CN104320789A - 一种基于博弈论的车联网rsu最优配置方法 - Google Patents

一种基于博弈论的车联网rsu最优配置方法 Download PDF

Info

Publication number
CN104320789A
CN104320789A CN201410619710.2A CN201410619710A CN104320789A CN 104320789 A CN104320789 A CN 104320789A CN 201410619710 A CN201410619710 A CN 201410619710A CN 104320789 A CN104320789 A CN 104320789A
Authority
CN
China
Prior art keywords
contractor
rsu
vehicle flowrate
section
block
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410619710.2A
Other languages
English (en)
Other versions
CN104320789B (zh
Inventor
王良民
杨树雪
仲红
殷赵霞
孟利霞
蔡继盛
谢晴晴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui University
Original Assignee
Anhui University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui University filed Critical Anhui University
Priority to CN201410619710.2A priority Critical patent/CN104320789B/zh
Publication of CN104320789A publication Critical patent/CN104320789A/zh
Application granted granted Critical
Publication of CN104320789B publication Critical patent/CN104320789B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W16/00Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18Network planning tools
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W84/00Network topologies
    • H04W84/18Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种基于博弈论的车联网RSU最优配置方法,包括以下步骤:统计并拟合城市道路中基于位置信息的车流量、建立博弈论模型和确定最优配置。本发明以博弈论为基础,结合车联网环境,通过引入有效面积分割系数、收益权重与收益系数等问题,着重将车联网中与RSU建设配置密切相关的车流量、网络覆盖率、城市环境、商家竞争等多个因素都加入到博弈论模型中,所得结果更加成熟精准有效,能够在多承建商竞争环境下,保证以最少的RSU建设成本获得使新增RSU的承建商的收益期望最大的配置策略,具有广阔的市场前景。

