本發(fā)明涉及車聯(lián)網(wǎng)領域，具體涉及城市道路中基于車輛狀態(tài)預測的連通性模型的構造方法。
背景技術：
：車聯(lián)網(wǎng)連通性研究是連通性量化度量并應用于車聯(lián)網(wǎng)路由機制設計。量化度量方法研究主要集中在基于連通性的路由協(xié)議，因為連通性的度量直接影響到路由協(xié)議中路徑的選擇。部分研究簡單地以車輛密度作為道路連通性的指標，然而道路密度高可能僅是局部分布密集，出現(xiàn)車輛分簇的情況，形成若干互不連通性的分支。更準確的研究綜合考慮連通率和時延的影響，其連通率和時延通過發(fā)送位置數(shù)據(jù)包來統(tǒng)計網(wǎng)絡傳輸?shù)某晒β屎脱舆t，然而這樣需要頻繁發(fā)送大量附加數(shù)據(jù)包，需要非常大的網(wǎng)絡開銷。為更好的評估連通性需要更精細的計算，lei等人假設車輛均勻分布，利用給定的路段車輛密度估算該路段的連通度，但是該種假設并不符合車輛的實際分布，尤其在交通燈的影響下，車輛的分布很可能集中在路口位置，分布不均勻。yang等人的研究則使用隨機分布模型來度量連通性，應用了車輛密度、交通燈等信息，考慮了多車道的問題，但其并沒有充分利用實時的車輛分布信息，且只也針對路口至路口的短距離路段，而路口情況缺乏保障，當路口沒有車輛節(jié)點或車輛節(jié)點駛離的情況下將出現(xiàn)路口轉發(fā)節(jié)點空洞問題。lin等的研究使用模糊理論建立了車輛密度、安全距離(根據(jù)位置和速度計算得到)和車輛正方行駛方向比例相關的連通性模型，但該研究也僅是從宏觀上通過衡量道路的車輛密度和方向等宏觀因素來計算連通性，仍然不能很好地避免車輛分簇和路口轉發(fā)節(jié)點空洞等問題。因此，目前的連通性機制研究缺乏一個結合車輛分布、道路信息、交通燈信息準確計算連通性的微觀連通性機制。相較于高速公路，城市道路客觀存在道路縱橫交錯，交通燈和路口廣泛分布和車輛運動狀態(tài)頻繁變化等特性，成為阻礙車輛之間相互連通的主要因素?，F(xiàn)有關于城市道路中車聯(lián)網(wǎng)連通性的研究通常以車輛密度來衡量路口至路口路段的連通性，存在如下問題：首先，沒有考慮車輛分布在交通燈的影響下形成兩極分化、分布疏密不均，導致車輛形成若干互不連通的分簇；其次，當路口缺乏車輛節(jié)點或者路口車輛駛離時，會造成路口車輛轉發(fā)節(jié)點空洞問題；此外，基于車輛密度的連通性方法缺乏對車輛動態(tài)變化和網(wǎng)絡穩(wěn)定性的考量。公開日為2015-08-26(公開號104867329a)的中國專利申請《一種車聯(lián)網(wǎng)車輛狀態(tài)預測方法》(申請?zhí)枺?01510197749.4申請日：2015-04-23)，該車聯(lián)網(wǎng)車輛狀態(tài)預測方法，包括：1)獲取目標車輛所處的車輛環(huán)境信息以及目標車輛前方的交通燈信息；2)根據(jù)車輛環(huán)境信息，以及目標車輛的歷史狀態(tài)信息預測目標車輛的車輛行為；3)根據(jù)車輛環(huán)境信息、目標車輛前方的交通燈信息和預測得到的車輛行為，結合目標車輛的歷史狀態(tài)信息預測車輛的狀態(tài)。該發(fā)明基于車輛環(huán)境信息、以及車輛歷史狀態(tài)對車輛的車輛行為進行預測，再通過車輛行為對車輛的未來狀態(tài)進行預測，基于車輛行為的預測準確，并且具有良好地擴展性，簡單高效，適用大規(guī)模網(wǎng)絡情況。本發(fā)明技術方案用到此在先技術，即，本發(fā)明技術方案是該在先中國專利申請《一種車聯(lián)網(wǎng)車輛狀態(tài)預測方法》(申請?zhí)枺?01510197749.4)的基礎上進一步研發(fā)深入。技術實現(xiàn)要素：本發(fā)明目的在于公開一種城市道路中基于車輛狀態(tài)預測的連通性模型的構造方法，對城市道路中客觀存在道路縱橫交錯，交通燈和路口廣泛分布和車輛運動狀態(tài)頻繁變化等特性進行深入系統(tǒng)的研究，從而有效提高城市道路網(wǎng)絡路徑連通的可靠性和穩(wěn)定性。