专利名称：基于d-s证据理论的车载传感器网络事件区域检测方法
技术领域：
本发明涉及车载自组织无线传感器网络的协同数据处理和事件监测领域，更具体地，涉及ー种新的、利用D-S证据理论描述车载传感器网络中数据融合的不一致性，从而检测出道路路况环境中的事件区域的方法。
背景技术：
随着汽车的普及和传感技术、无线通信等技术的发展，通过在道路上行驶的车辆内安装传感器节点设备，通过无线通信方式互联，自组织成无线车载传感器网络；车载传感器网络可实现车辆间的协作感知、处理和传输城市区域内的各种道路交通路况等信息，是 实现智能交通的重要手段和方式。事件监测是车载传感器网络面向智能交通的重要应用之一，事件区域检测是车载无线传感器网络事件监测中的关键技术，通过车辆之间的有效协同和数据融合处理等技术，有效检测路况事件区域定位、范围，直接影响着道路路况紧急事件处理应用的效率和性能。无线传感器网络和自组织网络的事件区域检测是面向应用的热点问题之一，在近年来技术文献和研究论文中均有论述。有关文献R.Nowak et al. Boundary Estimation in Sensor Network Theoryand Methods. In Proc. IPSN 2003[c], 2003 ；K. Ren et al. Secure and Fault-tolerantEvent Boundary Detection in Wireless Sensor Networks. IEEE Transactions onWireless Communications [J], 2008, 7 (I);曹冬嘉等.一种无线传感器网络中事件区域检测的容错算法.计算机学报[J]，2007，30 (10);张书奎等.基于融合树的事件区域检测容错算法[J]·通信学报，2010，(09).事件区域检测技术的实现可分为三种方法统计方法、基于分类的方法和基于图像处理技术的方法。统计方法主要通过获取邻居节点数据信息，利用统计学的计算方法来判定事件节点和非事件节点。基于分类的方法通过由所有节点收集的数据信息来进行处理，显然事件区域内部节点与外部节点数据信息存在较大差异，利用该差异可将网络节点进行分类，得到判定事件区域节点和非事件区节点。基于图像处理技术的方法对图像处理技术进行修改，使其适应于传感器网络事件区域检测。其中，基于分类的方法具有实现简单、复杂度低等特点，是三种方法中最适于事件区域检测技术的实现方法。事件区域检测技术的实现方法应与具体应用相关，车载传感器网络环境下，由于车辆的高移动性、城市道路交通路况环境的复杂性，导致网络拓扑的动态变化较快、事件监测无法简单通过设置传感器数据阈值实现；因此一般的无线自组织网络、无线传感器网络事件区域检测方法并不能很好应用于该应用场景。ー些研究者针对车载自组织网络，提出了利用人工智能的方法，通过本地节点协同，利用机器学习、支持向量机、贝叶斯神经网络、或运用隐马尔可夫模型等，进行事件特征提取和分类、判断事件产生的概率，实现事件监测；这些事件监测方法能有效监测车载自组织网络环境下道路车辆相关事件，但这些方法需要事先给定道路车辆特定环境下的先验知识等信息，这些由于道路交通和车辆行驶中受自然环境、道路地形特征和人为因素等影响较大，先验知识取值的合理性，直接影响事件监测系统性能；此外这些研究主要致カ于事件的判定，而不是事件产生区域范围和位置信息，事实上，由于车载网络环境下的车辆的高移动性，对事件区域的检测带来了技术挑战。有关文献J.Eriksson et al. The Pothole Patrol Using a Mobile SensorNetwork for Road Surface Monitoring[c]. In Proc. ACM MobiSys, 2008 ；V. D.Sanchezet al. Advanced support vector machines and kernel me-thods[J] · Neurocomputing,2003, (55) ；S Dipti. Evaluation of Adaptive Neural Network Models for FreewayIncident Detection[J]. IEEE Trans. On Intelligent Transportation Systems,2004,5(1);何毅等.基于隐马尔科夫度量场模型的车辆监测和跟踪[J].上海交通大学学报，2008(2).张存保等.基于浮动车的高速公路交通事件自动判别方法研究[J].武汉理工大学学报(交通科学与工程版)，2006，(06);张敬磊等.事件检测算法研究进展[J].武汉理工大学学报(交通科学与工程版)，2005，(02).
