專利名稱：一種適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)領(lǐng)域，尤其涉及一種適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法。
背景技術(shù)：
車輛自組織網(wǎng)絡(luò)能夠支持智能交通系統(tǒng)(ITS)中的多種應(yīng)用，比如確保道路安全；提高行車效率；提供更好的車輛服務(wù)，等等。然而隨著城市道路中車輛數(shù)目的激増，道路擁堵等道路突發(fā)狀況問題也越發(fā)顯著。因此，越來越多的研究人員參與到道路狀態(tài)檢測方法的研究探索當(dāng)中。通常，道路擁塞檢測依賴于車輛間通信(IVC)，車輛交換彼此的狀態(tài)信息并收集交通數(shù)據(jù)。通過分析這些數(shù)據(jù)，交通控制中心或者車輛本身能夠發(fā)現(xiàn)道路擁堵事件的發(fā)生，并傳播擁堵信息給其他興趣車輛。從而指引駕駛員回避擁堵區(qū)域。如今大部分汽車制造商都會在汽車上安裝各種傳感器設(shè)備，以此確保安全性和便利性。然而這將會導(dǎo)致車輛自組織網(wǎng)絡(luò)中存在大量的原子消息，尤其是當(dāng)網(wǎng)絡(luò)密度增加時(shí)，車輛間頻繁的交換信息將顯著增加網(wǎng)絡(luò)中原子消息的數(shù)量。但網(wǎng)絡(luò)中帶寬有限，大量的原子消息存在可能導(dǎo)致信道競爭等問題，進(jìn)而對信道質(zhì)量以及網(wǎng)絡(luò)性能造成影響。此外，原子消息通常是原始而簡陋的，因此有時(shí)不能充分反映興趣事件總體情況。針對這些問題的產(chǎn)生，設(shè)計(jì)合理的數(shù)據(jù)融合機(jī)制也是車輛自組織網(wǎng)絡(luò)研究中的ー項(xiàng)重要內(nèi)容。由于車輛自組網(wǎng)的高速移動和大規(guī)模等特性，使得傳統(tǒng)的應(yīng)用于無線傳感網(wǎng)的信息融合技術(shù)不再適用。目前流行的信息融合方法分為基于閾值的消息融合(TM)和基于路段的消息融合(RSMA)兩大類。在TMA方法中，兩個(gè)消息條目中的參數(shù)的差值將與設(shè)定的閾值進(jìn)行比較，如果滿足閾值條件，則這兩個(gè)消息將被融合為一條。在RSMA方法中，融合標(biāo)準(zhǔn)是路段號，具有相同路段號的消息將會被融合成一條。例如早期的TMA方法經(jīng)典范例，Trafficiew系統(tǒng)。該系統(tǒng)定義了兩個(gè)融合判據(jù),距離閾值和最低融合成本閾值，以此來構(gòu)建消息對，然而這種方式受預(yù)設(shè)的閾值影響嚴(yán)重。針對這一問題，SOTIS系統(tǒng)被提出來，該系統(tǒng)采用RSMA的方法融合大量的消息條目。路段分片長度將根據(jù)道路類型來設(shè)定，如果路段長度分割的太小，消息的詳細(xì)程度將更高，然而消息融合效率將會很低。但是，如果路段長度分割的更長，信息的準(zhǔn)確性將會降低。故而SOTIS系統(tǒng)很難在消息準(zhǔn)確度和融合效率之間做出平衡。由于事物之間的界限往往是模糊的，用模糊聚類分析確定具有模糊屬性的樣本的親疏關(guān)系并客觀的劃分類型是十分合適的。因此，模糊聚類分析在模式識別、數(shù)據(jù)挖掘以及模糊控制等領(lǐng)域的應(yīng)用前景越來越廣闊，逐漸成為研究的熱點(diǎn)。StreetSmart系統(tǒng)雖然同樣是采用基于聚類的消息融合方案來減少信息冗余，但是它的聚類算法是P2P模式的，需要完全連接的網(wǎng)絡(luò)條件。因此它并不適用于具有動態(tài)變化、暫時(shí)連接性質(zhì)的車輛自組網(wǎng)。另外，為了避免巨大的結(jié)構(gòu)維護(hù)開銷，一種基于模糊邏輯的無結(jié)構(gòu)的方法被提出。