為此，本發(fā)明給出以下技術方案實現(xiàn)：本發(fā)明研究方法，其特征在于，基于目前關于城市道路車聯(lián)網(wǎng)的連通性研究并沒有考慮車輛往往存在分布不均、路口轉發(fā)節(jié)點空洞等問題，基于在先提出的車輛狀態(tài)預測技術，給出路口鏈路和路段鏈路連通性的相關計算和解析，在此基礎上，對城市道路的最優(yōu)路徑進行推導，得出基于車輛狀態(tài)預測的城市道路連通性的相關結論。即，技術方案概括表征為：首先結合車輛的具體分布和動態(tài)變化，利用車輛狀態(tài)預測方法，計算車輛間鏈路生存時間，以此評估道路是否連通和連通的穩(wěn)定性，得到路口和路段連通性模型，然后推導城市道路整體連通性模型，并給出連通性最優(yōu)的路徑選擇方法。一種城市道路中基于車輛狀態(tài)預測的連通性模型的構造方法，其特征在于，具體方法包括如下步驟：步驟1.計算基于路口鏈路的連通性；步驟11.計算路口區(qū)車輛的停留時間；步驟12.計算過渡區(qū)車輛到達和離開路口的時間段；步驟13.路口鏈路連通性整體計算。步驟2.計算基于路段鏈路的連通性；步驟21.計算源路口s和目的路口d范圍通信范圍內(nèi)節(jié)點與其的鏈路生存時間；步驟22.計算相鄰節(jié)點中方向為源路口s到目的路口d方向的鏈路生存時間；步驟23.路口s到路口d路段整體連通性計計算。步驟3.推導最優(yōu)路徑。構建城市道路整體連通性模型，通過路口和路段鏈路連通性度量方法得到衡量從源節(jié)點到目的節(jié)點的路徑組成部分找到一條最優(yōu)路徑。步驟31.源節(jié)點出發(fā)的邊權值設置為無限大；步驟32.到達目的節(jié)點的邊的權值為節(jié)點所代表路段的連通性的值；步驟33.轉彎情況的邊的權值為出發(fā)節(jié)點所代表路段的連通性與其所指向路口連通性中的較小值；步驟34.直行情況的權值為出發(fā)節(jié)點所代表路段的連通性。有益效果：一現(xiàn)有技術中，密度并不能準確評估車聯(lián)網(wǎng)的連通性，即使相同密度下，由于分布不均勻仍然將導致連通性評估失誤；而本發(fā)明基于路口鏈路和路段鏈路的連通性方法，其連通性機制考慮具體分布，且因能區(qū)分路口和路段的連通性機制更為合理。具體說，本發(fā)明連通性計算方法體現(xiàn)了三個方面的優(yōu)點：(1)離散鏈路生存時間，體現(xiàn)了一點的容錯性；(2)體現(xiàn)鏈路生存時間，即十字路口范圍內(nèi)存在大于等于1個節(jié)點的持續(xù)時間，十字路口范圍內(nèi)存在大于等于1個節(jié)點的持續(xù)時間，體現(xiàn)十字路口鏈路的最大生存時間；(3)考慮十字路口范圍內(nèi)節(jié)點的數(shù)量，體現(xiàn)十字路口鏈路的魯棒性。本發(fā)明連通性計算方法體現(xiàn)了兩個方面的指標：(1)鏈路生存時間，即十字路口范圍內(nèi)存在大于等于1個節(jié)點的持續(xù)時間，十字路口范圍內(nèi)存在大于等于1個節(jié)點的持續(xù)時間，體現(xiàn)十字路口鏈路的最大生存時間；(2)十字路口范圍內(nèi)節(jié)點的數(shù)量，體現(xiàn)十字路口鏈路的魯棒性。二、本發(fā)明給出的基于車輛預測的連通性模型，該連通性模型得到指標與投遞率成正比，與延遲成反比；該連通性度量指標可以比較準備地評估網(wǎng)絡路徑的連通率和質量。附表說明表1交通燈對照表附圖說明圖1路口車輛節(jié)點分布圖2路段連通性節(jié)點分布圖3源節(jié)點和目的節(jié)點分布情況圖4路口鏈路連通性計算圖5轉彎和直行路徑權值的不同計算圖6實驗路口和路段場景圖7右路口交通燈周期圖8車道編號圖9路口鏈路連通性圖10路段鏈路連通性圖11車輛節(jié)點網(wǎng)絡結構圖12數(shù)據(jù)包投遞率與連通性的關系圖13數(shù)據(jù)包延遲與連通性的關系圖14為本發(fā)明方法流程圖圖15本發(fā)明算法1路口連通性計算流程圖。