本發(fā)明涉及交通運(yùn)輸領(lǐng)域，尤其是涉及了一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)。

背景技術(shù)：

隨著生活水平的不斷提高，各種車輛的數(shù)目不斷增多，但其在給人們的出行帶來便利的同時(shí)，也帶來了頻繁的交通堵塞、車禍以及空氣污染等問題。為了實(shí)現(xiàn)可持續(xù)、智能、綠色交通的目標(biāo)，研究人員使用最先進(jìn)的無線信息和通信技術(shù)，為道路管理員和車輛提供實(shí)時(shí)的交通運(yùn)輸相關(guān)信息服務(wù)，即連接車輛運(yùn)輸系統(tǒng)(cvts)。它能夠與車載無線通信設(shè)備、智能手機(jī)、行車記錄儀等設(shè)備結(jié)合，實(shí)時(shí)為駕駛員收集道路交通信息，進(jìn)行有效的數(shù)據(jù)分析，做出預(yù)測(cè)和快速?zèng)Q策，同時(shí)反饋給駕駛員，提供更可行的路徑規(guī)劃，減少路面交通擁堵的情況，也可以為旅行出游的人們規(guī)劃更加合理的路線。對(duì)于乘坐公共交通的人們來說，通過智能手機(jī)上的相關(guān)app，可以了解到實(shí)時(shí)公交信息，有效減少等車時(shí)間，方便人們出行。然而，傳統(tǒng)的方法算法精確度不高，數(shù)據(jù)分析速度也比較慢。

本發(fā)明提出了一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)，交通社交網(wǎng)絡(luò)框架由接入網(wǎng)層、數(shù)據(jù)聚合層和應(yīng)用層三層組成，包括基礎(chǔ)設(shè)施、移動(dòng)設(shè)備、中央控制器和云端四個(gè)核心組件；交通社交網(wǎng)絡(luò)框架接入網(wǎng)構(gòu)建數(shù)據(jù)收集、分析和交通相關(guān)網(wǎng)絡(luò)的連接，通過多標(biāo)準(zhǔn)決策層次分析法獲得最佳網(wǎng)絡(luò)，分布式自動(dòng)訪問引擎通過模糊規(guī)則確定最佳決策。本發(fā)明加快了響應(yīng)和數(shù)據(jù)分析的速度，提高了算法精度和系統(tǒng)的可靠性和安全性；能結(jié)合車載無線通信設(shè)備或智能手機(jī)等顯示實(shí)時(shí)交通信息，并規(guī)劃有效路徑，提高了使用性能。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)算法精確度不高等問題，本發(fā)明的目的在于提供一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)，交通社交網(wǎng)絡(luò)框架由接入網(wǎng)層、數(shù)據(jù)聚合層和應(yīng)用層三層組成，包括基礎(chǔ)設(shè)施、移動(dòng)設(shè)備、中央控制器和云端四個(gè)核心組件；交通社交網(wǎng)絡(luò)框架接入網(wǎng)構(gòu)建數(shù)據(jù)收集、分析和交通相關(guān)網(wǎng)絡(luò)的連接，通過多標(biāo)準(zhǔn)決策層次分析法獲得最佳網(wǎng)絡(luò)，分布式自動(dòng)訪問引擎通過模糊規(guī)則確定最佳決策。

為解決上述問題，本發(fā)明提供一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)，其主要內(nèi)容包括：

(一)交通社交網(wǎng)絡(luò)框架；

(二)構(gòu)建數(shù)據(jù)收集、分析和交通相關(guān)網(wǎng)絡(luò)的連接；

(三)交通相關(guān)網(wǎng)絡(luò)訪問機(jī)制。

其中，所述的交通社交網(wǎng)絡(luò)框架，由三層組成：接入網(wǎng)層、數(shù)據(jù)聚合層和應(yīng)用層；包括基礎(chǔ)設(shè)施、移動(dòng)設(shè)備、中央控制器和云端四個(gè)核心組件；

在接入網(wǎng)層中，包括車輛和移動(dòng)設(shè)備的感知節(jié)點(diǎn)可以連接到路邊通信基礎(chǔ)設(shè)施，如蜂窩基站和路邊單元(rsu)，并通過lte/5g蜂窩網(wǎng)絡(luò)和/或車載自組織網(wǎng)絡(luò)進(jìn)行通信；靜態(tài)傳感器，如攝像機(jī)、感應(yīng)回路、射頻識(shí)別和道路反射器，通過有線通信傳輸數(shù)據(jù)；

