一种基于车联网车辆社交性的RSU部署方法及系统

摘要

一种基于车联网车辆社交性的RSU部署方法及系统，根据真实车辆数据挖掘社区结构，包括基于车载单元OBU的通信范围提取出每辆车之间的通信频次，对车辆进行社区划分，得到通信频次图；得到通信频次图后，根据主要社区规模的大小为每个社区分配一个权值，并且社区内的车辆自动拥有该社区的权值；将需要部署RSU的部署区域Ω划分为多个候选区域，定义一个候选区域内所有经过的车的车辆社区值总和称为区域社区值，计算每个候选区域的区域社区值，最后利用贪婪算法选出合适的部署区域。本发明能够较好地模拟现实情形，并针对车辆之间的社交性，合理地给出了一个有效的解决方案，让RSU的部署更加合理化、高效化，不至于造成资源的浪费。

说明书

技术领域

本发明涉及车联网资源部署领域，具体涉及一种基于车联网车辆社交性的RSU部署方法及系统。

背景技术

车载自组网(Vehicular Ad-hoc Network,VANET)中的路侧单元的部署问题是一个亟待解决的问题。这类问题有两个重要因素：1、路侧单元(RSU)。RSU的部署涉及到位置和成本两大问题。由于整个城市街道的繁忙程度不一样，所以在有限的RSU资源下，更倾向于部署到繁忙的街道。2、车辆。因为车辆移动的随机性，所以挖掘大量车辆移动的内在规律对于RSU的部署有着重要的影响。V-R-V(Vehicle-RSU-Vehicle)通信是指两辆不能直接通信的车在一定的时间窗口内借助RSU传递数据完成通信的过程。车辆网中这样的通信模式比较常见，所以考虑最大化V-R-V通信的部署方式一种贴合实际的策略。

Makkawi等人提出一种RSU部署策略，利用一个区域及其周围区域的权值之和作为累计权重来选择部署区域，优先部署高权值的区域。但是这个策略只考虑部署最少数量的RSU以及对街道的连续性，忽略了RSU的覆盖率。Yuan等人提出以一种出租车推荐系统，帮助出租车司机提供搭载乘客的热点位置以及为乘客打车地点提供建议，分析了大量城市出租车轨迹数据，挖掘了车辆移动的时空规律。但只从车辆轨迹分布的角度分析了车辆运动的规律，没有从社交网络层面分析车辆间的运动规律。Zhu等人提出一种在数据转发的策略，挖掘大量城市车辆的轨迹数据，从中发现社区结构，并且采用马尔科夫链对车辆未来的移动作出预测，提出一种基于贪婪策略的种子车辆选择方法，但是文章仅仅从社交层面考虑节点(车辆)的接触情况，而忽略了时间、空间上节点之间的接触规律。因此，本领域亟待更优的技术方案出现。

参考文献：

[1]Makkawi,R.Daher,and R.Rizk,“Rsus placement using cumulative weightbased method for urban and rural roads,”in Reliable Networks Design andModeling(RNDM),2015 7th International Workshop on.IEEE,2015,pp.307–313.

[2]J.Yuan,Y.Zheng,X.Xie,and G.Sun,“T-Drive:Enhancing drivingdirections with taxi drivers’intelligence,”IEEE Transactions on Knowledge andData Engineering,vol.25,no.1,pp.220-232,2013.

[3]H.Zhu,M.Dong,S.Chang,Y.Zhu,M.Li,and X.S.Shen,“Zoom:Scaling themobility for fast opportunistic forwarding in vehicular networks,”in INFOCOM,2013 Proceedings IEEE.IEEE,2013,pp.2832–2840

发明内容

根据上述的一些研究，本发明提供一种基于车联网车辆社交性的RSU部署技术方案。

为达到上述目的，本发明采用的技术方案提供的一种基于车联网车辆社交性的RSU部署方法，包括以下步骤，

Step1，根据真实车辆数据挖掘社区结构，包括基于车载单元OBU的通信范围提取出每辆车之间的通信频次，对车辆进行社区划分，得到通信频次图，转到Step2；

提取出每辆车之间的通信频次的策略为，比较两辆车的GPS报告点的时间差，若处在一个预设的时间窗口内并且车距在车载单元OBU的通信范围内，认为这两辆车能够完成一次通信；

