集群是提高車(chē)聯(lián)網(wǎng)群智感知質(zhì)量和降低成本的有效方法,但如何在車(chē)輛高機(jī)動(dòng)性的同時(shí)提高集群穩(wěn)定性是一個(gè)具有挑戰(zhàn)性的問(wèn)題�；赩ANET(Vehicular Ad-Hoc Network)的通信特點(diǎn),文中提出了基于霧計(jì)算和自評(píng)估的VANET聚類(lèi)算法FCSAC(Fog Computing and Self-Assessment Clustering),將VANET分為多個(gè)集群,集群內(nèi)車(chē)輛協(xié)作感知結(jié)果由主簇頭(Master Cluster Head,MCH)發(fā)給霧節(jié)點(diǎn);引入車(chē)輛移動(dòng)率(Velocity Mobility Rate,VMR)來(lái)改進(jìn)簇頭選舉方法,該參數(shù)是根據(jù)移動(dòng)性指標(biāo)來(lái)計(jì)算的,以滿(mǎn)足VANET動(dòng)態(tài)變化的需求;通過(guò)定義縮放函數(shù)和加權(quán)機(jī)制來(lái)量化評(píng)估車(chē)輛的加入對(duì)集群穩(wěn)定性的影響。同時(shí),選舉輔助群頭(Slave Cluster Head,SCH)來(lái)增強(qiáng)集群的穩(wěn)定性。其次,為提高擁堵區(qū)域感知的準(zhǔn)確性,在霧計(jì)算的基礎(chǔ)上通過(guò)主簇頭間的有序鏈?zhǔn)絽f(xié)作交通態(tài)勢(shì)感知,形成局部交通態(tài)勢(shì)感知準(zhǔn)確、全面的視圖。最后,使用Veins車(chē)聯(lián)網(wǎng)仿真平臺(tái)評(píng)估所提算法的性能。結(jié)果表明,與CBRSDN(Cluster base...

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

基于集群和霧計(jì)算的車(chē)聯(lián)網(wǎng)群智感知模型由三層組成,具體如圖1所示。定義1假設(shè)城市VANET場(chǎng)景由v輛車(chē)(節(jié)點(diǎn))組成,每輛車(chē)都有自己的身份(i∈[1,n]),用集合V={V1,V2,…,Vn}表示。每個(gè)車(chē)輛Vi∈V通過(guò)GPS定位系統(tǒng)獲取位置Li(x,y),車(chē)載單元(OnBoard....

令p為車(chē)輛得到LoC消息后改變?cè)瓉?lái)路線的比例,根據(jù)道路擁堵情況,設(shè)p=30%(較低)、p=50%(中等)、p=80%(較高)。假設(shè)發(fā)生交通事件時(shí)占據(jù)一半的道路容量,待交通事件處理完后容量恢復(fù)。使用和未使用FCSAC消息機(jī)制的車(chē)輛排隊(duì)長(zhǎng)度如圖3所示。從圖3可以看出,隨著擁堵時(shí)間的增....

為了驗(yàn)證簇頭選舉方案的合理性,對(duì)不同車(chē)速下的集群穩(wěn)定性和覆蓋率進(jìn)行了驗(yàn)證,實(shí)驗(yàn)結(jié)果如圖4和圖5所示。圖5不同車(chē)速下的集群覆蓋率

圖4不同車(chē)速下的集群穩(wěn)定性由圖4和圖5可以看出:較低的車(chē)速有利于集群的穩(wěn)定性。當(dāng)MCH速度較低時(shí),該車(chē)輛在集群中的停留時(shí)間長(zhǎng),集群結(jié)構(gòu)相對(duì)穩(wěn)定。同理,覆蓋率也隨著車(chē)速的增加而降低,當(dāng)MCH速度較高時(shí),車(chē)輛將更快地從集群中駛出。

本文編號(hào)：4008813