邻居通信概率数据包中的车辆ID进行对比。若存在相同的车辆ID，则执行下一步骤（4d），否则不执行任何更新直接将接收到的邻居通信概率数据包进行广播转发；

步骤（4d）若本地通信概率表与接收到的邻居通信概率数据包中都存在相同的车辆ID（如车辆x的车辆IDx，x同样为车辆编号且x∈N），则将邻居通信概率数据包中与车辆x间存在通信的车辆的ID以及对应的通信概率更新至本地通信概率表中，直至本地通信概率表与邻居通信概率数据包中车辆ID全部对照检查完毕。

本地通信概率表如下表2所示：

。

步骤（5） 每台车辆根据本地通信概率表通过最小生成树算法构建车辆通信网络，并根据车辆通信网络中的车辆集合以及各台车辆间的通信概率，以通信概率为权重，找到当前车辆到达车辆通信网络中所有车辆的权重最大路径；并将权重最大路径上的一跳车辆和二跳车辆形成逻辑通信车辆簇cluster1，权重最大路径上的一跳车辆形成逻辑通信车辆簇cluster2；具体步骤如下：

步骤（5a） 利用遍历更新后的本地通信概率表构建权值数组CH1，权值数组CH1示例如下表3所示：

，

其中表示通信概率，a、b、x、p和q均为车辆编号，车辆a、车辆b、车辆x、车辆p和车辆q均为自组织车联网N辆车中的一辆，/>不为零时，权值记为/>；若本地通信概率表中两台车辆间的通信概率为0，则设两台车辆间的权值元素为∞。

步骤（5b）N台车辆构成的自组织车联网中，定义被选中的车辆数组为一维数组ARR_1，定义未被选中的车辆为一维数组ARR_2，初始时，一维数组ARR_1里的元素均为0，一维数组ARR_2中的元素为车联网中所有车辆的车辆ID。

步骤（5c）随机选取一台车辆a作为起始车辆，标记车辆a，并将车辆a的车辆ID a填入一维数组ARR_1中，同时在一维数组ARR_2中删除该标记车辆ID。更新一维数组ARR_1和一维数组ARR_2。

此时一维数组ARR_1如下表4所示：

，

一维数组ARR_2如下表5所示：

。

步骤（5d）利用prim算法（普里姆算法）构建最小生成树，具体操作如下：

步骤（5d1）每台车辆，如车辆a，根据权值数组CH1找出车辆a与其他车辆之间权值的最大值，找到对应的车辆（如车辆b）进行标记。将标记的车辆对应的车辆ID填入一维数组ARR_1中，同时在一维数组ARR_2中删除该标记车辆，更新一维数组ARR_1和一维数组ARR_2。

此时一维数组ARR_1如下表6所示：

，

一维数组ARR_2如下表7所示：

。

步骤（5d2）基于一维数组ARR_1和一维数组ARR_2构建二维数组CH2。将一维数组ARR_2中的车辆ID填入二维数组CH2的第一行数据；定义二维数组CH2的第二行数据为lowcost，用于保存权值，定义二维数组CH2的第三行数据为closet，用于保存找出的最大权值所对应的车辆ID。

初始二维数组CH2示例如下表8所示：

，

找出二维数组CH2第一行数据中与一维数组ARR_1中对应的车辆ID，将二维数组CH2中记录的对应车辆ID的权值数据与原权值数据对比，原权值数据从权值数组CH1中读取，若权值数组CH1中读取到的对应权值数据大于二维数组CH2中记录的对应权值数据，则更新数据并将最大权值保存在lowcost中，同时将最大权值对应的车辆ID保存在closet中，否则保留二维数组CH2中记录的权值数据，closet中车辆ID不变。

假设车辆IDx和车辆IDa之间的权值最大，更新后的二维数组CH2示例如下表9所示：

。

步骤（5d3）建立数组CH3，将每次更新的最大权值和最大权值对应的两个车辆ID以（IDa，IDb，）的形式保存至数组CH3中。

步骤（5e）先重复步骤（5d）的操作（包含步骤（5d1）~步骤（5d3）），直至一维数组ARR_2数据清空，更新完毕，此时可得到最小生成树并通过数组CH3的形式表出，数组CH3示例如下表10所示：