該方法首先運(yùn)用模糊集理論模糊兩個(gè)聚合條目的所有影響因素，然后用模糊邏輯運(yùn)算推導(dǎo)他們的相似程度，并最終做出一個(gè)判決。對于這個(gè)方案，無結(jié)構(gòu)的模式使其在動態(tài)環(huán)境下節(jié)省了結(jié)構(gòu)維護(hù)的開銷。但是它實(shí)現(xiàn)融合系統(tǒng)的框架是基于消息驅(qū)動的，每收到ー個(gè)新消息，它就要對這個(gè)新消息和已有的老消息進(jìn)行對比，開始融合操作。由于車輛網(wǎng)絡(luò)的大規(guī)模性，在高密度情況下，消息的到達(dá)變化率是很高的，這將必然導(dǎo)致大量的計(jì)算開銷產(chǎn)生，并大幅降低消息的 融合效率。

發(fā)明內(nèi)容
本發(fā)明的目的針對背景技術(shù)中所描述的目前車輛自組織網(wǎng)絡(luò)中現(xiàn)有信息融合方法存在的問題，提供一種適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法。一種適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法，選取速度值、剎車頻率、加速度值作為消息屬性，利用模糊聚類算法對本地消息對象進(jìn)行分類，形成不同的消息集合；然后，將具有相同屬性的消息對象融合為ー個(gè)消息。該發(fā)明的關(guān)鍵在于將模糊聚類算法弓I入到車輛自組網(wǎng)的信息融合算法中，使得在降低網(wǎng)絡(luò)傳輸流量的同吋，保證道路狀況信息的準(zhǔn)確性。一種適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法，含有以下步驟步驟SlOl :將本地消息和接收到的消息作為輸入數(shù)據(jù)存儲到原子消息緩存器中；步驟S102 :判斷時(shí)間定時(shí)器T是否到期，若沒有則返回步驟SlOl ；步驟S103 :若定時(shí)器T到期，則從原子信息緩存器中取出已有的讀數(shù)，利用模糊聚類方法將它們分入不同的消息類；步驟S104 :利用融合函數(shù)AF將同一類的消息融合；步驟S105 :融合后的消息將被存儲在融合消息緩存器中等待傳播。本發(fā)明的優(yōu)點(diǎn)在于，與傳統(tǒng)的聚類方法相比，提出的模糊信息聚類更適應(yīng)于檢測擁堵等道路狀態(tài)信息，因?yàn)檫x用了速度、剎車頻率和加速度這三個(gè)消息屬性，這樣做可以更好地反映道路擁塞等級。此外，這些消息屬性隨著道路交通條件來變化，而交通流量的的改變是ー個(gè)緩慢的過程。這就使得模糊消息聚類相對穩(wěn)定，可以更好地適應(yīng)車輛網(wǎng)絡(luò)的動態(tài)變化性，并且避免了大量的結(jié)構(gòu)維護(hù)開銷。從信息的準(zhǔn)確性角度來說，所提出的基于模糊聚類算法的信息融合方案還可以被用來區(qū)分鄰近的雙向車道?？傊谔岣呷诤闲?，大量減少傳輸流量的同時(shí)，本發(fā)明保證了道路狀況檢測的準(zhǔn)確性。


圖I為本發(fā)明實(shí)施例應(yīng)用場景示意圖；圖2為本發(fā)明消息融合的流程圖；圖3為本發(fā)明模糊聚類的流程圖。
具體實(shí)施例方式下面結(jié)合附圖，對優(yōu)選實(shí)施例作詳細(xì)說明。應(yīng)該強(qiáng)調(diào)的是，下述說明僅僅是示例性的，而不是為了限制本發(fā)明的范圍及其應(yīng)用。實(shí)施例I :
