面向I2V信息共享的路侧终端协作算法研究

发布时间：2017-10-18 13:23

  本文关键词：面向I2V信息共享的路侧终端协作算法研究

  更多相关文章： 车联网 联盟划分 聚类遗传算法

【摘要】：近些年来,车联网领域迅速崛起,已经成为了智能交通系统中不可或缺的部分。车联网的发展已经能够为人们提供多种多样的应用,包括安全、效率、娱乐等等。在国际上,学术界和工业界对车联网的需求逐渐巨大起来,有越来越多的研究人员开始研究车联网这个领域。车联网相关的热点问题也逐渐受到人们的关注,其中的信息传输机制是支撑各种应用的基础。在车路通信中,由于路侧单元通信范围有限和车辆的快速移动特性,车辆只能在路侧单元通信范围内下载有限的数据种类,导致整个骨干网的收益并不理想。针对以上问题,Walid等人提出一种合作式的车-路通信方式,使用联盟博弈的方案对骨干网进行划分,形成联盟的概念。一方面,通过在同一联盟内实施合作式车-路通信,发掘车联网中潜在的车-车通信数据交换能力,增加网络中数据传播的种类,提高路侧单元的数据传播能力；另一方面,通过在不同联盟间实施非合作式车-路通信,降低整个车联网骨干网中路侧单元的合作成本。本文通过分析骨干网中车-车通信和车-路通信的特点,建立车联网合作式和非合作式车-路通信模型。本文在遗传算法的基础上进行改进,提出基于聚类遗传算法的路侧单元协作联盟划分策略(k-means clustering methods based on genetic algorithm,GKA)它应用k-means operation(KMO)操作代替复杂的交叉操作,并在变异操作中引入欧氏距离计算变异概率。遗传算法可以提高获取全局最优解的效率,聚类算法可以提高收敛速度,从整体上讲,GKA克服了单一算法局部搜索能力差、存在未成熟收敛和随机游走等现象,使路网中的数据种类最大化,获得的平均收益最高。
【关键词】：车联网 联盟划分 聚类遗传算法
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TN929.5;TP391.44
【目录】：

• 摘要4-5
• Abstract5-8
• 1 绪论8-13
• 1.1 研究背景8-9
• 1.2 研究目的和现状9
• 1.3 研究现状9-11
• 1.3.1 国外研究现状9-10
• 1.3.2 国内研究现状10-11
• 1.4 研究思路与结构框架11-13
• 2 相关技术及研究方法13-27
• 2.1 车联网概述13-17
• 2.1.1 车联网架构13-15
• 2.1.2 路侧单元15-17
• 2.2 遗传算法17-21
• 2.2.1 遗传算法介绍17-19
• 2.2.2 遗传算法研究现状19-21
• 2.2.3 遗传算法在车联网中的应用21
• 2.3 聚类算法21-25
• 2.3.1 主要聚类算法21-23
• 2.3.2 k-means算法23-25
• 2.4 本章小结25-27
• 3 基于聚类遗传算法的路侧单元协作联盟划分27-45
• 3.1 车联网非合作式车-路通信系统27-28
• 3.2 车联网合作式车-路通信系统28-31
• 3.3 骨干网联盟划分31-33
• 3.4 基于聚类遗传算法的联盟划分33-44
• 3.4.1 k值的选取33-34
• 3.4.2 编码34-36
• 3.4.3 适应度函数36
• 3.4.4 种群初始化36-38
• 3.4.5 选择操作38
• 3.4.6 变异操作38-40
• 3.4.7 k-means操作40-44
• 3.5 本章小结44-45
• 4 实验及结果分析45-52
• 4.1 VISSIM仿真介绍45-46
• 4.2 实验设置46-48
• 4.3 结果分析48-52
• 结论52-53
• 参考文献53-57
• 致谢57-58

【相似文献】

中国期刊全文数据库 前10条

1 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

2 王毅,曹树良;遗传算法在并联水泵系统运行优化中的应用[J];流体机械;2003年10期

3 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

4 李凡,黄数林,张东风;一种改进的多倍体遗传算法[J];华中科技大学学报(自然科学版);2005年01期

5 韦雪洁;黎明;刘高航;田贵超;;注入式的遗传算法的分析与研究[J];南昌航空工业学院学报(自然科学版);2006年01期

6 阎纲;;遗传算法及其仿真[J];湖南工程学院学报(自然科学版);2006年04期

7 ;遗传算法[J];电网与清洁能源;2008年10期

8 吴玫;陆金桂;;遗传算法的研究进展综述[J];机床与液压;2008年03期

9 李培植;肖利明;于静涛;;基于遗传算法的结构优化方法[J];公路交通科技(应用技术版);2008年08期

10 于金;金乐;杜海璐;;基于改进遗传算法的集装箱装载优化问题研究[J];船海工程;2008年05期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

，

本文编号：1055155