本发明专利技术提出了一种基于粒子群算法的车联网路侧单元部署方法，目的在于在给定路网范围内、给定路侧单元数量的情况下，确定能使部署效益近似最优的路侧单元部署方案。本发明专利技术首先建立路网模型，该路网模型能够描述曲线路段。然后根据路网中的各路段的车辆密度、所处区域特性、车道数等综合确定路段的权重密度，把路侧单元集合的无线覆盖范围之内的所有路段的加权权重之和作为路侧单元集合的覆盖效益，建立效益模型。路网模型和效益模型共同组成路侧单元部署问题模型，将路侧单元部署问题转化为搜索最优解问题。最后利用粒子群算法对搜索最优解问题进行优化求解。该方法能够逐步逼近最优部署效益，以尽量最优化路侧单元的部署效益。
【技术实现步骤摘要】
本专利技术属于移动通讯
，设计了一种基于粒子群算法的车联网路侧单元部 署方法。该方法区别于已有方法的特色在于，利用路侧单元部署问题模型将路侧单元部署 问题转化为非线性数学规划问题，并利用粒子群算法对非线性数学规划问题进行优化求 解。该方法能够逐步逼近最优部署效益，以尽量最优化路侧单元的部署效益。
技术介绍
车辆自组织网络是传统移动自组织网络在交通道路上的应用，是一种特殊的移动 自组织网络。车辆自组织网络主要由安装有安装了车载单元的车辆和安装于路侧的路侧 单元组成。车载单元和路侧单元都具有无线通信模块，支持车辆在移动过程中的无线信息 传输。这样，经由无线通信模块，车辆自组织网络中有两种基本的通信，分别为车辆与车辆 (V2V)间的通信、车辆与路侧单元这种路旁基础设施（V2I)间的通信。这样，利用无线通信 技术，可以使行驶中的车辆互相通信，并通过路侧单元访问外部网络乃至Internet，及时 获取交通状况信息、安全预警类信息、生活娱乐类信息，从而减少交通事故发生率、保障驾 驶安全、提尚交通效率。 显然，路侧单元集合是车联网内的车辆节点与外部网络的信息传输枢纽。若车辆 节点在路侧单元的无线通信覆盖范围内，则它可以直接从路侧单元获取信息。否则，车辆节 点不能直接获取路侧单元传输的信息。在车联网部署初期阶段，受多方面因素的制约，目标 路网范围内的路侧单元的部署数量通常是有限的，而相对来说车辆节点要大大超过路侧节 点，且车辆节点的信息需求增长迅速，这使得路侧单元称为车联网与外部网络的信息传输 容量瓶颈。因此，在路侧单元数量限制下，应优化路侧单元的部署位置，以尽可能多的满足 车辆节点的通信需求，从而最大化路侧单元的部署效益。 把处于无线通信覆盖范围内车辆节点看作获得了效益，而未处于其覆盖范围内的 节点看作未获得效益。路侧单元集合的一个部署方案确定后，将有许多车辆节点能被覆盖 而获得效益。由于车辆节点的动态性和车辆分布的时空差异性，以车辆节点为对象的覆盖 收益具有高度时空动态性和不确定性，并且路侧单元的位置一般固定。所以，实践中通常以 路网为对象确定路侧单元集合的覆盖效益，根据路网中的各路段的车辆密度、所处区域特 性、车道数等综合确定路段的权重密度，把路侧单元集合的无线覆盖范围之内的所有路段 的加权权重之和作为路侧单元集合的覆盖效益。假设P为路侧单元集合的所有可行部署位 置方案的集合，其中每个部署方案由各个路侧单元的某一特定可行部署位置构成的集合。 把寻找使路侧单元的部署效益最大化的路侧单元位置部署方案称为路侧单元部署问题。本 专利技术就针对该问题提出了一种基于粒子群算法的优化部署方法。
技术实现思路
