CN101977241B - 一种用于车载Ad hoc网络中部署服务节点的方法 - Google Patents

Abstract

一种用于车载Ad hoc网络中部署服务节点的方法，包括有：把城市的道路环境建模为无向图G＝G(V，E)；设置服务节点群组Z：{H₁，…，H_M}，并对服务节点群组Z中的每个服务节点群H_i：{S_i1，…，S_iN}进行初始化；对服务节点群组Z的所有服务节点群所包含的服务节点位置进行优化更新，寻找服务节点群组Z的最优节点群组gbest，并在对所述最优节点群组gbest的服务节点的位置进行修正后，按照修正后的有效服务节点位置，在城市街道上部署相应的服务节点。本发明属于移动通信技术领域，能在满足一定网络扩展覆盖概率的情况下，在较短的时间内找到最优服务节点的部署位置，从而使服务节点个数最小化，从而节省投资成本。

Description

一种用于车载Ad hoc网络中部署服务节点的方法

技术领域

本发明涉及一种用于车载Ad hoc网络中部署服务节点的方法，属于移动通信技术领域。

背景技术

由装备无线收发装置的车辆组成的车载Ad Hoc网络(VANET，vehicle ad hoc networks)是一种特殊的自组织移动Ad Hoc网络。近年来，使用车载网络进行车辆间通信的研究和应用逐渐成为一个研究热点。典型的车载Ad Hoc网络应用可以分为安全类应用和舒适类应用。第一类用以提供车辆行使的安全性，后者用以提高乘客的舒适度。车载Ad Hoc网络具有不同于普通Ad hoc网络的特点，由于车辆的高速移动以及街道障碍物阻挡等原因，导致网络分割现象更加严重。因此车载Ad Hoc网络中服务节点的部署问题非常重要，本发明中的服务节点可以是提供Internet接入服务的节点，也可以是进行数据包辅助转发的中继节点。在市场培育的初期，通过在车载Ad Hoc网络中部署服务节点不仅可以提高用户感知度，还能够提供接入Internet等服务。良好部署的服务节点可以为网络用户提供更好的服务。

关于节点的部署问题，无线传感器网络中有很多的研究。但车载Ad Hoc网络和无线传感器网络中的节点部署是不同的：

1、车载Ad Hoc网络潜在的大规模性。一般无线传感器网络部署的空间比较小，而车载Ad Hoc网络部署范围可以从一个城市到多个城市进行扩展。

2、一般传感器网络中节点部署需要把所有的需要检测区域进行全覆盖，或者可靠性要求更高的情况要求n覆盖。车载Ad Hoc网络潜在的大规模决定了不能全覆盖。同时车载网络中车辆节点可以作为通信节点，具有一定的盲区没有关系，车辆节点之间可以通过多跳转发的方式接入服务节点。

为了论述方便，对本发明中所涉及到的术语解释如下：

1、直接覆盖：服务节点node₂在另外一个服务节点node₁的通信半径内，称之为服务节点node₁直接覆盖服务节点node₂。

2、扩展覆盖：车载Ad Hoc网络可以通过多跳进行数据转发，若服务节点node₂不在服务节点node₁的通信范围内，但服务节点node₁可以通过多跳转发的方式覆盖到服务节点node₂，称之为服务节点node₁扩展覆盖服务节点node₂。

目前，针对车载Ad Hoc网络的上述特点，如何能在满足一定网络扩展覆盖概率的情况下，使车载Ad Hoc网络所需的服务节点个数最小化，从而能节省投资成本？是一个需要解决的重要的技术问题。

发明内容

有鉴于此，本发明的目的是提供一种用于车载Ad hoc网络中部署服务节点的方法，能在满足一定网络扩展覆盖概率的情况下，使车载Ad hoc网络所需的服务节点个数最小化。

为了达到上述目的，本发明提供了一种用于车载Ad hoc网络中部署服务节点的方法，包含有：

步骤A、把城市的道路环境建模为无向图G＝G(V，E)，在该无向图G中，端点集V是道路岔路口的集合，边集E是街道的集合，端点集V中的第i个岔路口v_i和第j个岔路口v_j之间的街道记为边集E中的一条街道e_ij；

