一种面向车辆自组网的簇内数据融合方法
【技术领域】
[0001] 本发明涉及车联网数据融合技术领域，特别是一种面向车辆自组网的簇内数据融 合方法，主要用于对高速运动的车辆节点的采样信息进行数据融合。
【背景技术】
[0002] 车辆自组织网络（Vehicular Ad Hoc Network,简称VANET)是智能交通领域的重 要组成部分。数据融合是车联网中的一项重要任务，无论是理论上还是实际应用中都具有 十分重要的意义。数据融合能够从大量的车辆传感信息中分析出道路交通状况，以及物流 监控信息等重要的交通信息，海量的车辆传感信息中蕴含着巨大的应用价值。
[0003] 针对移动自组网的数据融合问题，Mitra等使用移动代理在特定区域中自适应地 选择移动路径，并周期性地收集周边车辆的数据信息。该方法利用移动代理的灵活性和自 适应性，能够有效地降低车辆自组织网络拓扑结构易变性对数据融合精确度的影响，然而 移动代理的数量以及移动路由的不确定性会影响算法的稳定性。M. Zhao和Yang利用移动 的信息收集节点来收集数据。该方法将车辆节点分为轮询节点和附属节点，附属节点能够 通过多跳的中间节点发送数据给轮询节点，轮询节点处理收集的数据，并将融合数据定期 发送给移动的信息收集节点。该方法中寻找轮询节点的问题是NP难问题，随着车辆自组网 规模的增大，处理时间将会显著增加，大大降低融合效率。Wang等提出一种基于距离的数据 融合方法，该方法将融合区域分成相同大小的两个子区域，每个子区域都有特定的簇首节 点。在融合区域的边缘，有一个移动的汇聚节点。簇内的成员节点通过基于距离的融合机 制，利用多跳的传输方式，向簇首节点或者是边缘的汇聚节点发送数据。簇首节点处理接收 到的数据，并且将采样数据发送给边缘的汇聚节点。然而，大量数据的传输将会导致网络负 载过重，无法适应大规模的车辆自组织网络。Korteweg等提出了一种综合考虑数据同步和 传播时延的融合方法，能够有效减少融合的时延，但是该方法未考虑原始数据的可靠性，融 合精确度有待提高。Wischhof等提出了一种非层级融合方法，该方法对分布式环境下具体 的，最新的车辆交通数据进行建模，应用启发式的自适应算法来进行数据融合，限制带有坐 标特征的数据的传播数量，从而适应大规模的稀疏车辆自组网。然而，该方法用到的控制信 息过多，时效性有待进一步优化。针对上述方法中存在的各类问题，本发明设计一种面向车 辆自组网的簇内数据融合方法来减少数据的冗余，提高数据融合的精确度。
【发明内容】
[0004] 本发明的目的在于提供一种面向车辆自组网的簇内数据融合方法，该方法有利于 提高数据融合的高效性和精确度。
[0005] 为实现上述目的，本发明的技术方案是：一种面向车辆自组网的簇内数据融合方 法，包括以下步骤： 步骤Sl :车辆自组网中的传感器节点形成若干个称为簇的传感器节点集合，每个簇由 一个簇首节点和多个成员节点组成； 步骤S2 :簇内的各传感器节点采集实时数据，并更新传感器节点的滑动窗口中的采样 数据； 步骤S3 :簇内的各传感器节点根据滑动窗口中的采样数据，计算节点可信值，并将节 点可信值广播给邻域节点； 步骤S4 :簇内的各传感器节点根据接收到的邻域节点所发送的节点可信值，计算可信 增益和邻域可信反馈质量； 步骤S5 :簇内的各传感器节点根据其与邻域节点之间的相对位移的变化情况，计算用 于估计其与邻域节点之间无线通信链路稳定性的分离向量增益； 步骤S6 :簇内的各传感器节点将自己计算得到的邻域可信反馈质量、分离向量增益发 送给簇首节点； 步骤S7 :簇首节点接收簇内的各传感器节点所发送的邻域可信反馈质量和分离向量 增益，计算包括簇冗余度和簇结构变化度的效益函数； 步骤S8 :簇首节点根据效益函数最大化的准则寻找最优传输策略，即利用博弈理论求 解效益函数的纳什均衡最优解，如果纳什均衡最优解不满足取整要求，则采用扰动机制求 解局部最优解； 步骤S9 :簇首节点根据所获得的最优传输策略，选择簇内的部分传感器节点发送采样 数据到簇首节点，其余传感器节点不发送采样数据。
