首页 / 专利库 / 计算机网络 / 环境网络 / 一种应用于车辆跟驰队列的异构网络接入选择策略方法

一种应用于车辆跟驰队列的异构网络接入选择策略方法

阅读:1043发布:2020-06-12

专利汇可以提供一种应用于车辆跟驰队列的异构网络接入选择策略方法专利检索,专利查询,专利分析的服务。并且一种应用于车辆跟驰队列的异构网络接入选择策略方法,针对车联网中车辆在进行巡航行驶时需要通过通信网络进行信息数据的传递的要求,在同时考虑车辆网络和车辆运动状态信息的前提下,通过设计一个由基于 信号 强度确定车辆与基站相对 位置 的测距 算法 ,基于模糊控制算法筛选网络及基于逼近理想解算法确定网络相对权重三种共同使用的网络选择算法,进而使车辆在每一个扫描时刻都能通过此网络选择算法,选择当前时刻最优的通信网络以保证通信的 质量 和信息的正确传输,保证了车联网中车辆在 自适应巡航控制 的情况下能选择最优的 数据网络 ,从而对数据信息进行正确的发送与接收,减少了信息的错误概率。,下面是一种应用于车辆跟驰队列的异构网络接入选择策略方法专利的具体信息内容。

1.一种应用于车辆跟驰队列的异构网络接入选择策略方法,其特征在于,所述方法包括如下步骤:
1)、车辆队列进行直线跟驰,且车辆本身有传感器收发邻车的速度加速度信息,首先使用一种传播损耗模型法,根据当前时刻检测到的信号强度,估计车辆与基站之间的相对距离,然后才能进行后续工作,信号强度与距离的公式见式(1):
其中R(d)为当前时刻测得的信号强度,d为当前时刻车辆与基站之间的距离,R(d0)为预先设置并调整的信号强度,单位为dB,d0取值与预设的网络信号强度R(d0)有关,一般为边界值,与R(d0)一同设置,Xσ为测量过程的随机噪声误差,服从高斯分布;n为路径损耗指数,与具体环境相关;
在已知当前时刻信号强度的情况下,通过式(1)求出车辆与基站之间的相对距离d,然后与预先设定的良好接收范围d1作比较,从而淘汰部分车辆与基站之间过远的网络信号,进行第一次网络信号的筛选;
2)、根据模糊控制算法,求出各网络信号的选择优先级;
此次模糊控制算法的输入值分别为接收到的网络信号强度RSSI、车辆的移动速度v和车辆加速度a,在模糊系统中,隶属度函数是输入值模糊化最重要的部分,选择不同的隶属度函数,便会有不同的模糊结果;
模糊控制判决算法中的模糊逻辑系统对于输入变量和输出变量的隶属度关系,使用的是应用领域最多是三形和梯形,对三个输入变量都设置了三个模糊集合,因此需要设定3×3×3=27,共27条模糊规则来用于模糊推理阶段以应对每一种可能的输入情况;
将终端用户移动的速度v,加速度a以及接收到的网络信号强度RSSI通过模糊逻辑来进行优劣性的评估后得到一个评估值H,得到的切换评估值H反映各个网络切换的适用度,将H值过低的网络去除后,再次得到一个更精准的候选网络组供步骤3)使用;