步骤B、设置服务节点群组Z：{H₁，...，H_M}，并对服务节点群组Z中的每个服务节点群H_i：{S_i1，...，S_iM}进行初始化，其中，服务节点群组Z的规模参数M根据实际需要设置为一自然数，服务节点群H₁、...、H_M分别是当服务节点设置于不同的初始位置时，无向图G上部署的所有服务节点的位置集合；S_ij是服务节点群组Z中的第i个服务节点群H_i的第j个服务节点的位置；N是全面覆盖车载Ad Hoc网络的最小服务节点数；

步骤C、对服务节点群组Z的所有服务节点群所包含的服务节点位置进行优化更新，寻找服务节点群组Z的最优节点群组gbest，并在对所述最优节点群组gbest的服务节点的位置进行修正后，按照修正后的有效服务节点位置，在城市街道上部署相应的服务节点，

所述步骤B中，按照下述公式计算全面覆盖车载Ad Hoc网络的最小服务节点数N：

其中||e_ij||表示街道e_ij的物理长度，由实际测量得到，

表示对x上取整，L_th表示服务节点的扩展覆盖距离，

表示对街道e_ij进行扩展覆盖需要的服务节点个数，L_th是当网络扩展覆盖概率P_c(L)达到***所预先设定值时对应的街道物理长度L值：

其中t是街道上的车辆数目，R是服务节点的无线信号的覆盖半径，u(x)是阶跃函数，P(X＝t)是物理长度为L的街道上车辆数目为t的概率，且

μ是单位长度上的车辆数，λ是车辆到达率，EV是车辆速度的数学期望，λ、EV根据实际需要预先设定，R由实际测量得到。

与现有技术相比，本发明的有益效果是：本发明针对车载Ad Hoc网络的特点，可以在较短的时间内找到最优服务节点的部署位置，从而能在满足一定网络扩展覆盖概率的情况下，使服务节点个数最小化，从而节省投资成本。

附图说明

图1是本发明一种适应于城市环境的车载Ad hoc网络中部署服务节点的方法的流程图。

图2是当服务节点群H_i受限的方式进行初始化时，在无向图G中的某条街道e_ij上部署

个服务节点的具体操作流程图。

图3是图1步骤C的具体操作流程图。

图4是图3步骤C1的公式(4)中，被覆盖的街道的物理长度的确定方法流程图。

图5是图4步骤C14的具体操作流程图。

图6是图3步骤C4中，根据最优节点群pbest(H_i)和最优节点群组gbest，对服务节点群H_i包含的服务节点位置进行更新的具体操作流程图。

图7是图3步骤C4和步骤C5中，对服务节点群H_i或最优节点群组gbest中的一个服务节点的位置S_ij进行修正的具体操作流程图。

图8是本发明仿真实验的实施例的网络场景和服务节点位置部署示意图。

图9是一次计算中覆盖率、服务节点数目和适应值的随迭代次数的变化曲线。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

如图1所示，本发明是一种适应于城市环境的车载Ad hoc网络中部署服务节点的方法，该方法包括下列操作步骤：

步骤A、把城市的道路环境建模为无向图G＝G(V，E)，在该无向图G中，端点集V是道路岔路口的集合，边集E是街道的集合，端点集V中的第i个岔路口v_i和第j个岔路口v_j之间的街道记为边集E中的一条街道e_ij。

车辆在无向图G中的移动是沿着边集E中的一条街道e_ij从端点集V的一个道路岔路口v_i移动到另一个道路岔路口v_j。由于城市中道路边的障碍物对分布在街道上的服务节点和车辆节点之间的通信影响最小，所以本发明中的服务节点都部署在无向图G的边集E的街道上。

步骤B、设置服务节点群组Z：{H₁，...，H_M}，并对服务节点群组Z中的每个服务节点群H_i：{S_i1，...，S_iN}进行初始化，其中，服务节点群组Z的规模参数M可根据实际需要设置为一自然数；由于无向图G上服务节点的初始位置可以随机选取，所述服务节点群H₁、...、H_M分别是当服务节点设置于不同的初始位置时，无向图G上部署的所有服务节点的位置集合；S_ij是服务节点群组Z中的第i个服务节点群H_i的第j个服务节点的位置；在初始化时，每个服务节点群H_i均包含有N个服务节点，N是全面覆盖车载Ad Hoc网络的最小服务节点数。