Step2，得到通信频次图后，根据主要社区规模的大小为每个社区分配一个权值，并且社区内的车辆自动拥有该社区的权值，称之为车辆社区值；将需要部署RSU的部署区域Ω划分为多个候选区域，定义一个候选区域内所有经过的车的车辆社区值总和称为区域社区值，计算每个候选区域的区域社区值，转到Step3；

Step3，初始化，包括部署集合G置空，总部署花费置0，转至Step4；

Step4，判断是否部署总花费C小于等于预算B并且部署区域Ω非空，如果是，转入Step5，如果否，转入Step9；

Step5，从部署区域Ω中选择值最大的候选区域，转到Step6；其中，c_i分别是指候选区域的区域社交值和区域部署花费；

Step6，比较当前选择区域部署花费与当前总花费之和是否超过预算B，如果否，转入Step7，如果是，转入Step8；

Step7，将候选区域并入部署集合G中，然后重新计算当前总花费C，转至Step8；

Step8，从部署区域Ω中去掉候选区域转到Step4；

Step9，返回部署集合G的结果，结束。

而且，Step2中，设有P个主要社区，将权值1-P根据社区规模大小分配给P个主要社区。

而且，候选区域的划分根据RSU的通信范围决定，一块候选区域的对角线长度是RSU通信半径的2倍。

本发明还提出一种基于车联网车辆社交性的RSU部署系统，包括以下单元，

第一单元，用于根据真实车辆数据挖掘社区结构，包括基于车载单元OBU的通信范围提取出每辆车之间的通信频次，对车辆进行社区划分，得到通信频次图；

其中，提取出每辆车之间的通信频次的策略为，比较两辆车的GPS报告点的时间差，若处在一个预设的时间窗口内并且车距在车载单元OBU的通信范围内，认为这两辆车能够完成一次通信；

第二单元，用于得到通信频次图后，根据主要社区规模的大小为每个社区分配一个权值，并且社区内的车辆自动拥有该社区的权值，称之为车辆社区值；将需要部署RSU的部署区域Ω划分为多个候选区域，定义一个候选区域内所有经过的车的车辆社区值总和称为区域社区值，计算每个候选区域的区域社区值；

第三单元，用于初始化，包括部署集合G置空，总部署花费置0；

第四单元，用于判断是否部署总花费C小于等于预算B并且部署区域Ω非空，如果是，命令第五单元工作，如果否，命令第九单元工作；

第五单元，用于从部署区域Ω中选择值最大的候选区域；其中，c_i分别是指候选区域的区域社交值和区域部署花费；

第六单元，用于比较当前选择区域部署花费与当前总花费之和是否超过预算B，如果否，命令第七单元工作，如果是，命令第八单元工作；

第七单元，用于将候选区域并入部署集合G中，然后重新计算当前总花费C；

第八单元，用于从部署区域Ω中去掉候选区域命令第四单元工作；

第九单元，用于返回部署集合G的结果，结束。

而且，第二单元中，设有P个主要社区，将权值1-P根据社区规模大小分配给P个主要社区。

而且，第二单元中，候选区域的划分根据RSU的通信范围决定，一块候选区域的对角线长度是RSU通信半径的2倍。

在本发明中，提出了一种基于车联网车辆社交性的RSU部署技术方案，目的在于最大化V-R-V通信。本发明具有以下特点：

1)车辆的社区模型。本发明考虑车辆在社交网络内的内在关联。整个网络中的节点(车辆)的移动具有高度动态性，所以无法对单个车辆的移动性进行有效分析。但是车辆与车辆间的通信存在持续性和反复性。通过提取真实车辆之间的通信并利用社区发现加以分析可以发现，车辆之间的通信呈现社区结构的特点，社区内的车辆之间通信密集，而社区间的通信却比较稀疏。

