一种城市道路场景下车联网连通性指标的获取方法

摘要

现有技术凭借车辆密度等指标仅能评估当时的网络连通率，无法评估链路的稳定性和有效时长，缺乏对车辆动态变化和网络稳定性的考量。本发明给出了一种城市道路场景下车联网连通性指标的获取方法，分别从城市道路场景下车联网静态和动态连通特性，给出链路生存时长作为车联网连通性的新的衡量指标，从而为衡量城市道路中车联网整体连通及其稳定以及路由协议的设计提供帮助。

权利要求

1.一种城市道路场景下车联网连通性指标的获取方法，其特征在于，具体方法包括如下步骤：一、城市道路场景下车联网静态连通性分析

给出车辆静态分布模型，用于分析出车辆无线通信距离，车辆密度对车联网连通性的影响关系：定义连通计量公式(1)，表示在车辆数为n即车辆节点个数为n，无线网络通信范围为r的情况下，车辆间互相可达的对数其中，

p表示：n个车辆中第p个车辆，作为序号使用；

定义城市道路场景下车联网链路生存时长的连通概率如下：同时，

二、城市道路场景下车联网动态连通性分析

(1)确定以链路生存时长作为衡量车联网动态连通稳定性(2)通过寻找路段和路口I最优路径的连通性，用来表征链路生存时长，具体如下：按照源节点和目的节点的位置可分为四种情况表征，情况(1)：S1和D1即为I1I12的最优路径和连通性，如公式(4)所示；

情况(2)：S1和D2的最佳连通性为I1I8到I1I9连通性中的较大值如公式(5)所示；

情况(3)：S2和D1为I4I12和I5I12连通性中的较大值如公式(6)所示；

情况(4)：S2和D2为I4I8、I4I9、I5I8和I5I9连通性中的较大值如公式(7)所示；

城市道路车联网任意两个网络节点的动态连通性量化值，将其表征为链路生存时长，如下：c(S1D1)＝c(I1I12)             (4)c(S1D2)＝max(c(I1I8)，c(I1I9))             (5)c(S2D1)＝max(c(I4I12)，c(I5I12))             (6)c(S2D2)＝max(c(I4I8)，c(I4I9)，c(I5I8)，c(I5I9))           (7)其中，C(·)表示连通性，其值为：C表示两个路口I之间的连通性，

k表示间隔离散化为k个时间间隔，j表示车辆数目，i表示第i个时间间隔，ni表示在第i个时间间隔内的车辆数目。

2.如权利要求1所述的城市道路场景下车联网连通性指标的获取方法，其特征在于，对于直行情况由于没有路口障碍的情况，路段之间可直接转发无需考虑路口节点的连通性，源节点到目的节点的最优路径建模为单源单终点的加权有向无环图，然后求得连通性量化值。

说明书

一种城市道路场景下车联网连通性指标的获取方法

技术领域

[0001] 本发明涉及车联网领域。

背景技术

[0002] 车联网连通性主要研究车联网中网络的连通概率、链路的稳定性、数据包的传输延迟等问题，而连通性度量是车联网路由机制设计的重要衡量方法，因为连通性的度量直接影响到路由协议中路径的选择。部分研究简单地以车辆密度作为道路连通性的指标，然而道路密度高可能仅是局部分布密集，出现车辆分簇的情况，形成若干互不连通性的分支。更准确的研究综合考虑连通率和时延的影响，其连通率和时延通过发送位置数据包来统计网络传输的成功率和延迟，然而这样需要频繁发送大量附加数据包，需要非常大的网络开销。为更好的评估连通性需要更精细的计算，研究者假设车辆均匀分布，利用给定的路段车辆密度估算该路段的连通度，但是该种假设并不符合车辆的实际分布，尤其在交通灯的影响下，车辆的分布很可能集中在路口位置，分布不均匀。有研究使用随机分布模型来度量连通性，应用了车辆密度、交通灯等信息，考虑了多车道的问题，但其并没有充分利用实时的车辆分布信息，且只也针对路口至路口的短距离路段，而路口情况缺乏保障，当路口没有车辆节点或车辆节点驶离的情况下将出现路口转发节点空洞问题。研究者使用模糊理论建立了车辆密度、安全距离(根据位置和速度计算得到)和车辆正方行驶方向比例相关的连通性模型，但该研究也仅是从宏观上通过衡量道路的车辆密度和方向等宏观因素来计算连通性，仍然不能很好地避免车辆分簇和路口转发节点空洞等问题。因此，目前的连通性机制研究缺乏一个结合车辆分布、道路信息、交通灯信息准确计算连通性的微观连通性机制。

