无人机-车载协作自组网系统优化及交通管理方法研究
发布时间：2021-09-03 19:23
近几年,车载自组网（VANET）已经成为重要的研究领域。如今,VANET已被公认为车辆间用于通讯的可靠网络。随着其不断发展,它将为智能交通系统做出更大的贡献。伴随可预计的收益,VANET仍面临诸多挑战。在VANET中,车辆与路边单元（RSU）通过通信完成数据的交换。但这不仅会增加网络成本,还因RSU易受到各种安全攻击的影响,而增加安全性问题。此外,使用VANET的功能时,车载单元（OBU）的计算性能较低无法满足密集型资源的计算需求。在此背景下,本文使用基于移动边缘计算（MEC）的无人机辅助车载自组网系统结构,使用无人机充当道路上方单元（RAU）替代RSU。同时,将车辆的传输功率与无人机轨迹的联合优化框架作为总效用最大化问题来求解,并为解决这一问题而将其转化为能量感知的动态资源分配问题。通过考虑车辆间的非合作和合作两种情况,使用动态规划方法获得了固定无人机轨迹下的车辆的最优功率分配。此外,在固定功率的条件下,本文基于地面与无人机间的距离和车辆最优卸载数据大小,提出了一种无人机轨迹优化算法。仿真结果验证了该框架相对于其他基准方案的有效性。进一步的,考虑到交通管理是现代城市面临的主要问题。而...
【文章来源】：桂林理工大学广西壮族自治区
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
仿真场景
桂林理工大学硕士学位论文26图3.4仿真场景（a）车辆1（b）车辆2（c）车辆3（d）车辆4图3.5折现因子和最优传输功率由图3.5还可以清楚地看出，合作情况下车辆的最优传输功率明显低于非合作情况。这可以解释为，在公式(3.31)中合作情况下所有车辆效用函数之和的最大化与最优功率分配有关系。结果进一步验证了无人机两种基准飞行轨迹也会影响车辆的最优传输功率。
桂林理工大学硕士学位论文27在图3.6中，给定折现因子=0.5，无人机悬停高度H50m的情况下，在5个时隙内，根据时隙长度从10ms到100ms的演化，给出了最优传输功率对比。可以看出，无论在非合作情况下还是在合作情况下，车辆的最优传输功率都会随着时隙长度的增大而减校这是因为根据公式(3.21)和(3.31)，两种情况下的最优传输功率与时隙长度成反比。这一结果还强调了选择适当的时隙间隔对最优传输功率的重要性。此外，进一步发现，在合作情况下车辆的最优传输功率也明显低于非合作情况。这可以解释为，利用本章提出的优化框架，车辆的最优传输功率完全取决于最大传输功率mP、时隙长度和折现因子。（a）车辆1（b）车辆2（c）车辆3（d）车辆4图3.6时隙长度和最优传输功率图3.7和图3.8为基准无人机轨迹与优化后的无人机轨迹的个体车辆在时间范围T内的总效用比较，其中N30时隙，时隙长度=0.05s，无人机悬停高度H50m。从图中可以看出，基于无人机优化轨迹的个体车辆在时间范围T内的总效用要优于使用基准轨迹的的总效用。这是因为本章提出的优化框架可以在车辆最优传输功率的条件下获得无人机的最优轨迹和最优地面到无人机的距离。然而，对于基准无人机轨迹，虽然在非合作或合作情况下采用了车辆的最优传输功
【参考文献】：
期刊论文
[1]基于深度学习的能量高效雾计算迁移研究[J]. 汤蓓,郑忆敏,陈思光,吴蒙. 南京邮电大学学报(自然科学版). 2020(02)
[2]车载自组网面临的安全挑战[J]. 王济瑾,肖晓强,陆鹏. 电子元器件与信息技术. 2018(12)
[3]移动边缘计算卸载技术综述[J]. 谢人超,廉晓飞,贾庆民,黄韬,刘韵洁. 通信学报. 2018(11)
[4]智能交通车载网的现状及其发展策略[J]. 张士兵,王婷婷,张晓格,邱恭安. 通信技术. 2017(07)
[5]无人机自组网OLSR路由协议的优化[J]. 董思妤,张洪,王路. 军械工程学院学报. 2017(02)
[6]一种高效可审计的VANET隐私保护协议[J]. 杨涛,王亚坤,葛云峰,林宇. 计算机工程. 2015(11)
