CN112073940A - 一种车载社交网络中汽车消息发送概率的设定方法 - Google Patents
一种车载社交网络中汽车消息发送概率的设定方法 Download PDFInfo
- Publication number
- CN112073940A CN112073940A CN202010875858.8A CN202010875858A CN112073940A CN 112073940 A CN112073940 A CN 112073940A CN 202010875858 A CN202010875858 A CN 202010875858A CN 112073940 A CN112073940 A CN 112073940A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- social network
- automobile
- average
- probability
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0006—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission format
- H04L1/0007—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission format by modifying the frame length
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于无线通信技术领域,具体公开一种车载社交网络中汽车消息发送概率的设定方法,包括:将目标车载社交网络中各汽车的消息发送概率设定为相同的关于汽车度值的增函数表达式;基于车载社交网络中的汽车度值分布和网络参数以及函数表达式中各参数的搜索步长和搜索上下界值,计算并比较不同的函数表达式中的参数下目标车载社交网络的平均PNAoI,得到最小平均PNAoI对应的函数表达式中的各参数值以及各汽车的消息发送概率。本发明由于在面向未来的车载社交网络中,充分考虑了汽车之间的社交关系对于车载社交网络通信性能的影响,因而能够有效降低车载社交网络的平均PNAoI,从而提升汽车收到的信息的新鲜度。
Description
技术领域
本发明属于无线通信技术领域,更具体地,涉及一种车载社交网络中汽车消息发送概率的设定方法。
背景技术
在面向未来自动驾驶汽车的车联网中,人类对汽车行驶的干预将大大减小,所以可以在汽车行驶过程中分配更多的时间做除驾驶以外的事情。可以预见,随着汽车通信功能的不断完善,汽车将和智能手机一样成为人们进行通信及社交的主要载体。在这种背景下,车载社交网络已然成为下一代车载网络研究的热点。此外,人类是车载社交网络中的汽车的使用主体,所以车载社交网络中的传播的信息通常是和人类的出行相关,比如道路的拥堵状况、目的地的车位信息等等。这类信息的信源通常会对信息进行实时更新,而信宿则希望尽可能获得实时的信息,即获得的信息尽可能新鲜。信宿收到的信息的新鲜度不仅和信息的传输时延有关,还和信源的信息更新相关。综合考虑时延和信息更新对信息新鲜度的影响,AoI(Age of Information)这一性能指标最近被提出用来评估信宿收到的信息的新鲜度。
在车载社交网络中,可以用汽车的度值来表示与该汽车存在社交关系的其它汽车的数量,而只有存在社交关系的汽车之间才能够直接进行通信。此外,汽车一般采用CSMA/CA(Carrier Sense Multiple Access with Collision Avoid,带有冲突避免的载波侦听多路访问)的机制来获取信道占用权从而发送消息。为了减小冲突的发生以提升汽车收到的信息的新鲜度,通常汽车会一定的概率来抢占信道以发送消息。在这种情况下,如何设定汽车消息发送概率是一个很关键的问题。目前的汽车消息发送概率的设定方法都是基于传统的车联网的场景,只考虑了汽车之间的物理通信链路性能这一因素,使得汽车收到的信息的新鲜度不高。
发明内容
本发明提供一种车载社交网络中汽车消息发送概率的设定方法,用以解决现有汽车消息发送概率设定方法存在的汽车收到信息的新鲜度不高的技术问题。
本发明解决上述技术问题的技术方案如下:一种车载社交网络中汽车消息发送概率的设定方法,包括:
将目标车载社交网络中各汽车的消息发送概率设定为相同的关于汽车度值的增函数表达式;
