基于交通态势认知的车联网高效数据分发方法的研究与仿真

发布时间：2020-10-23 23:35

　　 车联网是物联网在交通领域的典型应用,并随着智能交通和智慧城市建设的不断推进而高速发展。V2X(Vehicle to Everything)技术是车联网的基础技术之一,车辆将通过V2X技术实现车车、车路、车网的协同,以满足智慧城市和智能交通的状态采集与交通控制需求。目前,我国已经确定将采用基于5G技术的5G-V2X建设车联网。虽然5G技术已经具备了很大的通信容量和带宽,但随着无人驾驶、边缘计算等技术的推广,车辆和基站之间数据通信需求会越来越多,基站和车辆之间仍然存在网络瓶颈问题,需要对基站和车辆之间的数据分发进行优化以提高数据分发的性能。传统提高基站数据分发效能的方法主要基于基站的负载监控,这些方法没有考虑交通流量对基站负载的影响,成功率和效率不高。因此有必要通过对交通流量变化规律的挖掘,通过调节多个基站的数据分发负载,在满足车辆数据需求的基础上,来提高基站数据分发的效率和性能。基于以上分析,本论文提出了一种基于交通态势认知的车联网高效数据分发方法。由于基站负载不均衡的本质原因是各个交通区域的交通态势不均衡,因此该方法首先对交通态势进行了建模,以实现交通态势的认知和预测。其次该方法考虑了交通态势对基站数据分发负载均衡的影响和约束,对基于交通态势认知的基站数据分发负载均衡策略进行了建模和求解。具体的,论文采用了基于2D加权卷积的深度残差网络来实现对交通态势的预测,采用了 Mask-PSO算法和3D卷积神经网络来实现对基站数据分发负载均衡的求解,并最终构建了一个端到端的基于交通态势认知的基站数据分发的负载均衡深度学习模型。论文最后对该方法进行了仿真和对比分析,验证了方法的有效性。
【学位单位】：北京邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：U495;TN929.5
【部分图文】：

数据分发的负载均衡方案，非常适用于构建真实工作场景下的车联网高效数据分??发系统。??论文主要的工作总体如图１－１所示：??＾?ＧＰＳ轨迹数据预＾?交通态势预测模、??处理?型??数据清洗?爵??｜?史交??ＧＰＳ轨迹数一？???？?交＿＿？通??据?栅格化?通?态??Ｌ一＾?１?态?势??势?预??：?＾?ｍ??Ｖ?Ｊ?Ｖ?）??建模?到???Ｔ?１?端??１???ｍ??Ｍａｓｋ－ＰＳＯ?￣？负载均衡方案?ｔ??负载均衡预测?＜－一??ｌ基站数据分发负载均衡模型?Ｊ??图１－１论文工作总体图??１．４论文组织架构??本论文总共分为六章，详细组织结构与各章节的概要如下：??第一章，绪论，介绍了本论文相关研的研究背景和研究意义，针对当前的研??宄现状和存在的问题，提出本论文的工作内容。??第二章，车联网高效数据分发技术综述，介绍了和本论文相关的基础算法，??６??

根据以上的求导法则，并根据定义的网络代价函数■／，就可以逐层求解网络??权值关于代价函数？／的梯度了，其计算的方向和前向计算相反。反向传播算法的??不意图如图２－３所不：??１?１??／ｙ（｝＼ｄＺｉ?ｄｙｉｄＺｉ??Ｑ?ＭＫ??ｄＥ?＿?ｄＥ?ｄｙｋ?＼ｙ＾Ｗｎ＼／??￥Ｗ，??图２－３反向传播示意图??１１??

