一种基于车辆轨迹预测的多属性网络选择方法技术

本发明专利技术公开了车联网信息传输技术领域的一种基于车辆轨迹预测的多属性网络选择方法，旨在解决现有技术中车载移动终端可以接收到多个不同基站所覆盖的网络信号，由于车联网中车辆流动性大、运动速度快，若接入某一网络的时间过短容易造成网络的频繁切换，会产生信号不稳定的技术问题。所述方法包括如下步骤：预测车辆的轨迹和车速；基于所述轨迹和车速，预测车辆在不同网络中的驻留时间；将所述驻留时间与预设阈值进行比较，提取驻留时间大于预设阈值的网络作为候选网络；从所述候选网络中选取接入网络。

A multi-attribute network selection method based on vehicle trajectory prediction

【技术实现步骤摘要】
一种基于车辆轨迹预测的多属性网络选择方法
本专利技术涉及一种基于车辆轨迹预测的多属性网络选择方法，属于车联网信息传输

技术介绍
在车联网中存在多种不同的无线通信技术，包括无线局域网(WLAN)、4/5G网络、专用短程通信技术(DSRC)以及卫星通信网络等，不同网络拥有不同的网络属性。无线网络中的带宽和频谱资源有限，在有多种无线网络同时覆盖的热点区域，车载移动终端需要根据业务需求选择适合的网络，在满足车载移动终端在车联网中实时信息交互和共享的前提下，尽可能地节约无线资源的利用率，提高无线网络的接入效率。车载移动终端可以接收到多个不同基站所覆盖的网络信号，由于车联网中车辆流动性大、运动速度快，若接入某一网络的时间过短容易造成网络的频繁切换，会产生信号不稳定的问题，即乒乓效应。
技术实现思路
针对现有技术的不足，本专利技术的目的在于提供一种基于车辆轨迹预测的多属性网络选择方法，以解决现有技术中车载移动终端可以接收到多个不同基站所覆盖的网络信号，由于车联网中车辆流动性大、运动速度快，若接入某一网络的时间过短容易造成网络的频繁切换，会产生信号不稳定的技术问题。为解决上述技术问题，本专利技术所采用的技术方案是：一种基于车辆轨迹预测的多属性网络选择方法，包括如下步骤：预测车辆的轨迹和车速；基于所述轨迹和车速，预测车辆在不同网络中的驻留时间；将所述驻留时间与预设阈值进行比较，提取驻留时间大于预设阈值的网络作为候选网络；从所述候选网络中选取接入网络。优选地，预测车辆的轨迹和车速，包括：基于马尔科夫链，预测车辆的轨迹；基于所预测的轨迹，预测车辆即将途经的路段；获取所述路段上的车速信息；基于所述车速信息，预测车辆途经所述路段时的车速。优选地，基于马尔科夫链，预测车辆的轨迹，包括：基于车辆的历史轨迹数据，获取车辆在任一路口的一步转移概率；基于所述一步转移概率，获取车辆在所有路口的一步转移概率矩阵；基于所述一步转移概率矩阵，预测车辆的轨迹。优选地，所述一步转移概率矩阵，其表达式如下：其中，式中，P为车辆的一步转移概率矩阵，M为路口数，pij为由路口i转移到路口j的一步转移概率，N(i,j)为基于历史轨迹数据统计得出的由路口i转移到路口j的次数，N(i)为基于历史轨迹数据统计得出的经过路口i的次数。优选地，基于所述一步转移概率矩阵，预测车辆的轨迹，包括：基于车辆当前位置匹配获取一步转移概率矩阵P中的行号i；对比一步转移概率矩阵P中第i行的元素，根据对比结果提取一步转移概率最大的元素；提取所述一步转移概率最大的元素的列号，作为车辆当前位置；迭代上述过程，获取车辆的轨迹。优选地，基于所述轨迹和车速，预测车辆在不同网络中的驻留时间，包括：基于基站属性，获取所述路段上不同网络的覆盖范围；基于所预测的车辆途经所述路段时的车速和所获取的所述路段上不同网络的覆盖范围，获取车辆在不同网络中的驻留时间。优选地，从所述候选网络中选取接入网络，包括：选取所述候选网络的属性并获取候选网络的属性向量，所述属性包括传输速率、传输时延、发射功率、中断概率中的至少任两项；基于所述属性向量，运用层次分析法求取候选网络的加权属性向量；基于所述加权属性向量，求取候选网络的综合指标值；选取综合指标值最大的候选网络作为接入网络。优选地，基于所述属性向量，运用层次分析法求取候选网络的加权属性向量，包括：定义每两个属性在任一候选网络中的相对重要程度；基于相对重要程度、属性向量，求取候选网络的加权属性向量。优选地，基于所述加权属性向量，求取候选网络的综合指标值，包括：定义每两个候选网络对于任一属性的相对依赖程度；基于相对依赖程度、加权属性向量，求取综合结果矩阵；所述综合指标值为综合结果矩阵中任一行的行向量的所有元素相加。与现有技术相比，本专利技术所达到的有益效果：本专利技术采取马尔科夫链进行车辆轨迹预测，再根据预测的轨迹进行驻留时间计算，将驻留时间低于预设阈值的网络排除。这种做法的优点在于把容易产生乒乓效应的网络提前排除，将不会产生乒乓效应的网络进行集中选择，既保证了后续网络连接的稳定性也提高了网络选择效率。然后，采用层次分析法进行网络选择，该方法不会分割网络的各个属性对于最终选择的影响，且每一层的权重都将影响到最终选择。保证了所选择的最优网络不仅仅是在某一或某几个属性上优于其余候选网络，而是在经过多方面加权比较后，整体优于其余候选网络。附图说明图1是本专利技术实施例中车辆所处路口示意图；图2是本专利技术实施例中车辆所处网络覆盖示意图；图3是本专利技术实施例中递阶层次结构示意图；图4是本专利技术实施例流程示意图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。本专利技术具体实施方式提供了一种基于车辆轨迹预测的多属性网络选择方法，如图4所示，是本专利技术实施例流程示意图，所述方法包括如下步骤：步骤一，基于马尔科夫链的轨迹预测主要依靠状态转移概率矩阵预测车辆到下一个状态位置的可能性。车联网中车辆的位置并非离散，但我们可以将每个路口作为状态点进行预测。如图1所示，是本专利技术实施例中车辆所处路口示意图，将车辆从路口X向路口O行驶的过程称为：车辆沿着XO方向行驶。如果下一时刻车辆即将通过路口O，则车辆接下来会有三种行驶可能，即：OX方向、OY方向和OZ方向。上述处理可以将车辆的轨迹预测转换成选择不同行驶方向的点对点问题；假设车辆行驶途经各个路口的位置信息{Xn,n∈N}为离散状态空间的随机序列，n＝1,2,...,N。根据马尔科夫链的性质，可得出：P(Xn+1|...，Xn-2,Xn-1,Xn)＝P(Xn+1|Xn)(1)式中，P(Xn+1|Xn)为由Xn转移到Xn+1的概率，下一状态Xn+1出现的概率仅仅与当前状态Xn有关，而与之前的状态无关。车辆在n时刻由处于状态i的条件下转移到状态j的一步转移概率为：pij(n)＝P(Xn+1＝j|Xn＝i)(2)式中，pij(n)简记为pij。通过车辆大量移动历史轨迹数据统计，可以得到pij，具体过程为：假设N(i,j)为统计得到路口i转到路口j的次数，N(i)为路过某一路口i的次数，则有：如果该两个路口没有相连，则pij＝0。所有一步转移概率Pij组成的矩阵，称为某一时刻的一步转移概率矩阵，记为P。假设共有M个路口，则一步转移概率矩阵P为一个M×M的二阶矩阵，其表达式如下：对于每一辆车，都可以从其历史轨迹中得出一步转移概率矩阵。根据当前位置扫描一步转移概率矩阵P中的行号，对与前位置相对应的第i行中的各元素进行对比，获取一步转移概率最大的元素的列号j本文档来自技高网...

