[发明专利]一种基于信息相关度的机会网络数据分发方法

权利要求书

1.一种基于信息相关度的机会网络数据分发方法，其特征在于，包括以下步骤：

步骤一：对车载电子地图进行区域划分，同时用分区地址编码方法对区域进行编码，并 初始化站点编码，分区地址编码完成后，每个公交站点都有一个唯一的地址码，然后执行步 骤二；所述的分区地址编码方法，采用先南北划分再东西划分的顺序进行编码，每划分一次 对应一位编码，如果站点位于区域的北部或东部，该位编码为1，如果站点位于南部或西部， 该位编码为0；地址码D由16位二进制数表示，D(i)表示从高位开始的第i位地址码，其中 i=0,1,…,15；D(0)~D(4)为地区码，表示范围为0~（2⁵-1），D(5)~D(15)为区内码，表示 范围为0~(2¹¹-1)；分区地址编码采用分层的方法，D(i+1)将D(i)划分的区域再次进行南北或 东西划分，其中0≤i≤14；

步骤二：首先判断车辆是否继续运行，若停止运行，表示数据分发过程结束，若车辆继 续行使，则收集社会信息和查询信息；车辆在行驶过程中，不断检测自身位置，并且与车载 电子地图比对以获得车辆当前所处的位置，如果该车辆与其他车辆相遇时，转步骤五执行； 如果车辆未与其它车辆相遇并且未到达站点时，转步骤三执行；如果车辆未与其它车辆相遇 但到达站点时，查询车辆数据库中目的地址与该站点匹配的社会信息，如果有，按照社会信 息的相关度值由高到低的顺序将匹配的社会信息广播出去，同时继续收集社会信息和查询信 息，转步骤三，如果没有，则直接转步骤三执行；

步骤三：判断车辆是否接收到社会信息，若没有转步骤二执行，若接收到社会信息，则 将接收到的社会信息存储到车辆自身数据库中，如果车辆的数据库已经存储满，采用最近最 少使用的方法替换掉最不活跃的社会信息，然后执行步骤四；

步骤四：车辆在行驶过程中，若收到查询信息，更新兴趣列表，即将收到的查询信息加 上车辆接收到查询信息时的位置组成兴趣元组添加到兴趣列表中，同时车辆将收到的查询信 息在车辆数据库中进行查询，如果有命中的社会信息，将命中的社会信息按照社会信息的相 关度值由高到低的顺序向外转发，转步骤二执行，如果没有命中的社会信息，直接转步骤二 执行；若未收到查询信息，转步骤二执行；

步骤五：车辆相遇时，彼此交换兴趣列表，进行社会信息的相关度值计算，并从对方获 得自己需要的社会信息，车辆在接收社会信息时会判断自身的数据库是否存储满，如果存储 满了采用最近最少使用方法替换数据库中的数据，然后转步骤四执行；

所述社会信息的相关度，表征公交车辆对某种社会信息的感兴趣程度，相关度值越大，说明 这辆公交车对这种社会信息感兴趣的程度越高，其计算方法为：

R(I)=relevance(I.destination)+relevance(I.time)+relevance(I.type)

=R_d(I.destination)+R_t(I.time)+R_e(I.type)

R(I)为社会信息的相关度计算函数，relevance表示相关度，I表示社会信息；

社会信息I由信息源产生，其格式为：I(source,destination,time,type,limite)，其 中source为信息产生地址即信息源的地址，destination为社会信息要发往的目的地址， time为社会信息生成时间，type为事件类别，limite为社会信息的有效期；

社会信息的相关度计算函数由三部分组成：地址相关度R_d，时间相关度R_t和事件类别 相关度R_e，分别根据社会信息的目的地址，生成时间和事件类别计算；待计算相关度的社会 信息要求是有效的，即源地址和目的地址编码正确、产生时间早于当前时间、事件类别属于 先前定义的范围，无效的社会信息直接抛弃；

地址相关度R_d是起决定性作用的变量，它随社会信息的目的地址与当前地址的距离这一 参数呈现递减的趋势，R_d(I.destination)=λe^-λx；针对不同的目的地址，定义不同的λ参数：

当I.destination位于公交车辆的行驶路线上时，这类社会信息直接送达目的地，λ=1.5， x=distance(I.destination,Bus.location)/distance(Bus.B.stop₁,Bus.B.stop_N)；

当I.destination位于公交车辆兴趣列表中时，λ=0.5+k/Bus.B.E.sum_H，x= distance(Bus.H.source,Bus.location)/distance(Bus.B.stop₁,Bus.B.stop_N)；

其它情况下，λ=0.5，x=distance(I.destination,Bus.location)；

其中，I.destination表示社会信息的目的地址；Bus.location表示公交车辆当前地址； Bus.B.stop₁表示公交车辆的首发站地址，Bus.B.stop_N表示公交车辆的终点站地址； distance(location₁,location₂)是距离函数，用于计算两个地址location₁与location₂之 间的距离；Bus.B.E.sum_H表示公交车辆兴趣列表中兴趣元组的总数；Bus.H.source表 示所匹配的兴趣元组的源地址；k为公交车辆兴趣列表中兴趣元组的目的地址和 I.destination完全匹配的次数，若k>0，直接使用k作为参数，若k=0则从（0， Bus.B.E.sum_H）中随机选择一个整数作为参数；

其中，E表示兴趣列表，每个公交车都有一个由多个兴趣元组构成的兴趣列表，兴趣列 表的前4个字节存储兴趣列表中不同社会信息类别的数量统计信息，公交车辆在行驶时收集 查询消息，总结成兴趣元组存储在兴趣列表中；

B表示公交车辆特征信息，描述了公交车辆的线路信息和兴趣列表，格式为：B(L(N, stop₁,stop₂,…,stop_N),E)，其中L为路线信息，N为此线路公交车辆经过的站点的总数,站 点stop₁,stop₂,…,stop_N为公交线路依次经过的站点地址；

时间相关度函数为递减函数，随着剩余生存时间减少，时间相关度数值变小，R_t(I.time)=(I.time–current_time)/limit；其中I.time为社会信息的生成时间，current_time 为当前时间,limit为社会信息的有效期；

事件类别相关度R_e(I.type)=v/Bus.B.E.sum_H，其中v为公交车辆兴趣列表中事件 类别和I.type相同的兴趣元组的数目，Bus.B.E.sum_H为兴趣元组的总数。