在數(shù)據(jù)聚合層中，路邊通信基礎(chǔ)設(shè)施連接到相應(yīng)的骨干路由器；數(shù)據(jù)流通過中央控制器子層或模糊計(jì)算服務(wù)器組合，并通過互聯(lián)網(wǎng)進(jìn)一步傳送到云服務(wù)器；

在應(yīng)用層中，流量管理中心將從云端匯總收集到的多源數(shù)據(jù)進(jìn)行分析，估計(jì)和預(yù)測(cè)道路流量；云端也連接到其他服務(wù)供應(yīng)商，可以在應(yīng)用層中融合并提供流量相關(guān)信息；然后通過蜂窩核心網(wǎng)絡(luò)和區(qū)域車載自組織網(wǎng)絡(luò)將不同的與流量相關(guān)的服務(wù)傳送給車輛。

進(jìn)一步地，所述的基礎(chǔ)設(shè)施，接入基礎(chǔ)設(shè)施由改進(jìn)的基站和rsu組成；假設(shè)基站覆蓋整個(gè)城市，移動(dòng)設(shè)備和基站之間的通信路線比具有rsu的移動(dòng)設(shè)備之間的通信路線更穩(wěn)定；rsu配備了在專用短程通信技術(shù)(dsrc)和/或wi-fi上工作的無線收發(fā)器，因此與基站相比傳輸范圍很??；但它為移動(dòng)設(shè)備提供了高速率傳輸；rsu不僅是車載到基礎(chǔ)設(shè)施通信的替代方案，而且可以實(shí)現(xiàn)蜂窩網(wǎng)絡(luò)的卸載。

進(jìn)一步地，所述的移動(dòng)設(shè)備，智能手機(jī)可以通過wi-fi經(jīng)lte/5g和車載自組織網(wǎng)絡(luò)基礎(chǔ)設(shè)施連接到蜂窩網(wǎng)絡(luò)，而車輛可以通過dsrc額外連接到車載自組織網(wǎng)絡(luò)基礎(chǔ)設(shè)施和其他車輛；由于wi-fi和dsrc技術(shù)可以在路上移動(dòng)時(shí)通過連接進(jìn)行應(yīng)用，因此提出了移動(dòng)設(shè)備中的自動(dòng)網(wǎng)絡(luò)接入引擎，卸載最初針對(duì)蜂窩網(wǎng)絡(luò)的數(shù)據(jù)，稱為自動(dòng)卸載發(fā)動(dòng)機(jī)。

進(jìn)一步地，所述的中央控制器，中央控制器連接到基站(例如，用于lte的基站)、rsu和因特網(wǎng)骨干網(wǎng)；它根據(jù)流量管理中心估計(jì)的實(shí)時(shí)流量和移動(dòng)設(shè)備要求的服務(wù)需求分配網(wǎng)絡(luò)無線電資源；它作為物理網(wǎng)絡(luò)路由器和網(wǎng)絡(luò)運(yùn)營(yíng)商之間的接口來指定網(wǎng)絡(luò)服務(wù)；控制器構(gòu)建從數(shù)據(jù)平面脫離的邏輯控制平面；與基于互聯(lián)網(wǎng)協(xié)議(ip)的網(wǎng)絡(luò)不同，這種框架使得移動(dòng)設(shè)備能夠在不同的接入接口之間移動(dòng)，而不會(huì)改變身份或違反規(guī)范；控制功能可以通過稱為openflow的協(xié)議實(shí)現(xiàn)，該協(xié)議使控制器能夠驅(qū)動(dòng)接入網(wǎng)絡(luò)邊緣硬件，以便在傳統(tǒng)ip內(nèi)核上創(chuàng)建一個(gè)易于編程的基于標(biāo)識(shí)的覆蓋。

進(jìn)一步地，所述的云端，作為流量管理中心和其他服務(wù)提供商的數(shù)據(jù)分析中心，云端從靜態(tài)流量傳感器和移動(dòng)設(shè)備接收數(shù)據(jù)，并分析流量估計(jì)和預(yù)測(cè)；然后根據(jù)其他服務(wù)提供商的實(shí)時(shí)流量和數(shù)據(jù)分析其他流量相關(guān)服務(wù)；云端提供的一個(gè)關(guān)鍵功能是移動(dòng)設(shè)備的訪問指導(dǎo)，便于自動(dòng)卸載引擎。