3)、决定的八个决策因子为传输时延、传输带宽、丢包率、抖动、价格和功率,车辆速度,与车辆加速度;
在每一扫描时刻通过对车辆加速度的及车辆行驶的速度与加速度后,构建一个大小为m×n的包含网络当前情况下各个决策因子大小的决策矩阵Dm×n:
上式中,dij为i网络的j属性的数值大小,而m×n中的m代表共有m个候选网络,n则表示是本次用于评估权重的决策因子数量,此次网络选择算法中,考虑了八个属性的影响,所以n=8;
构建归一化决策矩阵R;
上式中,rij表示i网络中属性j数值归一化后的参数值,归一化方法如下:
收益型:
成本型:
上式中提到了max(dij)和min(dij),在所有候选网络的属性j中选出的最大数被称为max(dij),同样的,在所有候选网络中的属性j选出的最小数可以相对被称为min(dij);
在完成矩阵的归一化后,在候选网络矩阵R中依次选出各属性的最佳值与最劣值得到,将所有最佳值列为最佳矩阵Rmax,将所有最劣值列为最劣矩阵Rmin;
对决策因子来说,分为两种类型:收益型和成本型,对于不同种类的决策因子,归一化方式也有所不认同,收益型的最佳值为max(rij),最劣值为min(rij),而对于成本型则正好相反,最佳值为min(rij)最劣值为max(rij),除带宽外,其他属性均为成本型,而带宽为收益型;
所以最优矩阵表示为:
Rmax=[max(r1j)min(r2j)...min(r8j)]  (6)
与此相对的最劣矩阵表示为:
Rmin=[min(r1j)max(r2j)...max(r8j)]  (7)
通过最佳最劣矩阵可以对各候选网络进行归一化:
对于收益型:
对于成本型:
最终得到构建归一化决策矩阵A
其决策矩阵A最大的特征值所对应的特征向量ω即为各属性的对应权重,由于其为客观算法,根据各网络情况的不同,决策属性的权重不是固定的,需要在每一时刻重新计算其权重;
将归一化矩阵加权处理后,进行最后的比较,通过各网络属性与两种算法的权重矩阵相乘,构建最后的加权归一化矩阵Vm×n;
vij=wj×rij
其中wj就是对应属性j的权重值归一化后的大小,rij则表示了第i各网络中权重属性j归一化后的数值,vij则表示第i个候选网络中网络属性j在加权归一化后所得到的数值;
最后将同一网络的各vij值相加;
Vi便是最终反应候选网络i优劣性的权重值,比较各网络V的大小,由于之前对各参数集权重进行了归一化处理,通过对比,得到权重最高的V对应的候选网络作为下一时刻的预选网络,若当前时刻车辆所维持的网络所对应的权重值与预选网络的权重值的差值小于则车辆会维持连接当前时刻所对应的车辆网络,而不选择当前时刻的最优解网络,由于通过模糊控制的筛选,步骤2)中的候选网络都是能够保证车辆正常网络使用的,最终选定网络后就可交由车辆进行网络选择以完成通信交流工作。