步骤C、对服务节点群组Z的所有服务节点群所包含的服务节点位置进行优化更新，寻找服务节点群组Z的最优节点群组gbest，并在对所述最优节点群组gbest的服务节点的位置进行修正后，按照修正后的有效服务节点位置，在城市街道上部署相应的服务节点。

所述步骤B中，可按照下述公式(1)计算全面覆盖车载Ad Hoc网络的最小服务节点数N：

其中||e_ij||表示街道e_ij的物理长度，由实际测量得到，

表示对x上取整，L_th表示服务节点的扩展覆盖距离，表示对街道e_ij进行扩展覆盖需要的服务节点个数，所述公式(1)中的L_th可由下式(2)计算：

其中P_c(L)是网络扩展覆盖概率，L是街道物理长度，t是街道上的车辆数目，R是服务节点的无线信号的覆盖半径，u(x)是阶跃函数(即当x＜0时，u(x)＝0；当x≥0时，u(x)＝1)，P(X＝t)是物理长度为L的街道上车辆数目为t的概率，且

是单位长度上的车辆数，λ是车辆到达率，EV是车辆速度的数学期望，P_c(L)、λ、EV可根据实际需要预先设定，R由实际测量得到，L_th即上述公式(2)中，当P_c(L)达到***所预先设定的网络扩展覆盖概率值时对应的L值，也即是说，若要扩展覆盖概率P_c(L)达到***预先设定值时，网络上任何一个地理位置点的L_th范围之内必部署有一个服务节点。

所述步骤B中，由于对服务节点群中服务节点的位置进行随机初始化时，有可能会导致初始的网络扩展覆盖概率较低，因此对服务节点群组Z中的每个服务节点群H_i：{S_i1，...，S_iN}可以分别采取随机或受限的方式进行初始化，本发明设置随机初始化比例值α，α是根据***需要在区间[0，1]范围内选择的一个实数，然后从服务节点群组Z中选择M×α个服务节点群采取随机的方式进行初始化，其余的M×(1-α)个服务节点群按全面扩展覆盖车载AdHoc网络的方法采取受限的方式进行初始化。例如当α＝0.8、M＝100时，服务节点群H₁至H₈₀采取随机初始化，服务节点群H₈₁至H₁₀₀采取受限初始化。

当服务节点群H_i是随机的方式进行初始化时，H_i中的N个服务节点随机部署在无向图G的街道上；当服务节点群H_i是受限的方式进行初始化时，将分别在无向图G中的各条街道e_ij上部署

个服务节点，如图2所示，在无向图G中的某条街道e_ij上部署

个服务节点的具体操作步骤如下：

步骤B1、以街道e_ij的岔路口v_i为原点，在距离原点的d处部署第一个服务节点，d为0-L_th之间的一个随机实数；

步骤B2、以2L_th为间距，依次部署其余的

个服务节点；

步骤B3、在第

个服务节点和另一侧岔路口v_j的中间位置处部署最后一个服务节点，即第

个服务节点。

如图3所示，图1步骤C可以进一步包括有：

步骤C1、计算每个服务节点群H_i的适应值f(H_i)，并将所述服务节点群H_i的适应值f(H_i)和对应的服务节点位置集合{S_i1，...，S_iN}存储于所述服务节点群H_i的优化记录中。所述服务节点群H_i的适应值f(H_i)由下式(3)给出：

f(H_i)＝σQ₁+(N-n)Q₂      (3)

其中，σ代表覆盖率，n为服务节点群H_i所包含的有效服务节点数，其初始值为N，即在初始化时，服务节点群H_i的所有服务节点均为有效服务节点，Q₁、Q₂是适应值调整参数，分别决定覆盖率和无效服务节点数在计算适应值时所考虑的因素的分量大小，Q₁＝0时表示适应值只取决于无效服务节点数，Q₂＝0时表示适应值只取决于覆盖率，Q₁、Q₂的值可以根***实际需要分别设置为大于零的实数。