一種適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法，含有以下步驟步驟SlOl :將本地消息和接收到的消息作為輸入數(shù)據(jù)存儲到原子消息緩存器中；步驟S102 :判斷時(shí)間定時(shí)器T是否到期，若沒有則返回步驟SlOl ；步驟S103 :若定時(shí)器T到期，則從原子信息緩存器中取出已有的讀數(shù)，利用模糊聚類方法將它們分入不同的消息類；步驟S104 :利用融合函數(shù)AF將同一類的消息融合；步驟S105 :融合后的消息將被存儲在融合消息緩存器中等待傳播。所述步驟S102中為了提高消息融合效率，所提出的基于模糊聚類算法的信息融合系統(tǒng)架構(gòu)是基于周期性定時(shí)控制器的。利用定時(shí)控制器來驅(qū)動消息融合機(jī)制工作。定義兩個(gè)連續(xù)的融合操作之間的時(shí)間間隔為T。根據(jù)實(shí)際的網(wǎng)絡(luò)需求，T值的選取可以是固定的或是動態(tài)可調(diào)的。所述步驟S103中模糊聚類方法步驟如下假設(shè)節(jié)點(diǎn)V收集到的所有η個(gè)消息的集合表示為Xw=Ix1'x2w，…，xnw}，并且每個(gè)消息有m個(gè)屬性。步驟S201 :首先對每個(gè)消息的屬性進(jìn)行量化，并創(chuàng)建ー個(gè)數(shù)據(jù)樣本矩陣Dnxm。假設(shè)zik(v)是節(jié)點(diǎn)V的第i個(gè)消息對象中的第k個(gè)屬性值,貝U節(jié)點(diǎn)V的第i個(gè)消息對象可以表示為ー個(gè)m維向量Xiw = (Zilw，Zi2w，···，Zimw)。則節(jié)點(diǎn)V的Dnxm矩陣表示為
權(quán)利要求
1.一種適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法，其特征在于選取速度值、剎車頻率、加速度值作為消息屬性，利用模糊聚類算法對本地消息對象進(jìn)行分類，形成不同的消息集合；然后，將具有相同屬性的消息對象融合為ー個(gè)消息。
2.根據(jù)權(quán)利要求I所述的適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法，其特征在于含有以下步驟 步驟I、將本地消息和接收到的消息作為輸入數(shù)據(jù)存儲到原子消息緩存器中； 步驟2、判斷時(shí)間定時(shí)器T是否到期，若沒有則返回步驟I ; 步驟3、若定時(shí)器T到期，則從原子信息緩存器中取出已有的讀數(shù)，利用模糊聚類方法將它們分入不同的消息類； 步驟4、利用融合函數(shù)AF將同一類的消息融合； 步驟5、融合后的消息將被存儲在融合消息緩存器中等待傳播。
3.根據(jù)權(quán)利要求2所述的適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法，其特征在于所述步驟2中為了提高消息融合效率，所提出的基于模糊聚類算法的信息融合系統(tǒng)架構(gòu)是基于周期性定時(shí)控制器的；利用定時(shí)控制器來驅(qū)動消息融合機(jī)制工作；定義兩個(gè)連續(xù)的融合操作之間的時(shí)間間隔為T;根據(jù)實(shí)際的網(wǎng)絡(luò)需求，T值的選取可以是固定的或是動態(tài)可調(diào)的。
4.根據(jù)權(quán)利要求2所述的適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法，其特征在于所述步驟3中模糊聚類方法步驟如下 設(shè)節(jié)點(diǎn)V收集到的所有η個(gè)消息的集合表示為Xw={Xlw，x2w,…，xn(v)}，并且每個(gè)消息有m個(gè)屬性； 步驟S201 :首先對每個(gè)消息的屬性進(jìn)行量化，并創(chuàng)建ー個(gè)數(shù)據(jù)樣本矩陣Dnxm ;設(shè)Zik(v)是節(jié)點(diǎn)V的第i個(gè)消息對象中的第k個(gè)屬性值,貝U節(jié)點(diǎn)V的第i個(gè)消息對象可以表示為ー個(gè)m維向量χ') =。,)，zi2(v)，…，zimw);則節(jié)點(diǎn)V的Dnxm矩陣表示為
