一种拥塞事件的判断方法技术

本发明专利技术公开了一种拥塞事件的判断方法，该方法包括：通过证据合并准则将通信范围内车辆的拥塞事件概率与所述通信范围内车辆的可信度进行融合，获得拥塞事件的全局概率指派函数m(A)及非拥塞事件的全局概率指派函数m(B)；其中，所述车辆的可信度的高低由该车辆发送消息时的传输时间、传输距离及车辆的物理质量决定；计算所述通信范围内车辆的最大及最小等待时间的差值；当所述最大及最小等待时间的差值大于拥塞最小等待阈值，且拥塞事件的全局概率指派函数m(A)与非拥塞事件的全局概率指派函数m(B)之差大于等于预定的判决阈值时，确定当前为拥塞事件。根据本发明专利技术公开的方法，避免了因短时间等待事件造成的决策误判，提高了判断的准确率。

【技术实现步骤摘要】

本专利技术涉及道路交通系统，尤其涉及。
技术介绍
VANET(VehicuIar Ad-hoc Network,车辆自组织网络)是一种通过传感器采集车辆及周围数据信息，在 V2V (Vehicular To Vehicular,车辆与车辆),V2B (Vehicular ToBaseStation，车辆与基站)之间进行信息交换处理的技术。由于它能很好的交换行车信息，从而对车辆提供高效安全的导航等服务，已在多个国家应用。在众多服务之中，对于车辆拥塞检测显得尤为重要。截止2012年2月，仅我国北京市，机动车数量就突破五百万，政府采取了购车摇号，尾号限行等方法来减少车辆拥塞；但是随着车辆数目的与日俱增，拥塞将不可避免的发生，如何准确、及时地检测拥塞事件从 而将信息在第一时间分发给其他车辆，是解决拥塞的关键。拥塞事件的检测基于车辆与车辆间的通信，每一辆车都能收集并转发交通拥塞信息给邻居节点车辆，接收车辆对收到的所有拥塞(异常)信息进行整合和分析，帮助驾驶员提前避开拥塞地段。由于车载自组织网络的高速移动和大规模特性，需要采用信息融合的方法对各类拥塞(异常)信息进行整合，从而减小数据传输开销和计算量。信息融合分为特征层融合和决策层融合。决策层融合属于高级别的信息融合，收到传来的拥塞信息后对其关联处理进行决策层融合判决，得到最终的判定结果。常见的决策层融合有多贝叶斯估计法和基于信任函数的决策等。多贝叶斯估计法主要用于测量不确定性和条件概率。通过该方法进行运算时，要求给出先验概率与条件概率，但是当删除一个规则后需要重新计算所有概率，在车辆自组织网络的大规模移动性下，该方法难以应用。基于信任函数的决策证据理论是由Dempster (登普斯特)于1967年首先提出，由他的学生shafer (谢弗)于1976年进一步发展起来的一种不精确推理理论，属于人工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。该方法利用m信任函数进行判决，是一种软判决，且该方法判决条件单一，不能很好地适用于情况多变的车辆自组织网拥塞判决。并且，由于车辆自组织网络的情况多变，现有技术对于经常出现的短时间等待事件(例如，红灯等)无法准确的做出判断，使得拥塞事件无法得到缓解。因此，研究一种行之有效的方法来提高拥塞事件的判断准确率成为解决拥塞事件的先决条件。
技术实现思路
本专利技术的目的是提供，避免了因短时间等待事件造成的决策误判，提高了判断的准确率。，该方法包括通过证据合并准则将通信范围内车辆的拥塞事件概率与所述通信范围内车辆的可信度进行融合，获得拥塞事件的全局概率指派函数m(A)及非拥塞事件的全局概率指派函数m(B);其中，所述车辆的可信度的高低由该车辆发送消息时的传输时间、传输距离及车辆的物理质量决定；计算所述通信范围内车辆的最大及最小等待时间的差值；当所述最大及最小等待时间的差值大于拥塞最小等待阈值，且拥塞事件的全局概率指派函数m(A)与非拥塞事件的全局概率指派函数m(B)之差大于等于预定的判决阈值时，确定当前为拥塞事件。由上述本专利技术提供的技术方案可以看出，通过证据合并准则对信息的决策层进行融合，降低了运算量，提高了判断效率；同时，通过设定拥塞最小等待阈值避免了因短时间等待事件造成的决策误判，提闻了判断的准确率。 附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。图I为本专利技术实施例一提供的的流程图；图2为本专利技术实施例二提供的又的流程图。