车联网路侧单元部署算法研究

发布时间：2017-09-13 02:46

  本文关键词：车联网路侧单元部署算法研究

  更多相关文章： 车辆自组织网络 遗传算法 RSU部署 路侧单元

【摘要】：车辆自组织网络主要由安装有车载单元的车辆和安装于路侧的路侧单元组成。路侧单元集合是车联网内的车辆节点与外部网络的信息传输枢纽。在车联网部署初期阶段,目标路网范围内的路侧单元的部署数量通常是有限的,而相对来说车辆节点的数量以及信息需求要大大超过路侧节点的承载。因此,在路侧单元数量限制下,应优化路侧单元的部署位置,以尽可能多的满足车辆节点的通信需求,从而最大化路侧单元的部署效益。如果以车辆是否处于无线通信覆盖范围内作为效益依据,由于车辆节点的动态性和车辆分布的时空差异性,以车辆节点为对象的覆盖收益也具有高度时空动态性和不确定性。所以,实践中通常以路网为对象确定路侧单元集合的覆盖效益。根据路网中的各路段的车辆密度、所处区域特性、车道数等综合确定路段的权重密度,把路侧单元集合的无线覆盖范围之内的所有路段的加权权重之和作为路侧单元集合的覆盖效益。假设P为路侧单元集合的所有可行部署位置方案的集合,其中每个部署方案由各个路侧单元的某一特定可行部署位置构成。把寻找使路侧单元的部署效益最大化的路侧单元位置部署方案称为路侧单元部署问题。针对该路侧单元部署问题,本文提出一种RSU部署问题模型,并在模型的基础上提出高速公路场景下以及城市环境中最优路侧单元部署策略。主要研究成果描述如下：(1)提出RSU部署问题模型。通过对现有的路网模型进行分析,提出能够描述曲线路段的路网模型和综合考虑各项因素作为权重计算部署效益的效益模型,并将路网模型和效益模型共同组成RSU部署问题模型。(2)在RSU部署问题模型的基础上,针对RSU在高速公路场景下的部署问题进行了研究。首先研究高速公路场景下RSU部署,并分为四种场景分别讨论其最优部署策略。然后利用MATLAB模拟每种情况的RSU部署,并将模拟结果与随机部署策略模拟结果比较,结果显示本文提出的部署策略能使RSU部署效益达到最优。(3)在RSU部署问题模型的基础上,针对RSU在城市环境下的部署问题进行了研究。首先利用RSU部署问题模型将路侧单元部署问题转化为搜索最优解问题,并利用遗传算法和粒子群算法对路侧单元部署问题进行优化求解。然后利用MATLAB模拟,将该方法部署效果与BEH算法部署效果相比较,结果显示该方法能够逐步逼近最优部署效益,以达到最大化路侧单元部署效益的目标。
【关键词】：车辆自组织网络 遗传算法 RSU部署 路侧单元
【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;TP391.44;TN929.5
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-15
• 1.1 研究背景和意义9-10
• 1.2 研究现状10-13
• 1.2.1 VANET研究现状10-12
• 1.2.2 RSU部署研究现状12-13
• 1.3 论文的主要研究工作13-14
• 1.4 论文的组织结构14-15
• 2 VANET及遗传算法15-25
• 2.1 MANET概述15
• 2.2 VANET概述15-18
• 2.2.1 VANET特点16-17
• 2.2.2 VANET应用17-18
• 2.3 通信模式18-22
• 2.3.1 V2V通信19-20
• 2.3.2 V2R通信20-21
• 2.3.3 V2V和V2R联合通信模式21-22
• 2.4 遗传算法22-23
• 2.4.1 遗传算法概述22
• 2.4.2 遗传算法研究现状22-23
• 2.5 粒子群算法23-24
• 2.5.1 粒子群算法概述23
• 2.5.2 粒子群算法研究现状23-24
• 2.6 本章小结24-25
• 3 RSU部署问题模型25-28
• 3.1 路网模型26
• 3.2 效益模型26-27
• 3.3 本章小结27-28
• 4 高速公路RSU部署策略28-38
• 4.1 RSU部署策略29-34
• 4.1.1 权重为常数分段函数的单个RSU部署方案29-30
• 4.1.2 权重为连续函数的单个RSU部署30-31
• 4.1.3 权重为常数分段函数的两个RSU部署31-33
• 4.1.4 权重为连续函数的两个RSU部署33-34
• 4.2 结果分析34-37
• 4.2.1 权重为常数分段函数的RSU部署结果分析34-37
• 4.2.2 权重为连续函数的RSU部署结果分析37
• 4.3 讨论37
• 4.4 本章小结37-38
• 5 城市环境RSU部署方案38-53
• 5.1 遗传算法主要操作38-40
• 5.2 基于遗传算法的RSU部署策略40-44
• 5.2.1 利用遗传算法解决RSU部署问题的主要操作40-43
• 5.2.2 基于遗传算法的RSU部署策略算法描述43-44
• 5.3 粒子群算法主要操作44-46
• 5.4 基于粒子群算法的RSU部署策略46-48
• 5.4.1 利用粒子群算法解决RSU部署问题的主要操作46-47
• 5.4.2 基于粒子群算法的RSU部署策略算法描述47-48
• 5.5 分析与讨论48-52
• 5.5.1 部署结果与分析48-51
• 5.5.2 讨论51-52
• 5.6 本章小结52-53
• 结论53-54
• 参考文献54-59
• 攻读硕士学位期间发表学术论文情况59-60
• 致谢60-61

【参考文献】

中国期刊全文数据库 前6条

1 周激流,吕航;一种基于新型遗传算法的图像自适应增强算法的研究[J];计算机学报;2001年09期

2 徐璐,涂承宇;一种新的改进遗传算法及其性能分析[J];电子学报;2001年07期

3 刘莉,陈学允;基于模糊遗传算法的配电网络重构[J];中国电机工程学报;2000年02期

4 汪近能,陈丽燕,吴新余,叶大振;遗传算法的改进及应用[J];南京邮电学院学报;1997年04期

5 章珂,刘贵忠;交叉位置非等概率选取的遗传算法[J];信息与控制;1997年01期

6 孙力娟，，吴新余;应用遗传算法求解计算机通信网的最佳路由─—一种新的遍历匹配选择法[J];南京邮电学院学报;1996年02期

中国硕士学位论文全文数据库 前1条

1 凌艳;VANET中基于博弈论的RSU接入问题[D];大连理工大学;2013年

本文编号：841081