一种基于交通社交网络的连接车辆运输系统的制作方法

本发明涉及交通运输领域，尤其是涉及了一种基于交通社交网络的连接车辆运输系统。

背景技术：

随着生活水平的不断提高，各种车辆的数目不断增多，但其在给人们的出行带来便利的同时，也带来了频繁的交通堵塞、车祸以及空气污染等问题。为了实现可持续、智能、绿色交通的目标，研究人员使用最先进的无线信息和通信技术，为道路管理员和车辆提供实时的交通运输相关信息服务，即连接车辆运输系统(cvts)。它能够与车载无线通信设备、智能手机、行车记录仪等设备结合，实时为驾驶员收集道路交通信息，进行有效的数据分析，做出预测和快速决策，同时反馈给驾驶员，提供更可行的路径规划，减少路面交通拥堵的情况，也可以为旅行出游的人们规划更加合理的路线。对于乘坐公共交通的人们来说，通过智能手机上的相关app，可以了解到实时公交信息，有效减少等车时间，方便人们出行。然而，传统的方法算法精确度不高，数据分析速度也比较慢。

本发明提出了一种基于交通社交网络的连接车辆运输系统，交通社交网络框架由接入网层、数据聚合层和应用层三层组成，包括基础设施、移动设备、中央控制器和云端四个核心组件；交通社交网络框架接入网构建数据收集、分析和交通相关网络的连接，通过多标准决策层次分析法获得最佳网络，分布式自动访问引擎通过模糊规则确定最佳决策。本发明加快了响应和数据分析的速度，提高了算法精度和系统的可靠性和安全性；能结合车载无线通信设备或智能手机等显示实时交通信息，并规划有效路径，提高了使用性能。

技术实现要素：

针对算法精确度不高等问题，本发明的目的在于提供一种基于交通社交网络的连接车辆运输系统，交通社交网络框架由接入网层、数据聚合层和应用层三层组成，包括基础设施、移动设备、中央控制器和云端四个核心组件；交通社交网络框架接入网构建数据收集、分析和交通相关网络的连接，通过多标准决策层次分析法获得最佳网络，分布式自动访问引擎通过模糊规则确定最佳决策。

为解决上述问题，本发明提供一种基于交通社交网络的连接车辆运输系统，其主要内容包括：

(一)交通社交网络框架；

(二)构建数据收集、分析和交通相关网络的连接；

(三)交通相关网络访问机制。

其中，所述的交通社交网络框架，由三层组成：接入网层、数据聚合层和应用层；包括基础设施、移动设备、中央控制器和云端四个核心组件；

在接入网层中，包括车辆和移动设备的感知节点可以连接到路边通信基础设施，如蜂窝基站和路边单元(rsu)，并通过lte/5g蜂窝网络和/或车载自组织网络进行通信；静态传感器，如摄像机、感应回路、射频识别和道路反射器，通过有线通信传输数据；

在数据聚合层中，路边通信基础设施连接到相应的骨干路由器；数据流通过中央控制器子层或模糊计算服务器组合，并通过互联网进一步传送到云服务器；

在应用层中，流量管理中心将从云端汇总收集到的多源数据进行分析，估计和预测道路流量；云端也连接到其他服务供应商，可以在应用层中融合并提供流量相关信息；然后通过蜂窝核心网络和区域车载自组织网络将不同的与流量相关的服务传送给车辆。

进一步地，所述的基础设施，接入基础设施由改进的基站和rsu组成；假设基站覆盖整个城市，移动设备和基站之间的通信路线比具有rsu的移动设备之间的通信路线更稳定；rsu配备了在专用短程通信技术(dsrc)和/或wi-fi上工作的无线收发器，因此与基站相比传输范围很小；但它为移动设备提供了高速率传输；rsu不仅是车载到基础设施通信的替代方案，而且可以实现蜂窝网络的卸载。

进一步地，所述的移动设备，智能手机可以通过wi-fi经lte/5g和车载自组织网络基础设施连接到蜂窝网络，而车辆可以通过dsrc额外连接到车载自组织网络基础设施和其他车辆；由于wi-fi和dsrc技术可以在路上移动时通过连接进行应用，因此提出了移动设备中的自动网络接入引擎，卸载最初针对蜂窝网络的数据，称为自动卸载发动机。

进一步地，所述的中央控制器，中央控制器连接到基站(例如，用于lte的基站)、rsu和因特网骨干网；它根据流量管理中心估计的实时流量和移动设备要求的服务需求分配网络无线电资源；它作为物理网络路由器和网络运营商之间的接口来指定网络服务；控制器构建从数据平面脱离的逻辑控制平面；与基于互联网协议(ip)的网络不同，这种框架使得移动设备能够在不同的接入接口之间移动，而不会改变身份或违反规范；控制功能可以通过称为openflow的协议实现，该协议使控制器能够驱动接入网络边缘硬件，以便在传统ip内核上创建一个易于编程的基于标识的覆盖。

进一步地，所述的云端，作为流量管理中心和其他服务提供商的数据分析中心，云端从静态流量传感器和移动设备接收数据，并分析流量估计和预测；然后根据其他服务提供商的实时流量和数据分析其他流量相关服务；云端提供的一个关键功能是移动设备的访问指导，便于自动卸载引擎。

