基于车联网的车路协同算法及实现

发布时间：2020-03-24 06:02

【摘要】：随着车辆数量的迅猛增长,未来车辆的网络需求、交通需求也随之快速增长。从网络需求的角度,由于现阶段车辆大多数利用蜂窝网络进行网络接入,而这一选择伴随着车辆数量的增长导致了蜂窝网的过载问题,从而会对用户的网络接入体验造成负面影响。通过恰当的网络选择方案来保证车辆用户的服务质量需求是车联网网络选择中的一个研究热点。另一方面,从交通需求的角度,日益增长的交通需求与有限的路网容量导致了拥堵问题的严重性与日俱增,同时也严重影响了车辆的驾驶体验。如何利用车联网,满足未来车辆多方面的需求,这一问题刺激了基于车联网的车路协同的研究,这一研究方向是优化车联网环境中,车辆的上网体验、优化驾驶体验的必要手段。针对这一问题,本文从以下两个方面进行了展开,针对网络选择问题,我们设计了异构网络环境下的网络选择算法;其次面向交通波抑制场景,设计了速度推荐算法。本论文所取得的主要成果如下:1)我们开发了一个支持流量大数据分析的智能网络推荐系统。首先,通过交通大数据分析建立车辆分布,进而得到网络需求模型。其次,推荐系统中选取了交通状态,用户偏好,服务应用和网络条件四个方面因素,以此来分析并选择访问适当的网络。此外我们还开发了一个安卓的应用程序,这使得车辆用户能够根据访问推荐器自动在不同网络之间进行切换。最后,我们用仿真的方式证明,我们的方案可以有效地选择车辆的最优网络,同时充分利用网络资源。2)针对相邻两辆汽车的交通场景,首先,我们设计了通信的协议,确定了车辆之间信息交互的内容,并且在可见光通信系统架构之上,我们给出了系统模型。其次,我们提出了理想的跟车距离,这一理想的跟车距离随相对速度变化而变化。再结合相对速度,得到了控制目标。由于光通信存在时延和丢包的现象,通过最优估计与控制的方法,我们建立了对当前车辆状态的估计算法,并且得到了模型的求解方法。之后,对算法进行了理论上的分析。通过渐进稳定性、队列稳定性的分析,我们确定了算法中参数选取的规则,保证了算法的可行性;通过对交通波的分析,证明了算法可以缩短交通波的持续时间,则保证了算法的有效性。最后,利用仿真的方法对算法进行再一次的验证。我们用实际的跟车实验,确定了司机反应时间的分布律,对仿真进行了校准,在模拟的交通波场景中,验证了算法的可行性和有效性。综上所述,本文针对未来车辆来自网络、交通两方面的需求,设计了网络选择算法保证了用户的网络接入体验,并给出了速度推荐算法,从而满足用户的驾驶需求。论文的研究有助于推进利用车联网实现车路协同领域的研究。
【图文】：

出租车,GPS数据,上海,交通分布

学位论文第二章基于异构网络车辆的 GPS 数据。我们可以看到，交通分布与不同地区有差异。也多的区域设定为城市热点 (SP)。利用 K-Means 聚类算法，我们聚类ocial Point, SP)，从城市热点到边界，，GPS 记录呈现从中心到边界逐渐图中，仍然有很多街道缺少 GPS 记录，因此我们需要估计未抽样街

数据拟合

(a) 一整天的车辆数 (b) 两小时的车辆数图 2 2 数据拟合Fig 2 2 The fitting curve of data问题描述oS 是指服务提供给用户的满意度。在我们的问题中，我们考虑了多个属性，数据速率对车辆的 QoS 的影响。对于数据速率来说，数据速率越快 QoS 越高。相反，延迟和成得 QoS 更好。给定一个属性，它的效用可以用效用函数来表示。我们使用 S 型，线性评估所考虑属性的效用，如下面的函数所示：u x x xma1x xma1u x a xu x ln a x ln a性向量 x 和相关的偏好向量 ω，对应的 QoS 函数被表达为：U x∏NAiuixiωiωi是属性之间的偏好的权重，并且有 (∑NAiωi). uixi对应着属性i的效用函数。，我们可以量化每个网络的性能。网络推荐结果应该最大化效用函数。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U495

【相似文献】