基于所述车载社交网络中的汽车度值分布和网络参数以及所述函数表达式中各参数的搜索步长和搜索上下界值,计算并比较不同的所述函数表达式中的参数下所述目标车载社交网络的平均PNAoI,得到最小平均PNAoI对应的所述函数表达式中的各参数值以及各汽车的消息发送概率;
其中,所述平均PNAoI表示NAoI随着时间演化的一系列极大值的平均值,所述NAoI表示各时刻下车载社交网络中所有汽车对应的AoI中的最大值。
本发明的有益效果是:本发明将各汽车的消息发送概率设定为相同的关于汽车度值的增函数表达式,在此基础上,通过计算比较不同的函数表达式参数下目标车载社交网络的平均PNAoI大小,将最小平均PNAoI对应的函数表达式参数值确定为最优的参数值,用以计算每个汽车在其度值下的消息发送概率,该方法由于在面向未来的车载社交网络中,充分考虑了汽车之间的社交关系对于车载社交网络通信性能的影响,因而能够有效降低车载社交网络的平均PNAoI,从而提升汽车收到的信息的新鲜度。
上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述车载社交网络的平均PNAoI的计算公式为:其中E[S]为被车载社交网络中所有汽车成功接收的数据包从产生至其被所有汽车成功接收所经历的时间的期望,E[Z]为从所述数据包被所有汽车成功接收开始至新的数据包首次产生所经历的时间的期望,E[H]为从所述数据包被所有汽车成功接收后首次产生新的数据包开始至首次所有汽车都成功接收同一数据包所经历的时间的期望。
本发明的进一步有益效果是:将平均PNAoI分为三部分,充分考虑了AoI随时间演化过程的各态历经性,将平均PNAoI(PNAoI关于时间的平均值)用PNAoI的统计平均值来表示,即平均PNAoI等于单个PNAoI的期望,这使得对平均PNAoI进行计算变得可行。
进一步,所述汽车度值分布为幂率分布,表示为:
p(w)=Cw-γ
其中,p(w)表示汽车的度值等于w的概率,C为归一化常数,γ为幂指数参数。
进一步,所述增函数表达式为:pt=ηwσ;
其中,pt为汽车的消息发送概率,w为汽车的度值,η、σ均为所述函数表达式的参数。
进一步,当所述车载社交网络基于抢占的数据包传输策略,且数据包分发分为两个阶段,依次为I2V通信和V2V通信,在所述车载社交网络内汽车仅和距离其最近且存在社交关系的汽车进行通信,则所述平均PNAoI的计算表达式为:
式中,M为消息编码后的码长,B0为I2V通信带宽,N为道路上的汽车数,BV为V2V通信带宽,βw为度值为w的汽车在单位时间τV2V内成功收到其它汽车传输过来的数据包的概率,y为有效数据包编号,λ为泊松过程强度,E(εI2V)为数据包在I2V链路上传输的误符号率的期望。
进一步,所述E(εI2V)表示为:
式中,hI2V为数据包在I2V链路上传输所经历的瑞利衰落,Q表示高斯Q函数,PB为基站的发射功率,Λ是取决于天线特性和参考距离处的平均信道衰减的传播常数,dI2V为基站至种子汽车的距离,N0为噪声功率谱密度,Ψ为消息数据包的大小,α为路径损耗指数。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如上所述的任一种车载社交网络中汽车消息发送概率的设定方法。
附图说明
图1为本发明实施例提供的一种车载社交网络中汽车消息发送概率的设定方法流程框图;
图2为一种典型车载社交网络的示意图;
图3为本发明实施例提供的一种考虑度值的车载社交网络中NAoI随时间的演化图;
图4为本发明实施例提供的考虑度值的汽车消息发送概率的设定方法和现有所有汽车消息发送概率设定为相等的方法下平均PNAoI随消息生成更新对应的泊松过程的强度的变化图;
图5为本发明实施例提供的考虑度值的汽车消息发送概率的设定方法和现有所有汽车消息发送概率设定为相等的方法下平均PNAoI随消息编码码长的变化图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例一
一种车载社交网络中汽车消息发送概率的设定方法,如图1所示,包括:
将目标车载社交网络中各汽车的消息发送概率设定为相同的关于汽车度值的函数表达式;
基于车载社交网络中的汽车度值分布和网络参数以及函数表达式中各参数的搜索步长和搜索上下界值,计算并比较不同的函数表达式中的参数下目标车载社交网络的平均PNAoI,得到最小平均PNAoI对应的函数表达式中的各参数值以及各汽车的消息发送概率;
其中,平均PNAoI表示NAoI随着时间演化的一系列极大值的平均值,NAoI表示各时刻下车载社交网络中所有汽车对应的AoI中的最大值。
