CN110087280A - 一种基于信标消息的车辆密度估算方法 - Google Patents

Abstract

本发明涉及一种基于信标消息的车辆密度估算方法，属于车载自组织网络领域。该方法包括：S1：车辆通过信标消息，收集和处理周围车辆的交通信息，构建车辆邻居节点信息表，根据邻居节点信息表中的信息计算车辆的邻居节点数量；S2：根据构建的邻居节点信息表，将车辆邻居节点的分布情况进行分类，结合每个邻居节点的分布类别计算邻居节点在估算车辆通信范围内的留存时间，根据留存时间更新邻居节点信息表；S3：建立车辆的车间距离分布函数，求取对应分布函数的最大似然估计来估算车辆密度。

Description

一种基于信标消息的车辆密度估算方法

技术领域

本发明属于车载自组织网络领域，涉及一种基于信标消息的车辆密度估算方法。

背景技术

随着汽车数量的增加，车辆安全、交通拥堵以及驾驶体验已经成为备受大众关注的三个问题。建立一个智能化、网络化的运输控制***能够有效缓解这些问题，因此智能交通***(Intelligent Transportation System,ITS)应运而生。车载自组织网络是智能交通***的重要组成部分，车载网中的车辆可以通过无线通信技术来实现车辆间的通信，根据接收到的信息车辆能够预知路况，降低发生交通事故的概率，同时也能辅助驾驶，改善驾驶员的行车体验。

车辆密度是评估道路交通状况的重要指标之一，同时也对车载自组织网络的通信性能有着较大影响。目前大多数车辆密度估计方法是基于基础设施来完成密度估算的，例如，一种车辆密度评估方法是使用深度学习训练生成多列全卷积神经网络模型，将道路图像信息作为输入，根据网络模型输出的获取车辆密度分布图。虽然该方法在白天能准确和快速完成估算任务，但在夜晚由于图像精度明显降低，使得车辆密度存在较大误差。另一种车辆密度评估方法是通过视频数据收集装置获取道路视频，并在远程终端提取视频中三帧图像用以计算车辆密度，但是由于需要较长的时间来记录和处理视频，这种密度估算方法不能用于实时车辆密度估算。以上方法需要将检测设备(例如感应环路检测器或交通监控摄像机)安装在不同位置来获取相应的车辆信息，且受外界条件影响较大，处理时间较长，适用性不强。

随着车载自组织网络的兴起，车辆节点可以基于无线信道相互通信，这使得车辆能够不依赖任何固定的基础设施收集和处理交通信息，在行驶过程中车辆能够根据接收到的信标消息完成车辆密度的估算。车载网中的车辆在获取周围的车辆密度后，能够根据车辆密度制定相应的通信机制，以改善车载网络的性能，因此车辆密度的估算具有重要的研究意义。

发明内容

有鉴于此，本发明的目的在于提供一种基于信标消息的车辆密度估算方法，应用于车载自组织网络中基于车辆间通信的车辆密度估算。

为达到上述目的，本发明提供如下技术方案：

一种基于信标消息的车辆密度估算方法，其特征在于，该方法具体包括以下步骤：

S1：车辆通过信标消息(Beacon Message)，收集和处理周围车辆的交通信息，构建车辆邻居节点信息表，根据邻居节点信息表中的信息计算车辆的邻居节点数量；

S2：根据构建的邻居节点信息表，将车辆邻居节点的分布情况进行分类，结合每个邻居节点的分布类别计算邻居节点在估算车辆通信范围内的留存时间，根据留存时间更新邻居节点信息表；

S3：建立车辆的车间距离分布函数，求取对应分布函数的最大似然估计来估算车辆密度。

进一步，所述步骤S1具体包括以下步骤：

S11：邻居节点周期性广播信标消息，信标消息包含车辆位置、速度、行驶方向以及邻居节点数，其中邻居节点数分为位于节点前方和后方的邻居节点数；

S12：车辆根据接收到的信标消息建立邻居节点信息表，基于信息表中的位置信息车辆计算出每一个邻居节点与车辆的相对位置，筛选出在车辆前方和后方距离车辆最远邻居节点；

S13：车辆根据邻居节点信息表中数据，计算出一跳范围内的邻居节点数，根据最远一跳节点的邻居节点数，计算出两跳邻居节点的数量。

进一步，所述步骤S2具体包括以下步骤：

S21：根据邻居节点的位置前后、速度大小和行驶方向将邻居节点的分布情况分为六类；

S22：设车辆的速度为V_o，传播范围为R，车辆第k个邻居节点的速度为V_k，与车辆的距离为R_k，结合邻居节点的六类分布情况，计算第k个邻居节点在车辆传播范围内的留存时间t_k，其计算公式为：