发明内容
本发明针对上述现有方法存在问题和不足，提出一种面向智能交通应用的、无需先验知识且有效提高监测效率的车载传感器网络事件区域检测方法，致カ于在车载自组织网络动态拓扑环境下，通过车辆间协同，利用数据信息融合处理方法，利用事件区域和非事件区域的证据冲突，有效检测事件区域。本发明的技术方案一种基于D-S证据理论的车载传感器网络事件区域检测方法，其特征在干将事件监测的城市道路区域划分为若干子小区，在事件监测的城市道路区域内设有车载传感器的车辆通过自组织方式组网，建立车载传感器网络图，车载传感器网络图中由设有车载传感器的车辆构成车辆节点，相邻车辆节点之间是边；当进行事件区域检测时，执行以下步骤步骤I、由各车辆节点到所在子小区中心位置的距离，计算各车辆节点到所在子小区的监测权重；根据车辆节点的方向和速率改变情况，计算车辆节点的行为因子；结合车辆节点所在子小区的感知物理量历史数据，计算感知数据变化率；井根据计算结果得到所在子小区的事件产生概率；实现方式如下，步骤a，设从某个车辆节点k的坐标Ow yj到所在子小区Ci的中心点坐标(Xcd,yci)的几何距离，记为dk,i = Il (Xnk, Ynk)-(xci, yci) I ,车辆节点k到所在子小区Ci的监测权重w(nk, Ci)按下式计算，
权利要求
1. 一种基于D-S证据理论的车载传感器网络事件区域检测方法，其特征在于将事件 监测的城市道路区域划分为若干子小区，在事件监测的城市道路区域内设有车载传感器的 车辆通过自组织方式组网，建立车载传感器网络图，车载传感器网络图中由设有车载传感 器的车辆构成车辆节点，相邻车辆节点之间是边；当进行事件区域检测时，执行以下步骤 步骤1、由各车辆节点到所在子小区中心位置的距离，计算各车辆节点到所在子小区的 监测权重；根据车辆节点的方向和速率改变情况，计算车辆节点的行为因子；结合车辆节 点所在子小区的感知物理量历史数据，计算感知数据变化率；并根据计算结果得到所在子 小区的事件产生概率；实现方式如下，步骤a,设从某个车辆节点k的坐标(xnk,ynk)到所在子小区q的中心点坐标(XmyJ 的几何距离，记为du = | | (Xnk, ynk)-(xci, yci) | |，车辆节点k到所在子小区Ci的监测权重 w(nk, 按下式计算， dkj
2.如权利要求1所述基于D-S证据理论的车载传感器网络事件区域检测方法，其特征 在于周期性进行事件区域检测，或由车辆传感器采集的物理量更新数据超过某个预设值 时触发进行事件区域检测。
全文摘要
本发明提供了一种基于D-S证据理论的车载传感器网络事件区域检测方法，能够在缺少先验知识、针对高移动性网络拓扑和应对复杂多变道路交通场景的情况下，有效实现检测出事件的发生区域。本发明包括车载传感器网络场景初始化和维护、道路划分子小区事件监测概率模块、道路划分子小区事件发生概率模块、事件发生置信度模块、证据合并冲突计算模块、事件区域判定模块和事件检测触发模块。
文档编号H04W84/18GK102665294SQ20121012537
公开日2012年9月12日 申请日期2012年4月25日 优先权日2012年4月25日
发明者曾园园, 曾子明, 李德识, 项慨 申请人:武汉大学