其中，所述的構(gòu)建數(shù)據(jù)收集、分析和交通相關(guān)網(wǎng)絡(luò)的連接，首先，通過交通社交網(wǎng)絡(luò)框架接入網(wǎng)從靜態(tài)和移動(dòng)傳感器收集流量大數(shù)據(jù)；靜態(tài)傳感器(例如，照相機(jī)和感應(yīng)回路)通過有線網(wǎng)絡(luò)將交通數(shù)據(jù)傳送到區(qū)域交通管理中心；

其次，在交通社交網(wǎng)絡(luò)框架的聚合層和應(yīng)用層上，數(shù)據(jù)分析提供實(shí)時(shí)的區(qū)域和全球交通狀況，有利于中央控制器根據(jù)城市車輛/用戶的估計(jì)交通密度、速度、加速度和其他信息來分配廣域網(wǎng)無線電資源(如基站，rsu和互聯(lián)網(wǎng)主干)；

第三，來自不同網(wǎng)絡(luò)組件的各種數(shù)據(jù)為深度數(shù)據(jù)分析提供了補(bǔ)充數(shù)據(jù)。

其中，所述的交通相關(guān)網(wǎng)絡(luò)訪問機(jī)制，包括通過多標(biāo)準(zhǔn)決策層次分析法獲得最佳網(wǎng)絡(luò)和分布式自動(dòng)訪問引擎；

將網(wǎng)絡(luò)建議問題模型轉(zhuǎn)化為包含目標(biāo)的層次結(jié)構(gòu)，通過對(duì)這些元素的成對(duì)比較進(jìn)行一系列判斷，確定層次結(jié)構(gòu)要素之間的優(yōu)先事項(xiàng)；比較結(jié)果構(gòu)成成對(duì)比較矩陣a＝aij，i,j＝1,2,…,n，其中n是第二級(jí)標(biāo)準(zhǔn)的數(shù)量，并且每個(gè)元素aij基于從同等重要性到優(yōu)先的標(biāo)準(zhǔn)化比較尺度；成對(duì)比較矩陣應(yīng)該滿足遞延性偏好和強(qiáng)度關(guān)系，需要檢查其一致性；計(jì)算一致性指標(biāo)c.i.，隨機(jī)一致性指標(biāo)ri，得到一致性比cr＝ci/ri。

進(jìn)一步地，所述的分布式自動(dòng)訪問引擎，各種應(yīng)用的服務(wù)質(zhì)量(qos)要求(高速率、延遲、成本)通過本地車速觀察和通過蜂窩網(wǎng)絡(luò)推送的接入推薦器進(jìn)行寄存；訪問選項(xiàng)可以通過分析寄存信息、通信路線的接收信號(hào)強(qiáng)度(rss)和過去的統(tǒng)計(jì)知識(shí)來決定；知識(shí)庫被定義為：

q<速度，應(yīng)用，訪問選項(xiàng)，qos|訪問推薦器>

其可以簡(jiǎn)寫為q<s,a,o,q|r>；知識(shí)庫可以通過新的qos定期更新；訪問推薦器的可信賴性可以根據(jù)本地觀察情況進(jìn)行調(diào)整，并實(shí)現(xiàn)設(shè)備訪問決策的qos(訪問試驗(yàn)或特定訪問網(wǎng)絡(luò)中的qos)(切換到另一個(gè)接入網(wǎng)絡(luò))；適應(yīng)過程可以通過在app中設(shè)計(jì)適當(dāng)?shù)牡蛷?fù)雜度算法來實(shí)現(xiàn)，通過基于規(guī)則的推理進(jìn)行決策。

進(jìn)一步地，所述的模糊規(guī)則，模糊規(guī)則表示所訪問網(wǎng)絡(luò)實(shí)現(xiàn)的qos與自動(dòng)訪問引擎的標(biāo)準(zhǔn)<s,a,o,q>間的關(guān)系；在模糊理論中，規(guī)則庫是將輸入向量映射到輸出的函數(shù)f；這里，將變量設(shè)置為四個(gè)因子<s,a,o,q>；可實(shí)現(xiàn)的qos級(jí)別定義為輸出；可以定義每個(gè)變量的隸屬函數(shù)；它可以簡(jiǎn)化為每個(gè)前提變量的單例模糊化級(jí)別；例如，將s設(shè)置為低和高，對(duì)聲音、文本和視頻進(jìn)行分類，并且使用蜂窩網(wǎng)絡(luò)、wifi和車載自組織網(wǎng)絡(luò)作為訪問推薦器和引擎的訪問選項(xiàng)；具有l(wèi)級(jí)輸出的示例性模糊規(guī)則可以如下：

