一种车载通信延时建模方法技术

本发明专利技术公开了一种车载通信延时建模方法，涉及车载通信技术领域，该方法包括：基于联合概率分布函数建立车载通信延时的混合模型；在不同行驶场景下分别采集车载通信延时数据；为混合模型的各个分布设置初始参数；将车载通信延时数据代入混合模型估计各分布的混合权重；根据车载通信延时数据和混合权重重新估计各个分布的参数；将车载通信延时数据代入更新参数后的混合模型重新估计各分布的混合权重；重新执行重新估计各个分布的参数的步骤，直至前后两次迭代得到的混合权重和参数变化小于预设值，得到各个行驶场景下的混合模型；通过在不同交通环境下对车载通信延时进行建模，使混合模型能够适应当前的交通环境。合模型能够适应当前的交通环境。合模型能够适应当前的交通环境。

【技术实现步骤摘要】
一种车载通信延时建模方法


[0001]本专利技术涉及车载通信
，尤其是一种车载通信延时建模方法。

技术介绍

[0002]智能网联(V2X)技术可增强单车智能自动驾驶汽车的环境感知能力，为其做出正确的决策判断，提供有利的数据支撑。然而实现V2X需要稳定、可靠、低时延的车载通信保证。目前的车载通信延时建模大多是无线通信分析，只考虑了通信信道环境对当前环境下延时的影响，而无法涉及到障碍物遮挡、天气以及交通的位置、时间和状况等，因此现有的建模方法无法适应所有的交通环境。而且不同的交通环境，如建筑物、树木、障碍物等形成的遮挡，都会对车载通信延时产生很大的影响。