Description

一种基于博弈论的车联网RSU最优配置方法
技术领域
本发明涉及车联网与博弈论领域,具体涉及一种基于博弈论的车联网RSU最优配置方法。
背景技术
1、车联网发展现状
车联网是物联网在交通领域的应用,是一种无线自组织移动网络。车联网的通信技术正在迅速发展,通信服务日趋丰富多样化。未来的汽车和车载网络为人们提供了一系列应用,最常见的如安全应用、效率应用、商业应用和信息娱乐应用等,这些服务与巨大的商业利润相联系。车联网的服务质量强烈依赖于车联网中的基础设施,如车载终端、车载传感器、路边基础单元(Road Side Unit,简称RSU)等,这类基础设施很可能会由通信运营商或汽车制造商来进行制造和维护。未来的车载网络将吸引更多的参与者,并使他们从车载网络中获取巨大的商业利润。
目前中国三大通信运营商***、***和中国电信均推出了自己的车联网应用,开始筹建车联网服务平台、退出城际导航品牌等,并且与各大汽车制造商保持了密切的合作。截至2011年末,全国已有超过50万辆新车预装车载信息服务终端。前瞻网预计到2015年,将至少有4000万汽车移动互联网服务技术用户。按照平均每个用户每年1000元的消费额度来计算,车联网行业到2015年的市场空间大约在400亿左右,带动相关产值将高达1000亿元,而中国也有望发展为全球车载信息服务业最大的市场。巨大的利润带来的必然是激烈的商业竞争。
2、RSU在车联网服务中的重要地位
作为车内网和车际网接入蜂窝网的重要接入点,RSU在车联网通信中起到至关重要的地位,直接决定了运营商可以提供的通信服务质量。在车联网发展的初期,由于客户需求较少,建设成本较高等因素,必然无法保证RSU在道路环境的全覆盖。因此,RSU承建商需要结合地区特点,如路段的车流量大小进行评估,对该区域选择性地进行覆盖。但是RSU配置后,当道路周边的环境发生变化时,可能需要重新配置RSU或加添新的RSU。如某条道路因周边建起了居民区或商业区的兴建等原因,导致该段路径的车流量逐渐增加,而过去的RSU数量不足以至负荷过重,或周边环境变化影响信号传输等问题,此时需要在最合理的位置增加新的RSU。
RSU作为车联网服务平台的硬件基础,其建设必然会形成竞争,当前的RSU配置方案一般仅考虑网络的通信覆盖率最大而RSU的数量最优。但在现实情境中,车联网初期的环境中对于RSU承建商来说,网络的通信覆盖率可能并不是RSU配置所需考虑的最主要因素,若可保证城市一部分区域内的服务覆盖,则更需考虑所建RSU带来的收益与其建设成本的比率。
3、虚拟运营商的出现
虚拟运营商(VNO—Virtual Network Operator),是指拥有某种或者某几种能力(如技术能力、设备供应能力、市场能力等)与电信运营商在某项业务或者某几项业务上形成合作关系的合作伙伴,电信运营商按照一定的利益分成比例,把业务交给虚拟运营商去发展,其自身则腾出力量去做最重要的工作,同时电信运营商自己也在直接发展用户。
虚拟运营商就像是代理商,他们从移动、联通、电信三大基础运营商那里“包干”一部分通讯网络,然后通过自己的计费***、客服号、营销和管理体系卖给消费者。工信部在2013年底和2014年初先后向两批共19家民营企业颁发了虚拟运营商牌照。
虚拟运营商的出现无疑是电信行业的竞争越来越激烈,同时也给越来越多的民营企业带来了机遇。车联网作为未来热门的通信市场,必然将产生激烈的商业竞争。
4、博弈论
博弈论博弈论又被称为对策论(Game Theory)既是现代数学的一个新分支,也是运筹学的一个重要学科。博弈论主要研究公式化了的激励结构间的相互作用。是研究具有斗争或竞争性质现象的数学理论和方法。博弈论考虑游戏中的个体的预测行为和实际行为,并研究它们的优化策略。
博弈论已经成为经济学的标准分析工具之一。从1994年诺贝尔经济学奖授予3位博弈论专家开始,共有6届的诺贝尔经济学奖与博弈论的研究有关。作为一门工具学科能够在经济学中如此广泛运用并得到学界垂青实为罕见。
作为经济学中的重要研究方法,非常适合于从经济角度来研究此类商业竞争问题。而设备定位博弈更是博弈论中的一种典型问题,因此我们引入了博弈论结合车联网环境的特点,从经济角度设计RSU的最优配置方法。
5、现有成果
当前人们更多的将精力放在了如何提高RSU的通信质量,如何有效解决车辆对RSU接入切换,以及以最少数量达到车联网络通信全覆盖等问题。但是在实际应用中,除去技术需求外,承建商更关心的问题是投入与产出的问题,即所建RSU带来的收益与RSU的建设投入比率是否客观。目前还未有专家对该问题进行解决。