其中，P表示存放邻居节点的位置信息，P为1表示位于车辆前方，P为-1表示为车辆后方；D表示存放邻居节点的方向信息，D为1表示与车辆方向相同，D为-1表示与车辆方向相反；Q表示存放邻居节点的速度信息，Q为1表示速度比车辆大，Q为-1表示速度比车辆小；

S23：将邻居节点的留存时间设置为车辆邻居节点信息表中对应节点的生存时间，若在更新间隔内没有对应节点的信标消息到来，认为该节点离开车辆通信范围，删除信息表中的节点信息。

进一步，所述步骤S3具体包括以下步骤：

S31：设车辆A为估算车辆，x₁表示车辆A一跳范围内的邻居节点数，y₁表示最远的邻居节点B与车辆A相隔的距离，n和r₁为常数，分别表示车辆A一跳范围内实际存在的邻居节点数和节点B与车辆A相隔的实际距离，计算在车辆A传播范围为R，车辆密度为ρ辆/千米的情况，车辆A的邻居节点数x₁＝n，且到一跳最远邻居节点B的距离y₁＝r₁的概率P(y₁＝r₁,x₁＝n)；

S32：设车辆C为节点B的最远一跳邻居节点，x₂表示节点B一跳范围内的邻居节点数，y₂表示车辆A的传播范围边界到车辆C的距离，m和r₂为常数，分别表示节点B一跳范围内实际存在的邻居节点数和车辆A的传播范围边界到车辆C的实际距离，计算车辆A两跳邻居节点数为n+m，且到两跳最远邻居节点C的距离为r₂+R的概率P(y₁＝r₁,x₁＝n,y₂＝r₂,x₂＝m)；

S33：基于最大似然估计，最大化概率P(y₁＝m₁,x₁＝n₁,y₂＝m₂,x₂＝n₂)的车辆密度ρ为最佳估计值，其计算公式为：

其中，K表示估计所采用的样本个数，n_i+m_i表示第i个样本中估算车辆的两跳邻居节点数。

本发明的有益效果在于：本发明能够应用于车载自组织网络中基于车辆间通信的车辆密度估算。与传统车辆密度估算方法相比，本发明应用范围更广，环境适应性更强，估算精度更高，速度更快。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明所述的基于信标消息的车辆密度估算流程图；

图2为本发明所述的邻居节点更新流程图；

图3为本发明所述的邻居节点分布情况图；

图4为本发明所述的车辆分布图；

图5为本发明所述的方法的绝对误差仿真图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

如图1所示，本发明中车辆密度的获取主要分为三步，首先本发明提供了一种基于信标消息的邻居节点估计方法，基于接收到的信标消息建立邻居节点信息表，并根据表中信息计算车辆两跳范围内的邻居节点；然后根据节点的位置前后、行驶方向和速度大小，将邻居节点的分布情况划分为六类，针对每类分布计算相应的留存时间，用以更新信息表；最后建立车辆间距分布函数，通过求取分布函数的最大似然估计来取得车辆密度的估算值。

本发明所述的一种基于邻居节点的车辆密度估算方法，包括以下步骤：

(一)建立邻居节点信息表和求取邻居节点数

1)邻居节点周期性广播信标消息，信标消息包含节点自身的位置、速度、行驶方向以及邻居节点数，其中邻居节点数分为位于节点前方和后方的邻居节点数；

2)车辆根据接收到的信标消息建立邻居节点的信息表，具体如表1所示，车辆标号为估算车辆为每个邻居节点分配的唯一标识；位置为邻居节点与估算车辆的相对位置，表示其位于估算车辆前方或后方；距离为邻居节点与估算车辆相隔的距离；位于邻居节点前方的或后方的车辆数则为估算车辆邻居节点的一跳邻居节点；留存时间即为表中该节点的生存时间，若留存时间减少到零，仍然没有对应节点的信标消息到来，则删除该节点的信息。

表1邻居节点信息表

3)根据表1中位置信息和距离信息，估算车辆可以筛选出最前方和最后方的邻居节点，将其信息存入表2。设表1中，估算车辆前方的节点数为n_front，位于后方的节点数为n_back，则有n＝n_front+n_back。