需要说明的是,汽车消息发送概率为关于汽车度值的增函数。且汽车消息发送概率表达式中参数搜索的上下界值的设定,必须保证对于车载社交网络中的任何一辆汽车的消息发送概率的值在区间[0,1]内。
其中,优选的,车载社交网络的平均PNAoI的计算公式为:其中E[S]为被车载社交网络中所有汽车成功接收的数据包从产生至其被所有汽车成功接收所经历的时间的期望,E[Z]为从所述数据包被所有汽车成功接收开始至新的数据包首次产生所经历的时间的期望,E[H]为从所述数据包被所有汽车成功接收后首次产生新的数据包开始至首次所有汽车都成功接收同一个数据包所经历的时间的期望。
图2所示的一种车载社交网络的示意图,其中汽车的总数为N,相邻汽车的间距相等且为L0。基站的发射功率为PB,汽车的发射功率为PV,汽车的有效通信范围为以汽车为中心、长度为L的路段。假设道路上的汽车的度值,即与该汽车存在社交关系的汽车数服从度指数为γ的幂率分布,用p(w)表示汽车的度值等于w的概率,那么有:p(w)=Cw-γ,其中,C为归一化常数。
另外,考虑基站向道路上的汽车分发实时更新的消息,消息在基站端的产生更新服从强度为λ的泊松过程。消息分发分为两个阶段:第一阶段,基站会选取一辆汽车作为种子汽车,向该辆种子汽车采用I2V(Infrastructure-to-Vehicle)通信机制传输实时更新的消息。第二阶段,收到基站传输过来的消息的种子汽车将消息通过V2V(Vehicle-to-Vehicle)通信机制转发给其他车辆,而收到消息的车辆也可以充当信源将消息转发给未收到信息的其他汽车,从而消息就得以在网络中逐渐铺开。
消息数据包在I2V链路上传输的误符号率的计算公式为:
消息数据包在从汽车Vi传输至汽车Vj的单跳V2V链路上的误符号率的计算公式为:
在本实施例中,假设汽车只会和距离其最近且存在社交关系的汽车进行通信。此外,在V2V通信中,汽车采用基于指数退避机制的CSMA/CA(Carrier Sense MultipleAccess with Collision Avoid,带有冲突避免的载波侦听多路访问)的协议来获取信道占用权从而发送消息。每辆汽车的载波侦听范围为以该汽车为中心、长度为2L的路段。此外,为了减小冲突的发生以提升汽车收到的信息的新鲜度,汽车会以一定的概率来抢占信道以发送消息。
具体地,用pi,t表示汽车Vi想要传输数据包的概率(也称作消息发送概率)。对于汽车Vi,其对应的退避倒计时器减至0的概率的计算公式为:
其中,Wmin为最小的竞争窗口大小,mmax为最大的退避次数,pi,c1为汽车Vi开始传输数据包时冲突发生的概率,其计算公式为:
这里,Φi为与汽车Vi同时竞争信道的汽车组成的集合,|Φi|为该集合中汽车的数量,Γi为汽车Vi载波侦听范围内、除汽车Vi以外的汽车组成的集合。
那么,汽车Vj在时间段τI2V内成功收到来自汽车Vi发送的数据包的概率的计算公式为:
用汽车V(w)表示车载社交网络中度值为w的一辆汽车,用φ(w)表示汽车V(w)的通信范围内、除汽车V(w)以外的所有汽车组成的集合。因为每辆汽车只接收其通信范围内距离其最近的存在社交关系的汽车传输的消息,所以对于属于集合φ(w)的汽车Vi,从汽车Vi到汽车V(w)存在可行的传输链路的概率为:
其中,和分别为汽车Vi和汽车Vj与汽车V(w)存在社交关系的概率。为车载社交网络中所有汽车组成的集合。和分别为汽车Vi和汽车Vj至汽车V(w)的距离。最后,等式(a)成立是因为与汽车V(w)相距小于的汽车数量为其中L0为相邻汽车的间距。
用βw表示汽车V(w)在单位时间τV2V内成功收到其它汽车传输过来的数据包的概率,那么,其计算公式为:
那么,车载社交网络中的任意一辆汽车在单位时间τV2V内成功收到来自其它汽车传输的数据包的概率β的计算公式为:
由于基站产生的数据包在消息分发期间不断更新,基站希望确保汽车收到的消息是新鲜的,即汽车收到的信息数据包的时间戳(消息数据包的产生时间)是最新的。为此,基站采用基于抢占的调度方式进行数据包的传输。具体地,如果基站产生了新的数据包,车载社交网络中正在进行传输的其它数据包会被认为是过时的,并且将被新的数据包抢占。此时,所有的汽车将丢弃过时的数据包并准备接收新的数据包。因此,不是基站产生的所有数据包都能够被所有的汽车成功接收。把能够被所有的汽车成功接收的数据包称为有效数据包。
记ty=0为种子汽车刚成功收到基站传输的第y个有效数据包时所对应的时刻。此外,用iy(ty)表示截止到ty时刻为止、车载社交网络中已成功收到第y个有效数据包的汽车比例。基于平均场论,iy(ty)随时间的演化可以用以下的非线性一阶微分方程描述:
通过解上述的微分方程,可以得到iy(ty)的计算公式为:
将上式代入iy(ty)的计算公式,可以得到:
AoI(Age of information)可以用来度量汽车收到的来自于基站实时更新的消息的新鲜度。具体地,对于汽车Vi,其AoI的定义如下:
其中,t表示当前时刻,表示汽车Vi距离时刻t最近一次成功收到来自基站的消息所产生的时刻,且需满足将车载社交网络中所有汽车收到的来自于基站实时更新的消息的AoI的最大值定义为Network Age of Information(NAoI),即:
图3所示的一种考虑度值的车载社交网络中NAoI随时间的演化图。根据NAoI的定义,NAoI的值随着时间的推移不断增加,直至车载社交网络中的所有汽车都成功地接收到相同的数据包。此时,NAoI的值将会下降,并等于从基站产生该数据包至该数据包被所有汽车都成功接收所经历的时间,将这段时间称为该数据包的服务时间。因此,NAoI随着时间的演化中存在一系列的极大值,例如图3中所示的ΔP1、ΔP2和ΔP3,这些值也被称为Peak NAoI(PNAoI)。特别地,用ΔPi表示第i个PNAoI的值。此外,在图3中,gx和uy分别表示第x个数据包和第y个有效数据包在基站端的产生时刻,ay表示车载社交网络中的所有汽车都成功收到第y个有效数据包的时刻。此外,时间段Sy表示第y个有效数据包的服务时间。根据图2,有:Sy=ay-uy。
用时间段Zy表示从第y-1个有效数据包被所有汽车成功接收的时刻开始至基站首次产生新的数据包所经历的时间。那么,有:Zy=Gy-ay-1,其中,Gy=min{gx|gx>ay-1}是时刻ay-1后基站首次产生新的数据包的时刻。
图3中的时间段Hy表示从时刻Gy开始至第y个有效数据包被所有汽车成功接收所经历的时间,并且有:Hy=ay-Gy,根据图3中的几何关系,ΔPi可以由下式给出:ΔPy=Sy-1+Zy+Hy,那么,PNAoI关于时间的平均值(也称作平均PNAoI)为:
其中,Ωt为到时刻t为止被所有汽车都成功接收的有效数据包的个数,E[·]为求期望运算符。等式(b)成立是由于假设NAoI随时间的演化过程具有各态历经性,因此当时间足够长时,PNAoI关于时间的平均值将收敛到其期望值。
因为有效数据包的分发分为I2V传输和V2V分发两个阶段,因此E[Sy-1]的计算公式为:
由于时间段[ay-1,ay-1+Zy)内基站端没有产生数据包,因此Zy>t0的概率等于时间段t0内基站端没有产生数据包的概率。而数据包在基站端的产生服从强度为λ的泊松过程,所以有:
上式表明Zy服从率参数为λ的指数分布。那么,Zy的期望的计算公式为:
(2)在消息分发的第一个阶段——基站至种子汽车的I2V通信过程中,数据包被基站新产生的数据包抢占,然后基站开始传输新产生的数据包。该新产生的数据包在传输过程中可能不被抢占,也可能被基站后续产生的数据包抢占;
(3)数据包在消息分发的第一个阶段——基站至种子汽车的I2V通信过程中实现了成功传输,即被种子汽车成功接收。但是在信息分发的第二个阶段——V2V分发的过程中,被基站新产生的数据包抢占,然后基站开始传输新产生的数据包。同样地,该新产生的数据包在传输过程中可能不被抢占,也可能被基站后续产生的数据包抢占;
通过对上述的四种可能出现的情况逐一进行分析,可以得到E[Hy]的计算公式为:
其中,E(εI2V)的计算公式为:
那么,平均PNAoI的计算公式为:
优选的,上述消息发送概率的函数表达式为单调递增的函数表达式。
函数表达式可为:pt=ηwσ;其中,pt为汽车的消息发送概率,w为汽车的度值,η、σ均为函数表达式的参数。
设置参数σ的搜索步长σ0以及搜索的下界值σmin和上界值σmax;设置参数η的搜索步长η0以及搜索的下界值0和上界值1/(N-1)σ(该上界值由消息发送概率取值范围以及函数表达式确定)。
将pt=ηwσ代入上述推导的车载社交网络的平均PNAoI的计算公式,可以得到:
将pt=ηwσ代入上述推导的βw的计算公式,可以得到:
其中,
图4比较了本实施例提供的考虑度值的汽车消息发送概率的设定方法和所有汽车消息发送概率设定为相等的方法下平均PNAoI随消息生成更新对应的泊松过程的强度的变化,图5比较了本实施例提供的考虑度值的汽车消息发送概率的设定方法和所有汽车消息发送概率设定为相等的方法下平均PNAoI随消息编码码长的变化。从这两张图中可以看出相比于所有汽车消息发送概率设定为相等的方法,本实施例提供的考虑度值的汽车消息发送概率的设定方法可以有效降低平均PNAoI,从而提升汽车收到的信息的新鲜度。