[0006] 进一步的，所述步骤S2中，滑动窗口中的采样数据的更新方法为：如果滑动窗口 未满，则将最新采集的实时数据放入滑动窗口中；如果滑动窗口内已装满采样数据，则采用 队列先进先出原则，丢弃滑动窗口中第一个位置上的采样数据，并将最新采集的实时数据 填充到滑动窗口中最后一个位置上。
[0007] 进一步的，所述步骤S3中，传感器节点根据滑动窗口中的采样数据，计算节点可 信值，计算公式为：
其中，A表示第A个采样时刻，表示滑动窗口的第一个位置存储的采样数据的采样时 亥IJ，化(i)表示传感器节点X在第什采样时刻的节点可信值，咸示滑动窗口大小，a表示 调节因子，表示传感器节点X在第々个采样时刻的采样值，
.、分 别表示在第#采样时刻传感器节点X的滑动窗口中的采样数据集的均值和方差，^4 ) 表示对括号中的数据求方差。
[0008] 进一步的，所述步骤S4中，计算可信增益和邻域可信反馈质量，包括以下步骤： 步骤S401 :计算传感器节点与邻域节点之间的可信增益，用于比较邻域节点之间的节 点可信值，计算公式为：
其中，表示在第々个采样时刻传感器节点7对传感器节点X的可信增益；和 分别表示传感器节点X和传感器节点7在第A个采样时刻的节点可信值； 步骤S402 :计算传感器节点的邻域可信反馈质量，衡量传感器节点的采样能力，计算 公式为：
其中，表示传感器节点X在第A个采样时刻的邻域可信反馈质量；表示传感 器节点X在第A个采样时刻的邻域节点集合，传感器节点J是传感器节点W卩域中的传感 器节点；传感器节点的邻域可信反馈质量越高，其采样数据越能够代表该区域的属性特征， 传感器节点的采样能力越强。
[0009] 进一步的，所述步骤S5中，用于估计传感器节点与邻域节点之间无线通信链路稳 定性的分离向量增益的计算公式为：
其中，
表示在第々个采样时刻，传感器节点1与传感器节点κ,之间的分 离向量增益；
表示传感器节点κ,和传感器节点K7在第々个采样时刻的 相对位移大小，传感器节点κ,是接收节点，传感器节点K7是发送节点，分离向量增益根据相 邻节点在单位时间内的相对位移变化情况来分析无线通信链路变化趋势，分离向量增益越 大，链路越不稳定。
[0010] 进一步的，所述步骤S7中，计算效益函数包括以下步骤： 步骤S701 :计算簇冗余度，计算公式为：
其中，表示在第A个采样时刻，簇采用传输策略处斤获得的冗余度；i表示在第 々个采样时刻簇内节点的传输策略，J={A(i)，AU)，…，Α'，Α α)表示节点浓第々个采 样时刻的传输策略，AU)=1表示簇首节点选择节点i在第々个采样时刻向簇首节点传输采 样数据，Αα) =O表示簇首节点选择节点i在第々个采样时刻不向簇首节点传输采样数据；λ 表示簇内节点个数，表示簇首节点在簇的所有节点构成的节点集合；表示节 点i在第A个采样时刻的邻域可信反馈质量，通过将邻域可信反馈质量引入到簇冗余度分 析中，减少采样能力较低节点发送数据的必要性，达到减少簇内采样数据冗余度的目的； 步骤S702 :计算簇结构变化度，计算公式为：
其中，表示簇首节点谢f在簇的簇结构变化度；A为第A个采样时刻，
表示在第i个采样时刻节点?对簇首节点屈勺分离向量增益；表示滑动窗 口的第一个位置所对应的采样时刻；通过簇结构变化度，可以分析簇结构随时间的推移而 变化的趋势，簇结构变化度越小，稳定程度越大； 步骤S703 :计算效益函数，计算公式为：
其中，/0)表示博弈主体的效益函数；簇内的传感器节点映射为参与博弈的主体，簇 内所有传感器节点构成了参与竞争的博弈主体集合/={1，2，…，4,其中为簇内节点 数量，A(?)e {〇，1}表示博弈主体i在70寸刻的策略，i表示簇内节点的整体传输策略， Z={A(i)，AU)，…，A，，，表示效益函数调节因子，取值范围为（〇，1)，用于表示簇冗余 度与簇结构变化度的均衡