车联网下基于模糊逻辑的簇头选择与数据传输策略研究

发布时间：2021-08-20 03:17

　　在车联网中,由于车辆快速移动以及网络拓扑动态变化,短时间内车辆之间形成的分簇结构不稳定,导致簇内流媒体数据广播业务面临困难.本文针对这一问题,提出一种基于复杂网络理论的车联网综合通信优化方案.该方案提出基于车辆广义距离的分簇算法及基于模糊逻辑理论的簇头选择算法,在此基础上建立了簇内数据传输优化模型.本文定义的车辆广义距离综合考虑了车辆相对位置及通信链路质量.本文提出的簇头选择算法综合考虑了车辆的速度、领导力、距离,并基于模糊输出选择出最适合的簇头节点.仿真结果表明,本文提出的解决方案与现有工作相比,提高了簇内网络吞吐量并降低了数据传输时延. 

【文章来源】：小型微型计算机系统. 2020,41(07)北大核心CSCD

【文章页数】：6 页

【部分图文】：

成都市出租车GPS坐标分布

无向图模型基于复杂网络理论，节点度(在最大通信范围内与该节点通信的邻居节点数)，中介中心性，聚类系数是模型的关键参数．图2反映了每个节点的中介中心性及所有车辆的聚类系数．中介中心性用于量化节点的重要性:

三个因素输入一共对应27条模糊规则，模糊规则见表1．由于输出变量最后为模糊值，最后基于重心法根据输出模糊值对应的图形求解图形重心的横坐标进行去模糊化，其值作为车辆节点成为簇头的概率．根据文献[23]中最大化网络容量(MNC)来选择网关节点(簇头)，其问题形式如式(8)所示．P=[p(t),t=1,2，…，N]T,P表示节点成为簇头的概率．基于本文通信模型，两种算法选择簇头的概率如图4，只有个别车辆能够被选择为簇头．

【参考文献】：
期刊论文
[1]FLCHS:面向车联网中的簇头产生算法[J]. 吕争,尚光龙.  控制工程. 2017(10)
[2]基于LTE D2D技术的车联网通信架构与数据分发策略研究[J]. 彭军,马东,刘凯阳,张倩倩,张晓勇.  通信学报. 2016(07)
[3]荒漠场景应用的车联网及其分簇路由算法[J]. 默罕莫德·默森,许凯凯,夏玮玮,吴怡,沈连丰.  通信学报. 2012(10)



本文编号：3352700