在車聯(lián)網(wǎng)中,由于車輛快速移動以及網(wǎng)絡拓撲動態(tài)變化,短時間內(nèi)車輛之間形成的分簇結構不穩(wěn)定,導致簇內(nèi)流媒體數(shù)據(jù)廣播業(yè)務面臨困難.本文針對這一問題,提出一種基于復雜網(wǎng)絡理論的車聯(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、領導力、距離,并基于模糊輸出選擇出最適合的簇頭節(jié)點.仿真結果表明,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)絡吞吐量并降低了數(shù)據(jù)傳輸時延. 

【文章來源】：小型微型計算機系統(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坐標分布

無向圖模型基于復雜網(wǎng)絡理論，節(jié)點度(在最大通信范圍內(nèi)與該節(jié)點通信的鄰居節(jié)點數(shù))，中介中心性，聚類系數(shù)是模型的關鍵參數(shù)．圖2反映了每個節(jié)點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)點的重要性:

三個因素輸入一共對應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)輸出模糊值對應的圖形求解圖形重心的橫坐標進行去模糊化，其值作為車輛節(jié)點成為簇頭的概率．根據(jù)文獻[23]中最大化網(wǎng)絡容量(MNC)來選擇網(wǎng)關節(jié)點(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，只有個別車輛能夠被選擇為簇頭．

【參考文獻】：
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技術的車聯(lián)網(wǎng)通信架構與數(shù)據(jù)分發(fā)策略研究[J]. 彭軍,馬東,劉凱陽,張倩倩,張曉勇.  通信學報. 2016(07)
[3]荒漠場景應用的車聯(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.  通信學報. 2012(10)



本文編號：3352700