[发明专利]一种活跃度感知的社交车辆分簇方法、装置及计算机设备

说明书

本发明涉及车联网系统中车辆分簇算法设计领域，特别涉及一种活跃度感知的社交车辆分簇方法、装置及计算机设备，所述方法包括根据车辆的相对加速度、相对速度和相对距离计算出移动相似性分值；根据车辆的兴趣相似度计算出社交相似性分值；将移动相似性分值与社交相似性分值加权求和得到总相似性分值；使用基数排序法筛选出总相似性分值最高的车辆作为簇头候选者；根据车辆的历史数据处理量和车辆的请求资源次数计算出活跃度值；对簇头候选者车辆进行活跃度值判断以筛选出簇头车辆；通过向所述簇头车辆的一跳邻居发送加入邀请以确定簇员，完成车辆分簇；本发明在保证集群稳定性的前提下，能够提升了簇内车辆的亲密度，保证了分簇的稳定性和可靠性。

技术领域

本发明涉及车联网系统中车辆分簇设计领域，特别涉及一种活跃度感知的社交车辆分簇方法、装置及计算机设备。

背景技术

随着自动驾驶技术的高速发展，智能交通系统中的车辆自组织网络(VehicularAd Hoc Network,VANET)能够显著提升系统安全性和用户满意度，因而受到了广泛的关注和研究。在VANET中，配备无线接口的车辆可以通过车对车(Vehicle to Vehicle,V2V)通信方式直接与附近的车辆通信；同时，也可以与固定的路边单元(Road Side Unit,RSU)进行通信，称为车辆对基础设施(Vehicle to Infrastructure,V2I)通信方式。当车辆高速移动时，拓扑持续变化，V2V和V2I通信方式下存在传输链路不稳定甚至中断的问题，已成为面向应用的VANET亟待解决的瓶颈问题。

目前，分簇算法可以将具有相似特性的车辆集聚在一起，通过单个集群内部簇头与簇员之间交互以及多个集群簇头行数据交互，能够有效解决上述VANET中信息传输的链路不稳定问题。而最小编号分簇算法是最早提出的经典分簇算法，仅利用车辆的编号进行分簇，其簇头选取指标的维度单一且未考虑车辆速度和距离等物理属性因素的影响，因此难以应用于实际VANET中。移动分簇算法首次在分簇算法中引入移动相似性，系统中每个车辆节点根据接收信号强度计算其相对于所有邻居的移动性，聚合移动性最低者当选簇头。在基于目的地的自适应移动性感知分簇算法中，目的地相似的车辆被划分至同一集群，该算法将车辆的相对目的地、最终目的地、相对速度和当前位置进行加权和计算来筛选簇头。近年来，有分簇方案将车辆移动方向、相对速度、相对距离和链路寿命作为筛选指标，得到的簇头移动相似性较强，在VANET中的适用性有所提高。

上述仅仅考虑物理属性的分簇算法已无法满足未来车联网中分簇人性化和簇内高亲密度等需求。于是，近年来国内外学者将社交属性的概念引入VANET中，研究具有社交属性的新型车辆分簇算法。基于权重的车辆分簇算法将不信任值引入分簇算法，计算车辆不信任值、熵值、邻居数量和相对位置的加权和，分值最小者当选簇头，该算法可以实现系统中恶意节点的筛选。针对车载社交网络，MAGLARAS L等人认为车辆的宏观社会行为被考虑为分簇因素，微观行为与其结合对应至不同的社交模式。LIN K等人将社区中心度作为簇头筛选指标之一的算法也被研究，旨在从拓扑结构角度寻找最稳定的簇头。

然而，这些技术缺少了没有考虑车辆网络拓扑变化的情况，并忽视了车辆驾驶者的意图，同时并未考虑车辆自身的社交意愿是否强烈以及个人喜好等信息是否能够可信存储的问题。

发明内容

为解决以上现有技术中存在的问题，本发明设计了一种活跃度感知的社交车辆分簇方法、装置及计算机设备，计算对由相对加速度、相对速度和相对距离构成的移动相似性分值以及由兴趣相似度定义的社交相似性分值，使用基数排序法对相似性分值进行排序得到簇头候选者；通过活跃度值排序，最终筛选出真正有社交意愿和能力的簇头，在保证稳定性的基础上提升簇内亲密度。