規(guī)則i：如果s為低，a為聲音，o為蜂窩網(wǎng)絡(luò)，r為蜂窩網(wǎng)絡(luò)，則可實(shí)現(xiàn)的qos可以為l級(jí)；

通過模糊決策和可實(shí)現(xiàn)的qosc級(jí)，比較可實(shí)現(xiàn)的qosl級(jí)，可以決定是否切換到“最佳網(wǎng)絡(luò)”；只有可實(shí)現(xiàn)的qosl級(jí)在一定程度上比實(shí)現(xiàn)的qosc級(jí)更好的情況下才能進(jìn)行切換。

附圖說明

圖1是本發(fā)明一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)的系統(tǒng)框架圖。

圖2是本發(fā)明一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)的交通社交網(wǎng)絡(luò)框架。

圖3是本發(fā)明一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)的數(shù)據(jù)收集、分析和交通相關(guān)網(wǎng)絡(luò)的連接。

圖4是本發(fā)明一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)的網(wǎng)絡(luò)選擇的層次分析過程。

圖5是本發(fā)明一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)的網(wǎng)絡(luò)選擇的分布式?jīng)Q策過程。

具體實(shí)施方式

需要說明的是，在不沖突的情況下，本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互結(jié)合，下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。

圖1是本發(fā)明一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)的系統(tǒng)框架圖。主要包括交通社交網(wǎng)絡(luò)框架，構(gòu)建數(shù)據(jù)收集、分析和交通相關(guān)網(wǎng)絡(luò)的連接，交通相關(guān)網(wǎng)絡(luò)訪問機(jī)制。

交通社交網(wǎng)絡(luò)框架由接入網(wǎng)層、數(shù)據(jù)聚合層和應(yīng)用層三層組成，包括基礎(chǔ)設(shè)施、移動(dòng)設(shè)備、中央控制器和云端四個(gè)核心組件；交通社交網(wǎng)絡(luò)框架接入網(wǎng)構(gòu)建數(shù)據(jù)收集、分析和交通相關(guān)網(wǎng)絡(luò)的連接，通過多標(biāo)準(zhǔn)決策層次分析法獲得最佳網(wǎng)絡(luò)，分布式自動(dòng)訪問引擎通過模糊規(guī)則確定最佳決策。

圖2是本發(fā)明一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)的交通社交網(wǎng)絡(luò)框架。交通社交網(wǎng)絡(luò)框架由三層組成：接入網(wǎng)層、數(shù)據(jù)聚合層和應(yīng)用層；包括基礎(chǔ)設(shè)施、移動(dòng)設(shè)備、中央控制器和云端四個(gè)核心組件；

在接入網(wǎng)層中，包括車輛和移動(dòng)設(shè)備的感知節(jié)點(diǎn)可以連接到路邊通信基礎(chǔ)設(shè)施，如蜂窩基站和路邊單元(rsu)，并通過lte/5g蜂窩網(wǎng)絡(luò)和/或車載自組織網(wǎng)絡(luò)進(jìn)行通信；靜態(tài)傳感器，如攝像機(jī)、感應(yīng)回路、射頻識(shí)別和道路反射器，通過有線通信傳輸數(shù)據(jù)；

在數(shù)據(jù)聚合層中，路邊通信基礎(chǔ)設(shè)施連接到相應(yīng)的骨干路由器；數(shù)據(jù)流通過中央控制器子層或模糊計(jì)算服務(wù)器組合，并通過互聯(lián)網(wǎng)進(jìn)一步傳送到云服務(wù)器；

在應(yīng)用層中，流量管理中心將從云端匯總收集到的多源數(shù)據(jù)進(jìn)行分析，估計(jì)和預(yù)測(cè)道路流量；云端也連接到其他服務(wù)供應(yīng)商，可以在應(yīng)用層中融合并提供流量相關(guān)信息；然后通過蜂窩核心網(wǎng)絡(luò)和區(qū)域車載自組織網(wǎng)絡(luò)將不同的與流量相關(guān)的服務(wù)傳送給車輛。