[0003] 现有车联网连通性研究主要使用路口至路口的路段车辆密度和路段长度等宏观指标推导路段的网络连通性，然后通过搜索技术如最小路径算法得到整体的最优路径。由于城市道路交通灯等的影响路段中的车辆并不是均匀分布，很可能出现两级分布的情况，形成多个互不连通的分簇，因此车辆密度并不能很好地表征路段的连通性。路口作为路段的连接点，是转弯路段间的数据转发重要中间节点，如果出现路口转发节点空洞问题，则最优路径将失效。凭借车辆密度等指标仅能评估当时的网络连通率，无法评估链路的稳定性和有效时长，缺乏对车辆动态变化和网络稳定性的考量。

发明内容

[0004] 本发明目的在于克服现有技术的不足，针对现有车联网连通性衡量指标对车辆分布不均、路口转发节点空洞以及对车辆动态变化和网络稳定性缺乏考量等问题，提出“链路生存时长”这种新概念，将之作为指标应用于城市道路场景下车联网网络连通性的分析和评估。

[0005] 本发明给出的技术方案表征为：

[0006] 一种城市道路场景下车联网连通性指标的获取方法，其特征在于，具体方法包括如下步骤：

[0007] 一、城市道路场景下车联网静态连通性分析

[0008] 给出车辆静态分布模型，用于分析出车辆无线通信距离，车辆密度对车联网连通性的影响关系：

[0009] 定义连通计量公式(1)，表示在车辆数为n即车辆节点个数为n，无线网络通信范围为r的情况下，车辆间互相可达的对数

[0010]

[0011] 其中，

[0012]

[0013] q表示:n个车辆中第q个车辆，作为序号使用；

[0014] 定义城市道路场景下车联网链路生存时长的连通概率如下：

[0015]

[0016] 同时，

[0017] 二、城市道路场景下车联网动态连通性分析

[0018] (1)确定以链路生存时长作为衡量车联网动态连通稳定性

[0019] (2)通过寻找路段和路口I最优路径的连通性，用来表征链路生存时长，具体如下：

[0020] 按照源节点和目的节点的位置可分为四种情况表征，

[0021] 情况(1)：S1和D1即为I1I12的最优路径和连通性，如公式(4)所示。

[0022] 情况(2)：S1和D2的最佳连通性为I1I8到I1I9连通性中的较大值如公式(5)所示。

[0023] 情况(3)：S2和D1为I4I12和I5I12连通性中的较大值如公式(6)所示。

[0024] 情况(4)：S2和D2为I4I8、I4I9、I5I8和I5I9连通性中的较大值如公式(7)所示。

[0025] 城市道路车联网任意两个网络节点的动态连通性量化值，将其表征为链路生存时长，如下：

[0026] c(S1D1)＝c(I1I12)  (4)

[0027] c(S1D2)＝max(c(I1I8)，c(I1I9))  (5)

[0028] c(S2D1)＝max(c(I4I12)，c(I5I12))  (6)

[0029] c(S2D2)＝max(c(I4I8)，c(I4I9)，c(I5I8)，c(I5I9))  (7)

[0030] 其中，C(·)表示连通性，其值为：

[0031] C表示两个路口I之间的连通性，

[0032] k表示间隔离散化为k个时间间隔，j表示车辆数目，i表示第i个时间间隔，ni表示在第i个时间间隔内的车辆数目。

[0033] 而对于直行情况由于没有路口障碍，路段之间可直接转发无需考虑路口节点的连通性。至此，源节点到目的节点的最优路径建模为单源单终点的加权有向无环图，然后求得连通性量化值。

[0034] 有益效果

[0035] 本发明基于一种车联网连通性指标的获取方法，有如下有益效果。

[0036] 本发明给出了一种城市道路场景中车联网连通性指标的获取方法，即分别从城市道路场景下车联网静态和动态连通特性，给出链路生存时长作为车联网连通性的新的衡量指标，从而为衡量城市道路中车联网整体连通及其稳定以及路由协议的设计提供帮助。

