一种基于车辆运动估计的异构车联网移动数据卸载方法与流程

本发明涉及异构车联网技术，具体涉及一种异构车联网移动数据卸载方法。

背景技术：

随着移动智能设备的与日俱增，全球移动数据流量也随之呈现爆炸性增长，而传统的单一蜂窝网络也正面临着前所未有的数据传输压力。机会主义网络与蜂窝网络相结合的异构网络的移动数据卸载可以在减少蜂窝网络阻塞的同时，有效地解决过载的问题。车载自组网络技术VANET作为机会主义网络在车用网络上的发展，能够很好充当了蜂窝网络的互补网络，形成异构车载网络，实现移动数据的卸载，减轻蜂窝网络负载。在异构车联网的移动数据卸载必然涉及到网络数据投放节点选择的研究，投放节点选择的好坏直接关系到移动数据卸载的整体效果。因此本发明拟针对VANET和蜂窝网络构成的异构车联网特点出发，设计一种卸载效率高、投放节点更少的异构车辆网移动数据卸载策略。

技术实现要素：

本发明的目的在于克服现有技术存在上述不足，提供一种基于车辆运动估计的异构车联网移动数据卸载方法，具体技术方案如下。

一种基于车辆运动估计的异构车联网移动数据卸载方法，其包括如下步骤：

(1)利用车辆即节点的运动信息和节点所请求移动数据的信息，推算出每一个节点自身可能经过路段集合，并利用每一个节点可能经过路段集合求取任意两个节点之间的重合路段集合，利用每一个节点可能经过路段的概率分布的集合，把任意两个节点之间重合路段中的每一条路段对应的长度与其在节点的可能经过路段概率分布集合中对应的路段概率进行加权和，并把其加权和与相关节点的估计行驶路径长度相除作为重合路段占该节点的路径比重；把任意两个节点之间的重合路段集合在各自节点的路径比重相乘作为两节点之间的数据传递概率；所述节点的运动信息包括节点位置信息、节点速度信息和加速度信息；所述节点所请求移动数据的信息包括数据类型和数据的最大容忍传输时延；

(2)由任意两节点之间的数据传递概率，构造任意两节点间数据传递概率矩阵；利用任意两节点间数据传递概率矩阵，构造基于节点接收数据概率的移动数据期望卸载量效用函数，并根据移动数据期望卸载量效用函数的极值实现基于节点间数据传递概率的投放节点选择算法，根据选择算法把节点选择加入投放节点集合或候选节点集合中。

进一步的，步骤(1)所述推算出车辆即节点可能经过路段集合具体包括：

开始时，每个节点在提出数据包请求的时候，会发送自身的节点运动信息以及所请求的数据包信息到蜂窝基站，蜂窝基站考虑到了节点的运动随机性，结合每一个节点当前运动速度信息和加速度信息，利用式(1)估计每个节点对应各自的估计行驶路径长度d_m,T；假设地图上的路段长度已知，则可以结合地图上的路段长度，得到每一个节点可能经过路段集合，用集合L_m＝{l_m,n,n∈[1,k_m]}，其中m为任意节点，L_m代表节点m可能经过路段集合，k_m为节点m可能经过路段的总数，l_m,n代表节点m可能经过的一条路段；

d_m,T＝ω₁×v_m×T+(1-ω₁)×1/2×a_m×T² (1)

其中v_m和a_m分别为节点m的速度和加速度，T为数据的最大容忍传输时延，ω₁∈[0,0.2]。

进一步的，步骤(1)所述车辆即节点的可能经过路段的概率分布的集合计算过程包括：

依据曼哈顿城市模式，任意路段r到其相邻路段o_i都存在一定的转移概率则路段r路段转移概率数组可用数组表示，其中num为任路段r相邻路段个数；利用步骤(1)所述的节点自身可能经过路段集合，结合路段转移概率数组，用深度遍历方法从节点m当前路径出发，利用式(2)计算节点m自身可能经过路段对应的概率分布，最终使用集合表示节点m的可能经过路段的概率分布的集合；

