城市场景中车联网大规模异构网络连通性质的研究方法技术

一种城市场景中车联网大规模异构网络连通性质的研究方法，利用图论对车联网进行建模，利用复杂网络分析技术中相关度量，将它们改造适用于车联网瞬时性质，利用这些性质，在现有的TAPASCologne数据集的基础上，利用复杂网络分析工具等对实际的车联网随时间的演化情况进行仿真测试和数据分析，对大规模车辆移动轨迹TAPASCologne数据集进行了动力学分析，得出车联网大规模异构网络的连通性质的相关结论。本发明专利技术是对车联网性质进行深入系统的研究，可以实现对大规模异构网络网元之间的有效集成，保障车联网大规模网络互连互通的实时性。本发明专利技术从根本上保障了车联网大规模信息的交换，能满足和支撑大区域环境下的交通拥堵、交通安全、雾霾治理等实时数据采集的应用需求。

【技术实现步骤摘要】

本专利技术涉及车联网领域，具体涉及城市场景中车联网大规模异构网络连通性质的分析方法。
技术介绍
目前，中国已成为世界上最大的汽车生产和销售大国，汽车成为人们生活的重要组成部分，同时也已经成为用户家庭、办公室外的第三个重要空间，通过互联网解决了“家庭网”、“办公网”后，汽车网络就成了重要的关注对象。然而，汽车使用率的增加，必将导致交通拥堵、交通安全、空气污染等严重问题。车联网是一个比较有效的解决方案，其将先进的信息技术、网络技术、自动控制技术以及计算机技术等高新技术有效地运用于整个数据传输体系，可降低交通拥堵，减少交通事故，降低环境污染，建立起一种实时、准确、高效的数据传输体系。车联网的目标和特性决定了车联网是一个庞大、复杂、由不同的分层网络组成的一个异构网络系统。它的组成包含三部分：①车体域，主要由车内各种传感器和终端节点组成一个小型车体网络，用来获取车内信息和邻近车辆的实时信息；②物理空间域，主要由物理环境中的各种网络组成，包括不同类型的路边基础设施网络、车体网以及移动通信网络等；③信息空间域，主要包括接入网络类型、网络的服务质量、协议类型、网络带宽、终端能力等。车联网各个组成部分之间不协调运行是影响车联网应用和发展的根源之一。因此，车联网大规模异构网络的连通性是车联网中一个重要研究领域。在新型车联网大规模网络体系中，如何从整体角度出发，提供车联网基本属性和分析方法，有效分析在高动态环境下的网络连通的性能，解决车联网大规模异构网络中的数据实时传输问题，是车联网大规模网络研究所面临的一个难点。现有的对车联网的连通性技术主要利用仿真和分析法，并且目标对象仅仅针对车辆自组织网络(VehicularAd-hocNETwork,VANET)，并没有考虑车联网大规模异构网络，从而难以指导由于车联网大规模异构网络的信道的高度时变性、突出的多普勒效应和网络拓扑的不确定性等因素带来的大规模异构网络网元之间的有效集成，使得车联网大规模网络互连互通的实时性存在极大的局限，将会带来效率和性能上的严重不足，从根本上制约车联网大规模信息的交换，难以支撑大区域环境下的交通拥堵、交通安全、雾霾治理等实时数据采集的应用需求。
技术实现思路
本专利技术目的在于公开一种城市场景中车联网性质研究方法，对车联网性质进行深入系统的研究，从而可以实现对大规模异构网络网元之间的有效集成，保障了车联网大规模网络互连互通的实时性。因此，本专利技术从根本上保障了车联网大规模信息的交换，能满足和支撑大区域环境下的交通拥堵、交通安全、雾霾治理等实时数据采集的应用需求。