?经过反向传播算法计算之后，得到了网络的权值参数关于损失函数的梯度，??然后采用梯度下降算法进行权值的更新，梯度下降算法如图２－４所示：??：］？一??＇?，－．Ｑ??ｉｊ?乂??图２－４梯度下降示意图??如图２－４所示，梯度下降指的是权值更新的方向是梯度的反方向，使得整个??网络的损失Ｊ能够随着网络权值的更新而不断的下降，最后到达一个梯度为０的??点。但是梯度为０的点可能是全局最优点，也可能是局部最优点，这也是梯度下??降算法存在的问题，最后网络可能收敛到局部最优。但是，一般网络收敛到局部??最优的时候，己经能达到比较好的性能了，所以梯度下降算法依然是有效的。并??且现在己经提出了许多新的基于梯度下降的权值更新算法［［１７］，如ＳＧＤ、Ａｄａｍ等??等
【相似文献】

相关期刊论文 前10条

1 卢传富;蔡志明;夏学知;;数据分发服务体系结构的研究[J];计算机与数字工程;2008年05期

2 陈利风,顾浩,曹志敏,李弘毅;复杂大系统中数据分发管理的几种实用方法[J];系统仿真学报;2004年05期

3 汪剑;;数据分发服务及其应用[J];通信与信息技术;2012年02期

4 马行空;王意洁;郑重;;一种邻居状态感知的快速数据分发方法[J];计算机研究与发展;2011年S1期

5 李望;杨昊苏;吴宏;徐会忠;;中继卫星地面高速数据分发设备设计与性能分析[J];电讯技术;2018年04期

6 李欣;孙珊珊;;船联网数据分发的路径时延模型研究[J];舰船科学技术;2018年10期

7 杨传顺;钱幸存;;实时数据分发系统软件的设计与实现[J];微型机与应用;2011年06期

8 吕广喆;邸海涛;任晓瑞;郭秋丽;;数据分发服务自发现机制的研究[J];航空计算技术;2017年04期

9 王斌;林怀清;林海涛;;战场态势数据分发技术研究[J];舰船电子工程;2011年05期

10 闻;美国地理数据分发策略范式(Model Data Distribution)[J];遥感信息;2004年01期

相关博士学位论文 前10条

1 袁泉;车联网群智感知与服务关键技术研究[D];北京邮电大学;2018年

2 陈剑鸿;复杂网络上的数据分发模型及技术研究[D];华南理工大学;2013年

3 姚建盛;自私性机会网络数据分发关键技术研究[D];哈尔滨工程大学;2017年

4 叶晖;机会网络数据分发关键技术研究[D];中南大学;2010年

5 樊旭;移动对等网数据分发的网络编码研究[D];哈尔滨工程大学;2016年

6 程刚;分层机会网络中数据分发机制关键技术研究[D];北京邮电大学;2015年

7 陶少国;面向数据分发的网络编码研究[D];华中科技大学;2008年

8 李婕;认知网络中基于网络状态和行为预测的路由及数据分发算法研究[D];东北大学;2015年

9 焦亚洲;具有间歇连接性的无线网络数据分发机制研究[D];天津大学;2011年

10 郑重;面向动态网络环境的高鲁棒性数据分发技术研究[D];国防科学技术大学;2011年

相关硕士学位论文 前10条

1 吴志恒;基于交通态势认知的车联网高效数据分发方法的研究与仿真[D];北京邮电大学;2019年

2 毛志远;车载自组网中高效数据分发算法设计[D];昆明理工大学;2018年

3 王岩;无线传感器网络数据分发与收集的信息安全研究[D];华东师范大学;2017年

4 张梦媛;城市环境车联网数据分发协议的研究[D];西安电子科技大学;2018年

5 潘双;机会网络中基于节点自主认知的数据分发技术研究[D];湖南大学;2014年

6 宋健;基于数据分发服务的多学科流程分布式调度研究[D];华中科技大学;2017年

7 延耀威;基于HLA的数据分发管理算法的研究与实现[D];山西大学;2018年

8 朱成成;面向数据分发服务的网络虚拟化技术研究[D];西安电子科技大学;2018年

9 王志强;手持设备机会网络数据分发系统的研究与实现[D];黑龙江大学;2018年

10 巩少峰;缝纫花样生成算法及其数据分发的研究与实现[D];西安理工大学;2018年

本文编号：2853697