圖16本發(fā)明算法2路段連通性計算流程圖。圖17本發(fā)明算法3最優(yōu)路徑推導流程圖。具體實施方式本發(fā)明研究方法，針對現(xiàn)有城市道路中車聯(lián)網(wǎng)連通性研究均從路口至路口之間路段的密度等宏觀角度衡量道路的連通性，而城市道路中車輛往往存在分布不均、路口轉發(fā)節(jié)點空洞等問題，因此使用密度衡量連通性存在缺點，且缺乏對車輛動態(tài)變化的考慮。針對這些問題，本發(fā)明給出了一種城市道路中基于車輛狀態(tài)預測的連通性模型的構造方法。首先結合車輛的具體分布和動態(tài)變化，利用在先提出的車輛狀態(tài)預測技術，計算車輛間鏈路生存時間，以此評估道路是否連通和連通的穩(wěn)定性，得到路口和路段連通性模型，然后推導城市道路整體連通性模型，并給出連通性最優(yōu)的路徑選擇方法。本發(fā)明從根本上提升了城市道路網(wǎng)絡路徑連通的可靠性和穩(wěn)定性，為車聯(lián)網(wǎng)數(shù)據(jù)和信息提供最優(yōu)傳輸路徑，有助于推動車聯(lián)網(wǎng)可靠有效的信息共享渠道的建設。以下結合附圖對本發(fā)明技術方案的方法步驟做詳細說明。第一部分步驟1中，基于路口鏈路的連通性的計算路口鏈路連通性將十字路口視為一個節(jié)點，其連通性考慮一定范圍內(nèi)節(jié)點在路口的停留時間，如圖1為路口車輛節(jié)點分布情況，路口連通性度量主要考慮兩種節(jié)點，正位于十字路口的節(jié)點如ve1和正處于過渡區(qū)的節(jié)點如ve2。其連通性計算主要分為三個步驟：(1)計算路口區(qū)車輛的停留時間；(2)計算過渡區(qū)車輛到達和離開路口的時間段；(3)路口鏈路連通性整體計算。路口和過渡區(qū)停留時間表示為開始時刻和結束時刻的有效對<tstart,tend>。步驟2中，計算基于路段鏈路的連通性路段連通性考慮路口至路口路段的連通性，即直行區(qū)加過渡區(qū)的連通性。如圖2所示，路段鏈路連通性計算從一個路口s到另一個路口d的有向路段的網(wǎng)絡鏈路連通度。其計算包括三個步驟：(1)計算源路口s和目的路口d范圍通信范圍內(nèi)節(jié)點與其的鏈路生存時間；(2)計算相鄰節(jié)點中方向為源路口s到目的路口d方向的鏈路生存時間；(3)路口s到路口d路段整體連通性計計算。步驟3中，最優(yōu)路徑推導通過路口和路段鏈路連通性度量方法得到衡量從源節(jié)點到目的節(jié)點的路徑組成部分，然而如何將選擇這些組成部分組成從源節(jié)點到目的節(jié)點一條最優(yōu)路徑還沒有解決，這部分稱為最優(yōu)路徑的推導。如圖3的道路示意圖，s表示源節(jié)點，d表示源節(jié)點，i表示十字路口，十字路口之間的有向向量表示十字路口之間的節(jié)點組成的有向網(wǎng)絡路徑。按照源節(jié)點和目的節(jié)點所處位置的不同可分為四種情況：(1)源節(jié)點和目的節(jié)點均位于路口，如圖3所示的源節(jié)點s1和目的節(jié)點d1；(2)源節(jié)點位于路口，目的節(jié)點位于路段，如圖3所示的源節(jié)點s1和目的節(jié)點d2；(3)源節(jié)點位于路段，目的節(jié)點位于路口，如圖3所示的源節(jié)點s2和目的節(jié)點d1；(4)源節(jié)點和目的節(jié)點均位于路段，如圖3所示的源節(jié)點s2和目的節(jié)點d2。對于情況(1)視為尋找路口i1到路口i12的最優(yōu)路徑；情況(2)視為路口i1到路口i8或者i9的最優(yōu)路徑，因此到達d2僅可能通過路口i8或i9；情況(3)可視為路口i4或i5到達i12的最優(yōu)路徑；情況(4)可視為尋找i4或i5到達i8或者i9的最優(yōu)路徑。因此四種情況都可總結求取一個路口至另一個路口的最優(yōu)路徑。步驟4中，仿真實驗對城市道路中基于車輛狀態(tài)預測的車聯(lián)網(wǎng)連通的可靠性和穩(wěn)定性進行驗證從稀疏場景和密集場景的不同情況驗證本發(fā)明連通性模型，可通過sumo控制車輛生成周期來控制道路中車輛密度。