发明内容
发明目的:本发明的目的在于解决现有技术中存在的不足,提供一种能够在多个承建商竞争环境的商业环境下,为需要新增RSU设备的承建商配置的可使RSU的配置成本最低而承建商的收益最大的配置方法。
技术方案:本发明一种基于博弈论的车联网RSU最优配置方法,包括以下步骤:
(1)统计并拟合城市道路中基于位置信息的车流量;
(2)建立博弈论模型;
(3)确定最优配置。
进一步的,所述步骤(1)的具体方法为:
(1.1)根据现有的城市车流量实时统计***,建立城市道路车流量信息数据库;
(1.2)将城市道路划分为若干方格,并用坐标值(X,Y)标识,每个方格内仅有一个承建商的备选地点,从上述城市道路车流量信息数据库中采集当前路段的车流量信息,然后基于路段位置进行线性拟合,将车流量与地理坐标(x,y)联系,获得基于城市道路位置信息的车流量拟合函数F(x,y)。
进一步的,所述步骤(2)的具体步骤如下:
(2.1)确定承建商集合T={tm|m=1,2,3,…,M,M∈Z+}、各承建商已有的RSU集合R0={ri|i=1,2,3,…,I,I∈Z+}以及用于建设新RSU的备选地点集合C={ck|k=1,2,3,…,K,K∈Z+},其中,tm表示第m个承建商,ri表示某承建商已有的第i个RSU,ck表示某承建商建设新RSU的第k个新RSU的备选地点;
(2.2)通过考虑承建商自己的RSU的重复覆盖和与其他承建商的重复盖的车流量收益分割,计算出第m个承建商tm在其新RSU备选地点cmk上新建RSU的有效服务面积为Smk(x,y);城市区块方格的边长为RSU的最大服务半径的一半,其中不同承建商之间的备选地点集合相互不重合,同一承建商的备选地点集合中的不同备选地点的区块坐标值不相同;
(2.3)确定单个承建商tm在其备选地点cmk上新建RSU的所覆盖的某个区块(X,Y)的收益系数和收益权重
其中,收益系数与车联网用户的消费力、承建商所能提供的服务种类与商业广告客户数量成正比,可通过备选地点的居民消费指数有关可由统计调研得出,收益权重由流量拟合函数F(x,y)在有效面积上做二重积分得来,即,在某一区块(X,Y)上的收益权重为:
(2.4)计算各承建商在备选地点cmk在区域集Amk上的总收益pmk
p mk = Σ ( X , Y ) ∈ A mk ( η X , Y m * w X , Y mk ) - C cos t
其中,Ccost表示建设单个RSU的成本;
Amk={以cmk为圆心以10km为半径的圆所覆盖的区块的集合}。
进一步的,所述步骤(3)的具体步骤为:
(3.1)列出不同承建商在不同备选地点建设新RSU的空收益矩阵;
(3.2)通过步骤(2)计算出步骤(3.1)中矩阵的各项值;
(3.3)分析出所得收益矩阵中的纳什均衡策略集,若无法通过一般方法(即按照定义寻找玩家的公共严格占优策略)直接解出,则考虑用迭代删除(严格)受控策略找到最优配置方案。
进一步的,所述城市道路车流量信息数据库中包括有由测试***通过车载OBU实时检测获得实际车流量数据f(x,y),且城市道路车流量信息数据库中对该路段的车流量存储值为F(x,y)=f(x,y)*θ(X,Y);
其中,θ(X,Y)为承建商在该路段的潜在收益系数,且θ(X,Y)的大小受道路周边的医院、学校、商场等公共设施,居民数量及居民消费力等因素影响,用于适当调整车流量拟合。θ(X,Y)越大,代表该路段的车流量越稳定,且未来的车流量也可能出现增加的趋势,而F(x,y)也就越高;反之,则车流量不稳定或未来的车流量有下降趋势,而F(x,y)也就越低。
进一步的,所述步骤(2.2)中的RSU有效服务面积的确定方法如下:
(2.2.1)确定RSU的服务半径:将在备选地点cmk上新建的RSU所覆盖的一个区域集Amk中的道路划分为:无RSU覆盖路段、仅由一个承建商的一个RSU覆盖路段、由同一承建商的多个RSU覆盖路段和由不同承建商的多个RSU共同覆盖路段四种类型;
(2.2.2)为承建商在该区块(X,Y)设定一个参数,用于表示该承建商在共同覆盖区域的有效面积分割系数共同覆盖区域的承建商的有效面积分割系数由其市场占有率μmarket、网络覆盖率μcover及用户评价μserve决定。市场占有率和网络覆盖率越高,且用户评价越好的承建商的有效面积分割系数越大;否则,则越低。且承建商tm和与其在区块(X,Y)存在共同覆盖的承建商ti的分割系数为和与其不存在共同覆盖的承建商的分割系数为0,且有
