一种车载传感网节点移动智能驾驶员模型的构建方法技术

本发明专利技术公开了一种车载传感网节点移动智能驾驶员模型的构建方法，该方法以智能驾驶员模型为基础，对智能驾驶员模型中跟驰状态做出判断，将车辆移动过程中的相对速度、相对位置、时间依赖度、空间依赖度及路面依赖度5类不确定性指标作为节点移动云模型的影响因素集，利用云模型描述的不确定性指标引入智能驾驶员模型，对智能驾驶员模型中的相关参数进行修正，表征节点移动策略和移动规律。

Method for constructing mobile intelligent sensor network node mobile intelligent driver model

The invention discloses a construction method of a vehicular sensor network node mobile intelligent driver model, this method is based on the intelligent driver model of intelligent driver model in the following state judge, the relative speed, vehicle moving relative position, time dependence, spatial dependence and dependence on 5 types of pavement the uncertainty index as the factors influencing the mobile node cloud model, cloud model is used to describe the uncertainty of the index is introduced into the intelligent driver model, the relevant parameters in the intelligent driver model was modified, characterization of mobility strategy and movement.

【技术实现步骤摘要】

本专利技术涉及车载传感网节点移动模型
，特别涉及一种车载传感网节点移动智能驾驶员模型的构建方法。
技术介绍
作为物联网技术的典型应用，车载传感网已成为提高道路通行质量的优先发展技术。由于城市道路车流量较大，构成具有一定密度、稳定的车载传感网成为可能。节点移动策略是车载传感网进行数据分发的基础且关键问题，车载传感网节点移动模型描述了节点的移动策略和特点。移动模型的构建在车载传感网的发展及应用中起到了极其重要的作用。现有移动模型表征的是一种“智能”的驾驶行为，极少地考虑了影响节点移动的因素，脱离了节点移动的实际情况。车辆节点的移动受驾驶员和运行环境因素的影响，而这些因素又具有多样性、复杂性、模糊性、随机性和相关性，若无法对这些因素做与实际情况相吻合的定性分析与定量描述，移动模型就无法真实地描述节点的移动策略。因此，需要构建符合车载传感网自身特性的移动模型。智能驾驶员模型中当前车辆与前导车速度差和间距均是由模型得出的精确值，没有考虑不同驾驶员感知的差异性及外界因素的影响；期望速度和安全跟车时距也是在模型仿真初期就被设为固定值，没有考虑驾驶环境的随机多变性。新近发展起来的云理论具有综合模糊性和随机性为一体的特点。通过云的期望值、熵和超熵三个数字特征将模糊性和隶属度的随机性完全集成到一起，完成概念定性分析与定量描述的转换。因此，将云理论引入车载节点移动模型的建立中，成为研究车载传感网的优选方法。
技术实现思路
本专利技术的目的在于，提供一种车载传感网节点移动智能驾驶员模型构建方法，该方法将云模型完成节点移动影响因素的定性划分与定量描述，进而构建基于云模型的车载移动模型，对智能驾驶员模型中的参数进行修正，拓展智能驾驶员模型的描述能力，更真实地表征节点移动策略和移动规律。为了实现上述任务，本专利技术采用以下技术解决方案予以实现：一种车载传感网节点移动智能驾驶员模型的构建方法，其特征在于，该方法以智能驾驶员模型为基础，对智能驾驶员模型中跟驰状态做出判断，将车载网节点移动过程中的相对速度、相对位置、时间依赖度、空间依赖度及路面依赖度5类不确定性指标作为节点移动云模型的影响因素集，利用云模型描述的不确定性指标引入智能驾驶员模型，对智能驾驶员模型中的相关参数进行修正，表征节点移动策略和移动规律。根据本专利技术，对智能驾驶员模型中跟驰状态做出判断，从而改进加速度公式为：式中：a表示车辆的最大加速度；v表示车辆的当前速度；v0表示车辆在自由流状态下的期望速度；Δv表示后车与前车的速度差；s*(v,Δv)表示当前车辆与前导车的期望安全间距；sT表示判断跟驰行为的阈值，取125m；δ表示用于调整加速行为，当δ→∞时，即车辆保持恒定的加速度a直到速度到达v0，通常控制δ∈[1，5]；当s＞sT且s*＜0时，车辆进入自由加速状态；当s＜sT或s*＞0时，车辆处于跟驰状态。所述相关参数修正方法为：步骤一，计算模型给出“智能”数据对各个指标分类的激活程度，即隶属度值，由隶属度最大值确定数据所属分类；步骤二，由Y条件云发生器生成最大隶属度值的云滴drop(xi,umax)，其中，i＝1,2,3…n；步骤三，对xi进行数学平均的x则为经云模型修正的参数值，其中，Y条件云发生器算法公式为式中，Ey、En、He是指标数据所属分类的云数字特征。所述的云模型修正的参数值如下：(1)相对速度Δv、相对位置Δs修正将云模型描述的相对速度、相对位置指标引入智能驾驶员模型，对模型中精确的速度差和间距进行修正，使其符合驾驶员感知；综合驾驶员的心理-行为习惯，结合云模型关于概念划分理论，将相对速度划分为5个子集：{快很多，快一些，接近，慢一些，慢很多本文档来自技高网...

【技术保护点】
一种车载传感网节点移动智能驾驶员模型的构建方法，其特征在于，该方法以智能驾驶员模型为基础，对智能驾驶员模型中跟驰状态做出判断，将车载网节点移动过程中的相对速度、相对位置、时间依赖度、空间依赖度及路面依赖度5类不确定性指标作为节点移动云模型的影响因素集，利用云模型描述的不确定性指标引入智能驾驶员模型，对智能驾驶员模型中的相关参数进行修正，表征节点移动策略和移动规律。

【技术特征摘要】
1.一种车载传感网节点移动智能驾驶员模型的构建方法，其特征在于，该方法以智能驾驶员模型为基础，对智能驾驶员模型中跟驰状态做出判断，将车载网节点移动过程中的相对速度、相对位置、时间依赖度、空间依赖度及路面依赖度5类不确定性指标作为节点移动云模型的影响因素集，利用云模型描述的不确定性指标引入智能驾驶员模型，对智能驾驶员模型中的相关参数进行修正，表征节点移动策略和移动规律。2.如权利要求1所述的方法，其特征在于，所述对智能驾驶员模型中跟驰状态做出判断，从而改进加速度公式为：式中：a表示车辆的最大加速度；v表示车辆的当前速度；v0表示车辆在自由流状态下的期望速度；Δv表示后车与前车的速度差；s*(v,Δv)表示当前车辆与前导车的期望安全间距；sT表示判断跟驰行为的阈值，取125m；δ表示用于调整加速行为，当δ→∞时，即车辆保持恒定的加速度a直到速度到达v0，通常控制δ∈[1，5]；当s＞sT且s*＜0时...

【专利技术属性】
技术研发人员：李雪，郑晅，赵宁，谢雅丽，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西;61