具体实施例方式下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。实施例一图I为本专利技术实施例一提供的的流程图，该方法可以包括如下步骤步骤101、通过证据合并准则将通信范围内车辆的拥塞事件概率与所述通信范围内车辆的可信度进行融合，获得拥塞事件的全局概率指派函数m(A)及非拥塞事件的全局概率指派函数m (B)。其中，所述车辆的可信度的高低由该车辆发送消息时的传输时间、传输距离及车辆的物理质量决定。具体的首先，拥塞情况随时间变化，因此，传输时间的越长长，消息的可靠性会越低；其次，受到信道衰落的影响，每一跳的传输距离越长，可靠性就会越低；最后，车辆的物理质量越高级，它所携带的传感处理器也越好，从而能得到更加准确的原子消肩、O步骤102、计算所述通信范围内车辆的最大及最小等待时间的差值。本步骤与步骤101可同时进行。步骤103、当所述最大及最小等待时间的差值大于拥塞最小等待阈值，且拥塞事件的全局概率指派函数m(A)与非拥塞事件的全局概率指派函数m(B)之差大于等于预定的判决阈值时，确定当前为拥塞事件。本步骤中，将车辆的最大及最小等待时间的差值与拥塞最小等待阈值做比较的目的在于避免短时间等待事件(例如，红灯)造成的决策误判。本专利技术实施例通过证据合并准则对信息的决策层进行融合，降低了运算量，提高了判断效率；同时，通过设定拥塞最小等待阈值避免了因短时间等待事件造成的决策误判，提高了判断的准确率。实施例二为了便于理解本专利技术，本实施例以图2为例对进行详细介绍。步骤201、筛选所述通信范围内车辆发送的状态消息获得拥塞状态信息。决策车辆在段时间内会收到通信范围内车辆发送的大量状态消息，为减少计算量的同时保证判断的准确率，则对状态消息进行筛选。车辆的状态消息的筛选公式为权利要求1.，其特征在于，该方法包括 通过证据合并准则将通信范围内车辆的拥塞事件概率与所述通信范围内车辆的可信度进行融合，获得拥塞事件的全局概率指派函数m(A)及非拥塞事件的全局概率指派函数m⑶；其中，所述车辆的可信度的高低由该车辆发送消息时的传输时间、传输距离及车辆的物理质量决定； 计算所述通信范围内车辆的最大及最小等待时间的差值； 当所述最大及最小等待时间的差值大于拥塞最小等待阈值，且拥塞事件的全局概率指派函数m(A)与非拥塞事件的全局概率指派函数m(B)之差大于等于预定的判决阈值时，确定当前为拥塞事件。2.根据权利要求I所述的方法，其特征在于，计算所述拥塞事件的全局概率指派函数m(A)与所述非拥塞事件的全局概率指派函数m (B)的步骤为 计算第i辆车的拥塞事件基本概率指派函数Hii (A)与非拥塞事件基本概率指派函数Ini ⑶Ini ⑷=MC (Xi) · Pi ⑷； Ini (B) = MC (Xi) · Pi (B)； 其中，A与B为集合U= {Α,Β}中的子集，A代表有拥塞事件发生，B代表无拥塞事件发生A (A)为第i辆车的拥塞事件概率，Pi⑶为第i辆车非拥塞事件的概率，MC(Xi)为第i辆车的可信度函数； 根据证据合并准则分别融合第i辆车的拥塞事件基本概率指数函数与其相邻车辆ο的拥塞事件基本概率指数函数及第i辆车的非拥塞事件基本概率指数函数与其相邻车辆ο的非拥塞事件基本概率指数函数3.根据权利要求I所述的方法，其特征在于，该方法还包括筛选所述通信范本文档来自技高网...

【技术保护点】
一种拥塞事件的判断方法，其特征在于，该方法包括：通过证据合并准则将通信范围内车辆的拥塞事件概率与所述通信范围内车辆的可信度进行融合，获得拥塞事件的全局概率指派函数m(A)及非拥塞事件的全局概率指派函数m(B)；其中，所述车辆的可信度的高低由该车辆发送消息时的传输时间、传输距离及车辆的物理质量决定；计算所述通信范围内车辆的最大及最小等待时间的差值；当所述最大及最小等待时间的差值大于拥塞最小等待阈值，且拥塞事件的全局概率指派函数m(A)与非拥塞事件的全局概率指派函数m(B)之差大于等于预定的判决阈值时，确定当前为拥塞事件。

【技术特征摘要】

【专利技术属性】
技术研发人员：高德云，张宏科，张琳娟，赵伟程，朱婉婷，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：