[发明专利]一种车载自组织网络的模糊分簇方法

权利要求书

1.一种车载自组织网络的模糊分簇方法，其特征在于：

对车辆的行驶方向进行划分，使用定位信息作为移动性指标，定位信息包括车辆位置、速度和加速度；

通过模糊聚类定义衡量车辆节点成为簇头的能力参数CP，并基于能力参数CP得出簇生成算法；

然后采用一个基本卡尔曼滤波器对簇成员的位置进行预测；

基于位置预测和行驶方向提出了以临界簇成员为核心的簇维护算法，其中临界簇成员为即将离开当前簇的簇成员；

具体包括如下步骤：

步骤一：簇的初始化与生成，

1)首先对车辆的行驶方向进行划分，只有行驶方向相同的车辆才能被划分在同一个簇中，假设车辆节点i的速度为：车辆节点j的速度为：其中和分别为X和Y轴的单位矢量,a,b,c,d为速度常量；

两个节点i和j之间的行驶方向夹角可以表示为：

当θ_i,j≤π/4时，则认为节点i和节点j的行驶方向相同；当θ_i,j＞π/4时，则认为节点i和节点j的行驶方向不同；这样可以避免把变道行驶的车辆错认为是在路口处转弯的车辆；

2)然后在已知车辆定位信息的基础上，定位信息包括位置、速度和加速度，通过模糊聚类的思想定义一个衡量车辆节点成为簇头的能力参数CP，其计算过程如下：

设某车辆节点u₁与其邻居节点u₂,...,u_n所组成的集合为U＝{u₁,u₂,...,u_n}，且每个车辆节点有6个特性指标：X轴方向位置、Y轴方向位置、X轴方向速度、Y轴方向速度、X轴方向加速度和Y轴方向加速度；那么这n个车辆节点的所有特性指标构成一个原始数据矩阵，记为U^*；

由于位置、速度和加速度的数据有不同的量纲，为了使不同的量纲也能进行比较，通常需要对数据进行标准化，也就是根据模糊矩阵的要求，将数据转换到区间[0,1]上，则标准化后的矩阵记为U′；

在获得矩阵U′后，结合权值分配的思想对最大最小法进行了改进，可计算得到车辆节点u_i与车辆节点u_j之间的相似度为：

其中u′_ik表示矩阵U′的第i行、第k列元素，α、β和γ分别为车辆节点位置、速度和加速度的权重系数，并且满足α+β+λ＝1；由于车辆节点的变化主要取决于速度和加速度，因此可设定：α＝0.2，β＝0.4，γ＝0.4；由车辆节点的相似度可得到U的模糊相似矩阵R，采用基于模糊等价矩阵聚类的方法将R改造成模糊等价矩阵R^*，则某车辆节点u₁的簇头能力参数可表示为：

r′_1j表示矩阵R^*的第1行、第j列元素,若一个车辆节点拥有更大的能力参数，意味着这个节点与周围的直接邻居节点之间有更相似的移动性，即选择一个拥有更大CP值的节点成为簇头，能够使该簇更加稳定，簇的生存时间更长；

3)最后基于簇头能力参数CP提出了簇生成算法：在网络初始阶段，所有车辆节点均为孤立节点，这些节点向通信范围内的节点广播格式为包类型、节点ID、位置、速度和加速度的HELLO数据包，此外，簇形成之后，簇头会以T_b为周期定时地广播格式为包类型、节点ID、位置、速度、加速度和CP值的簇头声明CHA数据包给通信范围内的所有节点；同样的，簇成员也会周期性地广播格式为包类型、节点ID、簇头ID、位置、速度、加速度和CP值的簇成员声明CMA数据包；

若节点j接收到其它节点发送的HELLO、CHA或者CMA数据包，便将发送者的ID添加到j的邻居列表中；然后，节点j计算它与邻居列表中每个节点的行驶方向夹角，若行驶方向不同，对应的节点会立即被节点j从它的邻居列表中删除；