(2.2.3)确定某一承建商tm在区块(X,Y)上的有效服务面积
S X , Y mk ( x , y ) = S only + S self / n self + Σ i ≠ m M d X , Y t m t i * S share t m t i ;
其中,Sonly表示仅由该承建商的一个RSU覆盖路段的面积,Sself表示由同一承建商的多个RSU覆盖路段的面积且共同覆盖次数为nself表示承建商tm对不同承建商ti在区域(X,Y)上的有效面积分割系数,表示承建商tm对不同承建商ti在区块(X,Y)上公共覆盖路段的面积。
进一步的,所述步骤(2)中博弈模型中的玩家集合、策略集合和收益函数集合分别为承建商集合T={tm|m=1,2,3,…,M,M∈Z+}、用于建设新RSU的备选地点集合C={ck|k=1,2,3,…,K,K∈Z+}和运营商收益集合P={pm|m=1,2,3,…,M,M∈Z+};每次博弈分析即可得出一个纳什均衡策略集合,然后帮助承建商确定一个RSU建设最优位置;重复上述博弈过程即可完成所有配置任务。
上述步骤(2.3)中,为衡量RSU的收益期望,不但引入承建商tm在(X,Y)区域的收益系数以衡量不同承建商对相同车流量权重的收益预期,还引入承建商tm在区域集Amk上的收益权重用于衡量不同RSU因位置不同造成的通信质量不同,在服务区域内的车流量不同而对收益期望的影响程度。
有益效果:与现有技术相比,本发明具有以下优点:
(1)本发明充分考虑车联网服务需求中重要的相关因素:道路上的车流量分布、在公共服务区域与其他RSU承建商的竞争、竞争造成的收益分割以及承建商自身的通信质量,全面考虑各因素,通过本发明能够给承建商带来最优的配置方案;
(2)本发明将博弈论与RSU的配置方法相结合,多方考虑了承建商的经济成本和期望收益,既能保证承建商的最大化经济利益,又能够保证RSU的服务范围和通信质量;
(3)本发明结合车联网环境,通过引入有效面积分割系数、收益权重与收益系数等问题,着重将车联网中与RSU建设配置密切相关的车流量、网络覆盖率、城市环境、商家竞争等多个因素都加入到博弈论模型中,所得结果更加成熟精准有效。
附图说明
图1为本发明的总框架示意图;
图2为实施例中滨湖新区商场附近的路段已有RSU分布图;
图3为实施例中三个承建商的备选地点分布图;
图4为实施例中承建商1在备选地点新建RSU后的道路覆盖划分图;
图5为实施例中空白收益矩阵示图。
具体实施方式
下面对本发明技术方案结合附图和实施例进行详细说明。
如图1所示,本发明一种基于博弈论的车联网RSU最优配置方法,包括以下步骤:
(1)统计并拟合城市道路中基于位置信息的车流量:
(1.1)根据现有的城市车流量实时统计***,建立城市道路车流量信息数据库;
(1.2)将城市道路划分为若干方格,并用坐标值(X,Y)标识,则城市道路划分成的若干方格的大小为RSU的最大服务半径的一般,坐标值(X,Y)的一个单位长度为5km,每个方格内仅有一个承建商的备选地点。从上述城市道路车流量信息数据库中采集当前路段的车流量信息,然后基于路段位置进行线性拟合,将车流量与地理坐标(x,y)联系,获得基于城市道路位置信息的车流量拟合函数F(x,y)。
(2)建立博弈论模型:
(2.1)确定承建商集合T={tm|m=1,2,3,…,M,M∈Z+}、各承建商已有的RSU集合R0={ri|i=1,2,3,…,I,I∈Z+}以及用于建设新RSU的备选地点集合C={ck|k=1,2,3,…,K,K∈Z+},其中,tm表示第m个承建商,ri表示某承建商已有的第i个RSU,ck表示某承建商建设新RSU的第k个备选地点;
(2.2)计算出第m个承建商tm在其新RSU备选地点cmk上新建RSU的有效服务面积为Smk(x,y);城市区块方格的边长为RSU的最大服务半径的一半,其中不同承建商之间的备选地点集合相互不重合,同一承建商的备选地点集合中的不同备选地点的区块坐标值不相同;
(2.3)确定单个承建商tm在其备选地点cmk上新建RSU所覆盖的某个区块(X,Y)的收益系数和收益权重其中,在某一区块(X,Y)上的收益权重为: w X , Y mk = ∫ ∫ S X , Y mk ( x , y ) F ( x , y ) dxdy ;
(2.4)计算各承建商在备选地点cmk在区域集Amk上的总收益pmk
p mk = Σ ( X , Y ) ∈ A mk ( η X , Y m * w X , Y mk ) - C cos t