具體實驗驗證步驟如下：(1)在控制密度的情況下，按照本發(fā)明的路口鏈路連通性計算方法計算路口連通性在一個交通燈周期內(nèi)隨時間的變化情況，以驗證在密度相同的情況下，由于交通燈等的影響，路口的連通性不由密度唯一確定，驗證了由密度確定連通性的不準確。(2)在控制密度的情況下，按照本發(fā)明的路段鏈路連通性計算方法計算路段的連通性在交通燈周期內(nèi)隨時間的變化，以驗證密度確定連通性的不準確性。指定道路，控制密度條件的情況下，研究該道路的數(shù)據(jù)發(fā)送的投遞率和延遲，并與本發(fā)明連通性模型預測的該道路的連通性比照。數(shù)據(jù)發(fā)送使用基于地圖的路由協(xié)議gsr地理源路由協(xié)議，用以指定路徑進行數(shù)據(jù)傳遞，在驗證投遞率時，禁用路由恢復策略，以保證數(shù)據(jù)延路徑傳輸。第二部分對本發(fā)明第一部分進一步詳細說明。本發(fā)明的具體實施過程如圖14所示，包括如下5個方面：①計算路口鏈路的連通性②計算路段鏈路的連通性③推導城市道路中基于路口路段鏈路連通的車聯(lián)網(wǎng)連通性模型④對路口鏈路和路段鏈路的連通性進行可靠性和穩(wěn)定性驗證⑤對城市道路中車聯(lián)網(wǎng)的連通性模型進行可靠性和穩(wěn)定性驗證①計算路口鏈路的連通性(1)計算路口區(qū)車輛的停留時間正處于十字路口的節(jié)點的鏈路生存時間從當前時刻開始到離開十字路口，處于過渡區(qū)的節(jié)點的生存時間從到達十字路口到離開十字路口。處于十字路口的車輛ve1離開十字路口的時間為ve1運動軌跡與路口邊界相交的時間，即與線i1i2，i1i3，i2i4，i3i4相交的時間。車輛運動軌跡通過
背景技術：
提及的在先中國專利申請《一種車聯(lián)網(wǎng)車輛狀態(tài)預測方法》(申請?zhí)枺?01510197749.4)給出的車輛狀態(tài)預測方法得到，其t時刻的軌跡表示為p(t)＝(x(t),y(t))，線i1i2表示如公式(1)所示。相交時刻需滿足公式(2)，求解得到以此類推與i1i3，i2i4，i3i4相交的時間記為相交時間取大于0的解，則離開時間可表示為因此其開始和結束時間對如公式(3)所示。(x2-x1)y＝(y2-y1)x+x2y1-x1y2(1)(x2-x1)y(t)＝(y2-y1)x(t)+x2y1-x1y2(2)(2)計算過渡區(qū)車輛到達和離開路口的時間段處于過渡區(qū)域的節(jié)點ve2的鏈路生存時間開始時刻為與線i3i4相交的時刻，即進入十字路口區(qū)，結束時刻為與線i1i2，i1i3，i2i4相交的時間，其相交時間計算與節(jié)點ve1相交的計算方法類似，可得與i3i4，i1i2，i1i3，i2i4相交時間分別為鏈路生存時間表示為時間對如公式(4)所示。(3)路口鏈路連通性整體計算通過以上計算得到所有路口區(qū)域節(jié)點生存時間對<tstart,tend>的集合，然后以此評估路口的連通性。連通性計算方法首先將連續(xù)時間處理為離散時間，處理方法為將時間tstart和tend保留一位小數(shù)，然后擴大10倍將其處理為整數(shù)。然后按照算法1計算連通性。即：如圖15所示的算法1路口連通性計算：1.定義時刻數(shù)組time2.判斷是否對ts中每一個元素t都進行了處理。若未都進行了處理，則進行下一步；否則轉到步驟7。3.進行賦值操作：tstart←t[tstart]，tend←t[tend]。4.將i賦予初始值tstart+1，然后在tstart+1和tend之間進行遍歷，每次i加1。5.若遍歷尚未結束，則將time[i]加上1，返回步驟4；否則進行下一步。6.返回步驟2。7.進行賦值操作：c←0，size←sizeof(time)。8.將i賦予初始值1，然后在1和size之間進行遍歷，每次i加1。9.若遍歷尚未結束，則進行下一步；否則跳到步驟14。10.判斷time[i]是否等于0。若不等于0，則進行下一步；否則跳到步驟13。11.