[发明专利]基于模拟退火粒子群算法的路边单元非全覆盖优化部署方法

权利要求书

1.在车用自组织网络中采用基于模拟退火粒子群算法的路边单元RSU非全覆盖优化部署的方法，其特征在于：利用通信半径大于路面宽度的路边单元等间距部署实现对整个道路的非全面覆盖，目标车辆在非覆盖区域内行驶时依靠自身的惯性导航模块来实现定位功能，并根据基于距离间隔的累积误差来推导出整个非覆盖区域内的累计定位误差；通过几何精度因子GDOP来评价非覆盖区域内定位误差性能,由此推导出GDOP在整个非覆盖区域内的目标函数，然后利用基于模拟退火粒子群算法给出整个道路系统的定位误差的适应度值以判断部署性能；

包括如下步骤：

(1)将通信半径大于路面宽度的路边单元等间距部署在整个道路路面上并处于车道中央，实现非全面覆盖；

(2)目标车辆循序驶入驶出非覆盖区域，当其在RSU的通信半径内时其定位误差视为一个定值；

(3)当目标车辆驶入道路的非覆盖区域时依靠车载惯性导航系统模块实现定位，再计算其在非覆盖区域内行驶的累积误差，不同方向的表达式表示为Δt为采样估计的时间间隔，ex_tN为x方向的t_n时刻的估计误差，ey_tN为y方向的t_N时刻的估计误差，都服从速度估计误差N(m,δ²)的正态分布；

(4)利用GDOP来计算基于距离间隔的累积误差的映射关系，在x方向上GDOP关于距离采样间格Δl的表达式为不计y方向的GDOP，Vx_l为x方向的速度真值，生成用于优化的目标函数；

(5)融合车辆行驶方向的速度分量,求出车辆在整个非覆盖区域内的目标函数；

(6)采用基于模拟退火的粒子群算法来求解此目标函数，生成关于距离间隔的适应度值函数；

(7)重复步骤(3)-(6)，依据目标函数的适应度值的选择标准来获取以车辆定位精度最优的RSU部署拓扑结构；

以上(1)-(7)步骤的具体实施过程为：对整个道路建立平面二维坐标系，以左下角的顶点为原点(0,0)，以右上角的顶点(T,W)为边界，T为道路的整体长度；采用几何精度因子来求解非全覆盖区域(Non-full Coverage Area,NCA)区域内沿道路直线方向的长度L对车辆定位精度的影响，其表达式定义为

在公式(1)中分别为x、y方向上的位置估计误差的方差，δ²为t_N时刻的估计误差的估计方差，且令t_l时刻时的方差为假设车辆沿道路直线行驶不计y方向速度分量的影响，令Δt＝Δl/V，V为速度真值，Δl为对应采样时间间隔的距离长度，则得出x方向上GDOP关于Δl的映射关系

由公式(2)推导出GDOP在整个NCA区域内的目标函数，Vx_l为x方向的速度真值；

在上式中，N为NCA区域内的时间间隔数，当在NCA区域内取得极小值时，则目标车辆在NCA区域内利用航位推算产生的估计误差对车辆定位精度的影响就越小，这意味着RSU覆盖将会形成一个车辆定位精度最优的部署拓扑结构；

部署方法中采用基于模拟退火SA的粒子群优化PSO算法来搜索整条道路区域内RSU部署的最优解，带压缩因子的PSO的位置与速度状态更新公式如下

v(k+1)＝χ[v(k)+c₁r₁(pg(k)-x(k))+c₂r₂(po(k)-x(k))] (4)

x(k+1)＝x(k)+v(k+1) (5)

在公式(4)中c₁、c₂为学习因子，pg为粒子的最优解，po为粒子群的全局最优解，r₁、r₂为(0，1)上的伪随机数，po由pg中的个体最优值来替换，公式(5)为位置状态更新公式，(4)中的压缩因子χ由下式表示

在上式(6)中c＝c₁+c₂,粒子的最优解pg被选为全局最优解的概率为f()为待优化的目标函数，i的取值范围为粒子群的总数目[1,...,N]；由此解出中等规模RSU部署最优拓扑结构的适应度值，并执行相应的部署策略。

2.根据权利要求1所述的基于模拟退火粒子群算法的路边单元非全覆盖优化部署方法，其特征在于：路边单元的部署位置依据道路宽度和路边单元的通信半径来确定，以实现单个RSU部署的覆盖最大化；当相邻RSU的覆盖半径相交于路边时即为道路的一重全覆盖，当RSU位于路面中央时间距最远即为最优的一重全覆盖，沿x方向水平等间距平移RSU的位置，实现道路的优化非全覆盖，是指道路中出现相邻RSU不相交的非覆盖区域。