[发明专利]车联网中节点分布特性分析方法有效
| 申请号: | 201510697873.7 | 申请日: | 2015-10-23 |
| 公开(公告)号: | CN105260551B | 公开(公告)日: | 2019-03-01 |
| 发明(设计)人: | 蒋昌俊;程久军;闫春钢 | 申请(专利权)人: | 同济大学 |
| 主分类号: | G06F17/50 | 分类号: | G06F17/50 |
| 代理公司: | 上海科律专利代理事务所(特殊普通合伙) 31290 | 代理人: | 叶凤 |
| 地址: | 200092 *** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | 一种车联网中节点分布特性分析方法,本涉及车联网技术领域。本发明选择SUMO和网络仿真软件OMNET++进行交通和网络联合仿真,并利用Veins实现两者的信息交互,实现双向通信,完成交通的模拟和数据的采集的实验平台,并选择具有权威性的数据集进行仿真实验并采集其中道路信息。结果表明,在车联网这个无尺度网络中,大部分车辆只与极少数车辆进行消息通信,这些关键车辆节点对网络信息的转发具有重要价值;高速公路场景的车流量一般能维持在一个稳定的水平,而城市道路状态变化剧烈,网络节点则表现的时而稠密,时而稀疏,因此需针对城市场景需要特殊的方法进行处理。 | ||
| 搜索关键词: | 联网 节点 分布 特性 分析 方法 | ||
【主权项】:
1.一种联网中节点分布特性分析方法,其特征在于,涉及交通仿真和网络仿真,交通仿真是采用软件方法模拟真实道路交通状态的方法,可以对城市规划和交通管理进行模拟仿真和评价,而网络仿真则是利用软件方法模拟一个网络群体中数据的传输和每个个体的行为方式,可以利用统计方法分析网络性能;选择SUMO和网络仿真软件OMNET++进行交通仿真和网络联合仿真,并利用Veins实现两者的信息交互,实现双向通信,完成交通的模拟和数据的采集的实验平台,并选择具有权威性的数据集进行仿真实验并采集其中道路信息;所述SUMO仿真,把道路上单个车辆作为模拟的基本单位,模拟单个车辆间的关系、车辆与道路的关系以及车辆与行人的关系;微观交通模拟是基于跟车模型的基础对道路交通进行建模,其中有车辆节点移动的基本规则,即跟车模型;在微观交通模拟中详细的描述出每个节点的时间、速度、加速度、所在道路、行驶路线信息,并可以实时获取网络中各个节点的状态信息并处理;所述OMNET++是一款用于离散事件仿真模拟的网络仿真软件,Veins是一个开源的用于实现车辆间通信的仿真框架;所述Veins是两个模拟器之间的桥梁,其中SUMO作为服务端,负责交通流仿真,控制车辆的移动;OMNET++作为客户端,负责网络仿真,控制消息包的发送与传递,这种通信方式称为TraCI(Traffic Control Interface),SUMO和OMNET++之间采用TCP连接的方式,利用Socket实现信息交互;采用的数据集是TAPASCologne大规模数据集;采集的数据如下所示![]()
其中,vehicle@id、x、y、lat、lon、speed是后续数据处理的主要依据,vehicle@id用于区分不同的车辆,x和y对应为地图上的位置坐标,lat和lon用于计算不同车辆的距离,从而确定邻居节点信息,speed是车辆行驶的关键数据;(1)节点移动模型对分布特性影响车联网中节点的移动规律对通达性问题有重大影响;节点移动的快慢影响着车联网网络拓扑变化的快慢,节点移动的方向影响着车联网网络拓扑变化的趋势,通过研究车联网节点移动规律,为通达性路由机制的研究提供实验依据;在仿真平台中,节点的移动规律被称作跟车模型;本方法为微观模型,是仿真道路上每个车辆的移动,一般假定车辆行为同时依赖于车辆的物理属性和驾驶员的控制行为;所采用车辆仿真平台SUMO中使用的是Krauss模型的演化版本SUMOKrauβ;该模型假定驾驶员有大约1s的反应时间,并使用表2.2中5个参数表2.2 SUMOKrauβ模型参数
该模型使用如下公式(1)计算安全车速
安全车速是为能适应前车减速行为而设定的当前车速,其中vl(t)为时刻t时的前车速度,vf(t)为时刻t时的后车速度,g(t)为时刻t时前后车距,τ为驾驶员的反应时间;在SUMO中,计算出的安全车速,即仿真模拟的预计车速只跟前后车的速度和前后车距相关,而与其它因素无关;因此一般仿真下的车联网中节点移动模型只能影响前后车的移动速度,从而可以在局部范围内影响车辆的聚集程度,进而影响整个网络状态;在高速公路场景,由于场景单一,车辆一般都同向行驶,若须向前方发送消息,只需转发给同向速度较快的车辆或者前方车辆,若须向后方发送消息,则转发到反向车道上车辆即可;(2)网络节点度分布的长尾性车联网属于无尺度网络的范畴,针对TAPASCologne数据集,分别取6:03、7:17、 7:45三个时间点,采集所有车辆的状态信息,计算出每个网络节点度,这里定义1.网络节点度D:给定一个网络区域,对于其中任意一个节点i,在其通信半径内网络节点的数量即为网络节点度;并统计出符合相应度的车辆出现的频次,进行绘制;车联网中车辆总是和很少节点连接,因此可针对车联网中节点进行筛选,得到优异的节点,即可利用这些节点转发网络中大部分信息,提高网络信息送达率,又由于车联网满足局域世界演化模型,当有新车辆加入时,车辆优先和局部世界车辆通信,本方法可以选择局部世界的优异节点对当前节点数据进行转发,从而提高网络通达性;(3)城市道路网络中节点分布的稀疏性与稠密性现代城市道路网络越来越复杂,网络中任何细微突变都会导致一大片区域网络波动;当某道路上发生交通事故,事故附近车辆数会急剧增加,导致交通拥堵,车联网网络呈现稠密状态,但由于事故信息被广播出去,多数司机选择绕路行驶,事故附件车辆数增加缓慢,随着交通事故处理的完毕,道路状态会慢慢恢复正常。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
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同济大学,未经同济大学许可,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/patent/201510697873.7/,转载请声明来源钻瓜专利网。