將j賦予初始值0，然后在0到time[i]之間進行遍歷，每次j加1。若沒有遍歷完成，進行下一步；否則跳到步驟8。12.進行賦值操作：c←c+1/(1<<j)，跳到步驟11。13.跳到步驟14。14.返回c/10。15.結束程序。該算法1將連續(xù)時間按1/10s的間隔劃分為離散時間，生存時間對的集合散落在每個時間間隔下，記錄每個時間間隔下存在多少個車輛節(jié)點，如果某個時間間隔車輛節(jié)點個數(shù)為0則路口連通鏈路生存時間到此為止，評估鏈路連通時刻的連通指標，設前面1,2,…,k個時間間隔的車輛個數(shù)為n1,n2,…·nk，則路口連通性c如下。假設生存時間對<tstart,tend>的集合為{<0,1.2>,<0.5,1.7>,<0.6,1.5>,<2.1,3.0>}，經(jīng)過離散化后的數(shù)據(jù)為{<0,12>,<5,17>,<6,15>,<21,30>}，遍歷集合，將其安裝時刻順序處理如圖4所示，如0-5時刻有一個車輛節(jié)點，因此0-5時刻路口是連通的，5-6時刻有兩個車輛節(jié)點因此5-6時刻路口是連通的并且鏈路更為穩(wěn)定。而在17時刻路口不連通，因此評估該路口的連通性為：該算法1將連續(xù)時間轉化為離散時間一方面可以更方便計算，另一方面考慮到需要一定的容錯性，按照1/10s的時間間隔劃分實際上允許了1/10s的生存時間計算誤差。該連通性計算方法體現(xiàn)了三個方面的優(yōu)點：(1)離散鏈路生存時間，體現(xiàn)了一點的容錯性；(2)體現(xiàn)鏈路生存時間，即十字路口范圍內(nèi)存在大于等于1個節(jié)點的持續(xù)時間，十字路口范圍內(nèi)存在大于等于1個節(jié)點的持續(xù)時間，體現(xiàn)十字路口鏈路的最大生存時間；(3)考慮十字路口范圍內(nèi)節(jié)點的數(shù)量，體現(xiàn)十字路口鏈路的魯棒性。②計算路段鏈路的連通性(1)計算源路口s和目的路口d范圍通信范圍內(nèi)節(jié)點與其的鏈路生存時間計算源路口s和目的路口d范圍通信范圍內(nèi)節(jié)點與其的鏈路生存時間，主要考慮兩種節(jié)點一種為靠近十字路口的節(jié)點如ve1和遠離十字路口的節(jié)點如ve2?？拷致房诠?jié)點與路口s的鏈路生存時間計算為當前時間到離開十字路口的時間，其離開十字路口的時間為運動軌跡與路口邊界i1i2，i1i3，i3i4的交叉時間，可計算方法與上文路口過渡區(qū)節(jié)點生存時間類似，其交叉時間記為則其與路口s的鏈路生存時間為如公式(6)所示。遠離十字路口的節(jié)點與源路口的鏈路生存時間為其距離路口邊界距離小于無線通信范圍r的時間。如節(jié)點ve2則為其位置p(t)＝(x(t),y(t))與直線i2i4的距離小于r的時間段。直線i2i4可表示為方程(7)，則節(jié)點ve2與直線的距離可表示為公式(8)。因此，源節(jié)點s與節(jié)點ve2的鏈路生存時間從0到為d(s,ve2,t)等于無線通信范圍r的時刻，即d(s,ve2,t)＝r的解。(y4-y2)x+(x2-x4)y+x4y2-x2y4＝0(7)(2)計算相鄰節(jié)點中方向為源路口s到目的路口d方向的鏈路生存時間相鄰節(jié)點是指互相在無線通信范圍內(nèi)的節(jié)點，方向從源路口s到目的路口d指得是傳輸方向為s到d方向，如圖2中ve2→ve3。因此計算一個節(jié)點與相鄰節(jié)點的鏈路生存時間時，該鄰居節(jié)點距離目的路口d的距離必須比該節(jié)點近，否則其數(shù)據(jù)傳輸不能向目的路口d靠近，到路口d的距離可視為到路口邊界i5i7的距離。相鄰節(jié)點的定義即互相在無線通信范圍內(nèi)，因此相鄰節(jié)點之間的鏈路生存時間從當前開始。相鄰節(jié)點鏈路生存結束時間為兩個節(jié)點之間距離大于等于無線通信范圍r的時間，且滿足兩個節(jié)點均在直行車輛范圍內(nèi)。兩個節(jié)點的位置運動表達式由車輛狀態(tài)預測方法給出。