車聯(lián)網中繼車輛行為研究
物聯(lián)網(IoT)的演變導致車聯(lián)網(IoV)的出現。在IoV中,車輛與車輛彼此連接,進而共享信息,形成一個車載自組織網絡(VANET)。VANET能夠給乘員提供安全和娛樂。但是與其它無線網絡相比,如無線傳感器網絡(WSN)或無線網格網絡(WMN),VANET中的節(jié)點是高度動態(tài)的。由于拓撲結構的變化,IoV的數據存儲庫具有時空性質,因為其包含了與交通有關的數據,這些數據在時間和空間上依賴于大量相互連接的車輛。收集到的車輛數據尺寸、體積和維數隨著時間變化,這需要大量的存儲和計算過程。因此,在IoV中所面臨最大的挑戰(zhàn)是處理上述大量數據,并在中繼車輛的幫助下送達目的車輛,完成車與車(V2V)的通信,且在這種環(huán)境下信息的成功傳遞很大程度上取決于中繼車輛的行為。
本文基于貝葉斯聯(lián)盟博弈(BCG)和學習自動機(LA)分析中繼車輛在車聯(lián)網中合作和非協(xié)作環(huán)境下的行為。在該方案中,將IoV中的所有互聯(lián)車輛作為一個環(huán)境,每個車輛作為一個參與者,根據環(huán)境輸入信息更新其行動概率。同時考慮到IoV車輛的動態(tài)性,引入貝葉斯聯(lián)盟博弈的獎勵和懲罰函數,若參與者使用學習自動機執(zhí)行了學習算法后根據周邊環(huán)境信息確定本參與者處于獎勵狀態(tài),則可更新其行動概率,否則概率保持不變。應用納什均衡(NE)對非協(xié)作環(huán)境下的行為概率進行分析。
對使用了貝葉斯聯(lián)盟博弈和學習自動機的車聯(lián)網進行績效評估和分析。IoV環(huán)境包含500輛車,每一輛車以40~60km/h的速度行駛。研究結果表明,納什均衡概率在信息完整的情況下比信息不完整的情況下更大;吞吐量在信息完整的情況下比信息不完整的情況下更大。綜上,本文利用BCG和LA分析了中繼車輛在車聯(lián)網中的行為。
刊名:Energy(英)
刊期:2014年第65期
作者:Neeraj Kumar et al
編譯:王瑩