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。