；

步骤（5f）根据数组CH3得到最小生成树构建的车辆通信网络，每台车辆找到自身车辆的一跳车辆和二跳车辆，形成逻辑通信车辆簇cluster1，每台车辆找到自身车辆的一跳车辆，形成逻辑通信车辆簇cluster2。

步骤（6）每台车辆根据逻辑通信车辆簇cluster2，调整自身发射功率，具体步骤如下：

步骤（6a）每台车辆根据数组CH3找到自身车辆的一跳车辆，构建本地一跳邻居车辆表，本地一跳邻居车辆表中包含车辆ID信息及对应车辆的最大权值数据，本地一跳邻居车辆表示例如下表11所示：

；

步骤（6b）每台车辆从本地一跳邻居车辆表中找到所有的邻居车辆，计算当前车辆与周围邻居车辆的欧式距离，邻居车辆的定位位置信息从前面接收到的本地可达邻居车辆接入概率表中获取，找出距离自己最远的邻居车辆，并调整自身的发射功率，其中λ为车辆接收机的灵敏度和误码率要求确定的接收信噪比门限值，为路径损耗指数，/>为当前车辆的最大数据传输距离，即可得当前车辆发射功率最优解，以减少网络能耗，使得网络效用最大化。

步骤（7）每台车辆根据逻辑通信车辆簇cluster1中的车辆对应的信道接入概率大小进行可用信道的优先级选择，并进行可用信道请求，具体步骤包括：

步骤（7a）网络中存在c个信道资源可供车辆进行接入选择，查找逻辑通信车辆簇cluster1中的车辆未使用的信道资源块，当前车辆a选择一个空的信道资源块进行接入，建立并维护信道资源包，信道资源包包含信道资源块、车辆ID和车辆的信道接入概率，并将信道资源包广播到周边车辆；

步骤（7b）判断信道资源包中的车辆ID是否在逻辑通信车辆簇cluster1中，具体步骤包括：

步骤（7b1）逻辑通信车辆簇cluster1中的其他车辆接收到车辆a传递的信道资源包时，查看已经分配的信道资源，同簇内相邻车辆必须满足不能同时占用相同信道，对占用相同信道的邻居车辆进行标记，同时建立信道分配包，并广播给车辆a的一跳车辆，其中信道分配包中包含了车辆ID、车辆定位位置（x,y）以及该节点已经分配的信道序列号；如果逻辑通信车辆簇cluster1中除车辆a外的节点辆车还未分配信道就将包记为空包，并由对应节点车辆的一跳车辆广播信道分配包；否则不进行标记，将车辆a传递的信道资源包继续广播。

步骤（7b2）逻辑通信车辆簇cluster1中的车辆接收到一跳车辆的信道分配包，根据信道接入概率大小排序优先选择不同的信道作为自己的可用信道；

步骤（7c）每台车辆独立执行上述步骤（7a）~步骤（7b）的过程，直到所有车辆都分配完信道为止。

下面通过仿真进一步说明本发明的效果：

（1）仿真条件

在仿真场景中，本发明考虑十字路口和三岔路口两种场景。车辆随机均匀分布在在的二维平面区域，车辆采用相同的初始传输半径/>。根据逻辑通信车辆簇cluster1分配信道，根据逻辑通信车辆簇cluster2调整最大发射功率。

（2）仿真内容和结果

（2.1）在十字路口中，本发明在36台车辆的网络场景中生成的簇结果如图4所示：

图4中（a）为十字路口场景下的车辆自组织网络；

图4中（b）为本发明通过最小生成树形成的车辆自组织网络，数字表示分配给车辆的信道资源（即信道序列号）；

图4中（c）为根据图4中（b）的网络形成的逻辑通信车辆簇，车辆的一跳车辆形成逻辑通信车辆簇cluster2，一跳车辆和二跳车辆形成逻辑通信车辆簇cluster1（即逻辑通信车辆簇cluster1包含了逻辑通信车辆簇cluster2的车辆）；

