[发明专利]一种车载网络区分用户移动行为相似性的方法

说明书

技术领域

本发明涉及网络通信领域，特别涉及一种车载网络区分用户移动行为相似性的方法。 

背景技术

随着车载网络的迅速发展，产生了包括许多移动流媒体应用在内的大量新颖的应用程序。而且，多种新通信协议的出现和移动多媒体技术的发展，使得在各种复杂道路场景中通过车载网络向司机和乘客提供所需的高带宽服务体验成为可能。在需求差异化发展的今天，不同的用户需要的服务各不相同。为了提供更好的用户体验，需要向具有不同属性的用户分别提供其所需的高带宽服务。其中，一种十分直观的用户属性是用户的移动属性。因此，业内大量的研究者致力于研究区分用户移动行为相似性的方法。考虑到车载网络中的移动节点往往处在高速运动之中，节点之间的地理距离迅速变化，节点之间的数据传输效率受到了影响，导致了车载网络工作时维护代价高但效率很低。有鉴于此，为了更加精确的划分用户移动属性，采用对具有相同移动性行为的用户进行划分的方法。 

通过将具有相同或者相似特性的用户进行划分，可以充分区分用户移动属性，以提高车载网络数据传输性能，降低无线传输中不必要的能量消耗，有鉴于此，不同无线网络策略对移动性相似度的定义互不相同，所采用的用户移动性划分方法也各不相同。例如，SPOON是一种在移动ad-hoc网络中使用的P2P内容文件分享解决方案，它将具有相同文件兴趣和经常交互信息的用户认为划 分为相同移动性；还有C5，它把那些在同一时间段内地理位置相近的移动节点和那些服务请求相同的移动节点划归为相同移动性。 

用户移动性区分实质上是对用户节点移动行为相似性进行划分的一种方式，其一般有以下几种方式：图划分、分割划分和层次划分。然而，这三种划分方式分别有其内在的缺点，使得用户移动行为相似性区分的精度不高，并且结构上十分脆弱。例如，图划分方式基于已有的移动性知识来判断节点移动属性，划分灵活性和精确程度不高，难以应对动态变化的无线网络环境。分割划分则预定义移动行为相似性的相关信息，这种方式的优点在于无需预设定任何移动行为相似性知识或相似度评估机制，缺点是划分结果准确度比较低，不能适应更高精确度要求的场合。分层划分方式的精确度主要取决于节点相似性评估方法的优劣，所以难以精确描述不同节点之间移动属性的异同程度，使得在层划分中很可能将并不相似的节点误评估为具有相同相似性的节点，出现大量的错误区分信息。 

针对以上问题，本发明提供了一种车载网络区分用户移动行为相似性的方法。 

发明内容

本发明提供了一种车载网络区分用户移动行为相似性的方法。 

所述技术方案如下： 

车载网络中的车载节点维护特定的列表存储单元，负责保存此车载节点运动中连接的基站和基站范围内的停留时间等相关信息。该单元称为车载节点移动信息存储单元MNIU，所存储的信息包括车辆ID号、当前时刻连接的基站ID号A_i、A_i信号覆盖范围内V_i的停留时间ST_i和此记录关联的时间戳RT_i等； 

与此对应，基站中维护特定的列表存储单元，负责保存此基站信号覆盖范围内所有车辆的移动信息。该单元称为车载网络中的基站信息储存单元APIU，所存储的信息包括基站ID号A_i和当前时刻连接的车辆ID号V_i、V_i在A_i信号覆盖范围内的停留时间ST_i和此记录关联的时间戳RT_i等。 

车载网络中的车载节点移动信息存储单元MNIU通过统计车辆移动信息，生成移动速度相似度；基站信息存储单元APIU统计历史移动轨迹并预测未来的移动轨迹，，生成动态的节点移动轨迹相似度。将不同节点移动轨迹相似度和移动速度相似度通过加权处理生成二者移动相似度，区分节点间移动行为相似性。 

移动速度相似度计算方法包括： 

计算节点间停留时间相似值； 

根据节点间停留时间相似度定义，计算节点间移动速度相似度。 

移动轨迹相似度计算方法包括： 

提取MNIU中连接基站A_i的历史记录和对应时间的时间戳信息，生成车载节点的历史运动轨迹记录； 

将车载节点的未来移动轨迹用马尔可夫过程描述，利用生成的转移概率矩阵预测车载节点可能连接的下一个基站，生成车载节点未来移动轨迹预测； 

通过车载节点的历史运动轨迹记录和未来移动轨迹预测计算移动轨迹相似度。