所述公式(3)中的σ可由下式(4)计算：

$\mathrm{\σ}=\frac{\left|\right|\underset{k=1}{\overset{n}{\∪}}{A}_k\left|\right|}{\underset{e_{\mathrm{ij}}\∈E}{\mathrm{\Σ}}\left|\right|e_{\mathrm{ij}}\left|\right|}---\left(4\right)$

其中，A_k表示服务节点群H_i的第k个有效服务节点覆盖的街道，

表示被服务节点群H_i的所有有效服务节点覆盖的街道，

表示被服务节点群H_i的所有有效服务节点覆盖的街道的物理长度。

步骤C2、分别从每个服务节点群H_i的优化记录中，寻找所述服务节点群H_i的最大适应值f(H_i)，并设置所述服务节点群H_i的最优节点群pbest(H_i)为其优化记录中最大适应值f(H_i)对应的服务节点位置集合。也即是说，每个服务节点群H_i对应于一个最优节点群pbest(H_i)。

步骤C3、查找服务节点群组Z的所有服务节点群的优化记录，寻找所有服务节点群的优化记录中的最大适应值，并设置服务节点群组Z的最优节点群组gbest为所有服务节点群优化记录中的最大适应值对应的服务节点位置集合。也即是说，服务节点群组Z对应于一个最优节点群组gbest。

步骤C4、判断是否达到***预设的完成条件？如果否，则根据所有服务节点群的最优节点群和服务节点群组Z的最优节点群组，对服务节点群组Z中的所有服务节点群包含的服务节点位置进行更新，并对更新后的所有服务节点群的所有服务节点的位置进行修正，然后转向步骤C1；如果是，则继续下一步骤C5。***可以根据运算精度是否在一定范围内、或者迭代次数是否超过预设的迭代次数，来设置相应的完成条件。

步骤C5、对最优节点群组gbest中的所有服务节点的位置进行修正，并根据所述最优节点群组gbest中的有效服务节点位置，在城市街道上部署相应的服务节点。

如图4所示，服务节点群H_i所包含的有效服务节点分别记为h_i1、...、h_in，步骤C1的公式(4)中，被服务节点群H_i的所有有效服务节点覆盖的街道的物理长度

的计算方法如下：

步骤C11、建立未覆盖街道集S(H_i)，并初始化设置S(H_i)＝E，即未覆盖街道集S(H_i)初始化时包含有边集E中的所有街道；

步骤C12、依次提取服务节点群H_i的一个有效服务节点；

步骤C13、计算所述有效服务节点的扩展覆盖区域：即以所述有效服务节点的位置为圆心，以服务节点的扩展覆盖距离L_th为半径的圆形区域；

步骤C14、将所述有效服务节点的扩展覆盖区域和未覆盖街道集S(H_i)中的每个街道段逐一进行比较，将在所述有效服务节点的扩展覆盖区域内的街道段从未覆盖街道集S(H_i)中去除；

步骤C15、判断服务节点群H_i中是否还有未提取的有效服务节点？如果是，则提取下一个有效服务节点，并转向步骤C13；如果否，则转向下一步骤C16；

步骤C16、计算被服务节点群H_i的所有有效服务节点覆盖的街道的物理长度

即边集E中的所有街道的物理长度总和减去未覆盖街道集S(H_i)中所有街道段的物理长度总和所得到的差值。

如图5所示，图4中的步骤C14进一步包括有：

步骤1、从未覆盖街道集S(H_i)中提取一个街道段；

步骤2、判断所述街道段的两个端点是否都在所述有效服务节点的扩展覆盖区域内？如果是，则所述街道段完全在所述有效服务节点的扩展覆盖区域内，将所述街道段从未覆盖街道集S(H_i)中去除，转向步骤5；如果否，则继续下一步骤3；

步骤3、判断所述街道段是否有一个端点在所述有效服务节点的扩展覆盖区域内？如果是，则所述街道段包括端点在内的一部分街道在所述有效服务节点的扩展覆盖区域内，修改所述街道段的所述端点值，将所述街道段在所述有效服务节点的扩展覆盖区域内的部分街道去除，转向步骤5；如果否，则继续下一步骤4；

