高速公路场景中开放式无人驾驶车车群模型形成算法制造技术

一种高速公路场景中开放式无人驾驶车车群模型形成算法，其特征在于，通过上述的状态转换算法、车群形成算法，高速公路场景内实时更新的动态拓扑网络车群中每个无人驾驶车群模型可以保持无人驾驶车辆节点之间的互联互通，使得车群内节点可以有目的的信息交互；同时，由于本发明专利技术车群形成算法中使用模块度度量车群内节点的连通度与稳定度，在满足引领节点比率、状态更改次数、引领节点平均时长的条件限制，形成无人驾驶车群。形成无人驾驶车群。形成无人驾驶车群。

【技术实现步骤摘要】
高速公路场景中开放式无人驾驶车车群模型形成算法


[0001]本专利技术涉及无人驾驶网络，为全新领域。

技术介绍

[0002]现有车联网互联互通的现有技术：
[0003]目前，所谓车联网皆指人驾驶车辆。相关研究人员在车辆自组织网络(Vehicular Ad
‑
hoc NETwork,VANET)、基于基础设施的车联网网络(Vehicular Infrastructure
‑
based NETwork,VINET)以及VANET与VINET混合网络方面进行了相关研究。
[0004]①
在车辆自组织网络VANET
[0005]目前，研究者利用仿真和分析法对VANET的连通性随时空变化如何改变开展了研究：
[0006]i.仿真方面
[0007]VIRIYASITAVAT W等基于关键指标如链路持续时间，连通网络的数量和持续时间，以及断开网络的愈合时间，对V2V网络连通性进行了仿真研究，结果表明，城市地区具有高度动态的网络连接模式。AKHTAR N等将公路场景抽象为一维的本文档来自技高网...

【技术保护点】

【技术特征摘要】
Information Basic Table)，包括节点自身及其邻居节点的车辆信息；(2)选举状态SE(Select State)每个无人驾驶车辆节点在初始化状态后，全面感知其邻居节点信息，同时将自身信息发送给周围邻居节点，将车辆基本信息表VIBT更新为最新状态，此时，该无人驾驶车辆节点将自身的状态切换为选举状态；(3)/(4)引领节点状态与普通节点状态为了表征无人驾驶车辆节点在车群中的地位与其在车群维护中的贡献程度，在选举状态后，一个无人驾驶车群产生一个以上引领节点(Leading node；LN)和若干个普通成员节点(Common node；CN)；每个引领节点负责管理所在车群的各项信息；在车群运动过程中，引领节点往往决定一个非本车群的节点是否可以加入本车群；同时，车群的节点集合N
i
中除引领节点外，剩下无人驾驶车辆节点处于普通节点状态；(5)游离节点FN(Freeing Node)状态在无人驾驶车辆节点运动过程中，若节点不能连接到任何现有车群，且周围不存在可以连通的节点，则此节点处于游离节点状态；四、无人驾驶车辆状态转换过程步骤根据无人驾驶车辆节点在高速公路场景中运动特性和五种状态，给出无人驾驶车辆状态转换过程：1)无人驾驶车辆节点开始处于初始化状态，这种状态下车辆周期性的交换HELLO数据包构建自己的车辆基本信息表VIBT；然后车辆转换到选举状态SE，在该状态中车辆做出其下一状态的决定，进入步骤2)；2)当处于选举状态SE的无人驾驶车辆节点附近不存在邻近节点时，车辆转换为游离节点FN状态，进入步骤3)；3)当处于游离节点FN状态的无人驾驶车辆节点发现可以直接连接的其他游离节点FN后，车辆转换为选举状态SE；而当处于游离节点状态的无人驾驶车辆节点附近存在引领节点LN或普通节点CN的车群节点，则转换为普通节点，或者车辆节点转换为选举状态SE；4)处于选举状态SE的无人驾驶车辆节点附近存在且不属于任何车群的节点，并且节点的相对属性度量最好，则车辆状态转换为引领节点LN状态；进入步骤5)或者步骤6)；5)在选举状态SE中，所述引领节点LN必然存在无人驾驶车辆节点度量性不是最优，则转换为普通节点CN状态；否则转换为引领节点LN状态；6)当引领节点LN附近不存在普通节点CN时，则转换为选举状态SE；7)当普通节点CN所属的车群引领节点LN不存在时，转换为选举状态SE。2.一种从性能上优化权利要求1高速公路场景中开放式无人驾驶车车群模型形成算法，其特征在于，包括如下步骤：第一步，提出所述转换过程中车辆状态转换的优选策略：1)无人驾驶车辆节点，扫描车辆节点附近，判断是否存在车辆节点，是则进入步骤2)，否则进入步骤3)；2)判断车辆节点是否为引领节点LN，是则通过该引领节点LN加入该引领节点所在的车
群，否则通过普通节点CN加入该引领节点所在的车群；结束；3)判断是否存在游离节点FN，有则与之新建车群，结束；否则将自身切换为游离节点FN状态，跳转进入步骤1)；第二步，设计车群性能指标步骤，用于提升形成车群的稳定性；在无人驾驶车群的动态形成过程中，设置无人驾驶车辆状态转换后的状态应满足的四个性能指标，包括可容忍的引领节点比率Rat
LN
、可容忍的状态更改次数SC
sum
、可容忍的引领节点平均时长AVGT
LN
以及计算车群模块度EQ；其中：(1)所述引领节点比率，将引领节点的数量与节点总和的比例定义引领节点比率Rat
LN
，其数学表达式为(9)：其中，N
LN
表示在某个指定时刻引领节点的数量，即车群的个数；表示此时道路中总节点数量；Rat
LN
，其较小的引领节点比例值表示车群具有更高的稳定性，设置阈值得到可容忍的引领节点比率Rat
LN
；(2)所述平均状态更改次数，是指无人驾驶车辆节点在其生命周期中变化状态的次数，其数学表达式为(10)：其中，SC
v
表示无人驾驶车辆节点v在其生命周期中状态更改的次数，表示节点的总数量，N
i
表示无人驾驶车辆节点v
i
所在车群的节点的集合；(3)所述引领节点平均时长，将节点当作引领节点的正常时间段采用引领节点平均时长表示，其数学表达式为(11)：其中，表示节点i在其生命周期中充当引领节点的时间；N
LN
表示引领节点的数量。所述引领节点平均时长AVGT
LN
，其时间段值越高，表示车群具有较高的稳定性，设置阈值得到可容忍的引领节点平均时长AVGT
LN
；(4)所述车群模块度EQ用于对车群内部与车群外部密集程度进行量化，其数学表达式为(8)：其中，m是网络中边的数目，两个车辆节点之间通信就视为两个节点之间存在一条边；
Q
i
和Q
j
分别表示节点i和j所在车...

【专利技术属性】
技术研发人员：程久军，原桂远，毛其超，魏超，
申请(专利权)人：同济大学，
类型：发明
国别省市：