記發(fā)送節(jié)點如ve2的位置記為p2(t)＝(x2(t),y2(t))，其相鄰節(jié)點如ve3的位置記為p3(t)＝(x3(t).y3(t))，則鏈路生存的求解方程如(9)，其大于0的最小解即節(jié)點ve2和相鄰節(jié)點ve3的鏈路生存時間。(3)路口s到路口d路段整體連通性計計算路段整體連通連通性將源路口s和目的路口d分別虛擬化為一個節(jié)點，與路段中其他車輛節(jié)點等價，每個節(jié)點保持其相鄰節(jié)點信息，相鄰節(jié)點指的是互相在其無線通信范圍內(nèi)，通過其鏈路方向指向目的路口d，即相鄰節(jié)點距離目的節(jié)點d的距離小于節(jié)點本身。其路口s到路口d的路段整體連通性的連通性計算算法如算法2所示。即：如圖16所示的算法2路段連通性計算：1.定義stack和數(shù)組dts。2.根據(jù)stack.empty()判斷棧是否為空。若?？?，則進行下一步；否則跳到步驟9。3.進行賦值操作和棧操作：<i,dt>←stack.top()，stack.pop()4.判斷i是否與n相等。若相等則進行下一步；否則跳到步驟6。5.執(zhí)行操作：dts.add(dt)。6.判斷是否對nodes[i]中每一個元素neighbor都進行了處理。若未都進行了處理，則進行下一步；否則，跳到步驟8。7.執(zhí)行操作：stack.push(<neighbor,min(dt,ts[i][neighbor])>)，跳到步驟6。8.跳到步驟2。9.對數(shù)組dts從大到小排序。10.進行賦值操作：c←0，size←sizeof(dts)。11.對i賦予初始值1，然后在1到size之間進行遍歷，每次i加1。若沒有遍歷完成，進行下一步；否則跳到步驟13。12.進行賦值操作：c←c+1/(1<<(i-1))×dts[i]。13.返回c。14.結束程序。該連通性計算算法2將所有節(jié)點建模為有向圖，從源節(jié)點出發(fā)深度優(yōu)先所有節(jié)點。記錄每條源節(jié)點到目的節(jié)點路徑上最小鏈路生存時間作為該路徑的鏈路生存時間，而源節(jié)點到目的節(jié)點之間有多條路徑，假設源節(jié)點到目的節(jié)點有k條路徑，每條路徑的鏈路生存時間為tk，路徑按照鏈路生存時間從大到小排序，則該路口源節(jié)點到路口目的節(jié)點的連通性可表示為公式(10)。該連通性計算方法體現(xiàn)了兩個方面的指標：(1)鏈路生存時間，即十字路口范圍內(nèi)存在大于等于1個節(jié)點的持續(xù)時間，十字路口范圍內(nèi)存在大于等于1個節(jié)點的持續(xù)時間，體現(xiàn)十字路口鏈路的最大生存時間；(2)十字路口范圍內(nèi)節(jié)點的數(shù)量，體現(xiàn)十字路口鏈路的魯棒性。以上算法需要保證源節(jié)點到目的節(jié)點的有向圖沒有回路，下面證明其不可能含有回路。源路口節(jié)點s的下一跳節(jié)點為路口至路口的中間路徑的節(jié)點，其下一跳節(jié)點距離目的路口節(jié)點d的距離比s小。而目的節(jié)點的上一跳節(jié)點為也為中間路徑節(jié)點，目的節(jié)點d至d的距離比上一跳節(jié)點至d的距離小。而中間路徑的節(jié)點考慮鄰居節(jié)點時也僅考慮其鄰居節(jié)點中距離目的節(jié)點d比其本身小的節(jié)點。因此該有向圖中總有下一跳節(jié)點距離目的節(jié)點d的距離比上一節(jié)點小。假設該有向圖中存在回路node1→node2…→nodek→node1，記d(nodei)為nodei距離目的節(jié)點的距離，因此可以推出d(node1)>d(node2)>…d(nodek)>d(node1)，其中d(node1)>d(node1)矛盾，因此有向圖不可能出現(xiàn)回路。③推導城市道路中基于路口和路段鏈路連通的車聯(lián)網(wǎng)連通性模型為求得源路口到目的路口的最優(yōu)路徑，以源路口、中途路段和目的路口為節(jié)點建模為單源單終點的有向圖，如圖5所示。