在更新邻居列表后，节点j会计算自身的CP值，并将其发送给邻居列表中的其它节点；同时，节点j也会接收邻居列表中其它节点发送过来的CP值；

如果节点j的邻居列表中不存在任何簇头，且节点j的CP值比它邻居列表中任意节点的CP值都小，那么节点j就被选举为簇头；当节点j成为簇头后，它会发送一个格式为包类型、节点ID和CP值的簇邀请CI数据包给邻居列表中的其它节点；如果节点j收到了某个簇头节点的CI数据包或者邻居列表中有且只有一个簇头，则节点j会发送一个格式为包类型、节点ID和簇头ID的簇加入CJ数据包给该簇头，并成为它的簇成员；如果节点j收到了多个簇头节点的CI数据包或者邻居列表中有多个簇头，则节点j会选择CP值最大的簇头来加入；

步骤二：簇的更新与维护，

1)首先对簇成员的位置进行预测，由于卡尔曼滤波器不仅可以修正观测值，同时也可以根据观测值来推算下一时刻的预估值；假设每一个车辆节点从网络初始阶段开始就对其位置进行卡尔曼滤波，且将t时刻车辆节点的位置作为观测量，滤波采样周期为T_a，其中T_a表示车辆节点执行一次簇生成算法的理论时间，它包括数据发送与接收所耗用的时间和数据处理所耗用的时间，则获得t时刻车辆节点的后验状态估计值，记作接下来利用该后验状态估计值来预测下一个T_a时刻的先验状态估计值：

A为状态转移矩阵，那么可将中的位置向量l(t+T_a,t)作为下一个T_a时刻簇成员的预测位置；

2)然后基于位置预测和方向划分提出临界簇成员的概念，假设簇头i在t时刻的位置为l_i(t)，簇成员j在下一个T_a时刻的预测位置为l_j(t+T_a,t)，那么簇成员j与簇头i之间的预测距离可表示为：

l_i,x(t)和l_i,y(t)分别表示l_i(t)在X轴和Y轴方向的分量，l_j,_x(t+T_a,t)和l_j,y(t+T_a,t)同理；若已知车辆节点的通信半径为R_v，同时考虑步骤一中的行驶方向夹角，那么可做出如下规定：

当簇成员j与簇头i之间的预测距离D_i,j＞R_v时或行驶方向夹角θ_i,j＞π/4时，则该簇成员转变为临界簇成员；除此之外，如果簇头i发现邻居列表中存在拥有最小CP值的节点j，那么簇头i会立即给邻居列表中除j以外的其它节点发送格式为包类型和节点ID的簇头失效CHI数据包；T_a时间后，若j不是簇头节点，则j会代替i成为新的簇头并发送CI数据包给邻居节点；若j为簇头节点，则节点i发送CJ数据包给节点j并成为j的簇成员，从而完成簇的合并；如果簇成员接收得到簇头发送的CHI数据包，则转变为临界簇成员；

3)最后提出以临界簇成员为核心的簇维护机制，该机制的最关键部分就是簇成员转变为临界簇成员的过程，一旦簇成员转变为临界簇成员，就会执行簇生成算法，以便提前选择一个最稳定的簇头作为下一任备用的簇头；

另外，如果临界簇成员没有发现其它簇头，或者其它簇头的CP值均小于当前簇头的CP值，那么该临界簇成员将继续选择当前簇头作为下一任簇头；一旦选好备用簇头，临界簇成员便加入该簇，通过这个过程，簇成员在离开当前簇之后变为孤立节点的概率将变得很小，那么网络中孤立节点的个数也会大幅减少，进而降低网络的通信开销；

同时，当网络中簇生成算法执行完毕后，簇头、簇成员和孤立节点会周期性的广播CHA、CMA和HELLO数据包，在收到CHA、CMA和HELLO数据包后，网络中的每个节点会重新计算自身的CP值，并更新它的邻居列表；

此外，如果簇成员超过2T_b的时间未收到来自簇头的CHA数据包，则认为该簇成员已经离开原簇，成为孤立节点；同样的，若簇头长时间未收到簇成员发送的CMA数据包，则该簇头变为孤立节点。

2.根据权利要求1所述的一种车载自组织网络的模糊分簇方法，其特征在于：利用了模糊聚类的思想定义可以衡量车辆节点成为簇头的能力参数，运用卡尔曼滤波器对簇成员的位置进行了预测，从而有效提高了簇的稳定性并降低网络中孤立节点的个数，且能应用于任何道路场景。