其中为路段l_m,j到l_m,n的转移概率，为路段l_m,n对应的概率分布。

进一步的，步骤(1)所述两节点之间的数据传递概率的计算过程包括：

利用步骤(1)中的节点的可能经过路段集合，对任意两个节点即节点A与节点B的可能经过路段集合作交集处理，得到两个节点之间的重合路段的集合，用集合M_A∩B＝{l_q,l_q∈L_A且l_q∈L_B}；利用步骤(1)中求取的节点可能经过路段的概率分布的集合方法可知的节点A对应的集合P_A，对于所有l_q，将其对应的地图路段长度以及其在P_A中对应的概率进行加权和，并将加权和得到的结果与节点A对应的估计行驶路径长度相除得到重合路段占节点A的路径比重，将其路径比重与同理可得的重合路段占节点B的路径比重的乘积作为两节点之间的数据传递概率。

进一步的，计算步骤(2)所述的基于节点间数据传递概率的投放节点选择算法如下：

利用步骤(1)中的两节点之间的数据传递概率，建立任意两节点间的数据传递概率分布矩阵；假设两个集合分别为投放节点集合H和候选节点集合S，并开始时把所有节点加入到集合S中；构造基于节点接收数据概率的移动数据期望卸载量效用函数，如公式(3)所示，其效用函数表示集合S中的所有节点能够从集合H中获取其所请求移动数据总量的期望值；利用基于效用函数增益最大的贪心算法选择节点，即依次从集合S中选择一个节点转移到集合H，每一次选择转移中的节点都满足当该节点加入到集合H时能够使效用函数的增益最大；当不存在节点使得效用函数增益为正时停止选择，此时集合H就是基于节点间数据传递概率的投放节点选择算法的投放节点选择。

其中为集合S中的节点s_e从集合H中获取到所请求移动数据的概率。

与现有技术相比，本发明的优点与积极效果在于：

1、本发明的方法首先采用基于车辆实时信息和地图信息的车辆运动轨迹预测方法，为每一个车辆节点估计出其在有限时间内能够通过的所有路段情况以及其对应的出现概率，能够更好的模拟车辆未来的运动。本方法从车辆的运动信息出发，充分考虑车辆未来运动趋势，计算出车辆的最大运动距离，并从车辆当前节点出发，模拟车辆运动。在模拟车辆运动过程中，兼顾利用不同路段之间转移概率矩阵，赋予每一条车辆可能经过的路段出现概率。

2、本发明的方法根据车辆节点的可能经过路段集合情况来构造的车辆节点两两之间的重合路段集合，然后通过重合路段集合中的路段在车辆节点中出现的概率分布与该路段长度相结合的方法来计算重合路段占该节点的路径比重，从而求取车辆两两之间的数据传递概率，解决了车辆两两之间数据传递不可预测问题。同时也从车辆两两之间的数据传递概率出发，构造了移动数据卸载量效用函数，充分考虑了不同数量以及不同车辆数据投放节点选择下对移动数据量的影响，对应效用增益明显的车辆节点作为投放节点的最优选择，通过最优投放节点来转发移动数据，从而解决了基站移动数据传输的负载问题。

附图说明

图1是本发明实施方式中基于蜂窝网络和VANET异构车联网的移动数据卸载流程图。

图2是本发明实施方式中车辆节点可能经过路段该路分布集合计算示意图。

图3是本发明实施方式中两个车辆节点之间的数据传递概率计算示意图。

图4是本发明实施方式中基于节点间数据传递概率的投放节点选择算法流程图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步说明，但本发明的实施和保护范围不限于此。

如图1所示是实例中基于蜂窝网络和车载自组网VANET异构车联网的移动数据卸载流程图。在开始阶段，每一个车辆节点会把车辆所请求移动数据的信息和自身运动信息发送到其接入的蜂窝基站，车辆所请求移动数据的信息包括数据的最大容忍传输时延，车辆自身运动信息包括位置信息、速度信息和加速度信息；蜂窝基站收到所有车辆节点发送的信息后，会所有的信息收集起来，集中分析和估计各个车辆节点的可能经过路段集合及其可能经过路段概率分布集合，通过基于节点间数据传递概率的投放节点选择算法选择投放节点组成投放节点集合，并通过蜂窝网络把所请求的移动数据发送到投放节点集合中的车辆节点。接收到相应移动数据的车辆节点就会开始充当起一个中介者的角色，在其运动的过程中，通过VANET网络，不断发现和更新其邻居信息，对于有相应的移动数据请求的车辆节点，中介者节点将会通过VANET网络直接进行传输到其邻居车辆节点。而接收到数据的邻居节点会发送一个ACK包到其接入的蜂窝基站，而该邻居节点也会成为为中介者的新成员，在其后续运动的过程中也会担任其中介者角色。当数据的传输时延到达其数据的最大容忍传输时延，蜂窝基站会通过蜂窝网络把移动数据直接发送到当前还没有发送ACK包到蜂窝基站的车辆节点。