表2最远邻居节点信息表

结合表2中的信息可以得到车辆前方和后方的两跳邻居节点数分别为：

估算车辆两跳范围内总的邻居节点数为：

N_total＝N_front+N_back＝n_front+n_back+m_front+m_back＝n+m_front+m_back (2)

(二)更新邻居节点信息表

邻居节点更新步骤如下，参见图2：

1)接收到信标消息后判断信息表中是否已有信标消息源节点的信息，若存在则更新对应节点信息，若不存在则在信息表中新增一行用以存储节点信息。

2)留存时间是信息表更新的关键，其计算具体步骤如下：

a.根据邻居节点的位置前后、速度大小和行驶方向将邻居节点的分布情况分为六类，具体如图3所示。

b.取车辆的速度为V_o，传播范围为R，车辆第k个邻居节点的速度为V_k，与车辆的距离为R_k，结合邻居节点的六种分布情况，计算第k个邻居节点在车辆传播范围内的留存时间t_k，其计算公式为：

其中，P表示存放邻居节点的位置信息，P为1表示位于车辆前方，P为-1表示为车辆后方；D表示存放邻居节点的方向信息，D为1表示与车辆方向相同，D为-1表示与车辆方向相反；Q表示存放邻居节点的速度信息，Q为1表示速度比车辆大，Q为-1表示速度比车辆小；

3)留存时间即为信标表中节点的生存时间，若留存时间减少到零，仍然没有对应节点的信标消息到来，则认为该节点已经驶离估算车辆的通信范围，删除该节点的信息。

(三)估算车辆密度

车辆分布情况参见图4，车辆密度估算步骤如下：

1)设车辆A为估算车辆，x₁表示车辆A一跳范围内的邻居节点数，y₁表示最远的邻居节点B与车辆A相隔的距离，n和r₁为常数，分别表示车辆A一跳范围内实际存在的邻居节点数和节点B与车辆A相隔的实际距离，在车辆A传播范围为R，车辆密度为ρ辆/千米的情况下，其一跳范围内的邻居节点数x₁＝n的概率为：

则在x₁＝n的条件下，最远的一跳邻居节点B与车辆A之间的距离y₁≤r₁的概率为：

联合公式(4)可以进一步得到：

对公式(6)求取导数可以得到车辆A的邻居节点数x₁＝n，且到一跳最远邻居节点B的距离y₁＝r₁的概率：

2)设车辆C为节点B的最远一跳邻居节点，x₂表示节点B一跳范围内的邻居节点数，即为车辆A第二跳邻居节点数，y₂表示车辆A的传输范围边界到车辆C的距离，m和r₂为常数，分别表示节点B一跳范围内实际存在的邻居节点数和车辆A的传播范围边界到车辆C的实际距离，由于y₁＝r₁表示(r₁,R)内没有节点(否则该节点将成为车辆A的最远一跳邻居节点)。因此车辆A的两跳邻居节点必须位于(R,R+r₂)内，则在x₁＝n，y₁＝r₁的情况下，车辆A的第二跳邻居节点数x₂＝m的概率为：

结合公式(7)计算车辆A两跳邻居节点数为n+m，且到两跳最远邻居节点C的距离为r₂+R的概率，其计算公式为：

3)基于最大似然估计，最大化概率P(y₁＝m₁,x₁＝n₁,y₂＝m₂,x₂＝n₂)的车辆密度ρ为最佳估计值，其具体计算步骤如下：

根据概率P(y₁＝m₁,x₁＝n₁,y₂＝m₂,x₂＝n₂)建立关于车辆密度ρ的最大似然函数，其计算公式为：

对公式(9)取对数得到：

对lnL(ρ)求导：

令公式(10)等于0可得：

所以车辆密度的最佳估算值为：

其中K表示估计所采用的样本个数，n_i+m_i表示第i个样本中估算车辆的两跳邻居节点数，可根据公式(1)计算得出。

下面结合仿真实验对本发明的效果作进一步的描述：

仿真实验采用SUMO和NS3.26完成。在SUMO软件中生成一个的高速公路移动模型，模型中车辆之间的距离服从平均车辆密度为ρ辆/千米的指数分布，车辆的传播半径设为250m，移动速度设为30m/s，信标消息的数据包大小为500byte，传输速率为6Mbit/s，其广播周期为0.05s。将车辆密度估算方法求取到的最佳估计，与全局密度ρ进行比较，并计算绝对误差，其计算公式为重复多次仿真记录数据，并且通过对每个仿真数据求取的绝对误差求取平均值来计算的平均绝对误差(Mean Absolute Error,MAE)。仿真结果如图5所示，随着样本估计数量的增加，基于估算密度的准确度逐渐升高。例如，在ρ＝10辆/千米时，通过将样本数量从1增加到10，估算密度的MAE从40％降低到16％左右。当样本个数k＝10时，估算密度的MAE在多数情况低于10％，可见在估算车辆传播半径R有限的情况下，估算方法采用越多的样本进行估算，其精确度越高