为此，本专利技术给出以下技术方案实现：本专利技术研究方法，其特征在于，利用图论对车联网进行建模，利用复杂网络分析技术中相关度量，将它们改造适用于车联网瞬时性质，利用这些性质，在现有的TAPASCologne数据集(来源于theInstituteofTransportationSystemsattheGermanAerospaceCenter(ITS-DLR)的基础上，利用复杂网络分析工具等对实际的车联网随时间的演化情况进行仿真测试和数据分析，对大规模车辆移动轨迹TAPASCologne数据集进行了动力学分析，得出车联网大规模异构网络的连通性质的相关结论。一种城市场景中车联网大规模异构网络连通性质的研究方法，其特征在于，具体方法包括如下步骤：步骤1.利用TAPASCologne的Origin/Destination矩阵方法生成新的数据集；步骤2.分析了车联网的相关性质，包括车辆数、链路数、链路与车辆的关系等，利用仿真实验对无基础设施的车联网网络基本性质进行分析；步骤3.利用仿真实验对无基础设施的车联网网络车群结构基本性质进行分析；步骤4.将基础设施引入车联网网络中，利用仿真实验对有基础设施的车联网网络基本性质进行分析；步骤5.在车联网车辆中心性的研究方面，利用介数和游说指数找出高质量的车辆；步骤6.比较车联网的直径与剩余车辆数的关系，确定有基础设施的车联网的健壮性和鲁棒性。这6个步骤的具体内容分别如下。所述步骤1中，获取新的数据集采用TAPASCologne数据集(来源于theInstituteofTransportationSystemsattheGermanAerospaceCenter(ITS-DLR))，它是结合真实的道路拓扑、准确的微观移动建模、现实的交通需求和先进的交通分配，在德国科隆市400平方千米的区域内，生成包括超过70万辆车次的24小时合成轨迹文件，该数据集是目前可在线获取的最完整的大规模车辆移动模型；利用TAPASCologne的Origin/Destination矩阵方法生成新的数据集。所述步骤2中，车联网相关性质表示与定义t时刻车辆vi的度di(t)是在它的通信范围内同样具备车联网通信功能的其他车辆的数量：度分布是描述网络性质的一个重要统计量。t时刻车辆的度分布pt(d)定义为在t时刻的车联网中随机地选择一个车辆，它的度为d的概率，或者等价地描述为车联网中度为d的车辆数占车辆总数的比例。t时刻车联网G(t)密度DG(t)为车联网中的实际链路数与可能的最大链路数的比值：t时刻车联网G(t)的平均最少链路数hG(t)，为车联网中任意一对车辆之间进行通信所需的最少链路数的平均值：其中hij(t)为t时刻车辆i,j之间的最短通信链路所需的跳数。所有车辆间的最短通信链路的跳数中的最大值称为车联网的直径。车联网中的车群指的是其中的致密子网，即车群内的链路数大于不同车群间的链路数。为了找出车群，可以将t时刻车联网G(t)转换为有向图，使得其中是t时刻车辆ui的入度和出度。t时刻车联网G(t)的某个子网U(t)构成车群，当它满足：即车群U(t)内所有度的和大于朝向车联网G(t)的剩余部分的度的和。t时刻车联网中某个车群k的集聚系数cck(t)，它是衡量网络集团化程度的重要参数：其中，||Ek(t)||是t时刻车群k中存在的链路数，||Nk(t)||是t时刻车群k中的车辆数。t时刻车辆vi的邻近中心性Ci(t)，衡量的是网络中某辆车向其他车辆发送信息所需花费的时间，可表示为该车辆与车联网中其他所有车辆通信所需链路数(跳数)的和的倒数：其中hops(vi,vj)是车vi与车vj之间的跳数。车联网中不在相互通信范围内的车辆vi和vj之间的通信主要依赖于连接车辆vi和vj的转发路径上所经过的中继车辆，如果某辆车被许多条转发路径经过，则表示该辆车在当前...