本专利技术提出了一种基于粒子群算法的车联网路侧单元部署方法，目的在于在给定 路网范围内、给定路侧单元数量的情况下，确定能使部署效益近似最优的路侧单元部署方 案。 本专利技术所采用的技术方案是按照以下步骤进行： 步骤1.建立路网模型 任意给定区域，该区域内的路网用路网模型G(V，E)表示，其中V代表所有路网 内所有交叉路口的集合，路段集E代表路网内所有路段的集合。路网内的任意路段e用 e(vh，vt，ft，fw)来表示，其中vh为路段e的起点，vt为路段e的终点，ft为路段e的路线描 述函数，fw为路段e的权重密度函数，表示路段e的轨迹上各点处的权重密度，该权重密度 值表征该点若被路侧单元覆盖所能获得的收益。 若路网中需要部署n个路侧单元，假设每个路侧单元的覆盖直径为d，综合考虑各 项因素确定各路段的权重密度函数，则每个路侧单元的部署效益为路侧单元所有覆盖路段 的加权线积分。现在要解决的问题可描述为：找到P的子集P#使路网被中被路侧单元覆盖 的路段的加权权重最大。 步骤2.建立效益模型 给定路网和路侧单元集合部署位置方案，若某个路段完全处于路侧单元集合覆盖 范围内的，则称这样的路段为全覆盖路段，否则称为部分覆盖路段。假设路网G(V，E)中部 署的第j个路侧单元的全覆盖路段的集合为+，部分覆盖路段的集合为\_，j= 1，2,…，n， n个路侧单元的全覆盖路段的集合，部分覆盖路段的集合，则部署的 第j个路侧单元的部署效益h表示如下：⑴ 其中j= 1，2,…，n，me，j=en〇』，符号〇』为部署的第j个路侧单元的覆盖区域， 即my为路段e在路网中部署的第j个路侧单元的覆盖区域内的部分。 路网部署总效益匕表示如下：⑵ 其中札=en0,符号0为路网中所有路侧单元的覆盖区域，为路段e在路 网中所有路侧单元的覆盖区域内的部分。 由部署效益函数知，我们的目标是使得部署效益值尽可能地大，来达到路侧单元 部署效益最优的目标。因此将路网模型和效益模型共同构成路侧单元部署问题模型，通过 路侧单元部署问题模型将路侧单元部署问题转化为搜索最优解问题。 步骤3.利用粒子群算法对路侧单元部署问题进行优化求解 粒子群算法是一种有效的全局寻优算法，它模拟鸟群觅食的过程，通过个体间的 协作与竞争，实现复杂空间中最优解的搜索。下面基于步骤1和步骤2建立的路侧单元部 署问题模型介绍算法步骤。 算法步骤： 步骤1设置相关参数 步骤2初始化粒子群 步骤3计算粒子群适应值 步骤4更新自身最优算子和全局最优算子 步骤5更新粒子位置和速度 步骤6计算新位置粒子群适应值 步骤7更新新位置自身最优算子和全局最优算子 步骤8判断是否满足算法终止条件 步骤9停止进化，输出结果 本专利技术给出一种基于粒子群算法的车联网路侧单元部署方法。首先建立路网模 型，然后确立效益模型，路网模型和效益模型共同构成路侧单元部署问题模型，将路侧单元 部署问题转化为搜索最优解问题。最后利用粒子群算法对路侧单元部署问题进行优化求 解，从而达到最大化部署效益的目的。【附图说明】 图1是本专利技术方法的流程示意图； 图2是本专利技术方法的一种实施例的程序流程图； 图3是本专利技术方法的结果示意图。 具体实施方法 下面结合附图对本专利技术的实施方式进行详细说明。本实施例以本专利技术技术方案为 前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下 述的实施例。 下面给出基于粒子群算法的车联网路侧单元部署方法，如图1所示，按如下步骤 进行路侧单元部署： 步骤1.建立路网模型 假定路网用路网模型G(V，E)表示，交叉路口集V代表所有交叉路口的集合，路段 集E代表所有路段的集合。同时路网模型G(V，E)将某个路段e表示为6(\，\，4匕)，其 中vh为路段e的起点，vt为路段e的终点，ft为路段e的路线函数，fw为路段e的权重函 数。若路网中需要部署n个路侧单元，每个路侧单元的覆盖直径为d，综合考虑各项因素作 为权重，则每个路侧单元的部署效益为路侧单元所有覆盖路段的权重线积分。假设P为能 够满足目标的集合，现在要解决的问题可描述为：找到P的子集1^使其尽可能满足部署效 益最大化的目标。 步骤2.建立效益模型。 假设路网G(V，E)中部署的第j个路侧单元的全覆盖路段的集合为IV部分覆盖路 段的集合为j= 1，2,…，n，n个路侧单元的全覆盖路段的集合C/= 〃,，部分覆盖路 段的集合S= ，则部署的第j个路侧单元的部署效益h表示如下：其中j= 1，2,…，efl〇』，符号〇』为部署的第j个路侧单元本文档来自技高网...