其中,Ccost表示建设单个RSU的成本;
Amk={以cmk为圆心以10km为半径的圆所覆盖的区块的集合}。
(3)确定最优配置:
(3.1)列出不同承建商在不同备选地点建设新RSU的空收益矩阵;
(3.2)通过步骤(2)计算出步骤(3.1)中矩阵的各项值;
(3.3)分析出所得收益矩阵中的纳什均衡策略集,若无法通过寻找公共严格占优策略的方法直接解出,则用迭代删除(严格)受控策略找到最优配置方案。
上述步骤(2)中,城市道路车流量信息数据库中包括有由测试***通过车载OBU实时检测获得的实际车流量数据f(x,y),且城市道路车流量信息数据库中对该路段的车流量存储值为F(x,y)=f(x,y)*θ(X,Y),且城市道路车流量信息数据库中对该路段的车流量存储值为F(x,y)=f(x,y)*θ(X,Y);
其中,θ(X,Y)为承建商在该路段的潜在收益系数,且θ(X,Y)越大,代表该路段的车流量越稳定,且未来的车流量也可能出现增加的趋势,而F(x,y)也就越高;反之,则车流量不稳定或未来的车流量有下降趋势,而F(x,y)也就越低。
本发明中,步骤(2.2)中的RSU有效服务面积的确定方法如下:
(2.2.1)确定RSU的服务半径:将在备选地点cmk上新建的RSU所覆盖的一个区域集Amk中的道路划分为:无RSU覆盖路段、仅由一个承建商的一个RSU覆盖路段、由同一承建商的多个RSU覆盖路段和由不同承建商的多个RSU共同覆盖路段四种类型;
(2.2.2)为承建商在该区块(X,Y)设定一个参数,用于表示该承建商在共同覆盖区域的有效面积分割系数
共同覆盖区域的承建商的有效面积分割系数由其市场占有率μmarket、网络覆盖率μcover及用户评价μserve决定。市场占有率和网络覆盖率越高,且用户评价越好的承建商的有效面积分割系数越大;否则,则越低。且承建商tm和与其在区块(X,Y)存在共同覆盖的承建商ti的分割系数为和与其不存在共同覆盖的承建商的分割系数为0,且有
(2.2.3)确定某一承建商tm在区块(X,Y)上的有效服务面积
S X , Y mk ( x , y ) = S only + S self / n self + Σ i ≠ m M d X , Y t m t i * S share t m t i ;
其中,Sonly表示仅由该承建商的一个RSU覆盖路段的面积,Sself表示由同一承建商的多个RSU覆盖路段的面积且共同覆盖次数为nself表示承建商tm对不同承建商ti在区域(X,Y)上的有效面积分割系数,表示承建商tm对不同承建商ti在区块(X,Y)上公共覆盖路段的面积。
对于本发明,传统博弈模型中的玩家集合、策略集合和收益函数集合分别相当于承建商集合T={tm|m=1,2,3,…,M,M∈Z+}、用于建设新RSU的备选地点集合C={ck|k=1,2,3,…,K,K∈Z+}和运营商收益集合P={pm|m=1,2,3,…,M,M∈Z+};每次博弈分析一次即可得出一个纳什均衡策略集合,然后帮助承建商确定一个RSU建设最优位置;重复上述博弈过程即可完成所有配置任务。
综上所述,本发明通过分析步骤(3)中收益矩阵的纳什均衡策略集找到博弈模型的稳定状态,也即该博弈模型中的各玩家均无法通过偏离纳什均衡策略集来使自己获得更大的收益期望。
步骤(3)中的博弈论分析确定的最优配置方案,是承建商在充分考虑其他承建商的不同策略产生的收益预期的条件下,选取出可使自己收益期望最大的策略。
实施例:
合肥市作为中部崛起的城市,现已被国家划入长江三角洲经济带,随着合肥地铁的建设、火车北站的新建、新桥国际机场的使用,合肥的交通事业也在迅速发展。未来合肥的汽车保有量必将持续攀升,而车联网的发展将很好地解决随之带来的交通拥堵等问题,为车主提供交通导航、实时路况以及各类娱乐共享服务等。下面以合肥市为例来详细说明本发明。
为满足合肥市车联网行业的发展,假设***、联通和电信三家通信运营商将RSU建设的业务承包给1、2和3三家承建商,他们从网络服务费中抽取利润。起初,他们分别一次性在合肥车流量最大的路段覆盖了自己的RSU,数量分别为20、25、30。如图2所示,承建商1和2在合肥市区车流量最大一个商场附近的路段设置了RSU,数量均为2个。车联网投入使用5年后,随着城市商业区的转移,滨湖新区和合肥北城区的发展,原有的RSU数量和配置已经无法满足现在的网络用户的需求。承建商1、承建商2和承建商3都考虑在滨湖区如图3所示的区域内新建RSU,备选地点个数分别为3个、2个和1个。