其中，所述的构建数据收集、分析和交通相关网络的连接，首先，通过交通社交网络框架接入网从静态和移动传感器收集流量大数据；静态传感器(例如，照相机和感应回路)通过有线网络将交通数据传送到区域交通管理中心；

其次，在交通社交网络框架的聚合层和应用层上，数据分析提供实时的区域和全球交通状况，有利于中央控制器根据城市车辆/用户的估计交通密度、速度、加速度和其他信息来分配广域网无线电资源(如基站，rsu和互联网主干)；

第三，来自不同网络组件的各种数据为深度数据分析提供了补充数据。

其中，所述的交通相关网络访问机制，包括通过多标准决策层次分析法获得最佳网络和分布式自动访问引擎；

将网络建议问题模型转化为包含目标的层次结构，通过对这些元素的成对比较进行一系列判断，确定层次结构要素之间的优先事项；比较结果构成成对比较矩阵a＝aij，i,j＝1,2,…,n，其中n是第二级标准的数量，并且每个元素aij基于从同等重要性到优先的标准化比较尺度；成对比较矩阵应该满足递延性偏好和强度关系，需要检查其一致性；计算一致性指标c.i.，随机一致性指标ri，得到一致性比cr＝ci/ri。

进一步地，所述的分布式自动访问引擎，各种应用的服务质量(qos)要求(高速率、延迟、成本)通过本地车速观察和通过蜂窝网络推送的接入推荐器进行寄存；访问选项可以通过分析寄存信息、通信路线的接收信号强度(rss)和过去的统计知识来决定；知识库被定义为：

q<速度，应用，访问选项，qos|访问推荐器>

其可以简写为q<s,a,o,q|r>；知识库可以通过新的qos定期更新；访问推荐器的可信赖性可以根据本地观察情况进行调整，并实现设备访问决策的qos(访问试验或特定访问网络中的qos)(切换到另一个接入网络)；适应过程可以通过在app中设计适当的低复杂度算法来实现，通过基于规则的推理进行决策。

进一步地，所述的模糊规则，模糊规则表示所访问网络实现的qos与自动访问引擎的标准<s,a,o,q>间的关系；在模糊理论中，规则库是将输入向量映射到输出的函数f；这里，将变量设置为四个因子<s,a,o,q>；可实现的qos级别定义为输出；可以定义每个变量的隶属函数；它可以简化为每个前提变量的单例模糊化级别；例如，将s设置为低和高，对声音、文本和视频进行分类，并且使用蜂窝网络、wifi和车载自组织网络作为访问推荐器和引擎的访问选项；具有l级输出的示例性模糊规则可以如下：

规则i：如果s为低，a为声音，o为蜂窝网络，r为蜂窝网络，则可实现的qos可以为l级；

通过模糊决策和可实现的qosc级，比较可实现的qosl级，可以决定是否切换到“最佳网络”；只有可实现的qosl级在一定程度上比实现的qosc级更好的情况下才能进行切换。

附图说明

图1是本发明一种基于交通社交网络的连接车辆运输系统的系统框架图。

图2是本发明一种基于交通社交网络的连接车辆运输系统的交通社交网络框架。

图3是本发明一种基于交通社交网络的连接车辆运输系统的数据收集、分析和交通相关网络的连接。

图4是本发明一种基于交通社交网络的连接车辆运输系统的网络选择的层次分析过程。

图5是本发明一种基于交通社交网络的连接车辆运输系统的网络选择的分布式决策过程。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合，下面结合附图和具体实施例对本发明作进一步详细说明。

图1是本发明一种基于交通社交网络的连接车辆运输系统的系统框架图。主要包括交通社交网络框架，构建数据收集、分析和交通相关网络的连接，交通相关网络访问机制。

交通社交网络框架由接入网层、数据聚合层和应用层三层组成，包括基础设施、移动设备、中央控制器和云端四个核心组件；交通社交网络框架接入网构建数据收集、分析和交通相关网络的连接，通过多标准决策层次分析法获得最佳网络，分布式自动访问引擎通过模糊规则确定最佳决策。

图2是本发明一种基于交通社交网络的连接车辆运输系统的交通社交网络框架。交通社交网络框架由三层组成：接入网层、数据聚合层和应用层；包括基础设施、移动设备、中央控制器和云端四个核心组件；

在接入网层中，包括车辆和移动设备的感知节点可以连接到路边通信基础设施，如蜂窝基站和路边单元(rsu)，并通过lte/5g蜂窝网络和/或车载自组织网络进行通信；静态传感器，如摄像机、感应回路、射频识别和道路反射器，通过有线通信传输数据；

在数据聚合层中，路边通信基础设施连接到相应的骨干路由器；数据流通过中央控制器子层或模糊计算服务器组合，并通过互联网进一步传送到云服务器；

在应用层中，流量管理中心将从云端汇总收集到的多源数据进行分析，估计和预测道路流量；云端也连接到其他服务供应商，可以在应用层中融合并提供流量相关信息；然后通过蜂窝核心网络和区域车载自组织网络将不同的与流量相关的服务传送给车辆。