2)基于社交性的部署策略。根据现实经验，通信较为密集的区域应该是优先部署RSU的区域。一个社区内的车辆相互通信非常密集，那么追踪它们的轨迹数据并将其位置与相应的部署区域匹配就可以每个候选区域的社交值分布。选择区域社交值与部署花费之比最高的优先部署即是通信最密集的区域优先部署。

因此，本发明能够很好地模拟现实情形，并针对车辆移动的社交性，合理地给出了一个有效的解决方案，让RSU的部署更加合理化、高效化，不至于造成资源的浪费，具有重要的市场价值。

附图说明

图1为本发明实施例的流程图。

图2为本发明实施例部署策略示意图。

图3、5、7分别为本发明实施例的实验结果中不同候选区域，传输半径，预算下四种算法部署RSU数量对比图。

图4、6、8分别为本发明实施例的实验结果中不同候选区域，传输半径，预算下四种算法V-R-V归一化通信次数对比图。

具体实施方式

以下结合附图和实施例详细说明技术方案。

本发明实施例提供用于车联网车辆社交性的RSU部署方法，考虑在一片区域内，给定有限的部署预算的条件下，如何最优化部署RSU，从而使得V-R-V归一化通信次数最大化。在路侧单元的部署过程中，出于最大化V-R-V归一化通信次数的目标，尽可能地在通信密集的地方部署RSU。最终结合车辆的社交性提出了一个基于车辆社交性的贪心算法，在每一步选择的过程中，尽可能选择区域社交值与区域部署花费比值最大的候选区域。实施例利用真实车辆轨迹根据OBU通信范围和时间窗口提取车辆间的“通信频次”；再用社区发现挖掘车辆间的社区结构并根据其社区规模为每辆车分配“车辆社交值”；然后根据划分好的候选区域匹配每辆车的轨迹，并将其车辆社交值累加到所在的区域社交值中；最后利用贪婪算法选出合适的部署区域，详细实现包括如下步骤：

Step1，根据真实车辆数据挖掘社区结构。

实际收集的真实数据字段可能包含车辆ID、时间戳、经度、纬度、速度、角度等。实施例中提取时间戳、经度、纬度这三个字段。首先要形成通信频次图，提取车辆间通信的策略是：比较两辆车的GPS报告点的时间差，若处在一个预设的时间窗口内并且他们之间的车距在车载单元OBU的通信范围内，认为这两辆车可以完成一次通信。本发明中，时间窗口指的是时间差的取值范围，例如，时间窗口(5,30)是指时间差处在5秒至30秒之间。根据该策略提取出每辆车之间的通信频次。接着利用社区发现算法对车辆进行社区划分，这样就得到通信频次图。转到Step2；

其中社区发现算法(FastUnfolding算法)能帮助检测出车联网中哪些车之间的通信密集，哪些车稀疏。采用FastUnfolding算法，具体步骤如下：

1.初始化，将每个节点划分在不同的社区中。可通过随机定义的形成初始的社区。

2.逐一选择各个节点，根据如下公式计算将它划分到它的邻居社区中得到的模块度Modularity增益Q。如果最大增益大于0，则将它划分到对应的邻居社区；否则，保持归属于原社区。

其中，m代表边的总权重，A_ij是一个邻接矩阵的元素，如果节点i和节点j之间存在边，那么A_ij的值为两个节点(即两辆车)的通信次数，否则，A_ij＝0。k_i和kj分别是节点i和节点j的度数(即与节点相连的边的条数)。c_i表示的是顶点被分配到的社区，当δ(c_i,c_j)＝1，顶点i与顶点j被划分在同一个社区中，当δ(c_i,c_j)＝0，两顶点没有被划分在同一个社区。

3.重复步骤2，直到模块度不再发生变化，然后将一个社区的所有点合为一个点，形成新社区进入步骤4。

4.基于当前的新社区继续进行迭代。新社区中的点代表步骤3划分出来的每个社区，边的权重为两个社区中所有节点对的边权重之和。即重复步骤2和3，直到社区结构不再发生变化为止。

Step2，得到通信频次图后，根据主要社区规模的大小为每个社区分配一个权值。并且社区内的节点(车辆)自动拥有该社区的权值，称之为车辆社交值。然后根据实际需要部署RSU的地区划出一块正方形区域作为部署区域Ω(如果是矩形区域，可以考虑由多个正方形区域构成)，接着将部署区域划分为多个正方形子区域(称之为候选区域)，由于实际部署区域并不规则，具体实施时可以在划分为多个候选区域后，将不足的部分补足为正方形。一个候选区域内所有经过的车的车辆社区值总和称为区域社区值。计算每个候选区域的区域社交值。转到Step3。

例如社区结构图提取策略：时间窗口为5-30秒，车距为OBU通信范围(200m)。图中总节点数为1369个，主要社区有14个，将权值1-14根据社区规模大小分配给14个社区，规模大小可参考社区中的节点个数。

Step3，初始化：部署集合G置空，总部署花费C置0，转至Step4。

Step4，判断是否部署总花费C小于等于预算B并且部署区域Ω非空，如果是，转入Step5，如果否，转入Step9。

Step5，从部署区域Ω中选择值最大的候选区域，转到Step6。

其中，step2中候选区域的划分是根据RSU的通信范围决定。优选地，一块候选区域的对角线长度是RSU通信半径的2倍。部署区域Ω由多个候选区域组成，其关系可表示为i为候选区域编号，num为候选区域个数。而且，Step5中，c_i分别是指候选区域的区域社交值和区域部署花费。是选择因子，根据贪婪策略，每次循环选择单位花费区域社交值最大的区域。区域社交值的大小间接反映了该地区的车辆间通信密集程度。

RSU部署位置以图2为例，每个网格就是一块候选区域，选择最贴近区域地理中心的位置作为部署点，这样能在考虑具体地理约束的情况下尽量保证覆盖整个候选区域。

对于这种选择策略的算法性能，做如下分析：假设V(OPT)是最终结果集的总区域社交值，c(n)是第n次执行Step5选择的候选区域的部署花费。G_n为n次迭代后的部署集合，n次迭代后部署总花费为c(G_n)，那么有：

c(G_n+1)＝c(G_n)+c(n+1)

第n次选择时，有：

结合上述两个公式可以推出：

其中，c(k)是第k次执行Step5选择的候选区域的部署花费。

可知该算法的近似因子是1-1/e，e为数学常数，第n+1次迭代的部署集合总区域社交值远远大于最终结果集的总区域社交值。说明贪婪策略是求解这类问题的一种有效方法。

Step6，比较当前选择区域部署花费与当前总花费之和是否超过预算(C+c(n)≥B)，如果否，转入Step7，如果是，转入Step8。

Step7，将候选区域并入部署集合G中，然后重新计算当前总花费C＝C+c(n)，转至Step8。

Step8，从部署区域Ω中去掉候选区域转到Step4，继续选择下一个候选区域。

Step9，返回部署集合G的结果，结束。

以上流程主要思想是基于部署区域Ω与预算B，计算出每一个候选区域的区域社交值，根据该值与当前候选区域部署花费c_i的比值来选择优先部署的区域。具体实施时，可以采用计算机软件技术实现自动运行流程。

实施例中涉及到的一些相关参数如下：RSU通信半径为200m，取6组网格，4×4，6×6，8×8，10×10，12×12，14×14。每一个网格代表一个候选区域，中心点作为这个候选区域的部署点。例如，根据社区为全部1369辆车分配社交值并统计各候选区域的区域社交值，依次是：5417，6145，8475，5606，1792，2319，5396，3614，10773，3425，2055，2045，2434，4931，2696，5402.部署花费依次是6，5，4，7，8，8，7，10，3，4，6，4，6，1，5，1(以上参数可根据实际情况变化改变，这里仅作示例)。根据Step5中的策略求取每一个候选区域的比值，再花费不超过预算的情况下每次选择比值最大的区域并入部署集合G。为了估计算法性能，提供了如下几种算法作比较：