图4中（d）为信道分配图，其中一个信道中断时（本实施例中为信道1中断），不影响车辆自组织网络内的其余车辆之间的通信。

（2.2）在三岔路口中，本发明在33台车辆的网络场景中生成的簇结果如图5所示：

图5中（a）为三岔路口场景下的车辆自组织网络；

图5中（b）为本发明通过最小生成树形成的车辆自组织网络，数字表示分配给车辆的信道资源（即信道序列号）；

图5中（c）为根据图5中（b）的网络形成的逻辑通信车辆簇，车辆的一跳车辆形成逻辑通信车辆簇cluster2，一跳车辆和二跳车辆形成逻辑通信车辆簇cluster1（即逻辑通信车辆簇cluster1包含了逻辑通信车辆簇cluster2的车辆）；

图5中（d）为信道分配图，其中一个信道中断时（本实施例中为信道1中断），不影响车辆自组织网络内的其余车辆之间的通信。

本发明通过prim算法实现车辆间的最优分簇，优化车辆之间的成簇，得到信道分配最优解以及车辆发射功率最优解，显著降低簇内车辆之间的通信能耗，为不同场景下的车辆数据传输提高高效合理的传输路径。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种面向动态频谱环境的车联网分簇方法，其特征在于，包括以下步骤：

步骤（1），初始化网络中存在c个信道资源可供车辆进行接入选择，在长度为L km的路段上，N台车辆构成自组织车联网进行信息交互；网络中任意一台车辆根据网络情况，计算出车辆自身的信道接入概率，将当前车辆ID、当前车辆定位位置、信道接入概率/>写入信道接入数据包并向周边车辆广播；

步骤（2），每台车辆根据接收到的周围邻居车辆的信道接入数据包，计算当前车辆与周围邻居车辆的欧式距离，并与当前车辆的最大数据传输距离/>对比；若/>，则表示分组车辆超过可达范围，直接丢弃这个信道接入数据包；若/>，则表示所述邻居车辆为当前车辆的可通信车辆；

步骤（3），每台车辆接收到周围邻居车辆传递的信道接入数据包后，提取信道接入数据包中信息并建立及维护当前车辆自身本地可达邻居车辆接入概率表，并将可达邻居车辆接入概率表进行广播，然后根据接收到的周围邻居车辆传递的可达邻居车辆接入概率表，计算当前车辆本身与当前车辆的最大数据传输距离内的所有可通信车辆的通信概率，建立本地通信概率表，并将当前车辆的车辆ID，可通信车辆的车辆ID，以及两者对应的通信概率写入当前车辆自身的本地通信概率表，直至遍历完所有接收到的信道接入数据包及可达邻居车辆接入概率表，获得更新后的通信概率表并放入通信概率数据包中进行广播；

步骤（4），每台车辆接收到周围邻居车辆传递的邻居通信概率数据包后，将邻居通信概率数据包与本地通信概率表中相同车辆的可通信车辆的车辆ID及对应通信概率更新至本地通信概率表；

步骤（5），每台车辆根据本地通信概率表通过最小生成树算法构建车辆通信网络，并根据车辆通信网络中的车辆集合以及各台车辆间的通信概率，以通信概率为权重，找到当前车辆到达车辆通信网络中所有车辆的权重最大路径；并将权重最大路径上的一跳车辆和二跳车辆形成逻辑通信车辆簇cluster1，权重最大路径上的一跳车辆形成逻辑通信车辆簇cluster2，具体步骤如下：

步骤（5a），利用遍历更新后的本地通信概率表构建权值数组CH1，若本地通信概率表中两台车辆间的通信概率为，且/>不等于0，则权值记为/>；若本地通信概率表中两台车辆间的通信概率为0，则两台车辆间的权值记为∞；

步骤（5b），N台车辆构成的自组织车联网中，定义被选中的车辆数组为一维数组ARR_1，定义未被选中的车辆为一维数组ARR_2，初始时，一维数组ARR_1里的元素均为0，一维数组ARR_2中元素为车联网中所有车辆的车辆ID；

步骤（5c），随机选取一台车辆a作为起始车辆，标记车辆a，并将车辆a的车辆ID a填入一维数组ARR_1中，同时在一维数组ARR_2中删除车辆a的车辆ID；更新一维数组ARR_1和一维数组ARR_2；