基础设施，接入基础设施由改进的基站和rsu组成；假设基站覆盖整个城市，移动设备和基站之间的通信路线比具有rsu的移动设备之间的通信路线更稳定；rsu配备了在专用短程通信技术(dsrc)和/或wi-fi上工作的无线收发器，因此与基站相比传输范围很小；但它为移动设备提供了高速率传输；rsu不仅是车载到基础设施通信的替代方案，而且可以实现蜂窝网络的卸载。

移动设备，通常情况下，智能手机可以通过wi-fi经lte/5g和车载自组织网络基础设施连接到蜂窝网络，而车辆可以通过dsrc额外连接到车载自组织网络基础设施和其他车辆；由于wi-fi和dsrc技术可以在路上移动时通过连接进行应用，因此提出了移动设备中的自动网络接入引擎，卸载最初针对蜂窝网络的数据，称为自动卸载发动机。

中央控制器，中央控制器连接到基站(例如，用于lte的基站)、rsu和因特网骨干网；它根据流量管理中心估计的实时流量和移动设备要求的服务需求分配网络无线电资源；它作为物理网络路由器和网络运营商之间的接口来指定网络服务；控制器构建从数据平面脱离的逻辑控制平面；与基于互联网协议(ip)的网络不同，这种框架使得移动设备能够在不同的接入接口之间移动，而不会改变身份或违反规范；控制功能可以通过称为openflow的协议实现，该协议使控制器能够驱动接入网络边缘硬件，以便在传统ip内核上创建一个易于编程的基于标识的覆盖。

云端，作为流量管理中心和其他服务提供商的数据分析中心，云端从静态流量传感器和移动设备接收数据，并分析流量估计和预测；然后根据其他服务提供商的实时流量和数据分析其他流量相关服务；云端提供的一个关键功能是移动设备的访问指导，便于自动卸载引擎。

图3是本发明一种基于交通社交网络的连接车辆运输系统的数据收集、分析和交通相关网络的连接。首先，通过交通社交网络框架接入网从静态和移动传感器收集流量大数据；静态传感器(例如，照相机和感应回路)通过有线网络将交通数据传送到区域交通管理中心；

其次，在交通社交网络框架的聚合层和应用层上，数据分析提供实时的区域和全球交通状况，有利于中央控制器根据城市车辆/用户的估计交通密度、速度、加速度和其他信息来分配广域网无线电资源(如基站，rsu和互联网主干)；

第三，来自不同网络组件的各种数据为深度数据分析提供了补充数据。

图4是本发明一种基于交通社交网络的连接车辆运输系统的网络选择的层次分析过程。将网络建议问题模型转化为包含目标的层次结构，通过对这些元素的成对比较进行一系列判断，确定层次结构要素之间的优先事项；比较结果构成成对比较矩阵a＝aij，i,j＝1,2,…,n，其中n是第二级标准的数量，并且每个元素aij基于从同等重要性到优先的标准化比较尺度；成对比较矩阵应该满足递延性偏好和强度关系，需要检查其一致性；计算一致性指标c.i.，随机一致性指标ri，得到一致性比cr＝ci/ri。

图5是本发明一种基于交通社交网络的连接车辆运输系统的网络选择的分布式决策过程。各种应用的服务质量(qos)要求(高速率、延迟、成本)通过本地车速观察和通过蜂窝网络推送的接入推荐器进行寄存；访问选项可以通过分析寄存信息、通信路线的接收信号强度(rss)和过去的统计知识来决定；知识库被定义为：

q<速度，应用，访问选项，qos|访问推荐器>

其可以简写为q<s,a,o,q|r>；知识库可以通过新的qos定期更新；访问推荐器的可信赖性可以根据本地观察情况进行调整，并实现设备访问决策的qos(访问试验或特定访问网络中的qos)(切换到另一个接入网络)；适应过程可以通过在app中设计适当的低复杂度算法来实现，通过基于规则的推理进行决策。

模糊规则表示所访问网络实现的qos与自动访问引擎的标准<s,a,o,q>间的关系；在模糊理论中，规则库是将输入向量映射到输出的函数f；这里，将变量设置为四个因子<s,a,o,q>；可实现的qos级别定义为输出；可以定义每个变量的隶属函数；它可以简化为每个前提变量的单例模糊化级别；例如，将s设置为低和高，对声音、文本和视频进行分类，并且使用蜂窝网络、wifi和车载自组织网络作为访问推荐器和引擎的访问选项；具有l级输出的示例性模糊规则可以如下：

规则i：如果s为低，a为声音，o为蜂窝网络，r为蜂窝网络，则可实现的qos可以为l级；

通过模糊决策和可实现的qosc级，比较可实现的qosl级，可以决定是否切换到“最佳网络”；只有可实现的qosl级在一定程度上比实现的qosc级更好的情况下才能进行切换。

对于本领域技术人员，本发明不限制于上述实施例的细节，在不背离本发明的精神和范围的情况下，能够以其他具体形式实现本发明。此外，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围，这些改进和变型也应视为本发明的保护范围。因此，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。