下面首先从承建商1的角度进行博弈分析,其他承建商的博弈分析过程相近,则本配置方法的具体实现步骤如下:
步骤ⅰ,城市道路基于位置信息的车流量统计:
首先,根据现有的城市车流量实时统计***,建立城市道路车流量信息数据库;
然后,将该商业区的城市道路置于坐标轴中,并将城市道路划分为边长大小为RSU的最大服务半径的一半(即5km)的方格,并用坐标值(X,Y)标识,规定每个方格内仅会有同一个承建商的一个备选地点。根据采集出的流量信息,针对路段进行线性拟合,得出基于道路位置地理坐标(x,y)的车流量函数拟合F(x,y)。备选地点c12所服务的区域放大,并对其中的道路进行车流量拟合。设城市区块中的道路按照网状均匀分布,将大方格再次分割为更小的方格。因道路的实际分布及车流量的实际值未知,为便于后面步骤讨论我们设c12所服务的区域内存在L(L∈Z+)条道路,且这些路段中的车流量所满足的实际车流量拟合函数集合为:
F={fl(x,y)|l=1,2,3,…,L,L∈Z+}
设承建商1、承建商2和承建商3的备选地点的潜在收益系数θ(X,Y)的值分别为:则城市道路车流量信息数据库中对该路段的车流量存储值计算公式为:F(x,y)=f(x,y)*θ(X,Y)。根据图3所示,由各备选地点距离商业区中心的距离可确定上述6个潜在收益系数之间的关系。对于承建商1的第一个RSU的最优位置分析过程如下,其他承建商的备选地点分析过程相似:
步骤ⅱ,博弈论模型建立:
首先,将传统博弈模型中的玩家集合、策略集合和收益函数集合分别与本实施例中的承建商集合T={t1,t2}、用于建设新RSU的备选地点集合C={{c11,c12,c13},{c21c22},{c31}}和运营商收益集合P={p1,p2,p3}相对应,并确定各承建商在该区域已有的RSU集合R0={{r11,r12},{r21,r22}};
然后,通过考虑承建商自己的RSU的重复覆盖和与其他承建商的重复盖的车流量收益分割,计算出每个承建商tm在区域集Amk上的有效服务面积为其具体过程为:
A、确定已有的4个RSU的服务半径,将区域集Amk上的所有区域(X,Y)中的道路划分为:无RSU覆盖路段、仅由一个承建商的一个RSU覆盖路段、由同一承建商的多个RSU覆盖路段和由不同承建商的多个RSU共同覆盖路段四种类型。如对于承建商1和承建商2在距备选地点c12最近的两条路段的划分如图4所示,其他路段同理。其中承建商1的备选地点c12的区域集A12={以c12为圆心以10km为半径的圆所覆盖的区块的集合}={(1,7)、(1,8)、(1,9)、(2,6)、(2,7)、(2,8)、(2,9)、(2,10)、(3,6)、(3,7)、(3,8)、(3,9)、(3,10)、(4,6)、(4,7)、(4,8)、(4,9)、(4,10)、(5,6)、(5,7)、(5,8)、(5,9)}。
B、为承建商在该区域设定一个参数,用于表示该承建商在共同覆盖区域的有效面积分割系数在(3,6)区块区块确定承建商1与承建商2在公共覆盖路段的有效面积分割系数为并设
C、设承建商1在备选地点c12上建设RSU后,其在区域集A12内的每个区块的有效服务面积的计算公式为:
S X , Y 12 ( x , y ) = S only + S self / n self + Σ i ≠ 1 3 d X , Y t 1 t i * S share t 1 t i
接着,确定每个承建商tm在区域集A12上每个区域块内的收益系数和收益权重wX,Y,其中 w X , Y mk = ∫ ∫ S X , Y mk ( x , y ) F ( x , y ) dxdy .
最后,计算各承建商在不同区域集Amk上的总收益pmk
p mk = Σ ( X , Y ) ∈ A mk ( η X , Y m * w X , Y mk ) - C cos t .
步骤ⅲ,通过博弈论分析确定最优配置:
首先,列出承建商1与承建商2博弈的空收益矩阵;
然后,根据步骤ⅱ的方法计算出收益矩阵的各项值,如图5所示;
最后,分析出所得收益矩阵中的纳什均衡策略集来找到博弈模型的稳定状态,也即该博弈模型中的各玩家均无法通过偏离纳什均衡策略集来使自己获得更大的收益期望的策略集。若无法通过一般方法直接解出,则考虑用迭代删除严格受控策略找到最优配置方案。寻找纳什均衡是博弈论领域中的常规问题,且在策略较少时较易求得。
每次博弈分析可得出一个策略集合,帮助承建商确定一个RSU建设最优位置,则更新备选地点集合及已建RSU集合后重复上述博弈过程即可完成所有配置任务。

