由于車輛動態(tài)節(jié)點的高速移動性和網絡拓撲結構的持續(xù)動態(tài)性,車聯(lián)網中的數(shù)據(jù)傳輸充滿挑戰(zhàn)。在傳統(tǒng)路由協(xié)議中,V2V（vehicle-to-vehicle）多跳通信通常會導致較高的網絡延時和較低的投遞率,并且通信鏈路的搜索與中斷重建會增加網絡開銷。城市交通運行過程中將會不斷產生大量的交通數(shù)據(jù),這對車聯(lián)網中數(shù)據(jù)傳輸?shù)倪M一步研究具有重要的參考價值。本文提出一種適用于車聯(lián)網城市場景下的數(shù)據(jù)傳輸方案,該方案充分利用這些大量的交通數(shù)據(jù)來提升數(shù)據(jù)傳輸質量DTQ（Data Transmission Quality）。通過基于模糊規(guī)則的數(shù)據(jù)傳輸方法實現(xiàn)對V2V通信的優(yōu)化,基于單車的短時車速預測使得數(shù)據(jù)傳輸鏈路更加穩(wěn)定,并且在專門設計的機器學習系統(tǒng)的幫助下實現(xiàn)對車輛的動態(tài)預測。本文的主要研究內容包括:（1）設計了基于模糊規(guī)則的車聯(lián)網數(shù)據(jù)傳輸機制。該方法通過綜合考慮車速、行駛方向、跳數(shù)、接入時間等因素,來優(yōu)化轉發(fā)節(jié)點選擇,從而優(yōu)化車和車、車和路邊單元之間的無線傳輸,提升數(shù)據(jù)的傳輸質量。其中根據(jù)模糊綜合評價法來對路徑進行評估,由層次分析法來設定指標權重向量。該方法使得選擇的數(shù)據(jù)傳輸路徑更加穩(wěn)定,減少鏈路中斷重建帶來... 

【文章來源】：河南大學河南省

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 傳統(tǒng)路由協(xié)議
        1.2.2 新型路由協(xié)議
    1.3 機器學習在車聯(lián)網中的應用
    1.4 論文的主要內容及組織結構
2 車聯(lián)網數(shù)據(jù)傳輸系統(tǒng)建模
    2.1 車聯(lián)網數(shù)據(jù)傳輸整體架構
        2.1.1 車聯(lián)網數(shù)據(jù)傳輸問題分析
        2.1.2 車聯(lián)網數(shù)據(jù)傳輸架構設計
    2.2 車聯(lián)網數(shù)據(jù)傳輸方法設計
        2.2.1 車聯(lián)網數(shù)據(jù)傳輸關鍵技術
        2.2.2 車聯(lián)網數(shù)據(jù)傳輸設計實現(xiàn)
    2.3 本章小結
3 基于模糊規(guī)則的數(shù)據(jù)傳輸路徑選擇
    3.1 無線傳輸路徑架構
        3.1.1 尋找潛在路徑
        3.1.2 評價潛在路徑
        3.1.3 選擇傳輸路徑
    3.2 轉發(fā)節(jié)點選擇
        3.2.1 確定指標集
        3.2.2 確定評價集
        3.2.3 確定權重向量
        3.2.4 構造模糊關系矩陣
        3.2.5 確定綜合評價等級
    3.3 本章小結
4 基于加權KNN的短時車速預測
    4.1 基于路段的車速預測方法
    4.2 基于單車的車速預測方法
        4.2.1 特征選擇
        4.2.2 數(shù)據(jù)處理
        4.2.3 加權KNN短時車速預測模型
    4.3 仿真實驗與結果分析
        4.3.1 移動平均數(shù)模型
        4.3.2 KNN模型
        4.3.3 預測結果與分析
    4.4 本章小結
5 基于輔助決策的路邊單元機器學習系統(tǒng)
    5.1 算法分析與比較
        5.1.1 基于GPS的動態(tài)車輛定位
        5.1.2 GPS-free動態(tài)車輛位置預測
        5.1.3 基于機器學習系統(tǒng)的動態(tài)車輛位置預測
    5.2 數(shù)據(jù)收集與處理
        5.2.1 訓練過程
        5.2.2 測試過程
        5.2.3 數(shù)據(jù)處理
    5.3 路邊單元機器學習系統(tǒng)構成
        5.3.1 車輛轉向預測
        5.3.2 目的路邊單元預測
        5.3.3 車輛行駛路徑預測
    5.4 本章小結
6 仿真驗證與結果分析
    6.1 車聯(lián)網數(shù)據(jù)傳輸仿真驗證平臺
        6.1.1 仿真平臺搭建
        6.1.2 仿真參數(shù)設置
    6.2 仿真實驗與結果分析
        6.2.1 對比實驗與性能指標選擇
        6.2.2 仿真結果與分析
    6.3 本章小結
7 總結與展望
    7.1 論文工作總結
    7.2 研究展望
參考文獻
致謝
攻讀碩士學位期間發(fā)表的論文及科研成果


【參考文獻】：
期刊論文
[1]邁入智能網聯(lián)汽車時代 2017年世界智能網聯(lián)汽車大會側記[J]. 陳琦.  汽車與配件. 2017(33)
[2]車聯(lián)網技術研究[J]. 郝鐵亮,葉平,郝成龍,許茜,劉濤.  汽車實用技術. 2017(20)
[3]車聯(lián)網的發(fā)展與挑戰(zhàn)[J]. 胡欣宇,張潔.  物聯(lián)網技術. 2017(02)
[4]VANETs路由協(xié)議的研究進展[J]. 于海寧,張宏莉.  電子學報. 2011(12)

博士論文
[1]面向車聯(lián)網應用的信息傳輸技術研究[D]. 李曉歡.華南理工大學 2015
[2]車聯(lián)網中面向安全應用的消息傳輸問題研究[D]. 郭偉杰.中國科學技術大學 2014
[3]車聯(lián)網環(huán)境下基于可靠接入的高效數(shù)據(jù)傳輸機制研究[D]. 范存群.北京郵電大學 2014

碩士論文
[1]車聯(lián)網環(huán)境中混合定位算法的研究及軟件設計[D]. 邵丹.哈爾濱理工大學 2017
[2]面向車聯(lián)網的地理輔助多播路由協(xié)議研究[D]. 高鑫.西安電子科技大學 2015
[3]城市車聯(lián)網中基于地理位置的路由協(xié)議研究[D]. 代明臣.東北大學 2014



本文編號：3148782