申请/专利权人：武汉科技大学

申请日：2022-08-01

公开（公告）日：2024-04-16

公开（公告）号：CN115515198B

主分类号：H04W36/14

分类号：H04W36/14;H04W36/22;H04W36/30;H04W36/32;H04W4/44

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2023.01.10#实质审查的生效;2022.12.23#公开

摘要：本发明公开了一种基于博弈论和自适应跳跃的异构车载网络选择方法及系统，首先路侧单元实时监测和收集车辆信息和网络状态属性信息，上传至云服务器后构建网络状态属性参数初始化决策矩阵，并进行标准化和归一化处理；接着采用毕达哥拉斯模糊层次分析法计算网络状态属性的主观权重，采用熵权法计算网络状态属性的客观权重，基于博弈论权衡主、客观权重，计算网络状态属性的综合权重，基于马尔科夫计算候选网络的综合效用值；最后提出一种基于网络负载的自适应跳跃机制，通过动态调整网络切换阈值，减少不必要的网络切换。本发明能适应复杂异构车载网络环境下的动态车流变化，有效减少网络的平均切换次数，避免“乒乓效应”和提高网络资源利用率。

主权项：1.一种基于博弈论和自适应跳跃的异构车载网络选择方法，用于由双向车道、多种类型网络的路侧单元和云服务器构成的交通环境中，交通环境中车辆之间以及车辆和路侧单元之间进行信息交互；其特征在于，包括以下步骤：步骤1：所述路侧单元实时监测和收集车辆信息和网络状态属性信息，并将车辆信息和网络状态属性信息上传给所述云服务器；所述车辆信息包括车辆标识符、速度、位置和业务类型，其中业务类型包括语音对话、实时流媒体、网络交互和后台下载四种类型；所述网络状态属性信息包括带宽、时延、时延抖动、丢包率和价格成本；步骤2：所述云服务器利用网络状态属性信息构建初始化判决矩阵H，将判决矩阵H进行标准化和归一化处理；所述云服务器利用网络状态属性信息构建初始化判决矩阵H，记候选网络集合N＝{N1,N2,…,Nm}，每个网络状态属性集合F＝{F1,F2,…,Fn}，m是候选网络数量，n是属性数量，初始化判决矩阵H为： 其中，hij是第i个候选网络的第j个状态属性值，1≤i≤m，1≤j≤n；步骤3：计算网络状态属性的主观权重Wsub，计算网络状态属性的客观权重Wobj；其中，采用毕达哥拉斯模糊层次分析法计算候选网络状态属性的主观权重Wsub，具体实现包括以下子步骤：1定义毕达哥拉斯模糊集G： 其中，μGz是元素z的隶属度，νGz是元素z的非隶属度，μGz和νGz的值由毕达哥拉斯模糊层次分析法区间值量表所确定；z表示两个网络状态属性之间的相对重要程度值，Z表示两个网络状态属性之间的相对重要程度值的集合；2计算元素z的不确定性程度πGz： 3根据毕达哥拉斯模糊层次分析法区间值量表，构建业务流量类型的判决矩阵R＝rjkn×n： 其中，rjk表示第j个属性和第k个属性之间的相对重要程度，1≤j,k≤n；4计算隶属和非隶属函数上下界值之间的差分矩阵D＝djkn×n，djk的取值范围为[djkL,djkU]，且有： 其中，djkL表示差分矩阵D的下界值，μjkL表示隶属度下界值，vjkU表示非隶属度上界值，djkU表示差分矩阵D的上界值，μjkU表示隶属度上界值，vjkL表示非隶属度下界值；5计算区间乘法矩阵S＝sjkn×n，sjk的取值范围为[sjkL,sjkU]，且有： 6计算rjk的确定值τ＝τjkn×n； 7将确定值τ与矩阵S相乘，得到归一化前的权值矩阵T＝tjkn×n； 8计算网络状态属性Fj的主观权重Wsub,j； 采用熵权法计算网络状态属性的客观权重Wobj；具体实现包括以下子步骤：1利用归一化判决矩阵H′＝ij′m×n计算网络状态属性Fj的熵值； 其中，Ej表示归一化判决矩阵H′第j列属性的熵值，2计算网络状态属性Fj的客观权重Wobj,j，则有： 步骤4：基于博弈论权衡主观权重、客观权重，计算网络状态属性的综合权重W；其中计算网络状态属性Fj的综合权重Wj；Wj＝a1·Wsub,j+a2·Wobj,j18其中，a1和a2分别是网络状态属性Fj主观权重Wsub,j和客观权重Wobj,j的系数；基于博弈论最小化综合权重与主观权重、客观权重之间的偏差，得到最优的综合权值向量；优化后的系数为： 基于矩阵的微分性质，结合毕达哥拉斯模糊层次分析法和熵权法计算得到的网络状态属性主观权重、客观权重，得到具有相同解的式20； 计算出组合系数集{a1,a2}，并进行归一化处理： 最后，将和代入式18，获得网络状态属性Fj的综合权重Wj： 步骤5：计算候选网络的综合效用值C；其中，基于马尔科夫计算候选网络的综合效用值C，具体实现包括以下子步骤：步骤5.1：记网络状态空间集合为Q＝{Q1,Q2,…,Qm}，且Qi＝hi1hi2hij…hin；令L为车辆终端的服务时间，Ql为l时刻的网络状态，且对于任意随机整数l∈L和任意随机Ql∈Q，网络状态转移概率均符合p[Ql+1|Q1,Q2,…,Ql]＝p[Ql+1|Ql]，上述随机过程为马尔可夫过程；步骤5.2：令决策时刻第i个网络处于状态x，车辆终端接入该网络后的状态转移为y的概率为p[y|x,i]，则有： 其中，ax,i为第i个候选网络进行决策时处于状态x的效用值，hijx是第i个候选网络处于状态x的第j个状态属性值，1≤i≤m，1≤j≤n；Wj为网络状态属性Fj的综合权重；步骤5.3：计算第i个候选网络的综合效用值Ci：Ci＝ax,i+∑y∈Sp[y|x,i]ay,i24其中，ay,i为车辆终端选择第i个候选网络切换后该网络处于状态y时的效用值；步骤6：基于自适应跳跃机制选择并接入最大综合效用值网络；具体实现包括以下子步骤：步骤6.1：引入负载平衡因子γ计算切换阈值T的值；T＝γTf25 其中，Tf为常数，loadt表示具有最大综合效用值的网络的负载，loadi表示第i个网络的负载；步骤6.2：当前接入网络记为Naccess，具有最大综合效用值的网络记为Nmax；若Naccess＝Nmax，则执行步骤6.3，否则执行步骤6.4；步骤6.3：保持当前网络接入状态，跳过本次网络切换操作，本流程结束；步骤6.4：当前接入网络的综合效用值记为Caccess，最大综合效用值记为Cmax；若CaccessCmaxCmax-CaccessT，则执行步骤6.5，否则执行步骤6.3；步骤6.5：进行网络切换操作，接入最大效用值网络Nmax，本流程结束。

全文数据：

权利要求：

百度查询： 武汉科技大学 基于博弈论和自适应跳跃的异构车载网络选择方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD