[发明专利]车载自组网中基于车载雾计算的蚁群优化方法

说明书

本发明公开了一种车载自组网中基于车载雾计算的蚁群优化方法，步骤如下：建立车载雾计算模型；于上述模型中输入数据进行模糊化处理；制定模糊规则得到模糊集合；去模糊化处理后得到候选中继节点；对候选中继节点进行优化，使得中继节点数量的最小化及覆盖节点数量的最大化。本发明提高了网络资源利用率，有效避免了拥塞，缓解了云端的计算和数据处理的压力，为车辆的数据处理与分析提供了更加可靠，高效的环境。

技术领域

本发明涉及一种车载自组网(VANET)中基于车载雾计算的蚁群优化方法，属于车联网 技术领域。

背景技术

云计算作为现代数据处理、计算、存储最为重要的技术之一，为执行大规模的计算提供 了支撑。但是云计算的处理架构无法满足对于时延较为敏感的应用(例如车联网，智能交通 系统)的要求。而雾计算作为一种云计算的延伸概念，更加贴近地面，可将计算能力和数据 分析应用扩展至网络“边缘”，通过将计算任务下沉，使客户能够在本地分析和管理数据。同时雾计算还具有很高的移动性，部署也比较灵活，这使得雾计算在车联网以及智能交通系统 中的作用越来越大。

然而当前的研究中，存在着诸多的问题：

(1)所有雾成员都可以向云层发送请求，这极易造成云端的拥塞；

(2)现有的技术对于节点的选择方法中，存在着中继节点之间交叉覆盖以及节点的任意 连接，造成了资源的浪费；

(3)节点之间通过多次传输进行连接，引起高延迟、高消耗。

在这种情况下，设计一种高效可靠的算法对中继节点的选择进行优化是很有必要的。因 此，本发明提出了一种基于车载雾计算的蚁群优化方法，通过对其中的网络接入部分进行优 化，选择更有效的节点作为中继节点。从而有效避免了拥塞问题，提高了资源的利用率，增加了网络边缘可用的资源带宽，缓解了云端的计算和数据处理的压力，为车辆的任务计算与 处理提供了更加可靠，更加高效的环境。

发明内容

为了克服现有技术中存在的不足，本发明提供一种车载自组网中基于车载雾计算的蚁群 优化方法，以解决现有技术中中继节点选取不合适容易引起网络阻塞以及资源利用率低的问 题。

为实现上述目的，本发明采用的技术方案如下：

本发明的一种车载自组网(VANET)中基于车载雾计算的蚁群优化方法，步骤如下：

1)建立车载雾计算模型；

2)于上述模型中输入数据进行模糊化处理；

3)制定模糊规则得到模糊集合；

4)去模糊化处理后得到候选中继节点；

5)对候选中继节点进行优化，使得中继节点数量的最小化及覆盖节点(包括连接到覆盖 车辆的未被覆盖节点)数量的最大化。

进一步地，所述步骤1)中的车载雾计算模型包含：用户层，车辆雾节点层，MEC服务器层及云层；其中，用户层中的车辆通过IEEE802.11p链路与车辆雾节点层进行链接并发送任务请求，车辆雾节点层收到任务请求后通过LTE链路与MEC服务器层进行链接，MEC服务器层将用户层的请求发送至云层进行处理，经云层处理后再将结果返回至用户层。

进一步地，所述步骤2)中模糊化时选取邻居数、LTE链路质量、IEEE802.11p链路质量三 个模糊变量。

进一步地，所述步骤3)中的模糊规则采用最小法输出结果；各数据经过模糊化后，得 到对应的模糊化值，每一个集合的交叉点有三个模糊化值，取其中的最小值作为结果。

进一步地，所述步骤4)中的去模糊化的过程中，采用加权平均判决法，将经过模糊规 则处理后得到的最小值结果乘以一个权重，权重的值为每个结果所隶属集合的中间值，然后 对运算结果求取平均值。