一种基于车流密度的车联网数据采集方法与流程

本发明提出一种利用压缩感知技术在车联网中进行数据采集的方法，属于信号处理领域。

背景技术：

目前，车联网技术飞速发展，车联网中许多应用需要实时收集、存储、处理和分发大量感知信息。但是由于车辆的高速移动性、节点规模广、网络拓扑结构变化快等特点，在车联网中进行数据采集变得十分困难。压缩感知作为一种新兴的数据采集技术，具有采集速率极低，可以直接感知有用信息的优点。本发明将压缩感知技术应用于车联网，利用车联网中的数据的极大的空间相关性，在车联网中进行数据采集。

目前，利用压缩感知在无线传感网络中进行数据采集主要是将测量矩阵分布到网络中的各个节点。已有文献证明，利用稀疏随机测量矩阵能够很好地适用于无线传感网，由于矩阵中大多数元素为零，利用传感网中多数节点具有空间相关性，极大减少了单次测量的网络传输代价。

技术实现要素：

综上所述，提出了一种基于车流密度的车联网数据收集方法，具体步骤如下：

步骤一、进行簇的组建：

1、rsu发布请求消息，并且计算、广播分簇范围r：

其中μ(0＜μ＜1)为数据相关程度阈值，ρ为道路车流密度，α(α＞0)为权衡系数。

2、节点计算以r为半径的圆范围内节点的数目，节点数目最多为簇头，若节点间计算节点数一样多且距离小于r，则计算范围r内到各节点间的平均距离|rd|，|rd|最小者为簇头。

3、其他节点选择最近的簇头组建簇，簇头广播自身信息。

步骤二、进行数据的采集；

1、rsu为每个节点分配不同的id，广播并保存。

2、rsu计算稀疏随机测量矩阵φ的稀疏度s：

s＝βρ(1＜s＜3)，

其中β为稀疏度s与车流密度ρ的正相关系数；将稀疏度s作为随机种子广播至簇头节点，簇头节点广播至簇内节点。

3、簇内节点nj收到簇头信息后，根据稀疏随机测量矩阵φ的稀疏度s与自身id结合，随机生成测量矩阵φ的第j列φj：

生成方式为

4、簇内节点nj收集信息，判断φij，如果φij不为零，则发送节点信息φij·xj至簇头节点，否则不发送。

5、簇头节点收集信息y＝[y1,y2,...ym]^t，将数据发送至rsu。

6、rsu根据随机种子s以及节点的id重新生成测量矩阵，由测量矩阵以及收集的数据y恢复出感知信息。

7、rsu更新道路车流密度ρ以及稀疏随机测量矩阵φ的稀疏度s。

综上所述，本发明优点如下：

1)将压缩感知技术运用到车联网中，能够更快、更准确的对车流密度数据进行采集；

2)提出了一种压缩感知中追踪缩减补偿机制测量矩阵的构造方法，优化了随机测量矩阵，具有广泛的适应性。

附图说明

图1是本发明的流程图；

图2是本发明中以簇头为中心组建簇的示意图。

具体实施方法

本发明设计了一种基于车流密度的车联网数据收集方法，结合图1，数据收集的具体实施方法如下：

步骤一、进行簇的组建：

1、rsu发布请求消息，并且计算、广播分簇范围r：

其中μ(0＜μ＜1)为数据相关程度阈值，ρ为道路车流密度，α(α＞0)为权衡系数。

2、节点计算以r为半径的圆范围内节点的数目，节点数目最多为簇头，若节点间计算节点数一样多且距离小于r，则计算范围r内到各节点间的平均距离|rd|，|rd|最小者为簇头。

3、其他节点选择最近的簇头组建簇，簇头广播自身信息。

步骤二、进行数据的采集；

1、rsu为每个节点分配不同的id，广播并保存。

2、rsu计算稀疏随机测量矩阵φ的稀疏度s：

s＝βρ(1＜s＜3)(2)

其中β为稀疏度s与车流密度ρ的正相关系数；将稀疏度s作为随机种子广播至簇头节点，簇头节点广播至簇内节点。

4、簇内节点nj收到簇头信息后，根据稀疏随机测量矩阵φ的稀疏度s与自身id结合，随机生成测量矩阵φ的第j列φj：

4、簇内节点nj收集信息，判断φij，如果φij不为零，则发送节点信息φij·xj至簇头节点，否则不发送。

5、簇头节点收集信息y＝[y1,y2,...ym]^t，其中：

收集信息之后将数据发送至rsu。

6、rsu根据随机种子s以及节点的id重新生成测量矩阵，由测量矩阵以及收集的数据y恢复出感知信息。

7、rsu更新道路车流密度ρ以及稀疏随机测量矩阵φ的稀疏度s。

技术特征：

技术总结
本发明主要讲的是一种基于车流密度的车联网数据采集方法，其主要内容为：首先，根据RSU发出的挑选簇头并完成簇的组建，然后，用压缩感知的方法进行数据收集。其中要求通过多次迭代，来重新优化测量矩阵以及收集更多的信息。本发明通过优化压缩感知中的测量矩阵加速了车联网中的数据采集，具有广泛的适应性。

技术研发人员：田淑娟;邓湘洪;廖聪湘;廖祎;裴廷睿;李赛斯
受保护的技术使用者：湘潭大学
技术研发日：2018.11.07
技术公布日：2019.05.10