综上,本实施例由于综合考虑汽车之间的物理通信链路性能和汽车之间的社交关系对于车载社交网络通信性能的影响,能够有效降低车载社交网络的平均PNAoI,从而提升汽车收到的信息的新鲜度。
实施例二
一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如上所述的一种车载社交网络中汽车消息发送概率的设定方法。
相关技术方案同实施例一,在此不再赘述。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种车载社交网络中汽车消息发送概率的设定方法,其特征在于,包括:
将目标车载社交网络中各汽车的消息发送概率设定为相同的关于汽车度值的增函数表达式;
基于所述车载社交网络中的汽车度值分布和网络参数以及所述函数表达式中各参数的搜索步长和搜索上下界值,计算并比较不同的所述函数表达式中的参数下所述目标车载社交网络的平均PNAoI,得到最小平均PNAoI对应的所述函数表达式中的各参数值以及各汽车的消息发送概率;
其中,所述平均PNAoI表示NAoI随着时间演化的一系列极大值的平均值,所述NAoI表示各时刻下车载社交网络中所有汽车对应的AoI中的最大值。
3.根据权利要求2所述的一种车载社交网络中汽车消息发送概率的设定方法,其特征在于,所述汽车度值分布为幂率分布,表示为:
p(w)=Cw-γ
其中,p(w)表示汽车的度值等于w的概率,C为归一化常数,γ为幂指数参数。
4.根据权利要求3所述的一种车载社交网络中汽车消息发送概率的设定方法,其特征在于,所述增函数表达式为:pt=ηwσ;
其中,pt为汽车的消息发送概率,w为汽车的度值,η、σ均为所述函数表达式的参数。
5.根据权利要求4所述的一种车载社交网络中汽车消息发送概率的设定方法,其特征在于,当所述车载社交网络基于抢占的数据包传输策略,且数据包分发分为两个阶段,依次为I2V通信和V2V通信,在所述车载社交网络内汽车仅和距离其最近且存在社交关系的汽车进行通信,则所述平均PNAoI的计算表达式为:
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如权利要求1至6任一项所述的一种车载社交网络中汽车消息发送概率的设定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010875858.8A CN112073940B (zh) | 2020-08-25 | 2020-08-25 | 一种车载社交网络中汽车消息发送概率的设定方法和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010875858.8A CN112073940B (zh) | 2020-08-25 | 2020-08-25 | 一种车载社交网络中汽车消息发送概率的设定方法和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112073940A true CN112073940A (zh) | 2020-12-11 |
CN112073940B CN112073940B (zh) | 2021-10-08 |
Family
ID=73660775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010875858.8A Active CN112073940B (zh) | 2020-08-25 | 2020-08-25 | 一种车载社交网络中汽车消息发送概率的设定方法和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112073940B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160080197A1 (en) * | 2013-05-31 | 2016-03-17 | Fujitsu Limited | Wireless terminal, importance generating method, and wireless communication system |
US20170251347A1 (en) * | 2016-02-26 | 2017-08-31 | Rapidsos, Inc. | Systems and methods for emergency communications |