該有向圖有如下限定：從源節(jié)點出發(fā)，每個節(jié)點的下一跳節(jié)點指向路口離目的路口的距離都必須比該節(jié)點指向路口距離目的路口的距離近。該限定目的是為使每一跳都不斷地趨近目的節(jié)點，同時保證該圖成為有向無環(huán)圖，無環(huán)的證明可參照求取路段連通性的算法2。圖中節(jié)點的邊權值代表從該路段到達下一跳路段的連通性，其權值包含4種情況如圖5所示。(1)源節(jié)點出發(fā)的邊權值設置為無限大；(2)到達目的節(jié)點的邊的權值為節(jié)點所代表路段的連通性的值；(3)轉彎情況的邊的權值為出發(fā)節(jié)點所代表路段的連通性與其所指向路口連通性中的較小值；(4)直行情況的權值為出發(fā)節(jié)點所代表路段的連通性。之所以這樣設置權值是考慮到對于轉彎情況，數(shù)據(jù)包從一個路段到達另一個有夾角的路段，需要通過路口的轉發(fā)，因此需考慮路口的連通性，而對于直行情況由于沒有路口障礙，路段之間可直接轉發(fā)無需考慮路口節(jié)點的連通性。至此，源節(jié)點到目的節(jié)點的最優(yōu)路徑建模為單源單終點的加權有向無環(huán)圖，然后按照算法3則可求得最優(yōu)路徑的解。即：如圖17所示的算法3最優(yōu)路徑推導：1.定義棧stack用于深度遍歷2.定義數(shù)組path保存當前遍歷的路徑3.定義數(shù)組bestpath保存當前最優(yōu)路徑4.定義數(shù)組bestws[n]保持到達該節(jié)點的最優(yōu)值5.對i賦予初始值1，在1和n之間進行遍歷，每次i加1。若遍歷未完成，則進行下一步；否則跳到步驟7。6.進行賦值操作：bestws[i]＝-∞，跳到步驟5。7.棧操作：stack.push(<1,+∞>)，path.push_back(1)。8.根據(jù)stack.empty()判斷棧是否為空。若棧未空，則進行下一步；否則跳到步驟19。9.棧操作：<i,minw>←stack.top()，stack.pop()，path.push_back(i)。10.判斷minw<bestws[i]。若條件成立，進行下一步；否則跳到步驟12。11.棧操作：path.pop_back(i)。跳到步驟8。12.判斷i＝n。若條件成立，進行下一步；否則跳到步驟15。13.判斷minw>bestws[n]。若條件成立，進行下一步；否則跳到步驟17。14.復制path到最優(yōu)路徑bestpath，bestws[n]＝minw，跳到步驟17。15.判斷是否對e[i]中的每一個元素neighbor都進行了處理。若未都進行了處理，則進行下一步；否則，跳轉到步驟17。16.棧操作：stack.push(<neighbor,min(minw,w[i][neighbor])>)，跳到步驟15。17.棧操作：path.pop_back(i)。18.跳到步驟8。19.賦值操作：c＝bestws[n]。20.返回值bestpath和c。21.結束程序。路口到另一個路口的最優(yōu)路徑通過算法3求得，其路口到另一個路口的每條可達路徑的連通性為其路徑上有向邊權重的最小值，即路徑的連通性由路徑上連通性最低的邊決定，最優(yōu)路徑是指連通性最大的路徑。上文分析按照源節(jié)點和目的節(jié)點的位置可分為如圖4的四種情況。則情況(1)s1和d1即為i1i12的最優(yōu)路徑和連通性，如公式(11)所示。情況(2)s1和d2的最佳連通性為i1i8到i1i9連通性中的較大值如公式(12)所示。情況(3)s2和d1為i4i12和i5i12連通性中的較大值如公式(13)所示。情況(4)s2和d2為i4i8、i4i9、i5i8和i5i9連通性中的較大值如公式(14)所示。c(s1d1)＝c(i1i12)(11)c(s1d2)＝max(c(i1i8),c(i1i9))(12)c(s2d1)＝max(c(i4i12),c(i5i12))(13)c(s2d2)＝max(c(i4i8),c(i4i9),c(i5i8),c(i5i9))(14)以下是仿真部分。④對路口鏈路和路段鏈路的連通性進行可靠性和穩(wěn)定性驗證路口和路段仿真實驗選取城市場景中的一段路口和路段，如圖6所示，圖中黃色部分表示車輛，當前時刻直線車道兩個端點均處于紅燈區(qū)域，明顯可見車輛集中于兩段，分布不均勻，因此車輛兩級分布的情況可能出現(xiàn)。下面在指定密度的情況下，研究單個交通燈周期內(nèi)，路口和路段連通性的變化。路段指的是從左至右的有向路段，路口指右邊路口。其右路口交通燈周期時間圖如圖7所示。每個序號交通燈序列代表不同車道到另一個車道的鏈接，如表1所示，車道編號如圖8所示。如圖9和如圖10分別為路口和路段鏈路連通性隨交通燈周期變化圖，無線通信范圍選擇300米，密度選取400米橫向直行路段32個車輛節(jié)點和16個車輛節(jié)點，而右邊豎直車道車流密度選取為橫向直行路段的一半。如圖6密度的確對路口連通性有比較大的影響，然而其連通性也與交通燈的變化有密切關系，0-60s區(qū)域由于交通燈的控制主要為上下車流，而60-120主要為左右車流，左右車流量較大，連通性較大，而30-60s和90-120s時間主要為大轉彎控制，車輛停留時間長，使得路口連通性更穩(wěn)定。如圖8為路段在不同密度下與交通燈變化的關系，無線通信范圍為300米，實際上路段連通性受密度影響較小，而受交通燈的影響較大，40-60s區(qū)域由于橫向直行車道受紅色阻滯，使得車輛分布不均勻，整體鏈路連通性快速下降。從上述實驗結果可以得知，密度并不能準確評估車聯(lián)網(wǎng)的連通性，即使相同密度下，由于分布不均勻仍然將導致連通性評估失誤，因此本文連通性機制考慮具體分布，并區(qū)分路口和路段的連通性機制更為合理。⑤對城市道路中車聯(lián)網(wǎng)的連通性模型進行可靠性和穩(wěn)定性驗證在圖11的城市場景，左下角和右上角各部署一個固定的路邊基礎設施，以左下角rsu為源節(jié)點，右上角rsu為目的節(jié)點，通過ping應用，每1秒鐘向目的rsu發(fā)送數(shù)據(jù)包，設置ping超時為1秒，如果1秒未收到確認則認為發(fā)送失敗，統(tǒng)計投遞率和延遲。以投遞率評估網(wǎng)絡連通性的可能性，以延時評估網(wǎng)絡的質量。為衡量路徑的投遞率和延遲，使用基于地圖的路由協(xié)議gsr指定路徑傳輸數(shù)據(jù)包，在實驗投遞率時，關閉gsr的路由恢復策略以禁止其沿其他路徑發(fā)送，導致投遞率不準確。實驗結果如圖12和13所示，可見本文給出的連通性模型得到指標與投遞率成正比，與延遲成反比，因此驗證了該連通性度量指標可以比較準備地評估網(wǎng)絡路徑的連通率和質量。創(chuàng)新點創(chuàng)新之一：利用發(fā)明人在先提出的車輛狀態(tài)預測技術，進一步提出了一種基于路口和路段鏈路生存時間的連通性方法，從而更客觀地評估道路是否連通以及連通的穩(wěn)定性。針對現(xiàn)有城市道路中車聯(lián)網(wǎng)連通性研究均從路口至路口之間路段的密度等宏觀角度衡量道路的連通性，而城市道路中車輛往往存在分布不均、路口轉發(fā)節(jié)點空洞等問題，因此使用密度衡量連通性存在缺點，且缺乏對車輛動態(tài)變化的考慮等問題，用路口和路段鏈路的生存時間更好地量化了車聯(lián)網(wǎng)的連通性。創(chuàng)新之二：對基于路口和路段鏈路生存時間進行計算，推導出城市道路整體連通性模型。首先，計算車輛間鏈路生存時間，以此評估道路是否連通以及連通的穩(wěn)定性，得到路口和路段連通性方法，然后推導城市道路整體連通性模型，并給出連通性最優(yōu)的路徑選擇方法。本發(fā)明從根本上提升了城市道路網(wǎng)絡路徑連通的可靠性和穩(wěn)定性，為車聯(lián)網(wǎng)數(shù)據(jù)和信息提供最優(yōu)傳輸路徑，有助于推動車聯(lián)網(wǎng)可靠有效的信息共享渠道的建設。說明書附表表1序號出車道入車道序號出車道入車道0161989116510813215611714315101271415141376512131445611215310711616314811101732當前第1頁12