附图说明

[0037] 图1城市道路仿真图

[0038] 图2仿真实验城市道路车联网连通率

[0039] 图3节点密度与链路生存时长的关系

[0040] 图4不同无线通信范围下链路生存时长分布

[0041] 图5源节点和目的节点分布情况

[0042] 图6转弯和直行路径权值的不同计算

[0043] 图7为本发明方法流程图

具体实施方式

[0044] 本发明完整的技术方案包括两个部分，见图7所示：

[0045] 大步骤一.城市道路场景下车联网静态连通性分析；

[0046] 大步骤二.城市道路场景下车联网动态连通性分析。

[0047] 基于本发明技术方案，以下结合附图和实施例进行详述。

[0048] 一、城市道路场景下车联网静态连通性分析

[0049] 基于车辆静态分布模型，分析出车辆无线通信距离，车辆密度对车联网连通性的影响。

[0050] 定义连通计量公式(1)，表示在车辆节点个数为n，无线网络通信范围为r的情况下，车辆间互相可达的对数(注:两车辆在彼此通信范围内为1对)。

[0051]

[0052] 其中，

[0053]

[0054] q表示:n个车辆中第q个车辆，作为序号使用；

[0055] 定义城市道路场景下车联网链路生存时长的连通概率如下：

[0056]

[0057] 城市道路场景下的城市道路通常纵横交错，车道数，方向，限速均不统一，加之红绿灯，交叉路口和建筑物等的阻挡，分析城市场景颇为困难。传统移动自组织网络，由于没有道路限制，通常将网络建模为二维平面网络，有研究者使用渗透理论研究车辆密度和路边基础设施对网络全联通概率的影响，得出当网络节点密度到达一个阈值，全连通概率将出现一个跃阶现象，从多个连通分支连接为1个全连通分支，而基础设施对于跃阶的作用不明显。然而该结论推广到城市道路的连通性比较困难，其理论研究的方法也较难推广到城市道路严重也比较困难。

[0058] 本发明基于城市道路场景下车联网链路生存时长的连通概率定义的基础上，通过网络仿真实验对城市场景下车联网静态连通性进行分析，具体如下：

[0059] 从上海地图的城市主干道的采样数据估计，路口与路口的间距多数在大约400-1000米，因此绘制2000m*2000m的道路仿真图，如图1所示，仿真道路为正反双向的双车道。
城市环境下正常行驶车速大约60-80公里时，车辆间安全距离约为60-80米，因此估计每平方千米的车辆密度大约为160辆/km2。图2为通过仿真实验得到的车辆密度，无线通信范围对网络全通的影响。图中可以看出当车辆比较稀疏的情况下，密度小于等于40辆/km2的情况下，车联网链路生存时长的连通概率约为0.6时，而在车辆比较密集的大约等于80辆/km2的情况下，车辆链路生存时长的连通率约为1。当车辆无线通信范围越大，车辆链路生存时长的连通率越高，但是当车辆密度特别稀疏和特别密集的情况下，车辆无线通信范围对链路生存时长连通率的作用比较小。

[0060] 二、城市道路场景下车联网动态连通性分析

[0061] (1)仿真实验验证以链路生存时长作为衡量车联网连通稳定的必要性[0062] 仿真实验使用图1的2000m*2000m的正反双向车道道路仿真图。城市限速约60-80公里时，车辆安全距离约为60-80米，车辆密度大约为160辆/km2。图3为通过仿真实验得到的车辆密度，无线通信范围与链路生存时长的关系图，可以看出车辆分布密度对于相邻节点间的链路生存周期影响较小，而无线通信范围对链路生存时长有较显著影响，的确考虑相邻两辆车之间的相对运动，车辆整体的密度影响会比较小，而无线通信范围之间影响到车辆的相对距离。图4为考虑车辆密度为80辆/km2的情况下不同无线通信范围下链路生存时长分布。由于车辆间运动的不同情况链路生存时长分布较广，可以看出车辆密度与对于两个车辆的链路生存时长并不成正比，并不能很好地评估车联网的动态连通性，而在固定无线通信范围和密度的情况下，链路生存呈现较广泛的分布，因此链路生存时长能够比较准确地区分车联网路径的连通性，体现了车联网的动态性。