说明书全文

一种应用于车辆跟驰队列的异构网络接入选择策略方法

技术领域

[0001] 本发明属于车辆巡航自动控制领域,一种应用于车辆跟驰队列的异构网络接入选择策略方法。

背景技术

[0002] 近年来,移动通信技术迅速发展,通信网络在人们生活中发挥着日益重要的作用。不同的行业对通信业务的要求不尽相同,所以衍生出了种类繁多的通信标准,通信网络朝多元化发展,当下通信网络已发展成由不同种类网络组成的异构通信网络。为了迎合不同人群不同领域获取信息的舒适性和其对应的通信质量,选择适当的网络十分的重要。4G时代,随着数据传输速度的上升及人民生活平的提高,更多的家庭都拥有了车辆。随着车辆数量的暴增,为了应对保证车辆的正常行驶,避免车祸、堵车等情况的需求,车联网应运而生。车联网也是一种异构网络,其包括了4G,WIMAX,WLAN等众多不同标准类型的网络共同组成,其主要目的是为车辆与车载人员提供良好的网络服务,其通信方式有车对车通信和车与路边基站通信及两者合作通信等。而有了通信网络及通行方式后,如何在当前情况下选择对网联车辆最适合的网络便是重中之重了,车联网车辆同时配置了多个不同种类的网络接口,可以根据命令而切换不同的通信网络,网络选择算法在保证车联网中网络正常运行及保证用户体验有重要意义。从宏观上看,通过多种网络之间的协作,根据场景需求选择一种最佳的网络与其它车辆或路边基础设施进行通信,使车辆能够获得良好的通信体验是有需求的。在网络选择算法中,由于现在单单追求信号强度的大小的意义不大,各通信网络的各种属性,终端的运动状态,用户的个人偏好都应该被综合考虑。寻找一种综合考虑了车与车载物品对网络的特定需求情况,同时能够避免网络的反复切换,且保证信号强度足够用户使用的网络切换选择算法是有价值的。