5.根據(jù)權(quán)利要求4所述的適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法，其特征在于，所述步驟S205中深度優(yōu)先遍歷算法使用步驟具體如下 深度優(yōu)先遍歷函數(shù)是(Ifs(Oi)其中“ο/’代表第i個(gè)訪問的消息對象(i = 1,2,…，n); 鄰接矩陣Anxm是圖的鏈?zhǔn)酱鎯Y(jié)構(gòu)，其中ai/v)表示矩陣Anxm第i行第j列的元素； 在初始狀態(tài)，所有的消息對象都還沒有被訪問過，它們的值被設(shè)定為“O”；首先訪問第一個(gè)還沒有被訪問的消息對象O1，在這里，第一個(gè)搜查的消息對象O1可以隨機(jī)選擇； 然后將訪問的消息對象O1設(shè)置為“1”，表示這ー消息對象已被訪問；然后，搜索相鄰的消息對象ow，這是與消息對象O1相連但還沒有被訪問的；如果Ow存在，則重復(fù)對消息對象Ow進(jìn)行深度優(yōu)先遍歷，即調(diào)用dfS(0w)函數(shù)；如果所有的消息對象都已被訪問，則停止上述過程。
6.根據(jù)權(quán)利要求2所述的適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法，其特征在于； 所述步驟S104中融合函數(shù)AF是負(fù)責(zé)對原子信息進(jìn)行處理，以此獲得反映不同道路或車輛狀況的融合消息即道路擁堵事件的發(fā)生、車輛異常信息；其中原子消息是用來描述車輛狀態(tài)信息的，當(dāng)兩車相遇，他們就可以通過交換原子消息知道彼此的行車狀態(tài)；如果節(jié)點(diǎn)i的其中ー個(gè)消息類中含有η個(gè)原子消息，χιω，χ2ω，…，χηω ;融合后的消息用xHi)表示，Xr(i)=AF(Xl(i)，X2(i)，…，xn(i);為了更好的反映道路狀況信息，將舊的消息屬性中車輛的地理坐標(biāo)修改為ー個(gè)近似的地理覆蓋范圍，用交通狀態(tài)D/)近似表示，其中D/)包含來自同一消息類的所有地理坐標(biāo)；融合后的消息Xr⑴的新屬性表示為Xr⑴= (sr⑴，er(i), br⑴，Dr⑴，tr(i〉，其中s為速度值，e為加速度值，b為剎車頻率，t為消息的創(chuàng)建時(shí)間。
7.根據(jù)權(quán)利要求6所述的適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法，其特征在于；融合函數(shù)AF的選取依據(jù)則跟具體應(yīng)用需求有關(guān)，計(jì)算公式如下 其中I為同一消息類中原子消息的個(gè)數(shù)，k為其中第k個(gè)消息，k = 1，2，…，I ;通過對新融合后的消息屬性進(jìn)行判斷，將得到一個(gè)更為直觀的道路服務(wù)水平。
全文摘要
本發(fā)明提供一種適用于車輛自組網(wǎng)的基于模糊聚類算法的信息融合方法，涉及計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)領(lǐng)域，選取速度值、剎車頻率、加速度值作為消息屬性，利用模糊聚類算法對本地消息對象進(jìn)行分類，形成不同的消息集合；然后，將具有相同屬性的消息對象融合為一個(gè)消息；該發(fā)明的優(yōu)點(diǎn)在于提高了融合效率，顯著減少傳輸流量的同時(shí)，保證了道路狀況信息的準(zhǔn)確性。
文檔編號H04L29/08GK102915404SQ201210381389
公開日2013年2月6日 申請日期2012年10月10日 優(yōu)先權(quán)日2012年10月10日
發(fā)明者高德云, 張宏科, 張琳娟, 朱婉婷, 趙偉程 申請人:北京交通大學(xué)