[发明专利]一种车载自组织网络的模糊分簇方法

说明书

本发明针对现有车载自组织网络分簇算法在网络拓扑变化频繁的场景下存在簇稳定性不高、孤立节点较多等问题，公开了一种车载自组织网络的模糊分簇方法。在簇生成算法中，首先对车辆的行驶方向进行了划分，然后结合模糊聚类的思想定义了一个可以衡量车辆节点成为簇头的能力参数；在簇维护算法中，首先采用了一个基本卡尔曼滤波器对簇成员的位置进行预测，然后基于位置预测和行驶方向判断提出了以临界簇成员为核心的簇维护机制。本发明运用了模糊聚类的思想，同时对簇成员的位置进行了预测，提高了网络中簇的稳定性、减少网络中孤立节点个数并降低网络通信开销，适用于直行道路、T字路口、十字路口等各种场景，具有良好的应用前景。

技术领域

本发明涉及一种车载自组织网络的模糊分簇方法，属于车载自组织网络领域。

背景技术

随着科技的不断进步和社会的发展，人们对汽车在安全、耗能、舒适和娱乐等方面提出了新的要求，汽车工业面临新的挑战。新一代汽车的研究将综合考虑信息技术、计算机技术、自动化技术、人工智能技术、网络通信技术等多学科领域的在汽车上的运用。在此种背景下，便诞生了智能网联汽车。如果与智能汽车、无人驾驶汽车、先进驾驶辅助系统、车联网、智能交通系统等相关概念做比较的话，智能网联汽车则是一种实现智能驾驶和信息互联的新一代汽车。其中信息互联技术要求车辆与外部节点之间能够实时地进行通信，使司机能够在超视距的范围内获得其他车辆的状况信息(如位置、方向、车速等)以及实时路况信息(如前方事故、后方的紧急车辆、道路拥塞情况等)，及时地调整驾驶行为，为司机的安全驾驶提供保障。

车载自组织网络(Vehicle ad-hoc Network，VANET)就是专门为车辆间通信而设计的自组织网络，其设计目标是建立一个车辆间通信的平台，将道路上行驶的车辆配置成自组织网络中的通信节点，利用车辆节点间的快速通信实现路况信息及其他车辆行驶信息的迅速传递。其最突出的特点是能够使驾驶员超视距获取相关交通信息，从而使智能网联汽车的智能驾驶和信息互联成为可能。而车载自组织网络中的分簇技术研究是实现车辆间分布式协作，并进行高效通信的关键步骤之一，同时能够为自组织网络中接入控制与路由协议的研究提供理论框架。

目前，许多国内外科研机构和研究人员针对车载自组网络的特性，研究并设计了很多类型的分簇算法。比如较早提出的多信道自组织网络分簇算法，算法中所有位于道路中间车道的节点都将成为候选簇头节点，然后这些候选簇头节点随机获取一个概率值p(具有唯一性)，具有最大概率值p的节点才会被选取为簇头节点。又如一种基于位置的分簇算法，该算法需要定位设备提供节点的地理位置信息，算法中，当某节点同时满足在一跳范围内其优先权值最大以及该节点比一条范围内所有邻居的一条范围内邻居节点的优先权值大这两个条件时，便被选取为簇头节点。这些算法开启了车载自组织网络中分簇算法研究的先河，然而，目前所提出的大部分车载自组织网络中的分簇所考虑的场景过于简单，难于满足网络拓扑变化频繁的交通场景。

发明内容

本发明针对现有车载自组织网络分簇算法在网络拓扑变化频繁的场景下存在簇稳定性不高、孤立节点较多等问题，结合模糊聚类思想和卡尔曼滤波技术，提出了一种车载自组织网络的模糊分簇算法。

本发明的原理在于，提出一种车载自组织网络的模糊分簇算法，其创新技术是：考虑了车辆的定位信息，包括位置、速度和加速度作为移动性指标，结合模糊聚类的思想定义了一个可以衡量车辆节点成为簇头的能力参数，提高了簇的稳定性；同时运用卡尔曼滤波技术对簇成员的位置进行了预测，基于位置预测和方向划分提出了临界簇成员的概念，其中临界簇成员为即将离开当前簇的簇成员；并设计了一种以临界簇成员为核心的簇维护机制，减少了网络中孤立节点的个数。

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；