[7]车辆自组网隐私保护研究综述[J]. 杨涛,孔令波,胡建斌,陈钟. 计算机研究与发展. 2012(S2)
博士论文
[1]蜂窝网移动边缘计算系统联合资源管理[D]. 王晨梦.重庆邮电大学 2019
硕士论文
[1]基于移动边缘计算的增强现实应用中的能耗最小化研究[D]. Nadia Shaukat（纳迪亚）.北京邮电大学 2019
[2]基于信道传播模型的车载网V2X通信协议研究[D]. 张健锋.哈尔滨工程大学 2019
本文编号：3381715
【文章来源】：桂林理工大学广西壮族自治区
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
仿真场景
桂林理工大学硕士学位论文26图3.4仿真场景（a）车辆1（b）车辆2（c）车辆3（d）车辆4图3.5折现因子和最优传输功率由图3.5还可以清楚地看出，合作情况下车辆的最优传输功率明显低于非合作情况。这可以解释为，在公式(3.31)中合作情况下所有车辆效用函数之和的最大化与最优功率分配有关系。结果进一步验证了无人机两种基准飞行轨迹也会影响车辆的最优传输功率。
桂林理工大学硕士学位论文27在图3.6中，给定折现因子=0.5，无人机悬停高度H50m的情况下，在5个时隙内，根据时隙长度从10ms到100ms的演化，给出了最优传输功率对比。可以看出，无论在非合作情况下还是在合作情况下，车辆的最优传输功率都会随着时隙长度的增大而减校这是因为根据公式(3.21)和(3.31)，两种情况下的最优传输功率与时隙长度成反比。这一结果还强调了选择适当的时隙间隔对最优传输功率的重要性。此外，进一步发现，在合作情况下车辆的最优传输功率也明显低于非合作情况。这可以解释为，利用本章提出的优化框架，车辆的最优传输功率完全取决于最大传输功率mP、时隙长度和折现因子。（a）车辆1（b）车辆2（c）车辆3（d）车辆4图3.6时隙长度和最优传输功率图3.7和图3.8为基准无人机轨迹与优化后的无人机轨迹的个体车辆在时间范围T内的总效用比较，其中N30时隙，时隙长度=0.05s，无人机悬停高度H50m。从图中可以看出，基于无人机优化轨迹的个体车辆在时间范围T内的总效用要优于使用基准轨迹的的总效用。这是因为本章提出的优化框架可以在车辆最优传输功率的条件下获得无人机的最优轨迹和最优地面到无人机的距离。然而，对于基准无人机轨迹，虽然在非合作或合作情况下采用了车辆的最优传输功
【参考文献】：
期刊论文
[1]基于深度学习的能量高效雾计算迁移研究[J]. 汤蓓,郑忆敏,陈思光,吴蒙. 南京邮电大学学报(自然科学版). 2020(02)
[2]车载自组网面临的安全挑战[J]. 王济瑾,肖晓强,陆鹏. 电子元器件与信息技术. 2018(12)
[3]移动边缘计算卸载技术综述[J]. 谢人超,廉晓飞,贾庆民,黄韬,刘韵洁. 通信学报. 2018(11)
[4]智能交通车载网的现状及其发展策略[J]. 张士兵,王婷婷,张晓格,邱恭安. 通信技术. 2017(07)
[5]无人机自组网OLSR路由协议的优化[J]. 董思妤,张洪,王路. 军械工程学院学报. 2017(02)
[6]一种高效可审计的VANET隐私保护协议[J]. 杨涛,王亚坤,葛云峰,林宇. 计算机工程. 2015(11)
[7]车辆自组网隐私保护研究综述[J]. 杨涛,孔令波,胡建斌,陈钟. 计算机研究与发展. 2012(S2)
博士论文
[1]蜂窝网移动边缘计算系统联合资源管理[D]. 王晨梦.重庆邮电大学 2019
硕士论文
[1]基于移动边缘计算的增强现实应用中的能耗最小化研究[D]. Nadia Shaukat（纳迪亚）.北京邮电大学 2019
[2]基于信道传播模型的车载网V2X通信协议研究[D]. 张健锋.哈尔滨工程大学 2019
本文编号：3381715
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3381715.html
