一种基于遗传蚁群混合算法的车联网路侧单元部署方法技术

本发明专利技术公开了一种基于遗传蚁群混合算法的车联网路侧单元部署方法，包括建立路网模型、建立部署效益函数Bn、利用遗传蚁群混合算法对路侧单元部署问题进行优化求解；本发明专利技术首先建立的二维模型图更能够反映部署区域的地理位置，更具有实际运用价值，当最优解部署点计算出来后，可以很直观的知道部署点位置，为后续施工建设带来了方便；运用遗传蚁群混合算法，能够提高收敛速度和解的稳定性、多样性，成功避免早熟、停滞现象；另外由于遗传算法的局部搜索能力较差，导致单纯的遗传算法在局部搜索比较费时，在进化后期搜索效率较低，而蚁群算法对于小范围局部搜索就具有很大的优势，可以得到比单纯遗传算法更加优秀的结果。

【技术实现步骤摘要】
一种基于遗传蚁群混合算法的车联网路侧单元部署方法
本专利技术涉及车联网路侧
，尤其涉及一种基于遗传蚁群混合算法的车联网路侧单元部署方法。
技术介绍
随着5G时代的到来，物联网技术已经不再是一项遥不可及的未来科技，而其中最引人注目的是车联网，它作为智能交通系统的关键技术和重要研究方向之一，已成为保障行车安全、提高交通效率的重要技术手段之一。在车联网中车辆自组织网络(VANET,vehicularadhocnetwork)是一种特殊的移动自组织网络，它结合多个无线自组网技术，包括车与车通信(V2V,vehicle-to-vehicle)、车与路侧单元通信(V2R,vehicle-to-RSU)、车与人通信(V2P,vehicle-to-People)。这三种通信模式实现了车载自组织网络中人、车、路三者的智能协同。作为VANET的辅助通信设备，RSU能够解决由于车辆快速移动引起的网络拓扑结构频繁变化的问题，也能够提高车联网中的通信质量。然而，大量部署RSU不仅费用较高，而且会受到候选部署点集合、交通特征、道路特征等诸多因素的影响本文档来自技高网...

【技术保护点】
1.一种基于遗传蚁群混合算法的车联网路侧单元部署方法，其特征在于，具体包括以下步骤：/nS1、建立路网模型：/n建立一个二维路网模型G(V，E)。V＝(v1，v2，v3，…，vn)代表路网中交叉路口节点，而E＝(e1，e2，e3，…，em)代表节点之间的路段。则某个路段e表示为e(vh，vt，ft，fw)，其中vh、vt为路段起始点，而ft为路段e的路线函数，fw为路段e的权重函数；/nS2、建立部署效益函数Bn，如下所示：/n

【技术特征摘要】
1.一种基于遗传蚁群混合算法的车联网路侧单元部署方法，其特征在于，具体包括以下步骤：
S1、建立路网模型：
建立一个二维路网模型G(V，E)。V＝(v1，v2，v3，…，vn)代表路网中交叉路口节点，而E＝(e1，e2，e3，…，em)代表节点之间的路段。则某个路段e表示为e(vh，vt，ft，fw)，其中vh、vt为路段起始点，而ft为路段e的路线函数，fw为路段e的权重函数；
S2、建立部署效益函数Bn，如下所示：



其中U是n个路侧单元的覆盖路段集合，符号S为其部分覆盖路段的集合，Me为路段e在路网中所有路侧单元覆盖区域的部分；
S3、利用遗传蚁群混合算法对路侧单元部署问题进行优化求解：
3.1参数初始化，初始化遗传算法参数，包括遗传算法种群大小，变异算子参数pm，交叉算子参数pc；初始化蚁群算法参数，包括信息素启发因子α，期望启发因子β，信息素挥发因子ρ，寻找下一个节点的阀值概率p0；初始化遗传算法迭代次数n和蚁群算法的迭代次数m；
3.2种群个体编码方式；假设需要部署k个路侧单元，而(x，y)代表一个部署点的坐标，将x和y转化为二进制数，分别为(δ1...

【专利技术属性】
技术研发人员：陶鹏，刘明春，汪伟，潘世林，宁予，郭聪兰，
申请(专利权)人：汉腾汽车有限公司，
类型：发明
国别省市：江西;36