车联网环境下基于隐贝叶斯分类方法的垂直切换算法研究

发布时间：2020-06-13 15:24

【摘要】：当前汽车持有量的飞速上涨以及互联网与无线通讯技术的蓬勃发展给人们出行与交流带来了极大地便利,但同时也带来了各种问题与挑战,如交通拥堵、安全事故增加、用户需求多元化等等。而由车载异构网络构成的车联网将成为解决这些问题的重要方式。但是由于车辆节点会在各个不同种类、不同覆盖的网络下进行相对高速的运动,在此情况下发生网络间切换,容易产生“乒乓效应”,从而使通讯质量下降。如何保证车辆节点获得更好的通讯质量,降低节点在运行中的切换次数以及切换时延将成为研究重点。本文首先对应用于车联网的无线网络(VANET、LTE、Wi-Fi)的系统结构、关键技术、优势特点等进行了详细介绍,归纳总结了垂直切换的流程分类以及评价指标。然后对现有的垂直切换算法进行仔细分析,最后对这些算法进行总结,找出现有算法应用于车联网时存在的不足与缺陷。贝叶斯分类决策思想,是通过将切换决策属性概率化,求得联合先验概率,再使用网络优先级后验概率进行联合判决。最后使用MATLAB搭建仿真环境,对贝叶斯分类决策算法与传统的RSS和基于代价函数的垂直切换算法进行对比。该算法可基本满足车联网环境下切换要求,但仍然存在着切换效果不够理想,无法自适应速度变化等问题。为了解决贝叶斯分类决策算法的不足,本文引入隐朴素贝叶斯分类思想,突破了原有贝叶斯决策中关于属性之间完全独立的假设,建立起属性间的关系,同时引入自适应修正概率,使算法可以更好地适应不同速度下的网络差异,一方面有效的降低切换次数,另一方面避免了算法复杂度的提高。为了验证改进算法的有效性,对改进算法在MATLAB环境下进行了仿真,并与原算法和其他算法进行对比。仿真结果表明,算法可以有效的降低切换次数,并且拥有更低的运行时间,提升了在车联网环境下垂直切换的稳定性与效率。
【图文】：

总体结构

图 1.1 车联网总体结构图研究目的和意义车与网络的不间断连接是车联网相关研究中一个关键性问题，网络连接直接决定车辆节点在车联网中是否可以及时准确获取相关信息的保证，如何维持稳定、高效安全的交通网络连接成为研究的重点。车联网体系演进自传统的物联网体系，但是其前身相比，车联网研究有着自身独有的特殊性。车辆节点具有速度高，变化快，机性强等特点，这些在物联网所研究节点时是很难考虑到的。由于车辆行驶速度较，一些网络自身也特性难以满足连接，导致通讯链路连接时间过短，甚至发生连接断等现象。同时，由于车辆密度具有随机性，将随机的产生车辆密度高峰，这对于息路由的分配能力产生了挑战，可能使路由无法按要求准时分配，产生严重的网络载不均衡现象；车行条件的多变性，极端天气的出现等，，对无限信号的传输都造成知的影响；城市内高层建筑增多，各种新型材料的应用，都对车联网网络节点的铺

系统结构图,系统结构图

的可接入用户存在上限，而且网络不是专门为车行系统设计，在车辆节点加入的过程中，个人用户也同时会接入网络当中。因此，在车流速度较慢时或者发生交通拥堵时可能出现无法接入网络的情况。同时，车辆节点运动速度较快，且 LTE 网络具有相对较大的带宽，网络易在通信中产生多普勒频移现象，最终影响通信质量。2.2 VANET 技术基础车载自组织网络（VANET）被认为是智能交通的核心技术，是从物联网 MANE的一种演进。VANET 体系通过传感、通信、计算、控制等技术，对车辆、道路和交通进行全面感知，实现高效率的数据交互，提升交通效率和保障交通安全[39]。无线车载网络和智能交通系统中，车辆应配备车载设备（OBE），包括多种功能模块，如定位导航、无线通信等。而路边基础设施（RSE）提供一定范围内的数据交换、存储转发、信息处理等功能，一定意义上可以称为 VANET 中的基站[40]。VANET 的系统结构图如图 2.3 所示：
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U495;TN92

【参考文献】