[发明专利]一种基于支持向量机的VANET分簇算法

说明书

本发明提供了一种基于支持向量机的VANET分簇算法，属于车联网分簇技术领域。解决了车联网VANET中车辆结点的高移动性导致网络拓扑结构的不稳定和受限的移动轨迹等问题。其技术方案为：包括以下步骤：步骤一、车辆结点属性特征参数的提取及支持向量机的构造；步骤二、使用AP聚类算法进行初始时刻簇头结点选取；步骤三、使用支持向量机完成道路车辆结点的入簇；步骤四、车辆行驶途中的簇维护操作；步骤五、簇头车辆结点行驶结束后，依据统计的簇中结点存活时间调整优化簇头结点支持向量机参数。本发明的有益效果为：本发明提高簇的稳定性；能自身完成快速入簇判断。

技术领域

本发明涉及车联网和机器学习技术领域，尤其涉及一种基于支持向量机的VANET分簇算法。

背景技术

VANET是一种移动自组织网络(Mobile Ad-hoc Networks,MANET)，其中的网络结点是行驶于道路上的车辆。VANET中的通信方式通常为：车辆对车辆的通信(Vehicle toVehicle，V2V)，车辆与基础设施的通信(Vehicle to Infrastructure，V2I)。由于车辆结点的高速移动性、道路几何形状和行驶规则的约束、城市环境物理连通性的障碍限制，车辆运动轨迹具有半组织性。因此VANET中保障车辆结点的稳定通信面临着一系列独特的挑战。

分簇通信有助于提高VANET中通信的稳定性与可靠性。分簇就是通过相关的空间分布和相对速度将道路车辆进行分组，从而形成分层通信的网络结构。分簇可以用作路由算法、事故或拥塞检测、信息传播和娱乐应用的基础。虽然VANET衍生自MANET，但考虑到高机动性和道路拓扑，簇中的车辆将不可避免地与VANET断开连接，故而为MANET提出的分簇算法无法直接引入到VANET中。

如何解决上述技术问题为本发明面临的课题。

发明内容

本发明的目的在于提供一种基于支持向量机的VANET分簇算法，本发明主要针对车联网VANET中车辆结点的高移动性导致网络拓扑结构的不稳定和受限的移动轨迹等特点，通过使用支持向量机算法对车辆结点进行分簇，为簇内车辆结点提供相对稳定的通信环境和可靠的管理手段，提高簇的稳定性；改进AP聚类算法进行簇头结点选取，使得簇头选举更加高效，相比现有分簇算法，在本发明中，车辆结点入簇无需借助第三方设备，分簇效率更高。

为了实现上述发明目的，本发明采用技术方案具体为：一种基于支持向量机的VANET分簇算法，具体包括以下步骤：

步骤一、对每辆初上道路行驶的车辆结点进行特征向量提取，根据特征向量构造每个车辆结点的支持向量机模型；

所述步骤一中：

S101、为车辆构造建立如表1所示的数据结构。其中包含当前时间点time，取值为车辆在目标路段的行驶时间；车辆种类vehicle_type，根据车辆种类为大巴车、汽车、货车等进行取值，需进行量纲转化,依次转换为0，1，2；车辆的x坐标或经度vehicle_x；车辆的y坐标或纬度vehicle_y；车辆的速度vehicle_speed；车辆的ID号vehicle_id，一般为车辆的行驶方向与车辆所在车道组成的一个英文标识。初始时，车辆入簇时间in_time和离簇时间out_time为空0，当后续车辆在行驶途中加入簇或是离开簇，记录当前时刻；车辆标识flag初始值为false，当车辆在行驶途中进入簇内，则flag切换为True；车辆状态state初始值为UN，当车辆行驶途中成为簇头结点，则state切换为CH，若是成为簇成员结点，state切换为CM；车辆邻居表neighbor初始值为空，后续根据距离添加结点数据结构中相应数据；车辆簇成员表member初始值为空，后续该结点成为簇头结点，则member中添加簇成员结点的相应数据；车辆的簇头ID head_id，初始值为空，当结点成为簇成员结点后，更新为其所属簇头结点的ID号；车辆支持向量机参数C和gamma，C是惩罚参数设定为0.25，gamma是核参数，初始值1至500随机设定。C是惩罚系数，理解为对误差的宽容度，C越高，容易过拟合，C越小，容易欠拟合。