图2是本发明实施方式中车辆节点可能经过路段该路分布集合计算示意图。根据车辆发送到节点的车辆当前运动信息可以知道车辆的当前速度v和加速度a，结合请求数据的最大容忍传输时延T和ω₁∈[0,0.2]，利用式(4)可计算出车辆节点M的估计行驶路径长度d_M。假设车辆节点M此时的位置坐标为(x_m,y_m)，位于路段1，结合地图信息中的各路段长度可以推算车辆节点M的可能经过路段集合[m₀,m₁,…,m_k]；假设节点M沿路段1向路口A行驶，由曼哈顿城市模型可知，每一个路段都存在自身的路段转移概率数组，如车辆节点M在路段1中的路口A向路段2、路段3以及路段4转移的路段转移概率数组，可用数组P_A＝[p_1-2,p_1-3,p_1-4]表示，其中p_1-2+p_1-3+p_1-4＝1，同理可得路段3中路口B、路段2中路口C以及路段6中的路口D的转移概率数组P_B、P_C以及P_D。由车辆节点M当前位置出发，到达路口时就按照路段转移概率数组转移到新的路段，由式(5)可得车辆节点M在在有限时间T下在第m_i路段出现的概率，用数组表示，其中k表示车辆M可能经过的路段总数。由于车辆M已经在某一路段上行驶，所以由车辆节点M的可能运行的路段集合[m₀,m₁,…,m_k]以及其对应的概率数组

d_M＝ω₁×v×T+(1-ω₁)×1/2×a×T² (4)

图3是本发明实施方式中两个车辆节点之间的数据传递概率计算示意图。假设节点M(x_m,y_m)和N(x_n,y_n)分别在路段1和路段19上行驶，根据前面所述的车辆运动估计道路概率计算可以得到节点M可能运行的路段集合[m₁,m₂,…,m_k](图3中用虚线表示)以及概率分布数组和节点N对应的路段集合[n₁,n₂,…,n_k](图3中用实线表示)以及概率分布数组对路段集合作交集处理可以得到重合路段分布[mn₁,mn₂,…,mn_i]，由于不同节点在不同路段出现的概率不同，所以有和P_N'[k_N]，其中代表路段mn_i在车辆节点M可能经过路段概率分布集合中对应的概率分布。由式(6)对路段距离和路段概率加权和，则可计算出重合路段对于车辆节点的期望距离，其中代表路段mn_i距离长度。则由式(7)可计算车重合路段占据车辆节点的路径比重，代表重合路段出现在车辆节点M的行驶路径上的概率。由于车辆节点之间的运动是独立的，所以由式(8)可以计算出两个车辆节点之间的数据传递概率

图4是本发明实施方式中基于节点间数据传递概率的投放节点选择算法流程图。初始化两个集合，分别为投放节点集合H＝Φ和候选节点集合S。假设集合H中的节点为蜂窝基站在开始时直接传递移动数据的初始节点，集合S的节点为希望通过VANET网络接收到移动数据的节点。对于集合H，由式(9)可以计算集合S中的节点能够从集合H中接受到移动数据的期望总量即期望减负数据总量，其中为集合S中节点s_i能从集合H中的节点接收到数据概率，由式(11)可得，其中为集合H中的节点h_j和集合S中的节点s_i之间的数据传递概率。要求取最大的期望减负数据总量，也就是求取式(9)中的H解，如式(10)所示。根据车辆之间的数据传递概率，由式(11)可以知道，当把集合S中的节点转移到集合H中时，也会随之发生变化。利用利用基于效用函数增益最大的贪心算法选择转移节点，即依次从集合S中的节点中选择节点转移到集合H中，每次的选择都由式(12)获取集合S使得期望减负数据总量增量最大的节点s_m，直到不存在s_m使得期望减负数据总量增益为正就停止选择转移节点，此时集合H就是所要求的最优投放节点集合。

H＝arg max U(H) (10)