基于机器学习联合协作通信的车联网性能研究
发布时间：2021-04-07 17:25
随着智能交通系统（Intelligent Transport System,ITS）的发展,车联网（Vehicular Network,VNET）作为物联网在交通领域的典型应用,上到城市建设发展,下到人们的出行效率,都发挥着越来越重要的作用。而由于车辆的高速机动性,传统的移动计算面临着高效、快速的资源调度和功率分配等挑战。同时,实现车辆之间的接入网服务是在车辆附近提供通信服务的重要方法之一。因此,尽可能接近的通信部署,研究车联网新的体系结构,对未来智能交通系统的发展非常重要。而连通性作为车联网的一个基础而重要的指标,对于车联网的网络规划、拓扑控制以及用户体验都具有非常重要的意义。近年来,国内外专家学者们提出了很多关于车联网连通性的方法,且获得了不错的效果。但由于交通环境的复杂性,制约车联网技术发展的特性有复杂的无线传输环境、潜在的大规模特性、高动态特性、分区网络特性和网络安全隐私等挑战。因此,本文在跟踪国内外最新研究进展的基础上,围绕车联网的性能指标,着力于从协作通信和机器学习两个方面进行了深入的研究。首先提出了无蜂窝的基于移动接入点的协作通信车联网体系结构,然后提出基于机器学习预测的...
【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：134 页
【学位级别】：博士
【部分图文】：
VANET中的主要研究主题表1.2所示
基于机器学习联合协作通信的车联网性能研究41为K/。也即采用三种不同的移动接入点选择方案，得到的覆盖范围的数学期望是相同的。但三种移动接入点选择算法，产生的相邻移动接入点的距离的方差不同，独立随机选取算法、基于序列的选取算法和基于距离的选取算法等到的相邻移动接入点的距离的方差分别为K2/2、K/2和2/2。当K2时，独立随机选取算法得到的相邻移动接入点的距离的方差最大，而基于距离的选取算法得到的相邻移动接入点的距离的方差最校也就是说，独立随机选取算法决定的移动接入点覆盖范围的变化最大，而基于距离的选取算法决定的移动接入点覆盖范围的变化最校比较场景12m,100.0K==中三种不同方案的协作移动接入点的覆盖范围分布情况，图3.4的曲线()RRRfr，()NRNfr和()DRDfr，是分别按照三种移动接入点选择算法得到的移动接入点覆盖范围的概率密度函数。从图中可以看出独立随机选择算法得到的移动接入点覆盖范围具有最大的变动范围，而基于距离的移动接入点选择算法得到的移动接入点覆盖范围具有最小的变动范围。基于此，可以预期，基于距离的移动接入点选择算法可以得到更好的空间覆盖效果。图3.4不同移动接入点选择方案下覆盖范围分布3.5.2移动接入点的负载及影响本小节考虑三种移动接入点选择算法下的负载情况。在本章的基于移动接入点的协作通信车联网中，每一个移动接入点均与前方和后方相邻的移动接入点，构成两对协作的移动接入点对，分别服务分布于其覆盖范围内的两组车辆用户。为讨论方便，将每一组车辆用户分别归于这一组车辆用户前方的移动接入点。该组车辆，连同接入点自身的合计数目，就是其服务的用户负载数。设两个相邻移动接入点之间的距离为R。设定两个移动接入点之间的车辆，以及这
载数目的概率分布，可由下式求得，()()()()()()()()0//11expdexpd1!1!DDKDDDDnnRDDRDKPKrfrNrrKrfnnnr==+（3.14）其中，n1。即可得到基于距离的选取算法下，负载的分布律为，()()()()()()()()()()1101//expdexpd1!1!exp121!DDRDnKDDDKnRDDnDPrKrfrKrnnKnrfKrnNKn++===（3.15）可得到负载的数学期望为[]DEr=K，方差为[]21/2DDr=K。图3.5不同移动接入点选择方案下负载分布比较场景12m,100.0K==中，不同方案的协作移动接入点的负载分布律情况。图3.5的柱状图中，RP表示按照随机移动接入点选择算法，得到的移动接入点负载的概率密度函数。DP表示按照基于距离的移动接入点选择算法，得到的移动接入点负载的概率密度函数。由于基于序列的移动接入点选择算法中，移动接入点的负载是固定值K，其方差为0，故图3.5中未包含基于序列的移动接入点选择算法的移动接入点负载的柱状图。按照图3.5结果分析可见，独立随机选择算法得到的移动接入点覆盖范围，具有最大的变动范围。而基于距离的移动接入点选择算法，得到的移动接入点覆盖范围具有显著较小的变化程度。同时基于序列的移动接入点选择算法的负载始终保持不变。显然，基于序列的移动接入点选择算法可以得到最好的负载均衡。
【参考文献】：
期刊论文
[1]车联网协作通信移动接入点选择算法[J]. 王丽君,颜佳,韩涛,邓德祥. 华中科技大学学报(自然科学版). 2019(06)
[2]Neighbor-Aware Multiple Access Protocol for 5G m MTC Applications[J]. Yang Yang,Guannan Song,Wuxiong Zhang,Xiaohu Ge,Chengxiang Wang. 中国通信. 2016(S2)
博士论文
[1]异构无线网络中联合无线资源管理技术研究[D]. 凌毓涛.武汉大学 2012
本文编号：3123878
【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：134 页
【学位级别】：博士
【部分图文】：
VANET中的主要研究主题表1.2所示
基于机器学习联合协作通信的车联网性能研究41为K/。也即采用三种不同的移动接入点选择方案，得到的覆盖范围的数学期望是相同的。但三种移动接入点选择算法，产生的相邻移动接入点的距离的方差不同，独立随机选取算法、基于序列的选取算法和基于距离的选取算法等到的相邻移动接入点的距离的方差分别为K2/2、K/2和2/2。当K2时，独立随机选取算法得到的相邻移动接入点的距离的方差最大，而基于距离的选取算法得到的相邻移动接入点的距离的方差最校也就是说，独立随机选取算法决定的移动接入点覆盖范围的变化最大，而基于距离的选取算法决定的移动接入点覆盖范围的变化最校比较场景12m,100.0K==中三种不同方案的协作移动接入点的覆盖范围分布情况，图3.4的曲线()RRRfr，()NRNfr和()DRDfr，是分别按照三种移动接入点选择算法得到的移动接入点覆盖范围的概率密度函数。从图中可以看出独立随机选择算法得到的移动接入点覆盖范围具有最大的变动范围，而基于距离的移动接入点选择算法得到的移动接入点覆盖范围具有最小的变动范围。基于此，可以预期，基于距离的移动接入点选择算法可以得到更好的空间覆盖效果。图3.4不同移动接入点选择方案下覆盖范围分布3.5.2移动接入点的负载及影响本小节考虑三种移动接入点选择算法下的负载情况。在本章的基于移动接入点的协作通信车联网中，每一个移动接入点均与前方和后方相邻的移动接入点，构成两对协作的移动接入点对，分别服务分布于其覆盖范围内的两组车辆用户。为讨论方便，将每一组车辆用户分别归于这一组车辆用户前方的移动接入点。该组车辆，连同接入点自身的合计数目，就是其服务的用户负载数。设两个相邻移动接入点之间的距离为R。设定两个移动接入点之间的车辆，以及这
载数目的概率分布，可由下式求得，()()()()()()()()0//11expdexpd1!1!DDKDDDDnnRDDRDKPKrfrNrrKrfnnnr==+（3.14）其中，n1。即可得到基于距离的选取算法下，负载的分布律为，()()()()()()()()()()1101//expdexpd1!1!exp121!DDRDnKDDDKnRDDnDPrKrfrKrnnKnrfKrnNKn++===（3.15）可得到负载的数学期望为[]DEr=K，方差为[]21/2DDr=K。图3.5不同移动接入点选择方案下负载分布比较场景12m,100.0K==中，不同方案的协作移动接入点的负载分布律情况。图3.5的柱状图中，RP表示按照随机移动接入点选择算法，得到的移动接入点负载的概率密度函数。DP表示按照基于距离的移动接入点选择算法，得到的移动接入点负载的概率密度函数。由于基于序列的移动接入点选择算法中，移动接入点的负载是固定值K，其方差为0，故图3.5中未包含基于序列的移动接入点选择算法的移动接入点负载的柱状图。按照图3.5结果分析可见，独立随机选择算法得到的移动接入点覆盖范围，具有最大的变动范围。而基于距离的移动接入点选择算法，得到的移动接入点覆盖范围具有显著较小的变化程度。同时基于序列的移动接入点选择算法的负载始终保持不变。显然，基于序列的移动接入点选择算法可以得到最好的负载均衡。
【参考文献】：
期刊论文
[1]车联网协作通信移动接入点选择算法[J]. 王丽君,颜佳,韩涛,邓德祥. 华中科技大学学报(自然科学版). 2019(06)
[2]Neighbor-Aware Multiple Access Protocol for 5G m MTC Applications[J]. Yang Yang,Guannan Song,Wuxiong Zhang,Xiaohu Ge,Chengxiang Wang. 中国通信. 2016(S2)
博士论文
[1]异构无线网络中联合无线资源管理技术研究[D]. 凌毓涛.武汉大学 2012
本文编号：3123878
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3123878.html