1)随机部署方案，不考虑任何部署策略，在保证花费小于预算的前提下随机选择候选区域。

2)均匀部署方案，RSU部署成均匀分布，保证照顾到相对偏僻的区域。

3)贪婪策略部署方案，每次选取最高区域社交值的候选区域部署。

4)社交-花费比值方案(简称社交方案)，每次选取区域社交值与区域部署花费比值最高的候选区域部署。

四种算法在不同候选区域数量，不同RSU传输半径，不同预算的情况下的RSU部署数量见图3、5、7，对比四种不同的算法可以看到本发明提出的社交-花费比值策略方案在三种因素的比较中均比同类算法有更好的性能。图3展示了随着候选区域的增大，四种算法部署的RSU数量也基本在增大，而社交方案的增长相较于其他三种算法更快。图5展示了不同RSU传输半径对RSU部署数量的影响。随着传输半径的增大，四种算法部署的RSU数量快速地下降，显然，传输半径的增大也会使得部署成本快速地增长。图7展示了预算增大时，四种算法的RSU部署数量也随之增大，但社交方案相比较而言增长得更快。

图例中Random、Uniform、Greedy、Sociability分别对应方案1-4。图4、6、8分别是在不同候选区域，不同RSU传输半径，不同预算情况下可以完成的V-R-V归一化通信的次数。图4展示了候选区域的扩大对V-R-V归一化通信的影响，随着区域的扩大，四种算法的V-R-V归一化通信均在增大，但是社交方案增长地最快，其他三种均有一定程度的下降。图6则能看出RSU传输半径变小时，V-R-V归一化通信次数渐渐趋向平缓，而社交方案相较于另外三种算法增长得更高。最终，图8可以看出社交方案相较于其他三种方案具有部署更多的RSU，产生更多的V-R-V归一化通信次数的效果。

具体实施时，本发明所提供方法可基于软件技术实现自动运行流程，也可采用模块化方式实现相应系统。本发明实施例还提出一种基于车联网车辆社交性的RSU部署系统，包括以下单元，

第一单元，用于根据真实车辆数据挖掘社区结构，包括基于车载单元OBU的通信范围提取出每辆车之间的通信频次，对车辆进行社区划分，得到通信频次图；

其中，提取出每辆车之间的通信频次的策略为，比较两辆车的GPS报告点的时间差，若处在一个预设的时间窗口内并且车距在车载单元OBU的通信范围内，认为这两辆车能够完成一次通信；

第二单元，用于得到通信频次图后，根据主要社区规模的大小为每个社区分配一个权值，并且社区内的车辆自动拥有该社区的权值，称之为车辆社区值；将需要部署RSU的部署区域Ω划分为多个候选区域，定义一个候选区域内所有经过的车的车辆社区值总和称为区域社区值，计算每个候选区域的区域社区值；

第三单元，用于初始化，包括部署集合G置空，总部署花费置0；

第四单元，用于判断是否部署总花费C小于等于预算B并且部署区域Ω非空，如果是，命令第五单元工作，如果否，命令第九单元工作；

第五单元，用于从部署区域Ω中选择值最大的候选区域；其中，c_i分别是指候选区域的区域社交值和区域部署花费；

第六单元，用于比较当前选择区域部署花费与当前总花费之和是否超过预算B，如果否，命令第七单元工作，如果是，命令第八单元工作；

第七单元，用于将候选区域并入部署集合G中，然后重新计算当前总花费C；

第八单元，用于从部署区域Ω中去掉候选区域命令第四单元工作；

第九单元，用于返回部署集合G的结果，结束。

各模块具体实现可参见相应步骤，本发明不予赘述。

本文中所描述的具体实施例仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。