【技术保护点】
一种城市场景中车联网大规模异构网络连通性质的研究方法，其特征在于，利用图论对车联网进行建模，利用复杂网络分析技术中相关度量，将它们改造适用于车联网瞬时性质，利用这些性质，在现有的TAPASCologne数据集的基础上，利用复杂网络分析工具等对实际的车联网随时间的演化情况进行仿真测试和数据分析，对大规模车辆移动轨迹TAPASCologne数据集进行了动力学分析，得出车联网大规模异构网络的连通性质的相关结论。

【技术特征摘要】
1.一种城市场景中车联网大规模异构网络连通性质的研究方法，其特征在于，利用图
论对车联网进行建模，利用复杂网络分析技术中相关度量，将它们改造适用于车联网瞬时
性质，利用这些性质，在现有的TAPASCologne数据集的基础上，利用复杂网络分析工具等对
实际的车联网随时间的演化情况进行仿真测试和数据分析，对大规模车辆移动轨迹
TAPASCologne数据集进行了动力学分析，得出车联网大规模异构网络的连通性质的相关结
论。
2.一种城市场景中车联网大规模异构网络连通性质的研究方法，其特征在于，具体方
法包括如下步骤：
步骤1.利用TAPASCologne的Origin/Destination矩阵方法生成新的数据集；
步骤2.分析了车联网的相关性质，包括车辆数、链路数、链路与车辆的关系等，利用仿
真实验对无基础设施的车联网网络基本性质进行分析；
步骤3.利用仿真实验对无基础设施的车联网网络车群结构基本性质进行分析；
步骤4.将基础设施引入车联网网络中，利用仿真实验对有基础设施的车联网网络基本
性质进行分析；
步骤5.在车联网车辆中心性的研究方面，利用介数和游说指数找出高质量的车辆；
步骤6.比较车联网的直径与剩余车辆数的关系，确定有基础设施的车联网的健壮性和
鲁棒性。
3.如权利要求2所述的城市场景中车联网大规模异构网络连通性质的研究方法，其特
征在于，所述步骤1中，利用TAPASCologne的Origin/Destination矩阵方法生成新的数据
集。
4.如权利要求2所述的城市场景中车联网大规模异构网络连通性质的研究方法，其特
征在于，所述步骤2中，车联网相关性质表示与定义t时刻车辆vi的度di(t)是在它的通信范围内同样具备车联网通信功能的其他车辆的数
量：
度分布是描述网络性质的一个重要统计量；t时刻车辆的度分布pt(d)定义为在t时刻的
车联网中随机地选择一个车辆，它的度为d的概率，或者等价地描述为车联网中度为d的车
辆数占车辆总数的比例；
t时刻车联网G(t)密度DG(t)为车联网中的实际链路数与可能的最大链路数的比值：
D G ( t ) = | | E ( t ) | | n ( n - 1 ) - - - ( 2 ) ]]>t时刻车联网G(t)的平均最少链路数hG(t)，为车联网中任意一对车辆之间进行通信所
需的最少链路数的平均值：
h G ( t ) = 1 n ( n - 1 ) Σ i ≠ j ∈ G h i j ( t ) - - - ( 3 ) ]]>其中hij(t)为t时刻车辆i,j之间的最短通信链路所需的跳数；所有车辆间的最短通信
链路的跳数中的最大值称为车联网的直径；
车联网中的车群指的是其中的致密子网，即车群内的链路数大于不同车群间的链路
数；为了找出车群，可以将t时刻车联网G(t)转换为有向图，使得其中
是t时刻车辆ui的入度和出度；
t时刻车联网G(t)的某个子网U(t)构成车群，当它满足：
Σ u i ∈ U ( t ) ( d i i n ( t ) ) ( U ( t ) ) > Σ u i ∈ U ( t ) ( d i o u t ( t ) ) ( U ( t ) ) - - - ( 4 ) ...

【专利技术属性】
技术研发人员：程久军，程骏路，徐娟，臧笛，陈福臻，鄢晨丹，吴潇，邵剑雨，廖竞学，杨阳，秦鹏宇，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31