在車聯(lián)網(wǎng)中,由于車輛快速移動以及網(wǎng)絡(luò)拓?fù)鋭討B(tài)變化,短時(shí)間內(nèi)車輛之間形成的分簇結(jié)構(gòu)不穩(wěn)定,導(dǎo)致簇內(nèi)流媒體數(shù)據(jù)廣播業(yè)務(wù)面臨困難.本文針對這一問題,提出一種基于復(fù)雜網(wǎng)絡(luò)理論的車聯(lián)網(wǎng)綜合通信優(yōu)化方案.該方案提出基于車輛廣義距離的分簇算法及基于模糊邏輯理論的簇頭選擇算法,在此基礎(chǔ)上建立了簇內(nèi)數(shù)據(jù)傳輸優(yōu)化模型.本文定義的車輛廣義距離綜合考慮了車輛相對位置及通信鏈路質(zhì)量.本文提出的簇頭選擇算法綜合考慮了車輛的速度、領(lǐng)導(dǎo)力、距離,并基于模糊輸出選擇出最適合的簇頭節(jié)點(diǎn).仿真結(jié)果表明,本文提出的解決方案與現(xiàn)有工作相比,提高了簇內(nèi)網(wǎng)絡(luò)吞吐量并降低了數(shù)據(jù)傳輸時(shí)延. 

【文章來源】：小型微型計(jì)算機(jī)系統(tǒng). 2020,41(07)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

成都市出租車GPS坐標(biāo)分布

無向圖模型基于復(fù)雜網(wǎng)絡(luò)理論，節(jié)點(diǎn)度(在最大通信范圍內(nèi)與該節(jié)點(diǎn)通信的鄰居節(jié)點(diǎn)數(shù))，中介中心性，聚類系數(shù)是模型的關(guān)鍵參數(shù)．圖2反映了每個(gè)節(jié)點(diǎn)的中介中心性及所有車輛的聚類系數(shù)．中介中心性用于量化節(jié)點(diǎn)的重要性:

三個(gè)因素輸入一共對應(yīng)27條模糊規(guī)則，模糊規(guī)則見表1．由于輸出變量最后為模糊值，最后基于重心法根據(jù)輸出模糊值對應(yīng)的圖形求解圖形重心的橫坐標(biāo)進(jìn)行去模糊化，其值作為車輛節(jié)點(diǎn)成為簇頭的概率．根據(jù)文獻(xiàn)[23]中最大化網(wǎng)絡(luò)容量(MNC)來選擇網(wǎng)關(guān)節(jié)點(diǎn)(簇頭)，其問題形式如式(8)所示．P=[p(t),t=1,2，…，N]T,P表示節(jié)點(diǎn)成為簇頭的概率．基于本文通信模型，兩種算法選擇簇頭的概率如圖4，只有個(gè)別車輛能夠被選擇為簇頭．

【參考文獻(xiàn)】：
期刊論文
[1]FLCHS:面向車聯(lián)網(wǎng)中的簇頭產(chǎn)生算法[J]. 呂爭,尚光龍.  控制工程. 2017(10)
[2]基于LTE D2D技術(shù)的車聯(lián)網(wǎng)通信架構(gòu)與數(shù)據(jù)分發(fā)策略研究[J]. 彭軍,馬東,劉凱陽,張倩倩,張曉勇.  通信學(xué)報(bào). 2016(07)
[3]荒漠場景應(yīng)用的車聯(lián)網(wǎng)及其分簇路由算法[J]. 默罕莫德·默森,許凱凱,夏瑋瑋,吳怡,沈連豐.  通信學(xué)報(bào). 2012(10)



本文編號：3352700