【技术保护点】
一种基于粒子群算法的车联网路侧单元部署方法，其特征在于如下步骤：步骤1：建立路网模型：将某个路段e表示为e(vh,vt,ft,fw)，其中vh为路段e的起点，vt为路段e的终点，ft为路段e的路线函数，fw为路段e的权重函数；步骤2：建立效益模型：将路网部署总效益Bn表示如下：Bn=Σe∈U∫efw,e(x,y)ds+ΣMe∈S∫Mefw,e(x,y)ds---(1)]]>其中符号U为n个路侧单元的全覆盖路段的集合，符号S为其部分覆盖路段的集合，符号Me为路段e在路网中所有路侧单元的覆盖区域内的部分；步骤3：利用粒子群算法对路侧单元部署问题进行优化求解；步骤如下：步骤3.1：构造个体在粒子群算法求解路边单元部署问题中，每个粒子p作为一个可行解组成粒子群P；构造给出粒子p：假设路网中需要部署n个路侧单元，每个路侧单元在路网中的位置信息为l(x,y)，则n个路侧单元构成一个位置序列L(l1(x,y),l2(x,y),...,ln(x,y))；可以看出，位置序列L(l1(x,y),l2(x,y),...,ln(x,y))和可行解p是一一对应的关系；又因为每个可行解由三部分组成，即粒子的位置、速度和适应度值；则粒子i结构表示为：particle(i)＝{ location[], velocity[]， (2) fitness}粒子的位置编码结构表示为：particle(i).location[]＝L(l1(x,y),l2(x,y),...,ln(x,y)) (3)粒子的速度编码结构表示为：particle(i).velocity[]＝V(v1(x,y),v2(x,y),...,vn(x,y)) (4)步骤3.2：初始化粒子群随机生成m个位置序列L(l1(x,y),l2(x,y),...,ln(x,y))和速度序列V(v1(x,y),v2(x,y),...,vn(x,y))，并初始化对应的适应度值，组成m个粒子，分别记为P1,P2,...,Pm；每个P是一个粒子，m个粒子组成一个粒子群；步骤3.3：设定适应度函数用式(1)路网部署总效益Bn作为适应度值；粒子的适应度值记为：particle(i).fitness＝Bn (5)步骤3.4：更新自身最优算子和全局最优算子自身最优算子pid记录每个粒子到目前为止自己所经历过的最优解，通过自身所经历的最优解来不断调整自身的位置；全局最优算子pgd记录整个粒子群经历过的最好位置，通过此位置来更新自身位置，使得更新的解向着全局最优解的方向靠近；步骤3.5：更新粒子位置和速度当自身最优解和全局最优解都找到后，每个粒子更具公式(6)和公式(7)来更新自己的速度和位置；vid(t+1)＝ωvid(t)+η1rand()(pid‑lid(t))+η2rand()(pgd‑lid(t)) (6)lid(t+1)＝lid(t)+vid(t+1) (7)式中vid(t+1)表示第i个粒子在t+1次迭代中的速度，ω为惯性权重，η1、η2为加速常数，rand()为0～1之间的随机数；另外，为使粒子速度不至过大，我们设置了速度上限vmax，即当vid(t+1)＞vmax时，vid(t+1)＝vmax；vid(t+1)＜‑vmax时，vid(t+1)＝‑vmax；步骤3.6：基于前面提出的个体构造方法及评估值计算策略，使用粒子群算法来求解的步骤如下：(1)设置相关参数初始化粒子群规模、最大迭代次数、惯性权重、加速常数；(2)初始化粒子群随机生成包含若干粒子的粒子群M1，进化代数i＝1；(3)计算粒子群适应度值按照步骤3.3计算初始粒子群适应度值；粒子适应值越大，说明该粒子越接近最优解；(4)更新自身最优算子和全局最优算子(5)更新粒子位置和速度(6)计算新位置的粒子群适应度值(7)更新新位置的粒子群自身最优算子和全局最优算子(8)判断是否满足算法终止条件算法的终止条件是粒子群进化代数超过设定的最大迭代次数，转步骤(8)；否则，转步骤(5)；(9)停止进化，输出结果。...
【技术特征摘要】
【专利技术属性】
技术研发人员：高振国，朱涵，陈丹杰，陈炳才，姚念民，卢志茂，谭国真，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。