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种基于信标消息的车辆密度估算方法，其特征在于，该方法具体包括以下步骤：

S1：车辆通过信标消息，收集和处理周围车辆的交通信息，构建车辆邻居节点信息表，根据邻居节点信息表中的信息计算车辆的邻居节点数量；

S2：根据构建的邻居节点信息表，将车辆邻居节点的分布情况进行分类，结合每个邻居节点的分布类别计算邻居节点在估算车辆通信范围内的留存时间，根据留存时间更新邻居节点信息表；

S3：建立车辆的车间距离分布函数，求取对应分布函数的最大似然估计来估算车辆密度。

2.根据权利要求1所述的一种基于信标消息的车辆密度估算方法，其特征在于，所述步骤S1具体包括以下步骤：

S11：邻居节点周期性广播信标消息，信标消息包含车辆位置、速度、行驶方向以及邻居节点数，其中邻居节点数分为位于节点前方和后方的邻居节点数；

S12：车辆根据接收到的信标消息建立邻居节点信息表，基于信息表中的位置信息车辆计算出每一个邻居节点与车辆的相对位置，筛选出在车辆前方和后方距离车辆最远邻居节点；

S13：车辆根据邻居节点信息表中数据，计算出一跳范围内的邻居节点数，根据最远一跳节点的邻居节点数，计算出两跳邻居节点的数量。

3.根据权利要求1所述的一种基于信标消息的车辆密度估算方法，其特征在于，所述步骤S2具体包括以下步骤：

S21：根据邻居节点的位置前后、速度大小和行驶方向将邻居节点的分布情况分为六类；

S22：设车辆的速度为V_o，传播范围为R，车辆第k个邻居节点的速度为V_k，与车辆的距离为R_k，结合邻居节点的六类分布情况，计算第k个邻居节点在车辆传播范围内的留存时间t_k，其计算公式为：

其中，P表示存放邻居节点的位置信息，P为1表示位于车辆前方，P为-1表示为车辆后方；D表示存放邻居节点的方向信息，D为1表示与车辆方向相同，D为-1表示与车辆方向相反；Q表示存放邻居节点的速度信息，Q为1表示速度比车辆大，Q为-1表示速度比车辆小；

S23：将邻居节点的留存时间设置为车辆邻居节点信息表中对应节点的生存时间，若在更新间隔内没有对应节点的信标消息到来，认为该节点离开车辆通信范围，删除信息表中的节点信息。

4.根据权利要求1所述的一种基于信标消息的车辆密度估算方法，其特征在于，所述步骤S3具体包括以下步骤：

S31：设车辆A为估算车辆，x₁表示车辆A一跳范围内的邻居节点数，y₁表示最远的邻居节点B与车辆A相隔的距离，n和r₁为常数，分别表示车辆A一跳范围内实际存在的邻居节点数和节点B与车辆A相隔的实际距离，计算在车辆A传播范围为R，车辆密度为ρ辆/千米的情况，车辆A的邻居节点数x₁＝n，且到一跳最远邻居节点B的距离y₁＝r₁的概率P(y₁＝r₁,x₁＝n)；

S32：设车辆C为节点B的最远一跳邻居节点，x₂表示节点B一跳范围内的邻居节点数，y₂表示车辆A的传播范围边界到车辆C的距离，m和r₂为常数，分别表示节点B一跳范围内实际存在的邻居节点数和车辆A的传播范围边界到车辆C的实际距离，计算车辆A两跳邻居节点数为n+m，且到两跳最远邻居节点C的距离为r₂+R的概率P(y₁＝r₁,x₁＝n,y₂＝r₂,x₂＝m)；

S33：基于最大似然估计，最大化概率P(y₁＝m₁,x₁＝n₁,y₂＝m₂,x₂＝n₂)的车辆密度ρ为最佳估计值，其计算公式为：

其中，K表示估计所采用的样本个数，n_i+m_i表示第i个样本中估算车辆的两跳邻居节点数。