发明内容

[0003] 为了考虑实际存在的车联网环境下,车辆在跟驰过程中在不同网络中反复切换从而引起不良的用户体验的问题,本发明提供一种理解直观、设计简单、易于实现的网络切换选择算法方法。
[0004] 本发明解决其技术问题所采用的技术方案是:
[0005] 一种应用于车辆跟驰队列的异构网络接入选择策略方法,所述方法包括如下步骤:
[0006] 1)、由于此处设计中,车辆队列进行直线跟驰,且车辆本身有传感器模块收发邻车的速度加速度信息,那么对于切换来说,最重要的就是如何去判断车辆是否在网络信号的有效覆盖范围之内,若盲目将所有网络信号都考虑在算法的过程中,会出现许多无效的计算与反应时间,所以首先使用一种传播损耗模型法,根据当前时刻检测到的信号强度,估计车辆与基站之间的相对距离,然后才能进行后续工作,信号强度与距离的公式见式(1):
[0007]
[0008]
[0009] 其中R(d)为当前时刻测得的信号强度,d为当前时刻车辆与基站之间的距离,R(d0)为预先设置并调整的信号强度,单位为dB,d0取值与预设的网络信号强度R(d0)有关,一般为边界值,与R(d0)一同设置,Xσ为测量过程的随机噪声误差,服从高斯分布;n为路径损耗指数,与具体环境相关;
[0010] 在我们已知当前时刻信号强度的情况下,可以通过式(1)求出车辆与基站之间的相对距离d,然后与预先设定的良好接收范围d1作比较,从而淘汰部分车辆与基站之间过远的网络信号,进行第一次网络信号的筛选;
[0011] 2)、由上一步中的测距算法我们已知道了用户与基站之间的相对位置关系并对网络进行了筛选,下一步便是如何切换及如何优化切换的判决,在车辆行驶过程中,当他根据测距算法筛选完网络信号后,其在切换网络覆盖范围内所在的持续时间及车辆切换网络的时刻便非常重要了,因此,可以根据模糊控制算法,求出各网络信号的选择优先级;
[0012] 此次模糊控制算法的输入值分别为接收到的网络信号强度RSSI、车辆的移动速度v和车辆加速度a,在模糊系统中,隶属度函数是输入值模糊化最重要的部分,选择不同的隶属度函数,便会有不同的模糊结果;
[0013] 模糊控制判决算法中的模糊逻辑系统对于输入变量和输出变量的隶属度关系,使用的是应用领域最多是三形和梯形,对三个输入变量都设置了三个模糊集合,因此需要设定3×3×3=27,共27条模糊规则来用于模糊推理阶段以应对每一种可能的输入情况;
[0014] 将终端用户移动的速度v,加速度a以及接收到的网络信号强度RSSI通过模糊逻辑来进行优劣性的评估后便可以得到一个评估值H,得到的切换评估值H可以反映各个网络切换的适用度,将H值过低的网络去除后,再次得到一个更精准的候选网络组供步骤3)使用;
[0015] 3)、此次由于在车联网的环境下,需要多方面考虑影响选择的因素,考虑了用户、网络、车辆运动属性以及终端四个方面来为用户选择最适合的网络,决定的八个决策因子为传输时延、传输带宽、丢包率、抖动、价格和功率,车辆速度,与车辆加速度;
[0016] 在每一扫描时刻通过对车辆加速度的及车辆行驶的速度与加速度后,就可以构建一个大小为m×n的包含网络当前情况下各个决策因子大小的决策矩阵Dm×n:
[0017]
[0018] 上式中,dij为i网络的j属性的数值大小,而m×n中的m代表共有m个候选网络,n则表示是本次用于评估权重的决策因子数量,此次网络选择算法中,考虑了八个属性的影响,所以n=8;
[0019] 由于各决策因子单位不同,各因子之间无法直接进行比较,所以需要在后续步骤进行前,先对决策因子进行归一化处理,将各属性的差异性缩小,方便衡量各个数值的好坏,所以在此构建归一化决策矩阵R;
[0020]
[0021] 上式中,rij表示i网络中属性j数值归一化后的参数值,归一化方法如下:
[0022] 收益型:
[0023]
[0024] 成本型:
[0025]
[0026] 上式中提到了max(dij)和min(dij),在所有候选网络的属性j中选出的最大数被称为max(dij),同样的,在所有候选网络中的属性j选出的最小数可以相对被称为min(dij);
[0027] 在完成矩阵的归一化后,在候选网络矩阵R中依次选出各属性的最佳值与最劣值得到,将所有最佳值列为最佳矩阵Rmax,将所有最劣值列为最劣矩阵Rmin;
[0028] 对决策因子来说,可以分为两种类型:收益型和成本型。这两者的区别是我们对决策因子大小的期望值有所不同,对收益型来说的期望是值越大越好;而对成本型的期望是值越小越好,所以,对于不同种类的决策因子,归一化方式也有所不认同,收益型的最佳值为max(rij),最劣值为min(rij),而对于成本型则正好相反,最佳值为min(rij)最劣值为max(rij),除带宽外,其他属性均为成本型,而带宽为收益型;
