[发明专利]基于区域路由算法的车联网优化方法、系统和车辆

说明书

本申请公开了一种基于区域路由算法的车联网优化方法、系统和车辆，一方面，该方法根据车辆的状态参数将车辆分为多个簇，并在每个簇中设置核心车辆和普通车辆，以实现在车辆通信过程中，只需要连通各个核心车辆，便能实现所有车辆的通信；另一方面，根据目标状态相似性预测模型对车辆对应的簇进行实时调整，能够有效保证车辆之间信息通信的准确性，避免紊乱。综上，通过对车辆进行分簇处理，避免了在所有车辆之间建立信息连接，从而提高了车辆的网络连通性；进一步地，由于每个簇中只有核心车辆能对外进行信息互通，从而有效减少了通信重叠的现象。

技术领域

本发明涉及路由和车联网通信技术领域，尤其涉及一种基于区域路由算法的车联网优化方法、系统和车辆。

背景技术

车载自组织网络旨在减少车载通信设备对自然环境的有害影响，将车辆分组以进行VANET中的通信可以显著提高网络效率并降低基础设施成本，作为一个动态的网络系统，保持网络连通性和减少通信重叠是网络集群的两个关键挑战。

然而，现有的聚类算法都致力于实现聚类构造，由于高度动态的网络拓扑结构严重影响了原有的网络结构，并且车辆分布不均匀导致了较高的通信开销，因此，集群维护被认为是VANET中不可或缺的集群过程。对于网络连通性，大多数现有研究侧重于基于车辆移动性的优化，然而，复杂的城市交通可能会严重影响车辆移动性和网络拓扑，导致过度的通信重叠和网络拥塞。

因此，现有技术在车辆进行联网通信的过程中，存在网络连通性差和通信重叠的问题。

发明内容

有鉴于此，有必要提供一种基于区域路由算法的车联网优化方法、系统和车辆，用以解决现有技术中，车辆联网通信时存在的能量利用率低和安全系数低的问题。

为了解决上述问题，本发明提供一种基于区域路由算法的车联网优化方法，包括：

获取车辆的状态参数和轨迹信息；

根据状态参数，将车辆划分为多个簇，每个簇中至少包括核心车辆和普通车辆；

设置目标状态相似性预测模型，根据轨迹信息，适应性调整车辆对应的簇；

当第一车辆向第二车辆发送信息时，基于核心车辆，通过路由方案进行信息通信。

进一步地，状态参数至少包括车辆节点、车辆类型、车辆速度、车辆加速度、行驶方向、出行时间指数。

进一步地，状态参数的表达式为：

其中，对于车辆节点i表示唯一标识，k表示车辆类型，γ_i表示车辆在时间t停留的路段；表示车辆速度；表示车辆的加速度；θ表示车辆的行驶方向与核心车辆行驶方向的相对值，如果车辆在与核心车辆相同的方向上行驶，则θ＝1，否则，θ＝-1；对于出行时间指数δ_TTI，出行时间指数的计算公式为：

进一步地，根据状态参数，将车辆划分为多个簇，每个簇中至少包括核心车辆和普通车辆，包括：

获取车辆的行驶方向和车辆节点；

将同一行驶方向且处于预设节点范围内的车辆分为一簇，确定多个簇；

在每个簇中选取一个核心车辆，其余车辆为普通车辆。

进一步地，设置目标状态相似性预测模型，根据轨迹信息，适应性调整车辆对应的簇，包括：

构建初始状态相似性预测模型，分别以核心车辆轨迹信息和普通车辆轨迹信息为输入，以普通车辆的关联度为输出，训练初始状态相似性预测模型，从而确定训练完备的目标状态相似性预测模型；

根据普通车辆的关联度，确定普通车辆对应的核心车辆；