CN109640370A (zh) * | 2019-02-02 | 2019-04-16 | 北京邮电大学 | 一种基于信息新鲜度的车联网传输方法及装置 |
CN110337069A (zh) * | 2019-07-08 | 2019-10-15 | 南京信息工程大学 | 信息广播的帧长优化方法 |
CN110365728A (zh) * | 2018-04-10 | 2019-10-22 | 重庆邮电大学 | 一种面向信息中心网络的分组协作缓存*** |
CN110856264A (zh) * | 2019-11-08 | 2020-02-28 | 山东大学 | 一种在传感器网络中最优化信息年龄的分布式调度方法 |
CN111182645A (zh) * | 2019-12-30 | 2020-05-19 | 赣江新区智慧物联研究院有限公司 | 一种基于信息年龄的物联网组网方法 |
CN111262947A (zh) * | 2020-02-10 | 2020-06-09 | 深圳清华大学研究院 | 基于移动边缘计算的计算密集型数据状态更新实现方法 |
CN111526495A (zh) * | 2020-04-22 | 2020-08-11 | 华中科技大学 | 一种基于改进遗传算法的车联网AoI优化任务卸载方法 |
-
2020
- 2020-08-25 CN CN202010875858.8A patent/CN112073940B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160080197A1 (en) * | 2013-05-31 | 2016-03-17 | Fujitsu Limited | Wireless terminal, importance generating method, and wireless communication system |
US20170251347A1 (en) * | 2016-02-26 | 2017-08-31 | Rapidsos, Inc. | Systems and methods for emergency communications |
CN110365728A (zh) * | 2018-04-10 | 2019-10-22 | 重庆邮电大学 | 一种面向信息中心网络的分组协作缓存*** |
CN109640370A (zh) * | 2019-02-02 | 2019-04-16 | 北京邮电大学 | 一种基于信息新鲜度的车联网传输方法及装置 |
CN110337069A (zh) * | 2019-07-08 | 2019-10-15 | 南京信息工程大学 | 信息广播的帧长优化方法 |
CN110856264A (zh) * | 2019-11-08 | 2020-02-28 | 山东大学 | 一种在传感器网络中最优化信息年龄的分布式调度方法 |
CN111182645A (zh) * | 2019-12-30 | 2020-05-19 | 赣江新区智慧物联研究院有限公司 | 一种基于信息年龄的物联网组网方法 |
CN111262947A (zh) * | 2020-02-10 | 2020-06-09 | 深圳清华大学研究院 | 基于移动边缘计算的计算密集型数据状态更新实现方法 |
CN111526495A (zh) * | 2020-04-22 | 2020-08-11 | 华中科技大学 | 一种基于改进遗传算法的车联网AoI优化任务卸载方法 |
Non-Patent Citations (1)
Title |
---|
YUANZHI NI,LIN CAI,YUMING BO: "Vehicular Beacon Broadcast Scheduling Based on Age of Information", 《CHINA COMMUNICATIONS》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112073940B (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107094321B (zh) | 一种基于多智能体q学习的车载通信mac层信道接入方法 | |
CN112954651A (zh) | 一种基于深度强化学习的低时延高可靠性v2v资源分配方法 | |