步骤4、判断所述街道段是否有部分街道在所述有效服务节点的扩展覆盖区域内？如果是，则所述街道段的中间一部分街道在所述有效服务节点的扩展覆盖区域内，将在所述有效服务节点的扩展覆盖区域内的部分街道从所述街道段上去除，并将去除部分街道后形成的两个小街道段替代未覆盖街道集S(H_i)中的原街道段，转向步骤5；如果否，则继续下一步骤5；

步骤5、判断未覆盖街道集S(H_i)中是否还有未提取的街道段？如果是，则继续从未覆盖街道集S(H_i)中提取下一个街道段，转向步骤2；如果否，则本流程结束。

如图6所示，图3中的步骤C4中，根据某个服务节点群H_i的最优节点群pbest(H_i)和最优节点群组gbest，对该服务节点群H_i包含的服务节点位置进行更新，进一步包括有：

步骤C41、将服务节点群H_i中所有服务节点的位置S_i1，...，S_iN构成一个N维的向量，即服务节点位置向量X(H_i)＝(S_i1，S_i2...，S_iN)^T，同时还将服务节点群H_i的最优节点群pbest(H_i)和最优节点群组gbest也分别构建成相应的N维向量，即最优节点群向量PBEST(H_i)和最优节点群组向量GBEST。

步骤C42、判断所述服务节点群H_i的优化记录中是否保存有对应的优化速度向量V(H_i)＝(v_i1，v_i2...，v_iN)^T？如果是，则转向下一步骤C43；如果否，则设置优化速度向量V(H_i)＝(v_i1，v_i2...，v_iN)^T，并对V(H_i)中的每个优化速度变量进行初始化，所述优化速度变量的两个分量v_x、v_y分别初始化设置为区间

范围内的一个数值，其中X_G、Y_G分别是无向图G在x、y方向上的区域宽度，同时将初始化后的优化速度向量V(H_i)保存在服务节点群H_i的优化记录中，转向下一步骤C43。

由于服务节点位置向量X(H_i)中的每个位置变量表示一个服务节点的位置，每个位置变量有两个分变量x、y，其分别表示该服务节点的横坐标和纵坐标，因此，所述服务节点位置向量X(H_i)实际上是一个2N维的变量。与此相同，V(H_i)中的每个优化速度变量也有两个分量v_x、v_y，其分别表示服务节点位置在x、y方向的优化速度。

步骤C43、根据下述优化速度的更新计算公式，计算更新后的优化速度向量V′(H_i)，并用更新后的优化速度向量V′(H_i)替代服务节点群H_i的优化记录中所保存的优化速度向量V(H_i)：V′(H_i)＝c₀×V(H_i)+c₁×(PBEST(H_i)-X(H_i))+c₂×(GBEST-X(H_i))，其中c₀是惯性权重，c₁和c₂是加速因子，c₀、c₁和c₂可分别设置为区间[0，1]范围内的实数。

步骤C44、根据下述服务节点位置的更新计算公式，计算更新后的服务节点位置向量X′(H_i)：X′(H_i)＝X(H_i)+V′(H_i)，并将服务节点群H_i包含的服务节点位置更换为更新后的服务节点位置向量X′(H_i)中的服务节点位置。

如图7所示，图3中的步骤C4和步骤C5中，对服务节点群H_i或最优节点群组gbest中的一个服务节点的位置S_ij进行修正，进一步包括有：

步骤(1)、从服务节点群H_i或最优节点群组gbest中提取一个服务节点的位置S_ij；

步骤(2)、判断S_ij是否在无向图G的边集E的街道上？如果是，则S_ij不需要修正，所述服务节点标记为有效服务节点，本流程结束；如果否，则继续下一步骤(3)；

步骤(3)、判断S_ij是否在无向图G的内部区域中？如果是，则所述服务节点标记为有效服务节点，比较S_ij到边集E的所有街道的最短距离，从中选取最短距离最小值所对应的一条街道，并在所述选取的街道上找到一个距离所述服务节点最近的位置

