[发明专利]一种车联网中感知服务节点智能选择方法有效
申请号: | 201810271483.7 | 申请日: | 2018-03-29 |
公开(公告)号: | CN108600938B | 公开(公告)日: | 2020-09-22 |
发明(设计)人: | 张登银;严嘉赟;夏鸣轩;丁飞;陈肯;丁齐 | 申请(专利权)人: | 南京邮电大学 |
主分类号: | H04W4/02 | 分类号: | H04W4/02;H04W4/021;H04W4/38;H04W4/44;H04W16/22 |
代理公司: | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人: | 刘珊珊 |
地址: | 210003 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 联网 感知 服务 节点 智能 选择 方法 | ||
1.一种车联网中感知服务节点智能选择方法,其特征在于,包括步骤:
(1)选定采集区域和目标区域,获取采集区域中周期时间内从采集区域到目标区域的车辆节点历史轨迹数据,选取出现频率最高的M个车辆节点,根据这M个车辆节点的历史轨迹数据预测各车辆节点从采集区域出发并在预设的时刻tend到达目标区域的概率;
(2)以选取的车辆节点构成车联网能够覆盖目标区域为目标问题,从M个车辆节点中随机选出多个车辆节点集合作为目标问题的解;以生成的解作为种群,根据车辆节点到达目标区域的概率和车辆节点在tend时刻距离目标区域的距离构建适应度函数,采用遗传算法搜索出种群中适应度函数值最优的染色体作为目标问题的最优解;
(3)将最优解对应的车辆节点作为用于构建车联网的感知服务节点;
所述预测一个车辆节点到达目标区域的概率的方法为:
(2-1)从对应车辆节点的历史轨迹数据中提取该车辆节点连续时间下的位置转移概率,绘制位置转移概率关于时间的关系曲线,选取关系曲线峰值点对应的时间节点为位置转移时间节点;记第n个位置时间转移节点为tn;
(2-2)采用高斯分布函数模型拟合步骤(2-2)中提取的位置转移时间节点,得到车辆节点位置转移概率与转移时间节点的关系式:
P(tn|Lα→Lx)=∑nπnN(tn|μn,σn),∑nπn=1,πn≥0
式中,P(tn|Lα→Lx)表示车辆节点在时刻tn在位置Lα处发生位置转移的概率,πn表示高斯分布权值系数,N(tn|μn,σn)表示位置转移时间节点tn服从期望值为μn、标准差为σn的高斯分布;
(2-3)根据提取出的位置转移时间节点构建车辆节点的位置转移马尔科夫模型;
(2-4)在时间区间[tstart,tend]内对马尔科夫模型描述的位置转移过程进行迭代求解,得到车辆节点到达目标区域的概率,tstart为起始时刻;
所述位置转移马尔科夫模型为:
P(Lα→Lβ,tn)=P(X(tn-1)=Lα)×P(tn|Lα→Lx)
P(X(tn)=Lβ)=∑αP(Lα→Lβ,tn)
式中,X(t)表示在时刻t车辆节点的位置,P(Lα→Lβ,tn)表示在时刻tn车辆节点从位置Lα转移到位置Lβ的概率,P(X(tn-1)=Lα)表示在前一时刻tn-1车辆节点处于位置Lα的概率,P(X(tn)=Lβ)表示在时刻tn车辆节点处于位置Lβ的概率;
所述对马尔科夫模型进行迭代求解的步骤为:
(4-1)设置参数:定义Pi为车辆节点i在时刻tend到达目标区域的概率;定义Lcur为车辆当前位置,Lcur为采集区域中的任意一个位置点;定义tnow为当前时间点;定义Pcur为当前概率值;
(4-2)初始化:Pi=0,Pcur=0,tnow=tstart;
(4-3)获取tnow的下一个位置时间转移节点tn,判断tn是否大于tend,若是,则终止迭代,计算Pi=Pi+Pcur;否则,执行步骤(4-4);
(4-4)计算:
P(tn|Lα→Lx)=∑nπnN(tn|μn,σn),∑nπn=1,πn≥0
Pcur=P(X(tnow)=Lcur)×P(tn|Lcur→Lx)
更新tnow=tn,返回步骤(4-3);
所述周期时间为一年或一个月;
所述车辆节点的历史轨迹数据包括对应车辆节点在各个采样时间点所在的位置;
所述适应度函数为:
f=ω1P+ω2D
P=1-Πi∈G(1-Pi)
D=(∑i∈GDi)/n
式中,G为目标问题的一个解,即一个染色体;n为G中车辆节点的数量,Di表示车辆节点i距离目标区域的距离,P为G的联合概率,D为G的联合距离;ω1和ω2均为权值系数,0<ω1<1,0<ω2<1,0<ω1+ω2<1;
在采用遗传算法搜索最优解之前还包括步骤:
对车辆节点集合进行编码,将编码的结果作为初始种群的染色体,染色体表示为:
G=(g1,g2,…,gM)
式中,gi表示车辆节点i的编码,i=1,2,…,M,gi的取值为0或1;gi取值为0时,表示G中未选取车辆节点i;gi取值为1时,表示G中选取车辆节点i;
所述采用遗传算法搜索目标问题的最优解的具体步骤为:
(9-1)初始化种群为:G1,G2,…,GK;Gk为种群中的第k个基因,表示目标问题的第k个解,k=1,2,…,K,K为步骤(2)中生成的解的总数;
(9-2)计算种群中各染色体适应度函数值;
(9-3)从种群中选取适应度值最高的k个染色体;
(9-4)以选出的a个染色体为父体进行交叉变异,产生新一代的种群,返回步骤(9-2);
(9-5)重复执行步骤(9-2)至(9-4),直至迭代次数满足预设阈值;
所述迭代次数为100次。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810271483.7/1.html,转载请声明来源钻瓜专利网。