基于移动云模型的车载传感网交通突发事件分发算法研究

Vehicular Sensor Networks is one of the most effective means to distribute the traffic incident information. The real-time traffic incident information distributing can alleviate traffic congestion and avoid the secondary accident efficiently. According to the limitation of the node mobility models and node state estimation in Vehicular Sensor Networks, we construct the realistic path and environmental constraint map matching algorithm and node mobile cloud model based on the cloud theory, and design the efficient routing algorithm to achieve the real-time distribution of traffic incident information. The main research contents include Proposed the global map matching algorithm combining the road constraint, to realize the high precision trajectory estimation of VSN mobile node;Proposed the multidimensional cloud model which can effectively predict the mobile VSN node mobile state ,to characterize the node mobility strategy and movement rules;Proposed the VSN node information forwarding utility model and routing algorithm, to achieve real-time traffic incident information collection and distribution. The results will provide a theoretical basis and aid decision making for real-time dynamic traffic assignment and traffic dispersion. It has important science significance and application value.

利用车载传感网高效地分发并使交通参与者实时获知交通突发事件信息，可有效缓解交通拥堵、避免二次事故发生。针对现有车载传感器网络节点移动模型在节点状态估计方面的局限性，将基于云理论构建适合现实道路约束及环境因素的地图匹配算法和节点移动云模型，设计交通事件分发的高效路由算法，最终实现实时的交通事件分发。本课题以城市道路交通为背景，研究方法以理论和实验并重，拟提出融合道路约束的全局地图匹配算法, 实现对VSN节点移动轨迹高精度估计；提出能有效预测VSN节点移动状态的多维移动云模型，并用于表征节点移动策略及移动规律；提出VSN节点信息转发效用模型及高效的VSN路由算法，通过节点试制和实验，实现交通突发事件数据实时收集和分发。研究成果将为实时动态交通流分配提供理论依据，为交通疏导提供智能的辅助决策，具有十分重要的科学意义和应用价值。

利用车载传感网高效地分发并使交通参与者实时获知交通突发事件信息，可有效缓解交通拥堵、避免二次事故发生。本课题通过理论分析、仿真和实验研究，针对现有车载传感器网络节点移动模型在节点状态估计方面的局限性，分析了车载网节点移动过程中的不确定性，提出了5类不确定性指标，指标涵盖了影响节点移动的驾驶员差异、道路条件、交通条件和气候条件，利用云模型的划分，最大程度地包含了影响因素的模糊性和不确定性，完成了指标定性分析与定量描述之间的转换，真实表征节点移动特性。提出了云模型的地图匹配算法，根据影响匹配的因素，设计出多维路径云决策器与多条件单规则云推理知识库；给出了车辆在直线段、拐点段等不同道路状况下，基于云模型的地图匹配算法结果，还原节点真实移动轨迹。修正了车载传感网节点的移动状态，将车辆移动过程中的不确定性指标引入智能驾驶员模型，对相对速度、相对位置、反应时间、期望速度和安全跟车时距进行修正，拓展了模型的描述能力，建立了基于云模型的改进智能驾驶员模型。结合网络仿真软件与交通流仿真软件，对路由协议进行仿真，分析了路由协议性能，提高了在交通运行环境复杂时的通信链路的稳定性。设计了车载传感网节点通讯模块，实现了车载移动路由协议。研究成果可实现实时动态交通突发事件分发，为交通诱导提供智能的辅助决策。