李立　張修軍

摘 要： 為了提高大型車聯(lián)網(wǎng)數(shù)據(jù)庫檢索的查準率，提出一種基于模糊數(shù)據(jù)聚類的大型車聯(lián)網(wǎng)數(shù)據(jù)庫高效查詢技術(shù)。分析大型車聯(lián)網(wǎng)的網(wǎng)絡分布式結(jié)構(gòu)和數(shù)據(jù)結(jié)構(gòu)，對大型車聯(lián)網(wǎng)數(shù)據(jù)庫的數(shù)據(jù)信息流進行特征空間重組，采用關(guān)聯(lián)語義融合方法進行數(shù)據(jù)庫檢索的特征量提取，結(jié)合模糊C均值聚類算法對提取的大型車聯(lián)網(wǎng)數(shù)據(jù)庫的語義本體特征進行分類檢索，實現(xiàn)數(shù)據(jù)庫的高效查詢。仿真結(jié)果表明，采用該方法進行大型車聯(lián)網(wǎng)數(shù)據(jù)庫查詢的查準率和查全率較高，查詢過程的收斂性較好。

關(guān)鍵詞： 車聯(lián)網(wǎng)； 數(shù)據(jù)庫； 查詢技術(shù)； 信息融合

中圖分類號： TN711?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2017）22?0060?03

Abstract： In order to improve the retrieval precision ratio of large vehicle networking database， a large vehicle networking database query technology based on fuzzy data clustering is presented. The network distributed structure and data structure of large vehicle networking are analyzed. The feature space reorganization of information flow for large vehicle networking database is conducted. The associated semantic fusion method is used to perform feature extraction of database retrieval. The classification retrieval for the extracted semantic ontology features from large vehicle networking database is carried out in combination with fuzzy C means clustering algorithm to realize efficient query of the database. The simulation results show that the method has high the precision ratio and high recall ratio for large vehicle networking database query， and excellent convergence in the query process.

Keywords： vehicle networking； database； query technology； information fusion

0 引 言

隨著網(wǎng)絡信息技術(shù)的發(fā)展，采用物聯(lián)網(wǎng)技術(shù)將車輛與車輛聯(lián)網(wǎng)，通過GPS、RFID、傳感器等裝置進行車輛的信息采集，通過計算機技術(shù)，將這些大量車輛的實時信息輸入到中央處理器的數(shù)據(jù)庫中進行分析和處理，實現(xiàn)信息互通共享，為車輛規(guī)劃最佳路線，避免交通擁堵，并實時報告路況信息，這樣的網(wǎng)絡稱為車聯(lián)網(wǎng)（Internet of Vehicles）。車聯(lián)網(wǎng)絡分為三層體系結(jié)構(gòu)，分別為端系統(tǒng)、管系統(tǒng)、云系統(tǒng)[1]。在車聯(lián)網(wǎng)的云構(gòu)架系統(tǒng)中，海量的車輛信息存儲在車聯(lián)網(wǎng)的數(shù)據(jù)庫中，圍繞車輛的監(jiān)控和管理進行數(shù)據(jù)匯聚、計算、調(diào)度，組成一個云架構(gòu)的車輛運行信息平臺。

為了提高車聯(lián)網(wǎng)數(shù)據(jù)庫計算、調(diào)度、監(jiān)控、管理能力，需要進行數(shù)據(jù)庫的高效查詢設計，研究車聯(lián)網(wǎng)數(shù)據(jù)庫的高效查詢技術(shù)，在4S店、車管、保險、緊急救援、打車軟件的移動互聯(lián)網(wǎng)通信領域都具有很好的應用價值[2]。針對傳統(tǒng)的大型車聯(lián)網(wǎng)數(shù)據(jù)庫查詢模型的收斂性不好，查準率不高的問題，本文提出一種基于模糊數(shù)據(jù)聚類的大型車聯(lián)網(wǎng)數(shù)據(jù)庫高效查詢技術(shù)，通過查詢算法設計和實際的車聯(lián)網(wǎng)數(shù)據(jù)庫查詢仿真分析，展示了本文設計的數(shù)據(jù)庫查詢方法的高效性和準確性。