技术实现思路

[0003]本专利技术人针对上述问题及技术需求，提出了一种车载通信延时建模方法，能够在不同的交通环境下对车载通信延时进行建模，使混合模型能够适应当前的交通环境。
[0004]本专利技术的技术方案如下：
[0005]一种车载通信延时建模方法，包括如下步骤：
[0006]基于联合概率分布函数建立车载通信延时的混合模型；
[0007]在不同行驶场景下分别采集车载通信延时数据；
[0008]为混合模型的各个分布设置初始参数；
[0009]将第i个行驶场景下的车载通信延时数据代入混合模型估计各分布的混合权重；
[0010]根据第i个行驶场景下的车载通信延时数据和混合模型的混合权重重新估计各个分布的参数；
[0011]将第i个行驶场景下的车载通信延时数据代入更新参数后的混合模型重新估计各分布的混合权重；
[0012]重新执行根据第i个行驶场景下的车载通信延时数据和混合模型的混合权重重新估计各个分布的参数，直至前后两次迭代得到的混合权重和参数变化小于预设值，得到第i个行驶场景下的混合模型；
[0013]令i＝i+1，重新执行将第i个行驶场景下的车载通信延时数据代入混合模型估计各分布的混合权重，直至得到所有行驶场景下的混合模型。
[0014]其进一步的技术方案为，混合模型的表达式为：
[0015][0016]其中，f(x)是联合概率分布函数，π
k
是混合权重，且f
k
(
·
)是模型k的概率分布函数，θ
k
是概率分布函数的参数，K是概率分布函数的个数，x是车载通信延时数据。
[0017]其进一步的技术方案为，估计各分布的混合权重，包括：
[0018]根据各分布的初始参数或更新参数，分别计算出第i个行驶场景下的车载通信延时数据在各分布函数下的概率，作为各分布函数的混合权重。
[0019]其进一步的技术方案为，不同行驶场景包括多种影响因素，分别为采样开始时刻T以及随时间变化的位置P、交通状况TF和天气W；
[0020]位置P为路口的经纬度坐标；
[0021]交通状况TF指当前交通的拥堵等级，设定拥堵0
‑
10辆车为等级1，拥堵10
‑
20辆车为等级2，拥堵20
‑
40辆车为等级3，拥堵40
‑
70辆车为等级4，拥堵70
‑
100辆车为等级5，拥堵100辆车以上为等级6；
[0022]设定晴天为W0，小雨为W1，中雨为W2，大雨为W3，小雪为W4，大雪为W5，雾霾为W6；
[0023]在不同行驶场景下分别采集车载通信延时数据，包括：
[0024]将每个行驶场景下的影响因素用数组形式表示为[P，T，TF，W]；
[0025]在每个行驶场景下，根据数组对应的T开始采集车载通信延时数据，在设定采样时间段内记录下变化的影响因素数组及对应的车载通信延时数据。
[0026]其进一步的技术方案为，概率分布函数包括指数分布函数、正态分布函数和对数正态分布函数；
[0027]指数分布函数的表达式为：
[0028]f
exp
(x|λ)＝λe
‑
λx
，其中λ是比例参数；
[0029]正态分布函数的表达式为：
[0030]其中μ1、σ1分别表示正态分布的均值和方差；
[0031]对数正态分布函数的表达式为：
[0032]其中μ2、σ2分别表示对数正态分布的均值和方差。
[0033]其进一步的技术方案为，重新估计各个分布的参数，包括：
[0034]假设三个分布函数的参数未知，采用极大似然函数通过第i个行驶场景下的车载通信延时数据来估计三个分布函数的参数，混合模型的极大似然函数为：
[0035][0036]其中，m为第i个行驶场景下的车载通信延时数据的个数；
[0037]分别对待求参数求偏导，使偏导数为零，估计出各个待求参数的值。
[0038]其进一步的技术方案为，为混合模型的各个分布设置初始参数，包括：
[0039]对比例参数、正态分布的均值和方差、对数正态分布的均值和方差进行初始化设置。
[0040]其进一步的技术方案为，在得到所有行驶场景下的混合模型后，方法还包括：
[0041]在每个行驶场景下，向混合模型输入对应的车载通信延时数据并进行预测，得到下一时刻的车载通信延时数据。
[0042]本专利技术的有益技术效果是：
[0043]基于联合概率分布函数建立车载通信延时的混合模型，针对不同行驶场景，且考虑多种影响因素，利用不同行驶场景下的车载通信延时数据通过迭代的方法得到不同交通环境下的车载通信延时的混合模型，使得该混合模型能够适应随机的交通环境，更符合实际交通中的应用；在同一行驶场景下，通过对相应的混合模型进行预测，还能够得到下一时刻的车载通信延时数据，便于V2X提前预判、提供有利的数据支撑。
附图说明
[0044]图1是本申请提供的车载通信延时建模方法的流程图。
具体实施方式
[0045]下面结合附图对本专利技术的具体实施方式做进一步说明。
[0046]如图1所示，一种车载通信延时建模方法，包括如下步骤：
[0047]步骤1：基于联合概率分布函数建立车载通信延时的混合模型。
[0048]混合模型的表达式为：
[0049][0050]其中，f(x)是联合概率分布函数，π
k
是混合权重，且f
k
(
·
)是模型k的概率分布函数，θ
k
是概率分布函数的参数，K是概率分布函数的个数，x是车载通信延时数据。
[0051]概率分布函数包括指数分布函数、正态分布函数和对数正态分布函数，且：
[0052]1)指数分布函数的表达式为：
[0053]f
exp
(x|λ)＝λe
‑
λx
，其中λ是比例参数；
[0054]2)正态分布函数的表达式为：
[0055]其中μ1、σ1分别表示正态分布的均值和方差；
[0056]3)对数正本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车载通信延时建模方法，其特征在于，所述方法包括：基于联合概率分布函数建立车载通信延时的混合模型；在不同行驶场景下分别采集车载通信延时数据；为所述混合模型的各个分布设置初始参数；将第i个行驶场景下的车载通信延时数据代入所述混合模型估计各分布的混合权重；根据所述第i个行驶场景下的车载通信延时数据和所述混合模型的混合权重重新估计各个分布的参数；将所述第i个行驶场景下的车载通信延时数据代入更新参数后的混合模型重新估计各分布的混合权重；重新执行所述根据所述第i个行驶场景下的车载通信延时数据和所述混合模型的混合权重重新估计各个分布的参数，直至前后两次迭代得到的混合权重和参数变化小于预设值，得到所述第i个行驶场景下的混合模型；令i＝i+1，重新执行所述将第i个行驶场景下的车载通信延时数据代入所述混合模型估计各分布的混合权重，直至得到所有行驶场景下的混合模型。2.根据权利要求1所述的车载通信延时建模方法，其特征在于，所述混合模型的表达式为：其中，f(x)是所述联合概率分布函数，π
k
是所述混合权重，且f
k
(
·
)是模型k的概率分布函数，θ
k
是所述概率分布函数的参数，K是所述概率分布函数的个数，x是车载通信延时数据。3.根据权利要求1所述的车载通信延时建模方法，其特征在于，估计各分布的混合权重，包括：根据各分布的初始参数或更新参数，分别计算出所述第i个行驶场景下的车载通信延时数据在各分布函数下的概率，作为各分布函数的混合权重。4.根据权利要求1所述的车载通信延时建模方法，其特征在于，所述不同行驶场景包括多种影响因素，分别为采样开始时刻T以及随时间变化的位置P、交通状况TF和天气W；所述位置P为路口的经纬度坐标；所述交通状况TF指当前交通的拥堵等级，设定拥堵0
‑
10辆车为等级1，拥堵10
‑
20辆车为等级2，拥堵20
‑
...

【专利技术属性】
技术研发人员：常琳，蒋华涛，仲雪君，陈大鹏，
申请(专利权)人：无锡物联网创新中心有限公司，
类型：发明
国别省市：