步骤（5d），利用prim算法构建最小生成树，每台车辆根据权值数组CH1更新一维数组ARR_1和一维数组ARR_2，并构建二维数组CH2，将一维数组ARR_2中的车辆ID填入二维数组CH2的第一行数据，定义二维数组CH2的第二行数据用于保存权值，定义二维数组CH2的第三行数据用于保存找出的最大权值所对应的车辆ID；根据prim算法不断更新二维数组CH2，并建立数组CH3，将每次更新的最大权值和最大权值对应的两个车辆ID保存在数组CH3中；

步骤（5d1），每台车辆，根据权值数组CH1找出当前车辆与周围邻居车辆之间权值的最大值，找到对应的车辆进行标记，并将标记的车辆对应的车辆ID填入一维数组ARR_1中，同时在一维数组ARR_2中删除标记的车辆对应的车辆ID，更新一维数组ARR_1和一维数组ARR_2；

步骤（5d2），基于一维数组ARR_1和一维数组ARR_2构建二维数组CH2，将一维数组ARR_2中的车辆ID填入二维数组CH2的第一行数据；定义二维数组CH2的第二行数据为lowcost，用于保存权值，定义二维数组CH2的第三行数据为closet，用于保存找出的最大权值所对应的车辆ID；找出二维数组CH2第一行数据中与一维数组ARR_1中对应的车辆ID，将二维数组CH2中记录的对应车辆ID的权值数据与原权值数据对比，原权值数据从权值数组CH1中读取，若权值数组CH1中读取到的对应权值数据大于二维数组CH2中记录的对应权值数据，则更新数据并将最大权值保存在lowcost中，同时将最大权值对应的车辆ID保存在closet中，否则保留二维数组CH2中记录的权值数据，closet中车辆ID不变；

步骤（5d3），建立数组CH3，将每次更新的最大权值和最大权值对应的两个车辆ID以（IDa，IDb，）的形式保存至数组CH3中；

步骤（5e），重复步骤（5d）的操作，直至一维数组ARR_2数据清空，所有车辆遍历更新完毕，此时能够得到最小生成树并通过数组CH3的形式表出；

步骤（5f），根据数组CH3得到最小生成树构建的车辆通信网络，每台车辆找到自身车辆的一跳车辆和二跳车辆，形成逻辑通信车辆簇cluster1，每台车辆找到自身车辆的一跳车辆，形成逻辑通信车辆簇cluster2；

步骤（6），每台车辆根据逻辑通信车辆簇cluster2中的车辆节点距离，找到距离自己最远的车辆节点，调整自身的发射功率；

步骤（7），每台车辆根据逻辑通信车辆簇cluster1中的车辆以及对应车辆的信道接入概率，完成信道接入请求。

2.根据权利要求1所述的面向动态频谱环境的车联网分簇方法，其特征在于，步骤（1）中，信道接入概率的计算公式如下：

,

其中，表示标准正态分布的互补积累函数，β表示阈值，γ表示接收信号的信噪比，/>，/>表示加性高斯白噪声，/>表示车辆接收到路侧单元的信号功率，M为对接收功率信号进行的离散采样数目。

3.根据权利要求1所述的面向动态频谱环境的车联网分簇方法，其特征在于，步骤（2）中，当前车辆的最大数据传输距离，其中，/>表示当前车辆的最大传输范围；当前车辆的最大传输范围/>的计算方法为，先采用对数正态阴影模型分析信号衰落情况，在阴影衰落效应的影响下，每台车辆的最大传输范围为：

,

其中，a、b均表示车辆编号，车辆a和车辆b均为N辆车中的任意一辆，表示当前车辆与周围邻居车辆的欧式距离，

,/>表示高斯随机变量的标准差；/>表示每台车辆a接收到的周围邻居车辆b的信号强度，/>表示接收功率的阈值，由以下公式获得：，/>表示参考位置处的信号功率，/>表示参考距离，/>表示路径损耗指数；/>表示接收到的信号强度大于阈值的概率，/>表示以当前车辆为圆心的弧度角，/>，r表示以当前车辆为圆心的圆的半径，/>，R表示车辆的初始传输半径。

