论文部分内容阅读
近年来自动驾驶汽车逐渐兴起并且发展势头迅猛,如何提高自动驾驶的行车安全,增强智能车辆通信系统的实时性成为社会关注的热点问题。由于自动驾驶汽车在路上安全行驶需要得到局部以及全局的路况信息,因此增添道路基础设施辅助通信,建立完整的信息传递架构模型十分重要。然而传统车联网缺少对于路况信息的实时监测,并且4G网络的延迟性不足以满足车联网的运行。本文通过将车联网和传感网相融合的方法,将路边单元(Road Side Unit,RSU)和传感器联合部署在道路两侧,RSU可与SG微基站通信再将信息传递到边缘云数据中心,实现对路况的监测并对道路上的车辆进行全覆盖,使得车辆能够通过一跳直接与路边的路基辅助设备通信连入网络,提高道路信息的实时性,减少网络传输的延迟性。本文针对车联传感网(Hybrid VANET-Sensor Network,HVSN)网络架构模型下的网络布局优化问题展开研究,在最小化部署成本的前提下求解出最优的网络布局方案。首先,根据HVSN的网络特性,设计了基于HVSN网络的树形拓扑架构,此树形架构适用于城市环境的道路监测与部署,并且树形架构易于扩展、容错性较强。为了避免在部署时造成资源浪费,应当减少在城市环境中部署网元设备的数量,因此优化HVSN网络的优化目标是将网络部署成本最小化。其次,以城市道路为应用场景,在HVSN网络中部署RSU和传感器在道路两侧并选取合适的微基站的位置,采用V2I通信模式并且保证网络中各个网元设备间的连通性是一个NP难问题。因此本文对布局优化问题(Layout Optimization Problem,LOP)建立数学模型,综合考虑传输距离、网络容量等约束条件限制,建立了整数线性规划(Integer Linear Programming,ILP)模型,并使用优化求解器Gurobi对模型进行求解,获得网络的布局优化方案,并验证LOP数学模型的正确性与可行性。最后,对于Gurobi求解ILP模型时求解时间较长、求解效率较低的大规模场景,提出运用启发式算法求解的方法,该启发式算法能够求解出工程实践可接受误差范围内的次优解。通过大量的仿真实验,对比分析ILP模型求解和算法求解的实验结果,仿真结果表明算法具有高效性和可扩展性。本文通过对车联传感网的网络布局进行优化,降低了网络部署成本和传输时延,增强了道路信息传递的实时性,使得网络更加经济可靠,为HVSN网络的实际部署提供了理论依据和技术支持。