Claims (7)

1.一种基于博弈论的车联网RSU最优配置方法,其特征在于:包括以下步骤:
(1)统计并拟合城市道路中基于位置信息的车流量;
(2)建立博弈论模型;
(3)确定最优配置。
2.根据权利要求1所述的基于博弈论的车联网RSU最优配置方法,其特征在于:所述步骤(1)的具体方法为:
(1.1)根据现有的城市车流量实时统计***,建立城市道路车流量信息数据库;
(1.2)将城市道路划分为若干方格,并用坐标值(X,Y)标识,且每个方格内仅有一个承建商的备选地点,从上述城市道路车流量信息数据库中采集当前路段的车流量信息,然后基于路段位置进行线性拟合,将车流量与地理坐标(x,y)联系,获得基于城市道路位置信息的车流量拟合函数F(x,y)。
3.根据权利要求1所述的基于博弈论的车联网RSU最优配置方法,其特征在于:所述步骤(2)的具体步骤如下:
(2.1)确定承建商集合T={tm|m=1,2,3,…,M,M∈Z+}、各承建商已有的RSU集合R0={ri|i=1,2,3,…,I,I∈Z+}以及用于建设新RSU的备选地点集合C={ck|k=1,2,3,…,K,K∈Z+},其中,tm表示第m个承建商,ri表示某承建商已有的第i个RSU,ck表示某承建商建设新RSU的第k个备选地点;
(2.2)计算出第m个承建商tm在其新RSU备选地点cmk上新建RSU的有效服务面积为Smk(x,y);城市区块方格的边长为RSU的最大服务半径的一半,其中不同承建商之间的备选地点集合相互不重合,同一承建商的备选地点集合中的不同备选地点的区块坐标值不相同;
(2.3)确定单个承建商tm在其备选地点cmk上新建RSU所覆盖的某个区块(X,Y)的收益系数和收益权重其中,在某一区块(X,Y)上的收益权重为:
w X , Y mk ∫ ∫ S X , Y mk ( x , y ) F ( x , y ) dxdy ;
(2.4)计算各承建商在备选地点cmk在区域集Amk上的总收益pmk
p mk = Σ ( X , Y ) ∈ A mk ( η X , Y mk * w X , Y mk ) - C cos t
其中,Ccost表示建设单个RSU的成本;
Amk={以cmk为圆心以10km为半径的圆所覆盖的区块的集合}。
4.根据权利要求1所述的基于博弈论的车联网RSU最优配置方法,其特征在于:所述步骤(3)的具体步骤为:
(3.1)列出不同承建商在不同备选地点建设新RSU的空收益矩阵;
(3.2)通过步骤(2)计算出步骤(3.1)中矩阵的各项值;
(3.3)分析出所得收益矩阵中的纳什均衡策略集,若无法通过寻找公共严格占优策略的方法直接解出,则用迭代删除(严格)受控策略找到最优配置方案。
5.根据权利要求2所述的基于博弈论的车联网RSU最优配置方法,其特征在于:所述城市道路车流量信息数据库中包括由测试***通过车载OBU实时检测获得的实际车流量数据关于地理坐标的函数f(x,y),且城市道路车流量信息数据库中对该路段的车流量存储值为F(x,y)=f(x,y)*θ(X,Y);
其中,θ(X,Y)为承建商在该路段的潜在收益系数,且θ(X,Y)越大,代表该路段的车流量越稳定,且未来的车流量也可能出现增加的趋势,而F(x,y)也就越高;反之,则车流量不稳定或未来的车流量有下降趋势,而F(x,y)也就越低。
6.根据权利要求3所述的基于博弈论的车联网RSU最优配置方法,其特征在于:所述步骤(2.2)中的RSU有效服务面积的确定方法如下:
(2.2.1)确定RSU的服务半径:将在备选地点cmk上新建的RSU所覆盖的一个区域集Amk中的道路划分为:无RSU覆盖路段、仅由一个承建商的一个RSU覆盖路段、由同一承建商的多个RSU覆盖路段和由不同承建商的多个RSU共同覆盖路段四种类型;
(2.2.2)为承建商在区块(X,Y)设定一个参数,用于表示该承建商在共同覆盖区域的有效面积分割系数
共同覆盖区域的承建商的有效面积分割系数由其市场占有率μmarket、网络覆盖率μcover及用户评价μserve决定,市场占有率和网络覆盖率越高,且用户评价越好的承建商的有效面积分割系数越大;否则,则越低,且承建商tm和与其在区块(X,Y)存在共同覆盖的承建商ti的分割系数为和与其不存在共同覆盖的承建商的分割系数为0,且有
(2.2.3)确定某一承建商tm在区块(X,Y)上的有效服务面积
S X , Y mk ( x , y ) = S only + S self / n self + Σ i ≠ m M d X , Y t m t i * S share t m t i ;
其中,Sonly表示仅由该承建商的一个RSU覆盖路段的面积,Sself表示由同一承建商的多个RSU覆盖路段的面积且共同覆盖次数为nself表示承建商tm对不同承建商ti在区域(X,Y)上的有效面积分割系数,表示承建商tm对不同承建商ti在区块(X,Y)上公共覆盖路段的面积。
7.根据权利要求1所述的基于博弈论的车联网RSU最优配置方法,其特征在于:所述步骤(2)中博弈模型中的玩家集合、策略集合和收益函数集合分别为承建商集合T={tm|m=1,2,3,…,M,M∈Z+}、用于建设新RSU的备选地点集合C={ck|k=1,2,3,…,K,K∈Z+}和运营商收益集合P={pm|m=1,2,3,…,M,M∈Z+};每次博弈分析可得出一个纳什均衡策略集合,然后帮助承建商确定一个RSU建设最优位置;重复上述博弈过程即可完成所有配置任务。
CN201410619710.2A 2014-11-05 2014-11-05 一种基于博弈论的车联网rsu最优配置方法 Expired - Fee Related CN104320789B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410619710.2A CN104320789B (zh) 2014-11-05 2014-11-05 一种基于博弈论的车联网rsu最优配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410619710.2A CN104320789B (zh) 2014-11-05 2014-11-05 一种基于博弈论的车联网rsu最优配置方法