[0029] 所以最优矩阵表示为:
[0030] Rmax=[max(r1j)min(r2j)...min(r8j)]  (6)
[0031] 与此相对的最劣矩阵表示为:
[0032] Rmin=[min(r1j)max(r2j)...max(r8j)]  (7)
[0033] 通过最佳最劣矩阵可以对各候选网络进行归一化:
[0034] 对于收益型:
[0035]
[0036] 对于成本型:
[0037]
[0038] 最终得到构建归一化决策矩阵A
[0039]
[0040] 其决策矩阵A最大的特征值所对应的特征向量ω即为各属性的对应权重,由于其为客观算法,根据各网络情况的不同,决策属性的权重不是固定的,需要在每一时刻重新计算其权重;
[0041] 将归一化矩阵加权处理后,进行最后的比较,通过各网络属性与两种算法的权重矩阵相乘,构建最后的加权归一化矩阵Vm×n;
[0042]
[0043] vij=wj×rij
[0044] 其中wj就是对应属性j的权重值归一化后的大小,rij则表示了第i各网络中权重属性j归一化后的数值,vij则表示第i个候选网络中网络属性j在加权归一化后所得到的数值;
[0045] 最后将同一网络的各vij值相加;
[0046]
[0047] Vi便是最终反应候选网络i优劣性的权重值,比较各网络V的大小,由于之前对各参数集权重进行了归一化处理,通过对比,得到权重最高的V对应的候选网络作为下一时刻的预选网络,若当前时刻车辆所维持的网络所对应的权重值与预选网络的权重值的差值小于
[0048]
[0049] 则车辆会维持连接当前时刻所对应的车辆网络,而不选择当前时刻的最优解网络,由于通过模糊控制的筛选,步骤2)中的候选网络都是能够保证车辆正常网络使用的,最终选定网络后就可交由车辆进行网络选择以完成通信交流工作。
[0050] 本发明的技术构思是:针对车联网中车辆在进行巡航行驶时需要通过通信网络进行信息数据的传递的要求,在同时考虑车辆网络和车辆运动状态信息的前提下,通过设计一个由基于信号强度确定车辆与基站相对位置的测距算法,基于模糊控制算法筛选网络及基于逼近理想解算法确定网络相对权重三种共同使用的网络选择算法,进而使车辆在每一个扫描时刻都能通过此网络选择算法,选择当前时刻最优的通信网络以保证通信的质量和信息的正确传输,保证了车联网中车辆在自适应巡航控制的情况下能选择最优的数据网络,从而对数据信息进行正确的发送与接收,减少了信息的错误概率。
[0051] 本发明主要执行部分在车辆自动驾驶控制计算机上运行实施。本方法实施过程可以分以下三个阶段:
[0052] 1、参数设置:包括模型参数和控制器参数,在模型参数导入界面中,输入采样时间间TS、及网络相关参数,完毕后,由控制计算机将设置数据送入计算机存储单元RAM中保存;
[0053] 2、离线调试:点击组态界面中的“调试”按钮,使巡航控制系统进入控制器离线调试阶段,调整组态界面中的网络参数,在离线模式下,根据预设的网络参数,根据本发明上述公式,可得到一个合适的阈值
[0054] 3、在线运行:启动主控制计算机的CPU读取模型参数和控制器参数,通过车载传感器得到当前时刻前车与本车的间距误差、相对速度和本车加速度,通过无线信道传输得到当前时刻前车加速度,每一时刻车辆通过接收器获取各网络信号的相关信息,通过算法对网络进行选择,从而选择当前时刻最佳的网络进行切换,保障下一时刻车辆巡航行驶的相关信息能顺利传输,在下一个控制周期时,重新通过车载传感器得到车辆的相关参数,通过接收器获得各网络信号的相关信息,如此周而复始,从而让车辆在每一时刻都能获得最佳的网络体验。
[0055] 本发明的有益效果主要表现在:
[0056] 1、在算法的第一步设计中,首先通过信号强度来估计车辆与基站之间的距离,从而首先排除掉了一些显然会在后续步骤中被筛选掉的信号,并通过模糊控制算法进一步的减少了,所需考虑的网络信号,从而让在计算权重时的矩阵计算简单化,减少了算法的复杂度与计算所需要的时间,从而让车辆能够及时对网络信号进行判别与选择;
[0057] 2、算法中同时考虑了网络属性与车辆运动时所具有的属性,更能将车辆的实时状态表现出来;
[0058] 3、通过模糊控制算法及权重计算的结果,可以在保证车辆通讯质量的前提下,避免车辆在行驶过程中在各网络信号间反复切换而浪费能源,保证了车辆跟驰的质量。附图说明
[0059] 图1在离线调试时,将所有预设网络都考虑在内,通过最优最劣算法所算出的各个网络的权重值。
[0060] 图2为领航车在每一个采样时刻进行的网络选择。