基礎(chǔ)設(shè)施，接入基礎(chǔ)設(shè)施由改進(jìn)的基站和rsu組成；假設(shè)基站覆蓋整個(gè)城市，移動(dòng)設(shè)備和基站之間的通信路線比具有rsu的移動(dòng)設(shè)備之間的通信路線更穩(wěn)定；rsu配備了在專用短程通信技術(shù)(dsrc)和/或wi-fi上工作的無線收發(fā)器，因此與基站相比傳輸范圍很小；但它為移動(dòng)設(shè)備提供了高速率傳輸；rsu不僅是車載到基礎(chǔ)設(shè)施通信的替代方案，而且可以實(shí)現(xiàn)蜂窩網(wǎng)絡(luò)的卸載。

移動(dòng)設(shè)備，通常情況下，智能手機(jī)可以通過wi-fi經(jīng)lte/5g和車載自組織網(wǎng)絡(luò)基礎(chǔ)設(shè)施連接到蜂窩網(wǎng)絡(luò)，而車輛可以通過dsrc額外連接到車載自組織網(wǎng)絡(luò)基礎(chǔ)設(shè)施和其他車輛；由于wi-fi和dsrc技術(shù)可以在路上移動(dòng)時(shí)通過連接進(jìn)行應(yīng)用，因此提出了移動(dòng)設(shè)備中的自動(dòng)網(wǎng)絡(luò)接入引擎，卸載最初針對(duì)蜂窩網(wǎng)絡(luò)的數(shù)據(jù)，稱為自動(dòng)卸載發(fā)動(dòng)機(jī)。

中央控制器，中央控制器連接到基站(例如，用于lte的基站)、rsu和因特網(wǎng)骨干網(wǎng)；它根據(jù)流量管理中心估計(jì)的實(shí)時(shí)流量和移動(dòng)設(shè)備要求的服務(wù)需求分配網(wǎng)絡(luò)無線電資源；它作為物理網(wǎng)絡(luò)路由器和網(wǎng)絡(luò)運(yùn)營(yíng)商之間的接口來指定網(wǎng)絡(luò)服務(wù)；控制器構(gòu)建從數(shù)據(jù)平面脫離的邏輯控制平面；與基于互聯(lián)網(wǎng)協(xié)議(ip)的網(wǎng)絡(luò)不同，這種框架使得移動(dòng)設(shè)備能夠在不同的接入接口之間移動(dòng)，而不會(huì)改變身份或違反規(guī)范；控制功能可以通過稱為openflow的協(xié)議實(shí)現(xiàn)，該協(xié)議使控制器能夠驅(qū)動(dòng)接入網(wǎng)絡(luò)邊緣硬件，以便在傳統(tǒng)ip內(nèi)核上創(chuàng)建一個(gè)易于編程的基于標(biāo)識(shí)的覆蓋。

云端，作為流量管理中心和其他服務(wù)提供商的數(shù)據(jù)分析中心，云端從靜態(tài)流量傳感器和移動(dòng)設(shè)備接收數(shù)據(jù)，并分析流量估計(jì)和預(yù)測(cè)；然后根據(jù)其他服務(wù)提供商的實(shí)時(shí)流量和數(shù)據(jù)分析其他流量相關(guān)服務(wù)；云端提供的一個(gè)關(guān)鍵功能是移動(dòng)設(shè)備的訪問指導(dǎo)，便于自動(dòng)卸載引擎。

圖3是本發(fā)明一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)的數(shù)據(jù)收集、分析和交通相關(guān)網(wǎng)絡(luò)的連接。首先，通過交通社交網(wǎng)絡(luò)框架接入網(wǎng)從靜態(tài)和移動(dòng)傳感器收集流量大數(shù)據(jù)；靜態(tài)傳感器(例如，照相機(jī)和感應(yīng)回路)通過有線網(wǎng)絡(luò)將交通數(shù)據(jù)傳送到區(qū)域交通管理中心；

其次，在交通社交網(wǎng)絡(luò)框架的聚合層和應(yīng)用層上，數(shù)據(jù)分析提供實(shí)時(shí)的區(qū)域和全球交通狀況，有利于中央控制器根據(jù)城市車輛/用戶的估計(jì)交通密度、速度、加速度和其他信息來分配廣域網(wǎng)無線電資源(如基站，rsu和互聯(lián)網(wǎng)主干)；