[0063] (2)路段和路口连通性的最优路径

[0064] 我们分别通过寻找路段和路口最优路径的连通性，用来表征链路生存时长，具体如下：

[0065] 图5为我们考虑道路的示意图，S表示源节点，D表示目标节点，I表示十字路口，十字路口之间的有向向量表示十字路口之间的节点组成的有向网络路径。按照源节点和目的节点所处位置的不同可分为四种情况：

[0066] 1)源节点和目的节点均位于路口，如图5所示的源节点S1和目的节点D1，视为寻找路口I1到路口I12的最优路径；

[0067] 2)源节点位于路口，目的节点位于路段，如图5所示的源节点S1和目的节点D2，视为路口I1到路口I8或者I9的最优路径，到达D2仅可能通过路口I8或I9；

[0068] 3)源节点位于路段，目的节点位于路口，如图5所示的源节点S2和目的节点D1，视为路口I4或I5到达I12的最优路径；

[0069] 4)源节点和目的节点均位于路段，如图5所示的源节点S2和目的节点D2，视为寻找I4或I5到达I8或者I9的最优路径。

[0070] 因此，上述四种情况的链路生存时长可被表征为求取一个节点至另一个节点的最优路径的连通性。为求得源节点到目的节点的最优路径的连通性，以源节点、中途路段和目的节点建模为单源单终点的有向图，如图6所示。该有向图有如下限定：从源节点出发，每个节点的下一跳节点指向离目的路口的距离都必须比该节点指向目的路口的距离近。该限定目的是为使每一跳都不断地趋近目的节点，同时保证该图成为有向无环图。图中节点的边权值代表从该路段到达下一跳路段的连通性，其权值包含4种情况：(1)源节点出发的边权值设置为无限大；(2)到达目的节点的边的权值为节点所代表路段的连通性的值；(3)转弯情况的边的权值为出发节点所代表路段的连通性与其所指向路口连通性中的较小值；(4)直行情况的权值为出发节点所代表路段的连通性。之所以这样设置权值是考虑到对于转弯情况，数据包从一个路段到达另一个有夹角的路段，需要通过路口的转发，因此需考虑路口的连通性，而对于直行情况由于没有路口障碍，路段之间可直接转发无需考虑路口节点的连通性。至此，源节点到目的节点的最优路径建模为单源单终点的加权有向无环图，然后求得连通性量化值。按照源节点和目的节点的位置可分为如图5的四种情况。

[0071] 情况(1)：S1和D1即为I1I12的最优路径和连通性，如公式(4)所示。

[0072] 情况(2)：S1和D2的最佳连通性为I1I8到I1I9连通性中的较大值如公式(5)所示。

[0073] 情况(3)：S2和D1为I4I12和I5I12连通性中的较大值如公式(6)所示。

[0074] 情况(4)：S2和D2为I4I8、I4I9、I5I8和I5I9连通性中的较大值如公式(7)所示。

[0075] 至此，图5中的城市道路车联网任意两个网络节点的动态连通性量化值(可将其表征为链路生存时长)如下：

[0076] c(S1D1)＝c(I1I12)  (4)

[0077] c(S1D2)＝max(c(I1I8)，c(I1I9))  (5)

[0078] c(S2D1)＝max(c(I4I12)，c(I5I12))  (6)

[0079] c(S2D2)＝max(c(I4I8)，c(I4I9)，c(I5I8)，c(I5I9))  (7)

[0080] 其中，C(·)表示连通性，其值为：

[0081]

[0082] k表示时间间隔，j表示车辆数目，ni表示在第i个时间间隔内的车辆数目。

[0083] 创新点：

[0084] 提出了一种城市道路场景下以链路生存时长作为车联网网络连通的新的衡量指标。针对现有车联网连通性衡量指标对车辆分布不均、路口转发节点空洞以及车辆动态变化和网络稳定性缺乏考量等问题，分别从城市道路场景下车联网静态和动态连通特性，给出链路生存时长作为车联网连通性的新的衡量指标，分别度量路段和路口连通性，从而为衡量城市道路中车联网整体连通及其稳定以及路由协议的设计提供帮助。