将S_ij修正成

如果否，则所述服务节点标记为无效服务节点。

申请人已经对本发明方法实施了多次仿真实验，以论证其可行性。如图8所示，进行仿真实验的实施例的网络场景由4条街道组成，L_th＝1200米，每条街道的长度为4000米，其中M＝120，Q₁＝100Q₂＝1。由于街道的宽度相对于网络场景非常小，所以图8中用没有宽度的线表示街道。以R＝250米为半径的实心圆表示的是服务节点直接覆盖区域，以L_th＝1200米为半径的虚线圆表示的是服务节点满足要求的扩展覆盖区域。图8(a)是初始化时服务节点的部署情况，有12个服务节点，其中有很多的冗余覆盖，同时岔路口区域的服务节点个数比较少。表1列出了使用本发明方法后，所获得的有效服务节点位置，图8(b)是与表1相应的有效服务节点部署情况，优化后为8个有效服务节点。

表1最优服务节点位置

图9示出了一次计算中覆盖率、服务节点个数和适应值的随迭代次数的变化曲线。其中：图9(a)是一次计算中覆盖率随迭代次数的变化曲线；图9(b)是一次计算中服务节点个数随迭代次数的变化曲线；图9(c)是一次计算中适应值随迭代次数的变化曲线。从实验结果的数据分析来看，实施试验是成功的，应用本发明后，可以在很短的时间内找到最优服务节点的部署位置，在满足一定网络扩展覆盖概率的情况下，对服务节点的个数最小化。

Claims (9)

1.一种用于车载Ad hoc网络中部署服务节点的方法，其特征在于，包含有：

步骤A、把城市的道路环境建模为无向图G＝G(V，E)，在该无向图G中，端点集V是道路岔路口的集合，边集E是街道的集合，端点集V中的第i个岔路口v_i和第j个岔路口v_j之间的街道记为边集E中的一条街道e_ij；

步骤B、设置服务节点群组Z：{H₁，...，H_M}，并对服务节点群组Z中的每个服务节点群H_i：{S_i1，...，S_iN}进行初始化，其中，服务节点群组Z的规模参数M根据实际需要设置为一自然数，服务节点群H₁、...、H_M分别是当服务节点设置于不同的初始位置时，无向图G上部署的所有服务节点的位置集合；S_ij是服务节点群组Z中的第i个服务节点群H_i的第j个服务节点的位置；N是全面覆盖车载Ad Hoc网络的最小服务节点数；

步骤C、对服务节点群组Z的所有服务节点群所包含的服务节点位置进行优化更新，寻找服务节点群组Z的最优节点群组gbest，并在对所述最优节点群组gbest的服务节点的位置进行修正后，按照修正后的有效服务节点位置，在城市街道上部署相应的服务节点，

所述步骤B中，按照下述公式计算全面覆盖车载Ad Hoc网络的最小服务节点数N：

其中||e_ij||表示街道e_ij的物理长度，由实际测量得到，表示对x上取整，L_th表示服务节点的扩展覆盖距离，

表示对街道e_ij进行扩展覆盖需要的服务节点个数，L_th是当网络扩展覆盖概率P_c(L)达到***所预先设定值时对应的街道物理长度L值：

其中t是街道上的车辆数目，R是服务节点的无线信号的覆盖半径，u(x)是阶跃函数，P(X＝t)是物理长度为L的街道上车辆数目为t的概率，且

μ是单位长度上的车辆数，λ是车辆到达率，EV是车辆速度的数学期望，λ、EV根据实际需要预先设定，R由实际测量得到。

2.如权利要求1所述的用于车载Ad hoc网络中部署服务节点的方法，其特征在于，步骤B中，对服务节点群组Z中的每个服务节点群H_i：{S_i1，...，S_iN}分别采取随机或受限的方式进行初始化，设置随机初始化比例值α，α是根据***需要在区间[0，1]范围内选择的一个实数，然后从服务节点群组Z中选择M×α个服务节点群采取随机的方式进行初始化，其余的M×(1-α)个服务节点群按全面扩展覆盖车载Ad Hoc网络的方法采取受限的方式进行初始化；

当服务节点群H_i是随机的方式进行初始化时，则将H_i中的N个服务节点随机部署在无向图G的街道上；当服务节点群H_i是受限的方式进行初始化时，则分别在无向图G中的各条街道e_ij上部署