【技术保护点】
1.一种基于车辆轨迹预测的多属性网络选择方法，其特征是，包括如下步骤：/n预测车辆的轨迹和车速；/n基于所述轨迹和车速，预测车辆在不同网络中的驻留时间；/n将所述驻留时间与预设阈值进行比较，提取驻留时间大于预设阈值的网络作为候选网络；/n从所述候选网络中选取接入网络。/n

【技术特征摘要】
1.一种基于车辆轨迹预测的多属性网络选择方法，其特征是，包括如下步骤：
预测车辆的轨迹和车速；
基于所述轨迹和车速，预测车辆在不同网络中的驻留时间；
将所述驻留时间与预设阈值进行比较，提取驻留时间大于预设阈值的网络作为候选网络；
从所述候选网络中选取接入网络。


2.根据权利要求1所述的基于车辆轨迹预测的多属性网络选择方法，其特征是，预测车辆的轨迹和车速，包括：
基于马尔科夫链，预测车辆的轨迹；
基于所预测的轨迹，预测车辆即将途经的路段；
获取所述路段上的车速信息；
基于所述车速信息，预测车辆途经所述路段时的车速。


3.根据权利要求2所述的基于车辆轨迹预测的多属性网络选择方法，其特征是，基于马尔科夫链，预测车辆的轨迹，包括：
基于车辆的历史轨迹数据，获取车辆在任一路口的一步转移概率；
基于所述一步转移概率，获取车辆在所有路口的一步转移概率矩阵；
基于所述一步转移概率矩阵，预测车辆的轨迹。


4.根据权利要求3所述的基于车辆轨迹预测的多属性网络选择方法，其特征是，所述一步转移概率矩阵，其表达式如下：



其中，
式中，P为车辆的一步转移概率矩阵，M为路口数，pij为由路口i转移到路口j的一步转移概率，N(i,j)为基于历史轨迹数据统计得出的由路口i转移到路口j的次数，N(i)为基于历史轨迹数据统计得出的经过路口i的次数。


5.根据权利要求4所述的基于车辆轨迹预测的多属性网络选择方法，其特征是，基于所述一步转移概率矩阵，预测车辆的轨迹，包括：
基于车辆当前位置匹配获取一步转移概率矩阵P中的行号i；
对比一步转移概率矩阵P...

【专利技术属性】
技术研发人员：张登银，丁齐，丁飞，赵莎莎，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32