4.根据权利要求3所述的面向动态频谱环境的车联网分簇方法，其特征在于，步骤（3）中，通信概率的计算公式如下：/>,

其中表示当前长度为L km的路段上的车流量密度，/>表示当前车辆与周围邻居车辆的欧式距离，/>表示当前车辆的最大数据传输距离。

5.根据权利要求4所述的面向动态频谱环境的车联网分簇方法，其特征在于，步骤（4）中，每台车辆接收到周围邻居车辆传递的邻居通信概率数据包后，将邻居通信概率数据包与本地通信概率表中相同车辆的可通信车辆的车辆ID及对应通信概率更新至本地通信概率表的具体过程如下：

步骤（4a），首先判断当前车辆的车辆ID是否在周围邻居车辆的通信概率数据包中，是则将周围邻居车辆的车辆ID以及对应邻居车辆的通信概率更新至本地通信概率表中，然后执行步骤（4b）；否则标记两车通信概率为0，然后执行步骤（4b）；

步骤（4b），每台车辆将本地通信概率表中的可通信车辆ID逐个与周围邻居车辆传递的通信概率数据包中的可通信车辆ID进行对比，判断是否存在相同，若存在相同车辆ID，则将车辆ID相同的车辆记作车辆x，并将邻居通信概率数据包中与车辆x间存在通信的车辆ID以及对应车辆的通信概率更新至本地通信概率表中，否则直接转发周围邻居车辆传递的通信概率数据包。

6.根据权利要求1所述的面向动态频谱环境的车联网分簇方法，其特征在于，步骤（6）中，每台车辆根据逻辑通信车辆簇cluster2中的车辆节点距离，找到距离自己最远的车辆节点，调整自身的发射功率的具体步骤如下：

步骤（6a），每台车辆根据数组CH3找到自身车辆的一跳车辆，构建本地一跳邻居车辆表，本地一跳邻居车辆表中包含车辆ID信息及对应车辆的最大权值数据，最大权值数据以（IDa，IDb，）的形式表示；

步骤（6b），每台车辆从本地一跳邻居车辆表中找到所有的邻居车辆，计算当前车辆与周围邻居车辆的欧式距离，找出距离自己最远的邻居车辆，并调整自身的发射功率，即可得当前车辆发射功率最优解。

7.根据权利要求1所述的面向动态频谱环境的车联网分簇方法，其特征在于，车辆自身发射功率的计算公式如下：

,

其中，λ为车辆接收机的灵敏度和误码率要求确定的接收信噪比门限值，为路径损耗指数，/>为当前车辆的最大数据传输距离。

8.根据权利要求1所述的面向动态频谱环境的车联网分簇方法，其特征在于，步骤（7）中，每台车辆根据逻辑通信车辆簇cluster1中的车辆对应的信道接入概率大小进行可用信道的优先级选择，并进行可用信道请求的具体步骤包括：

步骤（7a），网络中存在c个信道资源可供车辆进行接入选择，查找逻辑通信车辆簇cluster1中的车辆未使用的信道资源块，当前车辆a选择一个空的信道资源块进行接入，建立并维护信道资源包，信道资源包包含信道资源块、车辆ID和车辆的信道接入概率\，并将信道资源包广播到周边车辆；步骤（7b），判断信道资源包中的车辆ID是否在逻辑通信车辆簇cluster1中，具体步骤为：

步骤（7b1），逻辑通信车辆簇cluster1中的其他车辆接收到车辆a传递的信道资源包时，查看已经分配的信道资源，同簇内相邻车辆必须满足不能同时占用相同信道，对占用相同信道的邻居车辆进行标记，同时建立信道分配包，并广播给车辆a的一跳车辆，其中信道分配包中包含了对应节点已经分配的信道序列号，如果逻辑通信车辆簇cluster1中除车辆a外的节点辆车还未分配信道就将包记为空包，并由对应节点车辆的一跳车辆广播信道分配包；否则不进行标记，将车辆a传递的信道资源包继续广播；

步骤（7b2），逻辑通信车辆簇cluster1中的车辆接收到一跳车辆的信道分配包，根据信道接入概率优先选择不同的信道作为自己的可用信道；

步骤（7c），每台车辆独立执行上述步骤（7a）~步骤（7b）的过程，直到所有车辆都分配完信道为止。