具体实施方式

[0061] 下面结合附图与附表对本发明的方法作进一步详细说明。
[0062] 参照图1和图2及表1和表2,一种应用于车辆纵向跟驰队列的异构网络接入选择策略方法,所述方法包括如下步骤:
[0063] 1)、由于此处设计中,车辆队列进行直线跟驰,且车辆本身有传感器等模块收发邻车的速度加速度等信息,那么对于切换来说,最重要的就是如何去判断车辆是否在网络信号的有效覆盖范围之内,若盲目将所有网络信号都考虑在算法的过程中,会出现许多无效的计算与反应时间,所以首先使用一种传播损耗模型法,根据当前时刻检测到的信号强度,估计车辆与基站之间的相对距离,然后才能进行后续工作,信号强度与距离的公式见式(1):
[0064]
[0065]
[0066] 其中R(d)为当前时刻测得的信号强度,d为当前时刻车辆与基站之间的距离,R(d0)为预先设置并调整的信号强度,单位为dB,d0取值与预设的网络信号强度R(d0)有关,一般为边界值,与R(d0)一同设置,Xσ为测量过程的随机噪声误差,服从高斯分布;n为路径损耗指数,与具体环境相关;
[0067] 在已知当前时刻信号强度的情况下,通过式(1)求出车辆与基站之间的相对距离d,然后与预先设定的良好接收范围d1作比较,从而淘汰部分车辆与基站之间过远的网络信号,进行第一次网络信号的筛选;
[0068] 2)、由上一步中的测距算法我们已知道了用户与基站之间的相对位置关系并对网络进行了筛选,下一步便是如何切换及如何优化切换的判决,在车辆行驶过程中,当他根据测距算法筛选完网络信号后,其在切换网络覆盖范围内所在的持续时间及车辆切换网络的时刻便非常重要了;因此,可以根据模糊控制算法,求出各网络信号的选择优先级;
[0069] 此次模糊控制算法的输入值分别为接收到的网络信号强度RSSI、车辆的移动速度v和车辆加速度a。在模糊系统中,隶属度函数是输入值模糊化最重要的部分,选择不同的隶属度函数,便会有不同的模糊结果;
[0070] 本发明提出的模糊控制判决算法中的模糊逻辑系统对于输入变量和输出变量的隶属度关系,使用的是应用领域最多是三角形和梯形。本发明对三个输入变量都设置了三个模糊集合,因此需要设定3×3×3=27,共27条模糊规则来用于模糊推理阶段以应对每一种可能的输入情况;
[0071] 将终端用户移动的速度v,加速度a以及接收到的网络信号强度RSSI通过模糊逻辑来进行优劣性的评估后便可以得到一个评估值H,得到的切换评估值H可以反映各个网络切换的适用度,将H值过低的网络去除后,再次得到一个更精准的候选网络组供步骤3)使用;
[0072] 3)、此次由于在车联网的环境下,需要多方面考虑影响选择的因素,考虑了用户、网络、车辆运动属性以及终端四个方面来为用户选择最适合的网络,决定的八个决策因子为传输时延、传输带宽、丢包率、抖动、价格和功率,车辆速度,与车辆加速度;
[0073] 在每一扫描时刻通过对车辆加速度的及车辆行驶的速度与加速度后,就可以构建一个大小为m×n的包含网络当前情况下各个决策因子大小的决策矩阵Dm×n:
[0074]
[0075] 上式中,dij为i网络的j属性的数值大小,而m×n中的m代表共有m个候选网络,n则表示是本次用于评估权重的决策因子数量,此次网络选择算法中,考虑了八个属性的影响,所以n=8;
[0076] 由于各决策因子单位不同,各因子之间无法直接进行比较,所以需要在后续步骤进行前,先对决策因子进行归一化处理,将各属性的差异性缩小,方便衡量各个数值的好坏,所以在此构建归一化决策矩阵R;
[0077]
[0078] 上式中,rij表示i网络中属性j数值归一化后的参数值,归一化方法如下:
[0079] 收益型:
[0080]
[0081] 成本型:
[0082]
[0083] 上式中提到了max(dij)和min(dij),在所有候选网络的属性j中选出的最大数被称为max(dij),同样的,在所有候选网络中的属性j选出的最小数可以相对被称为min(dij);
[0084] 在完成矩阵的归一化后,在候选网络矩阵R中依次选出各属性的最佳值与最劣值得到,将所有最佳值列为最佳矩阵Rmax,将所有最劣值列为最劣矩阵Rmin;
[0085] 对决策因子来说,可以分为两种类型:收益型和成本型。这两者的区别是我们对决策因子大小的期望值有所不同,对收益型来说的期望是值越大越好;而对成本型的期望是值越小越好,所以,对于不同种类的决策因子,归一化方式也有所不认同,收益型的最佳值为max(rij),最劣值为min(rij)。而对于成本型则正好相反,最佳值为min(rij)最劣值为max(rij),本次发明设计中,除带宽外,其他属性均为成本型,而带宽为收益型;
[0086] 所以最优矩阵表示为:
[0087] Rmax=[max(r1j)min(r2j)...min(r8j)]  (6)
[0088] 与此相对的最劣矩阵表示为:
[0089] Rmin=[min(r1j)max(r2j)...max(r8j)]  (7)
[0090] 通过最佳最劣矩阵可以对各候选网络进行归一化:
[0091] 对于收益型:
[0092]
[0093] 对于成本型:
[0094]
[0095] 最终得到构建归一化决策矩阵A
[0096]
[0097] 其决策矩阵A最大的特征值所对应的特征向量ω即为各属性的对应权重,由于其为客观算法,根据各网络情况的不同,决策属性的权重不是固定的,需要在每一时刻重新计算其权重;
[0098] 将归一化矩阵加权处理后,便可以进行最后的比较,通过各网络属性与两种算法的权重矩阵相乘,便可以构建最后的加权归一化矩阵Vm×n;
[0099]
[0100] vij=wj×rij
[0101] 其中wj就是对应属性j的权重值归一化后的大小,rij则表示了第i各网络中权重属性j归一化后的数值,vij则表示第i个候选网络中网络属性j在加权归一化后所得到的数值;
[0102] 最后将同一网络的各vij值相加。
[0103]
[0104] Vi便是最终反应候选网络i优劣性的权重值,比较各网络V的大小,由于之前对各参数集权重进行了归一化处理,通过对比,得到权重最高的V对应的候选网络作为下一时刻的预选网络,若当前时刻车辆所维持的网络所对应的权重值与预选网络的权重值的差值小于
[0105]
[0106] 则车辆会维持连接当前时刻所对应的车辆网络,而不选择当前时刻的最优解网络,由于通过模糊控制的筛选,步骤2)中的候选网络都是能够保证车辆正常网络使用的,最终选定网络后就可交由车辆进行网络选择以完成通信交流工作。
[0107] 本发明中,针对车联网中车辆在进行巡航行驶时需要通过通信网络进行信息数据的传递的要求,在同时考虑车辆网络和车辆运动状态信息的前提下,通过设计一个由基于信号强度确定车辆与基站相对位置的测距算法,基于模糊控制算法筛选网络及基于逼近理想解算法确定网络相对权重三种共同使用的网络选择算法,进而使车辆在每一个扫描时刻都能通过此网络选择算法,选择当前时刻最优的通信网络以保证通信的质量和信息的正确传输,保证了车联网中车辆在自适应巡航控制的情况下能选择最优的数据网络,从而对数据信息进行正确的发送与接收,减少了信息的错误概率。
[0108] 本实施例为车联网异构网络接入选择策略方法,具体操作过程如下:
[0109] 1、在参数设置界面中,输入模型参数,如下:时间间隔TS=0.1、预设网络参数如表1所示。本次行驶范围内共设有5个WIFI网络及2个5G网络。
[0110]
[0111] 表1
[0112] 2、在组态界面上点击“调试”按钮进入调试界面,启动主控计算机的CPU调用事先编制好的“控制器计算程序”,调整组态界面中的网络参数,其模糊算法规则如表2所示,在离线模式下,根据预设的网络参数,根据本发明上述公式,可得到一个合适的阈值。
[0113]
[0114]
[0115] 表2
[0116] 3、在线运行:启动主控制计算机的CPU读取模型参数和控制器参数,通过车载传感器得到当前时刻前车与本车的间距误差、相对速度和本车加速度,通过无线信道传输得到当前时刻前车加速度,每一时刻车辆通过接收器获取各网络信号的相关信息,通过算法对网络进行选择,从而选择当前时刻最佳的网络进行切换,保障下一时刻车辆巡航行驶的相关信息能顺利传输,在下一个控制周期时,重新通过车载传感器得到车辆的相关参数,通过接收器获得各网络信号的相关信息,如此周而复始,从而让车辆在每一时刻都能获得最佳的网络体验。
[0117] 本实施例中选取车长L=2m,领航车车做初速度为0,0~8s内加速度为1m/s2,14~18s内加速度为-1m/s2,32~36s内加速度为-0.5m/s2,60~64s内加速度为1m/s2,80~84s内加速度为-0.5m/s2,之后保持匀速直线行驶,最小安全距离d0=8m。实际控制效果如图1和图2所示。图1为离线调试时将所有预设网络都考虑在内时,通过最优最劣算法所算出的各种网络的权重值。图2为领航车在实际运行中在每一个采样时刻进行的网络选择。
[0118] 以上阐述的是本发明给出的一个实施例所表现出的优良的应用于车辆跟驰队列的异构网络接入选择策略方法的效果。需要指出,上述实施例用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明做出的任何修改,都落入本发明的保护范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