个服务节点。

3.如权利要求2所述的用于车载Ad hoc网络中部署服务节点的方法，其特征在于，当服务节点群H_i是受限的方式进行初始化时，在无向图G中的一条街道e_ij上部署

个服务节点的具体操作步骤如下：

步骤B1、以街道e_ij的岔路口v_i为原点，在距离原点的d处部署第一个服务节点，d为0-L_th之间的一个随机实数；

步骤B2、以2L_th为间距，依次部署其余的

个服务节点；

步骤B3、在第个服务节点和另一侧岔路口v_j的中间位置处部署最后一个服务节点，即第

个服务节点。

4.如权利要求1所述的用于车载Ad hoc网络中部署服务节点的方法，其特征在于，所述步骤C进一步包括有：

步骤C1、按照下述适应值的公式，计算每个服务节点群H_i的适应值f(H_i)，并将所述服务节点群H_i的适应值f(H_i)和对应的服务节点位置集合存储于所述服务节点群H_i的优化记录中：f(H_i)＝σQ₁+(N-n)Q₂，其中，σ代表覆盖率，n为服务节点群H_t所包含的有效服务节点数，其初始值为N，Q₁、Q₂是适应值调整参数，可以根据***实际需要分别设置为大于零的实数；

步骤C2、分别从每个服务节点群H_i的优化记录中，寻找所述服务节点群H_i的最大适应值f(H_i)，并设置所述服务节点群H_i的最优节点群pbest(H_i)为其优化记录中最大适应值f(H_i)对应的服务节点位置集合；

步骤C3、查找服务节点群组Z的所有服务节点群的优化记录，寻找所有服务节点群的优化记录中的最大适应值，并设置服务节点群组Z的最优节点群组gbest为所有服务节点群优化记录中的最大适应值对应的服务节点位置集合；

步骤C4、判断是否达到***预设的完成条件？如果否，则根据所有服务节点群的最优节点群和服务节点群组Z的最优节点群组，对服务节点群组Z中的所有服务节点群包含的服务节点位置进行更新，并对更新后的所有服务节点群的所有服务节点的位置进行修正，然后转向步骤C1；如果是，则继续下一步骤C5；

步骤C5、对最优节点群组gbest中的所有服务节点的位置进行修正，并根据所述最优节点群组gbest中的有效服务节点位置，在城市街道上部署相应的服务节点。

5.如权利要求4所述的用于车载Ad hoc网络中部署服务节点的方法，其特征在于，所述步骤C1中，按照下述覆盖率的公式计算覆盖率

其中，A_k表示服务节点群H_i的第k个有效服务节点覆盖的街道，

表示被服务节点群H_i的所有有效服务节点覆盖的街道，

表示被服务节点群H_i的所有有效服务节点覆盖的街道的物理长度。

6.如权利要求5所述的用于车载Ad hoc网络中部署服务节点的方法，其特征在于，所述步骤C1中，服务节点群H_i所包含的有效服务节点分别记为h_i1、…、h_in，被服务节点群H_i的所有有效服务节点覆盖的街道的物理长度

的计算方法如下：

步骤C11、建立未覆盖街道集S(H_i)，并初始化设置S(H_i)＝E，即未覆盖街道集S(H_i)初始化时包含有边集E中的所有街道；

步骤C12、依次提取服务节点群H_i的一个有效服务节点；

步骤C13、计算所述有效服务节点的扩展覆盖区域：即以所述有效服务节点的位置为圆心，以服务节点的扩展覆盖距离L_th为半径的圆形区域；

步骤C14、将所述有效服务节点的扩展覆盖区域和未覆盖街道集S(H_i)中的每个街道段逐一进行比较，将在所述有效服务节点的扩展覆盖区域内的街道段从未覆盖街道集S(H_i)中去除；

步骤C15、判断服务节点群H_i中是否还有未提取的有效服务节点？如果是，则提取下一个有效服务节点，并转向步骤C13；如果否，则转向下一步骤C16；

步骤C16、计算被服务节点群H_i的所有有效服务节点覆盖的街道的物理长度

即边集E中的所有街道的物理长度总和减去未覆盖街道集S(H_i)中所有街道段的物理长度总和所得到的差值。

7.如权利要求6所述的用于车载Ad hoc网络中部署服务节点的方法，其特征在于，所述步骤C14进一步包括有：

步骤1、从未覆盖街道集S(H_i)中提取一个街道段；

步骤2、判断所述街道段的两个端点是否都在所述有效服务节点的扩展覆盖区域内？如果是，则将所述街道段从未覆盖街道集S(H_i)中去除，转向步骤5；如果否，则继续下一步骤3；