US20220386169A1 (en) | Method for transferring a message in a communications network for communication between a road user and at least one further road user | |
Karabulut et al. | Performance modeling and analysis of the IEEE 802.11 DCF for VANETs | |
CN115277845A (zh) | 基于多智能体近端策略的车联网分布式边缘缓存决策方法 | |
Kim et al. | Performance Analysis of a MAC Protocol Consisting of EDCA on the CCH and a Reservation on the SCHs for the IEEE 802.11 p/1609.4 WAVE | |
CN110337069B (zh) | 信息广播的帧长优化方法 | |
Facchina et al. | Speed based distributed congestion control scheme for vehicular networks | |
CN114928611A (zh) | 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法 | |
Park et al. | Applying DQN solutions in fog-based vehicular networks: Scheduling, caching, and collision control | |
CN110691349B (zh) | 一种车联网中面向安全应用的联合功率和竞争窗口的自适应控制方法 | |
CN112073940B (zh) | 一种车载社交网络中汽车消息发送概率的设定方法和介质 | |
Lee et al. | Back-off improvement by using q-learning in ieee 802.11 p vehicular network | |
Kwon | Improving multi-channel wave-based V2X communication to support advanced driver assistance system (ADAS) | |
US20230224983A1 (en) | Broadcast-based unicast session method and apparatus | |
CN116668995A (zh) | 基于深度强化学习的车联网动态信标广播方法及*** | |
Khanafer et al. | Enhancements to IEEE 802.15. 4 MAC protocol to support vehicle-to-roadside communications in VANETs | |
Wang et al. | Performance analysis of the IEEE 802.11 p EDCA for vehicular networks in imperfect channels | |
CN111866810B (zh) | 一种车联网频谱分配方法及设备 | |
CN115278919A (zh) | 一种车联网安全消息广播性能改进方法 | |
Pang et al. | A distributed congestion control strategy using harmonic search algorithm in internet of vehicles | |
CN111405521B (zh) | 一种用于智能网联汽车tsn网络偶发性消息的带宽预留方法 | |
CN108667922B (zh) | 一种基于李雅普诺夫信任优化的车联网数据云推送方法 | |
KR101982928B1 (ko) | 차량 환경용 무선 접속을 위한 차량 통신 방법 및 장치 | |
Shah et al. | Adaptive contention window design to minimize synchronous collisions in 802.11 p networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |