[发明专利]基于流体力学的车联网数据流网络模型构建方法

摘要

车联网是一种高动态频繁变化的复杂网络，难以通过已有方法建立能够表征车联网特性的网络模型。针对以上问题，鉴于车联网数据流和流体具有一定的相似性，本发明把车联网数据流比拟成流体，推导出车联网网络特性的描述方程，给出了能够表征车联网复杂网络形态的车联网数据流网络模型的方法。本研究方法“一种表征车联网复杂网络特征的基于流体力学的数据流网络模型方法”，可利用理论方法推导车联网复杂网络形态，从而为车联网网络容量的相关研究提供理论模型基础，同时为车联网应用服务的设计和运行提供更准确的网络模型保障。

主权项

1.一种基于流体力学的车联网数据流网络模型构建方法，其特征在于，包括如下步骤：步骤一，车联网数据流与流体的相似性分析(1)车联网数据流的定义车联网数据流为车联网中已经被源节点发出但还未被目的节点接收且存活时间大于零的数据包组成的集合，即DataFlow＝{packet|sended by source∧not received by target∧time to live>0}  (1)在车联网数据流中，数据包、车辆和信道是构成车联网数据流的三个基本元素，其中，数据包是携带信息的载体，车辆可作为发送节点、中继节点或目标节点对数据包进行发送、转发或接收，信道则作为数据包传输的管道；(2)车联网数据流与流体的相似性分析车联网数据流由大量数据包组成，流体是由大量做无规则热运动的分子组成，它们之间构成了对照关系；步骤二、数据流与流体的参数转化把数据流的参数转化成相应的流体力学参数，参数之间的对应关系如表2所示：步骤三、车联网数据流网络模型的建立根据车联网数据流的连续性、数据传输过程、节点相互干扰效应，推导出与车联网网络容量密切相关的数据传输率、网络规模、传输速度的关系方程，得到车联网数据流网络模型，表征为：(1)数据流参数随时间的变化率根据数据流参数是否具有方向性，用矢量场和标量场来对其进行描述；数据流的参数为位置与时间的函数，对参数r，表示为r＝r(x,t)    (2)其中，x表示位置，t表示时间；定理1车联网数据流中的某点所具有的参数r随时间的变化率为根据定理1，车联网数据流参数随时间的变化率由和两部分组成，其中，表示该参数在某一固定的位置上随时间的变化率，称其为当地导数，表示因位置的变化而导致的参数变化率，称其为迁移导数；由定理1，求得车联网数据流的加速度为车联网数据流密度随时间的导数为车联网数据流流量随时间的导数为定理2车联网数据流任一参数总量随时间的变化率为其中，R表示车联网数据流所具有的某个参数的总量，r表示数据流中每个数据包所具有的参数，t表示时间，ρ表示数据流的密度，v表示数据流的速度，ds表示微元长度(一维流动)或微元面积(二维流动)，cv表示车联网所处区域，cl表示车联网边界线；由定理2确定，车联网数据流所具有的任意参数R的总量对时间的导数分为和两部分，其中，表示的是固定区域内的参数R的时间变化率，表示的是单位时间通过车联网数据流边界线的参数R的净通量；(2)数据流连续性方程在车联网中取一路段作为控制区域，该区域的入流线的长度为l₁，入流处数据流的流速为v₁，密度为ρ₁，出流线的长度为l₂，出流处数据流的流速为v₂，密度为ρ₂，区域中的数据包数为m；若数据流区域内的数据包数不发生变化，则由定理2得结合式(19)和式(20)，得其中，S为区域的面积，因为区域的面积不会随时间改变，所以上式可以化简为当数据流处于定常流动时，上式第一项为0，所以即对其进行积分得ρ₁v₁l₁＝ρ₂v₂l₂    (25)由式(25)确定，在定常数据流中，在同一信道上的任一位置通过的流量相同；(3)数据传输方程对于车联网数据流的某一个区间，设该区间长度为Δx，数据流密度为ρ，则数据包数为ρ*Δx，根据牛顿第二定律，得ρ*Δx*a＝ΔF    (26)F为发送速度；所以对Δx取极限，当Δx→0时根据定理1，得结合式(27)和式(29)，得式(30)即为车联网数据流的运动方程；(4)节点间相互干扰方程车联网数据流中数据包之间的碰撞会导致数据包失效，从而引起数据流流速降低，数据流流速降低看成是一种虚拟内摩擦力作用的结果，该力的大小与数据流的粘度、信道长度和数据流流量随流动方向的变化率成正比，即其中，μ为车联网数据流的粘度，μ＝2(v₁‑v)，v₁为数据流简单波的最大波速；Δx为车联网数据流的某一个区间长度，q为流量；只有当其密度达到一定的阈值后有粘性作用，把这个阈值定义为ρ_f，则车联网数据流的粘性大小准确地表示为把车联网数据流的粘性系数定义为单位长度的粘性大小，即在车联网数据流引入粘性作用后，重新对其受力情况进行分析，可得到考虑粘性作用的车联网数据流的运动微分方程其中，τ就是车联网数据流的粘性阻力项