步骤3、判断所述街道段是否有一个端点在所述有效服务节点的扩展覆盖区域内？如果是，则修改所述街道段的所述端点值，将所述街道段在所述有效服务节点的扩展覆盖区域内的部分街道去除，转向步骤5；如果否，则继续下一步骤4；

步骤4、判断所述街道段是否有部分街道在所述有效服务节点的扩展覆盖区域内？如果是，则将在所述有效服务节点的扩展覆盖区域内的部分街道从所述街道段上去除，并将去除部分街道后形成的两个小街道段替代未覆盖街道集S(H_i)中的原街道段，转向步骤5；如果否，则继续下一步骤5；

步骤5、判断未覆盖街道集S(H_i)中是否还有未提取的街道段？如果是，则继续从未覆盖街道集S(H_i)中提取下一个街道段，转向步骤2；如果否，则本流程结束。

8.如权利要求4所述的用于车载Ad hoc网络中部署服务节点的方法，其特征在于，所述步骤C4中，根据一个服务节点群H_i的最优节点群pbest(H_i)和最优节点群组gbest，对服务节点群H_i包含的服务节点位置进行更新，进一步包括有：

步骤C41、将服务节点群H_i中所有服务节点的位置S_i1，...，S_iN构成一个N维的向量，即服务节点位置向量X(H_i)＝(S_i1，S_i2...，S_iN)^T，同时还将服务节点群H_i的最优节点群pbest(H_i)和最优节点群组gbest也分别构建成相应的N维向量，即最优节点群向量PBEST(H_i)和最优节点群组向量GBEST；

步骤C42、判断所述服务节点群H_i的优化记录中是否保存有对应的优化速度向量V(H_i)＝(v_i1，v_i2...，v_iN)^T？如果是，则转向下一步骤C43；如果否，则设置优化速度向量V(H_i)＝(v_i1，v_i2...，v_iN)^T，并对V(H_i)中的每个优化速度变量进行初始化，所述优化速度变量的两个分量v_x、v_y分别初始化设置为区间

范围内的一个数值，其中X_G、Y_G分别是无向图G在x、y方向上的区域宽度，同时将初始化后的优化速度向量V(H_i)保存在服务节点群H_i的优化记录中，转向下一步骤C43；

步骤C43、根据下述优化速度的更新计算公式，计算更新后的优化速度向量V′(H_i)，并用更新后的优化速度向量V′(H_i)替代服务节点群H_i的优化记录中所保存的优化速度向量V(H_i)：V′(H_i)＝c₀×V(H_i)+c₁×(PBEST(H_i)-X(H_i))+c₂×(GBEST-X(H_i))，其中c₀是惯性权重，c₁和c₂是加速因子，c₀、c₁和c₂可分别设置为区间[0，1]范围内的实数；

步骤C44、根据下述服务节点位置的更新计算公式，计算更新后的服务节点位置向量X′(H_i)：X′(H_i)＝X(H_i)+V′(H_i)，并将服务节点群H_i包含的服务节点位置更换为更新后的服务节点位置向量X′(H_i)中的服务节点位置。

9.如权利要求4所述的用于车载Ad hoc网络中部署服务节点的方法，其特征在于，所述步骤C4和步骤C5中，对服务节点群H_i或最优节点群组gbest中的一个服务节点的位置S_ij进行修正，进一步包括有：

步骤(1)、从服务节点群H_i或最优节点群组gbest中提取一个服务节点的位置S_ij；

步骤(2)、判断S_ij是否在无向图G的边集E的街道上？如果是，则所述服务节点标记为有效服务节点，本流程结束；如果否，则继续下一步骤(3)；

步骤(3)、判断S_ij是否在无向图G的内部区域中？如果是，则所述服务节点标记为有效服务节点，比较S_ij到边集E的所有街道的最短距离，从中选取最短距离最小值所对应的一条街道，并在所述选取的街道上找到一个距离所述服务节点最近的位置

将S_ij修正成

如果否，则所述服务节点标记为无效服务节点。

Images