[发明专利]车联网社区动态演化方法

说明书

车联网社区动态演化方法，具体包括如下步骤：步骤1.相关性质定义；步骤2.车联网社区的动态演化方法。步骤2.1基于点增量的社区变化；步骤2.2基于边增量的社区变化；步骤2.3基于权值增量的社区变化；步骤2.3基于社区增量的动态演化算法。在研究社区向心力和社区离心力的前提下，探测点增量、边增量以及权值增量对社区演化的影响，确立社区增量的演化机制，再以社区增量为基础进而研究大规模社区的演化机制，从而为车联网通达性研究提供了重要的理论基础。

技术领域

本发明涉及车联网领域，具体涉及车联网社区动态演化方法。

背景技术

研究车联网社区的目的是在高动态场景中准确构建社区模型，为基于社区的车联网通达性研究提供理论基础。目前，对车联网社区的研究主要是通过类似复杂网络的社区发现方法来定义社区模型。该类研究大多是对某一时刻车联网网络拓扑以及通信状态的分析上，属于静态社区发现的范畴。然而，车联网是一种拓扑结构高动态变化的移动自组织网络，仅仅依靠传统的静态社区发现策略无法满足实时性要求。因此，对车联网社区演化机制的研究具有重要意义。对于动态社区演化研究，可以分为基于时间片处理的社区演化和基于动态增量的社区演化研究两种类别，具体如下：

(1)基于时间片处理的社区演化研究

这类动态社区演化研究是以时间片为单位，对时间片上的网络拓扑进行聚类、融合或对比处理，并在处理结果的基础上进行社区发现、探测社区结构和进行差值比较的过程。研究者提出了一种基于时间片的聚类演化方法，对网络中的核心顶点和连接核心顶点的相关边的变化进行分类，并将聚类思想应用到序列社区的演化事件跟踪与社区结构更新中。有研究者研究了基于时间片的融合演化，这类方法是将相邻时间片的网络数据进行融合处理，并通过比较融合数据的相似性来确定下一时间片的社区结构。基于时间片的社区演化需要实时知道每个时间片内的全部网络结构数据，该方法网络规模较小或网络较为稳定的网络。当网络拓扑快速变化、选择的时间间隔较大时，该方法无法实时反映网络的社区结构；当网络规模较大、节点数量较多时，算法的时间复杂度会很高。

(2)基于动态增量的社区演化研究

社区的动态增量是指网络动态变化中，当前时刻相对于前一时刻社区结构和状态的改变量。目前已有许多关于社区的动态增量演化研究，研究者提出的自适应动态社区发现方法，是将增量策略应用到移动自组织网络的社区发现。研究者提出了动态社会关系网络社区结构的增量识别算法，该方法在社区数目确定的社交网络社区发现中效率较高。

综上所述，基于动态增量的社区演化比较的是前后时刻网络的增量，无须对网络的所有数据进行处理。因此，该方法适用于大规模且拓扑结构快速变化的网络社区演化机制的研究。对于车联网这种节点快速移动、网络拓扑高动态变化的移动自组织网络来说，本发明探究以社区向心力与社区离心力为前提，综合考虑点增量、边增量以及权值增量对社区演化的影响，以最优化模块度的准则下，保持车联网社区结构的动态稳定，提高社区演化过程中的存活时间，从而为车联网通达性研究提供关键技术支撑。

发明内容

发明目的：

本发明研究方法是针对车联网网络拓扑高动态变化带来的社区结构难以实时确定的问题，以社区向心力与社区离心力为前提，综合考虑点增量、边增量以及权值增量对社区演化的影响，研究车联网社区动态演化方法，从而为车联网通达性研究提供关键技术支撑。

现有关于车联网社区动态演化方法的研究更多集中在基于时间片处理和动态增量的社区演化研究上，最后的结论则是：车联网作为一种动态自组织网络，仅使用静态社区发现方法难以实时探测其社区结构，需要对其动态社区演化进行研究才能更好地揭示网络动态变化的规律。

为此，本发明具体给出以下技术方案实现：

车联网社区动态演化方法，具体包括如下步骤：

步骤1.相关性质定义

步骤2.车联网社区的动态演化方法