第三，來自不同網(wǎng)絡(luò)組件的各種數(shù)據(jù)為深度數(shù)據(jù)分析提供了補(bǔ)充數(shù)據(jù)。

圖4是本發(fā)明一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)的網(wǎng)絡(luò)選擇的層次分析過程。將網(wǎng)絡(luò)建議問題模型轉(zhuǎn)化為包含目標(biāo)的層次結(jié)構(gòu)，通過對(duì)這些元素的成對(duì)比較進(jìn)行一系列判斷，確定層次結(jié)構(gòu)要素之間的優(yōu)先事項(xiàng)；比較結(jié)果構(gòu)成成對(duì)比較矩陣a＝aij，i,j＝1,2,…,n，其中n是第二級(jí)標(biāo)準(zhǔn)的數(shù)量，并且每個(gè)元素aij基于從同等重要性到優(yōu)先的標(biāo)準(zhǔn)化比較尺度；成對(duì)比較矩陣應(yīng)該滿足遞延性偏好和強(qiáng)度關(guān)系，需要檢查其一致性；計(jì)算一致性指標(biāo)c.i.，隨機(jī)一致性指標(biāo)ri，得到一致性比cr＝ci/ri。

圖5是本發(fā)明一種基于交通社交網(wǎng)絡(luò)的連接車輛運(yùn)輸系統(tǒng)的網(wǎng)絡(luò)選擇的分布式?jīng)Q策過程。各種應(yīng)用的服務(wù)質(zhì)量(qos)要求(高速率、延遲、成本)通過本地車速觀察和通過蜂窩網(wǎng)絡(luò)推送的接入推薦器進(jìn)行寄存；訪問選項(xiàng)可以通過分析寄存信息、通信路線的接收信號(hào)強(qiáng)度(rss)和過去的統(tǒng)計(jì)知識(shí)來決定；知識(shí)庫被定義為：

q<速度，應(yīng)用，訪問選項(xiàng)，qos|訪問推薦器>

其可以簡(jiǎn)寫為q<s,a,o,q|r>；知識(shí)庫可以通過新的qos定期更新；訪問推薦器的可信賴性可以根據(jù)本地觀察情況進(jìn)行調(diào)整，并實(shí)現(xiàn)設(shè)備訪問決策的qos(訪問試驗(yàn)或特定訪問網(wǎng)絡(luò)中的qos)(切換到另一個(gè)接入網(wǎng)絡(luò))；適應(yīng)過程可以通過在app中設(shè)計(jì)適當(dāng)?shù)牡蛷?fù)雜度算法來實(shí)現(xiàn)，通過基于規(guī)則的推理進(jìn)行決策。

模糊規(guī)則表示所訪問網(wǎng)絡(luò)實(shí)現(xiàn)的qos與自動(dòng)訪問引擎的標(biāo)準(zhǔn)<s,a,o,q>間的關(guān)系；在模糊理論中，規(guī)則庫是將輸入向量映射到輸出的函數(shù)f；這里，將變量設(shè)置為四個(gè)因子<s,a,o,q>；可實(shí)現(xiàn)的qos級(jí)別定義為輸出；可以定義每個(gè)變量的隸屬函數(shù)；它可以簡(jiǎn)化為每個(gè)前提變量的單例模糊化級(jí)別；例如，將s設(shè)置為低和高，對(duì)聲音、文本和視頻進(jìn)行分類，并且使用蜂窩網(wǎng)絡(luò)、wifi和車載自組織網(wǎng)絡(luò)作為訪問推薦器和引擎的訪問選項(xiàng)；具有l(wèi)級(jí)輸出的示例性模糊規(guī)則可以如下：

規(guī)則i：如果s為低，a為聲音，o為蜂窩網(wǎng)絡(luò)，r為蜂窩網(wǎng)絡(luò)，則可實(shí)現(xiàn)的qos可以為l級(jí)；

通過模糊決策和可實(shí)現(xiàn)的qosc級(jí)，比較可實(shí)現(xiàn)的qosl級(jí)，可以決定是否切換到“最佳網(wǎng)絡(luò)”；只有可實(shí)現(xiàn)的qosl級(jí)在一定程度上比實(shí)現(xiàn)的qosc級(jí)更好的情況下才能進(jìn)行切換。

對(duì)于本領(lǐng)域技術(shù)人員，本發(fā)明不限制于上述實(shí)施例的細(xì)節(jié)，在不背離本發(fā)明的精神和范圍的情況下，能夠以其他具體形式實(shí)現(xiàn)本發(fā)明。此外，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍，這些改進(jìn)和變型也應(yīng)視為本發(fā)明的保護(hù)范圍。因此，所附權(quán)利要求意欲解釋為包括優(yōu)選實(shí)施例以及落入本發(fā)明范圍的所有變更和修改。