Publications (2)

Publication Number Publication Date
CN104320789A true CN104320789A (zh) 2015-01-28
CN104320789B CN104320789B (zh) 2017-11-03

Family

ID=52375941

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410619710.2A Expired - Fee Related CN104320789B (zh) 2014-11-05 2014-11-05 一种基于博弈论的车联网rsu最优配置方法

Country Status (1)

Country Link
CN (1) CN104320789B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104883388A (zh) * 2015-04-17 2015-09-02 大连理工大学 一个基于遗传算法的车联网路边单元部署方法
CN107229988A (zh) * 2016-03-25 2017-10-03 重庆邮电大学 一种智能路侧设备的选址优化方法
CN109165771A (zh) * 2018-07-19 2019-01-08 安徽建筑大学 一种基于gis网络分析的农村垃圾深埋桶布局优化方法
CN109862535A (zh) * 2019-01-04 2019-06-07 南京大学 基于模拟退火粒子群算法的路边单元非全覆盖优化部署方法
CN112020115A (zh) * 2020-08-11 2020-12-01 广州杰赛科技股份有限公司 一种基于智能网联车的网络接入方法及***
CN112333660A (zh) * 2020-10-23 2021-02-05 浙江省机电设计研究院有限公司 高覆盖率车联网路边单元部署方法、***、介质及应用
CN112929944A (zh) * 2021-02-04 2021-06-08 天津理工大学 一种基于模糊逻辑和联盟图博弈的车联网协作内容分发方法
CN113919623A (zh) * 2021-08-27 2022-01-11 吉林大学 基于演化博弈论的共享汽车接驳轨道交通的管理方法
CN115355954A (zh) * 2022-10-24 2022-11-18 派欧尼尔环境净化工程(北京)有限公司 一种用于洁净室移动机器人的检测方法及***
CN116744319A (zh) * 2023-08-09 2023-09-12 西南交通大学 一种路侧单元部署方法、装置、设备及可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013109960A1 (en) * 2012-01-18 2013-07-25 Carnegie Mellon University Transitioning to a roadside unit state
CN103458482A (zh) * 2013-05-28 2013-12-18 大连理工大学 Vanet中解决rsu接入问题的演化博弈方法
CN103987103A (zh) * 2014-04-30 2014-08-13 重庆邮电大学 一种基于博弈论的车辆自组织网络路由选择方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013109960A1 (en) * 2012-01-18 2013-07-25 Carnegie Mellon University Transitioning to a roadside unit state
CN103458482A (zh) * 2013-05-28 2013-12-18 大连理工大学 Vanet中解决rsu接入问题的演化博弈方法
CN103987103A (zh) * 2014-04-30 2014-08-13 重庆邮电大学 一种基于博弈论的车辆自组织网络路由选择方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JEONGHEE CHI: "Intersection-Priority based Optimal RSU Allocation for VANET", 《UBIQUITOUS AND FUTURE NETWORK》 *
VLADIMIR FUX: "Price Competition between Road Side Units", 《2014 IFIP NETWORKING CONFERENCE》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104883388B (zh) * 2015-04-17 2018-07-06 大连理工大学 一种基于遗传算法的车联网路边单元部署方法
CN104883388A (zh) * 2015-04-17 2015-09-02 大连理工大学 一个基于遗传算法的车联网路边单元部署方法
CN107229988A (zh) * 2016-03-25 2017-10-03 重庆邮电大学 一种智能路侧设备的选址优化方法
CN109165771B (zh) * 2018-07-19 2021-12-10 安徽建筑大学 一种基于gis网络分析的农村垃圾深埋桶布局优化方法
CN109165771A (zh) * 2018-07-19 2019-01-08 安徽建筑大学 一种基于gis网络分析的农村垃圾深埋桶布局优化方法
CN109862535A (zh) * 2019-01-04 2019-06-07 南京大学 基于模拟退火粒子群算法的路边单元非全覆盖优化部署方法
CN109862535B (zh) * 2019-01-04 2021-12-17 南京大学 基于模拟退火粒子群算法的路边单元非全覆盖优化部署方法
CN112020115A (zh) * 2020-08-11 2020-12-01 广州杰赛科技股份有限公司 一种基于智能网联车的网络接入方法及***
CN112333660A (zh) * 2020-10-23 2021-02-05 浙江省机电设计研究院有限公司 高覆盖率车联网路边单元部署方法、***、介质及应用
CN112333660B (zh) * 2020-10-23 2024-02-20 浙江省机电设计研究院有限公司 高覆盖率车联网路边单元部署方法、***、介质及应用
CN112929944A (zh) * 2021-02-04 2021-06-08 天津理工大学 一种基于模糊逻辑和联盟图博弈的车联网协作内容分发方法
CN113919623A (zh) * 2021-08-27 2022-01-11 吉林大学 基于演化博弈论的共享汽车接驳轨道交通的管理方法
CN115355954A (zh) * 2022-10-24 2022-11-18 派欧尼尔环境净化工程(北京)有限公司 一种用于洁净室移动机器人的检测方法及***
CN115355954B (zh) * 2022-10-24 2023-01-10 派欧尼尔环境净化工程(北京)有限公司 一种用于洁净室移动机器人的检测方法及***
CN116744319A (zh) * 2023-08-09 2023-09-12 西南交通大学 一种路侧单元部署方法、装置、设备及可读存储介质
CN116744319B (zh) * 2023-08-09 2023-11-24 西南交通大学 一种路侧单元部署方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
CN104320789B (zh) 2017-11-03

Similar Documents

Publication Publication Date Title
CN104320789A (zh) 一种基于博弈论的车联网rsu最优配置方法
CN102332210B (zh) 基于手机定位数据的实时城市道路交通流数据提取方法
CN105303882A (zh) 基于时空维度动态停车收费策略的停车管理***及方法
CN106503843A (zh) 一种基于手机信令数据的常规公交线网优化与调整方法
CN102520464B (zh) 区域积涝预报***及其预报方法
CN103745089A (zh) 一种多维公共交通运行指数评价方法
CN105206048A (zh) 一种基于交通od数据的城市居民群体换乘模式发现***及方法
CN102074124A (zh) 一种基于svm及h∞滤波的动态公交到站时间预测方法
CN105809962A (zh) 一种基于手机数据的交通出行方式划分的方法
CN102595323A (zh) 基于手机定位数据的居民出行特征参数的获取方法
CN102110365A (zh) 基于时空关系的路况预测方法和***
CN102708698A (zh) 基于车联网的车辆最优路径导航方法
CN104679942A (zh) 一种基于数据挖掘的建设用地承载效率测度方法
CN112419711B (zh) 基于改进gmdh算法的封闭式停车场停车需求预测方法
Zhang Can transit-oriented development reduce peak-hour congestion?
CN112184282A (zh) 影院选址模型建立方法、影院选址方法及影院选址平台
CN106547862A (zh) 基于流形学习的交通大数据降维处理方法
CN116437291A (zh) 一种基于手机信令的文化圈规划方法和***
CN108876075B (zh) 城市轨道交通站点地区宜步行性评价方法
CN111612223A (zh) 基于土地和交通多源数据的人口就业分布预测方法及装置
CN113393104B (zh) 一种轨道交通运行状态对周边公共自行车影响的评价方法
CN107292073A (zh) 一种基于城市功能区的道路机动车尾气排放清单研究方法
Song Infrastructure and Urban development: Evidence from Chinese cities
CN106803227A (zh) 一种基于公交车载gps数据的主要客流量的公交od分析方法
CN113849976B (zh) 规划用地的开发强度评估方法、装置及设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171103