一种车载自组网分析模型的传输参数优化方法与流程

本发明属于车载自组网的研究技术领域，具体涉及一种车载自组网分析模型的传输参数优化方法。

背景技术

车载自组网作为智能交通系统的重要组成部分，可通过车辆之间周期性地广播信标消息来提供道路安全预警等安全应用。为了保证安全应用的服务质量和性能，信标消息的广播传输要求低时延和高可靠性。目前已经有许多研究给出并估计了mac层的广播性能指标，如文章“macandapplication-levelbroadcastreliabilityinvanetswithchannelfading”评估了包接收概率prp和包接收率prr等，但这些指标并不能反映安全应用的性能或对信息的感知情况。

为解决这一问题，有研究人员提出感知概率作为应用层的指标，表示在时间窗口ta内至少有n个数据包在接收端被成功接收的概率。之后其他工作对其中涉及的传输功率和信标生成速率等参数进行了自适应优化。但现有技术均是对单一参数进行调整，没有综合考虑各个传输参数对网络性能的综合影响，也没有理论分析模型来保证安全应用的性能要求。

技术实现要素：

针对现有车联网领域中的实际需求，本发明提供了一种车载自组网分析模型的传输参数优化方法，即采用改进的粒子群算法同时优化车载自组网分析模型中的多个传输参数，从而在保证车载网安全应用性能满足要求的前提下，尽可能逼近最大网络传输容量。

本发明的技术方案：

一种车载自组网分析模型的传输参数优化方法，步骤如下：

步骤1：设定网络环境参数，包括车辆数量n和接收节点与发送节点距离x；随机设定若干组网络传输参数的取值，网络传输参数包括信标生成速率λ、csma协议中的退避窗口w、数据传输率rd和通信距离r；

步骤2：根据步骤1选取的网络环境参数和网络传输参数，计算接收节点成功接收单个包的概率prp；

步骤3：计算应用层网络广播性能指标，感知概率pa，即与发送节点相距x的接收节点在时间窗口ta内至少成功接收n个数据包的概率：

其中，参数n和ta由安全应用给定；

步骤4：验证步骤3中是否有结果满足对应安全应用的最低要求，即pa>ξ，ξ由相应安全应用给出，若存在，则进行后续优化过程，若不存在，则重复步骤1～步骤4直至达到最大循环次数并退出优化过程；

步骤5：使用改进的粒子群算法在保证网络传输参数满足对应安全应用性能要求的前提下，逼近最大网络传输容量；

步骤5.1将步骤1中所述的网络传输参数的组合作为各个粒子的位置，对粒子进行初始化；

步骤5.2根据粒子位置并由步骤2和步骤3计算对应粒子的感知概率pa；

步骤5.3选取感知概率满足对应安全应用要求的粒子，即pa>ξ，形成集合s；

步骤5.4在集合s中选取能使传输容量取最大值的粒子作为当前最优粒子，其中传输容量定义为：

tc＝nλ

步骤5.5所有粒子向最优节点移动一步；

步骤5.6重复步骤5.1～步骤5.5直至传输参数收敛或循环次数达到最大值，所得最优粒子即为在满足相应安全应用性能要求的前提下可使传输容量最大化的参数组合。

本发明的有益效果：本发明提供了一种车载自组网分析模型的传输参数优化方法，即采用改进的粒子群算法优化车载自组网分析模型中的传输参数，从而在网络拓扑及网络状态变化频繁的车载网中有能力实时调节多个网络传输参数，在保证车载网安全应用性能要求的前提下，尽可能逼近最大网络传输容量。

附图说明

图1是本发明设计的一种车载自组网分析模型的传输参数优化方法的流程图。

图2是本发明改进的粒子群算法流程图。

具体实施方式

下面将合附图对本发明的具体实施方式作进一步详细的说明。

图1示出了本发明设计的一种车载自组网分析模型传输参数优化方法的流程图，详述如下：

在s101中，根据实际情况初始化网络环境参数，包括车辆数量n，接收节点与发送节点距离x等，并随机设定若干组网络传输参数的取值，网络传输参数包括信标生成速率λ，csma协议中的退避窗口w，数据传输率rd，通信距离r等；

在s102中，根据s101选取的参数，计算接收节点成功接收单个包的概率prp；

(1)初始化p0＝1，p0为每辆车至少有一个包待发送的概率；

(2)计算信道被占用的概率其中

(3)由下述公式计算服务率μ：

μ＝1/q′(1)

其中，lh为包头的长度，pl为包平均长度，difs为分布式帧间间隔，δ为传输延迟；

(4)若否则p0＝0；

(5)重复上述步骤(2)～(4)，直到p0收敛；

(6)计算没有隐藏终端正在发送包的概率

(7)计算发送节点发送包时隐藏终端不发送包的概率

(8)计算接收节点在接收包过程中，其接收范围内其他节点不发送包的概率pconc，

其中，

(9)计算距离为x时成功接收消息的概率pf(x),

其中，γ(m)为gamma函数，

(10)计算

在s103中，根据所得prp进一步计算应用层网络广播性能指标，感知概率pa，即与发送节点相距x的接收节点在时间窗口ta内至少成功接收n个数据包的概率：

其中，参数n和ta由安全应用给定；

在s104中，验证s103中是否有结果满足对应安全应用的最低要求，即pa>ξ，ξ由相应安全应用给出，若存在，则进行后续优化过程，若不存在，则重复s101～s104直至达到最大循环次数并退出优化过程；

在s105中，使用改进的粒子群算法在保证网络传输参数可以满足对应安全应用性能要求的前提下，逼近最大网络传输容量；

图2示出了本发明改进的粒子群算法流程图，详述如下：

在s201中，将若干网络传输参数的组合作为粒子群算法中各个粒子的位置，对粒子进行初始化；

在s202中，根据粒子位置并使用与s102，s103相同的方法计算对应粒子的感知概率pa；

在s203中，选取感知概率满足对应安全应用要求的粒子，即pa>ξ，形成集合s；

在s204中，在集合s中选取能使传输容量取最大值的粒子作为当前最优粒子，其中传输容量定义为，

tc＝nλ

在s205中，所有粒子向最优节点移动一步；

在s206中，重复s201～s205直至传输参数收敛或循环次数达到最大值，所得最优粒子的位置向量即为在满足相应安全应用性能要求的前提下，能使传输容量达到最大的参数组合。