1 大型車聯(lián)網(wǎng)數(shù)據(jù)分布結(jié)構(gòu)與數(shù)據(jù)預處理

1.1 網(wǎng)絡分布式結(jié)構(gòu)分析

為了實現(xiàn)大型車聯(lián)網(wǎng)數(shù)據(jù)庫的高效查詢，首先進行大型車聯(lián)網(wǎng)的網(wǎng)絡分布式結(jié)構(gòu)分析和數(shù)據(jù)結(jié)構(gòu)分析，采用車輛自組織網(wǎng)絡（Vehicular Ad Hoc Networks， VANETs）結(jié)構(gòu)模型構(gòu)建車聯(lián)網(wǎng)的節(jié)點分布模型[3]。車聯(lián)網(wǎng)中的車輛節(jié)點通過RFID自動獲取自己的位置信息。簇頭根據(jù)車載GPS將數(shù)據(jù)上傳到車聯(lián)網(wǎng)數(shù)據(jù)中。簇內(nèi)通信節(jié)點把相似/相近的數(shù)據(jù)回復給簇頭。構(gòu)建車聯(lián)網(wǎng)節(jié)點分布式結(jié)構(gòu)模型如圖1所示。

1.2 數(shù)據(jù)信息流特征空間重組

對大型車聯(lián)網(wǎng)數(shù)據(jù)庫的數(shù)據(jù)信息流進行特征空間重組，在大型車聯(lián)網(wǎng)數(shù)據(jù)庫存儲結(jié)構(gòu)模型中進行查詢數(shù)據(jù)信息流模型構(gòu)建[4]，采用標量時間序列表示大型車聯(lián)網(wǎng)數(shù)據(jù)庫的存儲數(shù)據(jù)信息流為：

2 數(shù)據(jù)庫查詢實現(xiàn)

2.1 關(guān)聯(lián)語義融合

在上述進行了大型車聯(lián)網(wǎng)數(shù)據(jù)分布結(jié)構(gòu)分析與數(shù)據(jù)預處理的基礎上，進行數(shù)據(jù)庫查詢設計。本文提出一種基于模糊數(shù)據(jù)聚類的大型車聯(lián)網(wǎng)數(shù)據(jù)庫高效查詢技術(shù)。采用關(guān)聯(lián)語義融合方法進行數(shù)據(jù)庫檢索的特征量提取，用[Wx（t，v）]表示大型車聯(lián)網(wǎng)數(shù)據(jù)庫中的關(guān)聯(lián)語義本體模型，對數(shù)據(jù)庫中的關(guān)聯(lián)數(shù)據(jù)進行語義加權(quán)處理[7]，得到數(shù)據(jù)庫查詢的二維插值擬合表達式為：

3 仿真結(jié)果分析

本文對大型車聯(lián)網(wǎng)數(shù)據(jù)庫查詢的仿真實驗采用Matlab 7軟件設計，數(shù)據(jù)庫服務器使用MySQL，基于RFID技術(shù)進行車聯(lián)網(wǎng)中的車輛信息采樣，對車聯(lián)網(wǎng)數(shù)據(jù)庫中內(nèi)部存儲的信息進行分類查詢。數(shù)據(jù)庫查詢的持續(xù)時間T=100 s，迭代次數(shù)設定為1 000次，查詢的時間間隔為1.25 s，特征空間重構(gòu)的時間窗口系數(shù)[τ]為0.21。根據(jù)上述仿真環(huán)境和參數(shù)設定，進行數(shù)據(jù)庫查詢仿真分析，首先進行數(shù)據(jù)流信息采樣，采樣率設定為15 kHz，得到采樣的數(shù)據(jù)信息流如圖3所示。

4 結(jié) 語

本文提出一種基于模糊數(shù)據(jù)聚類的大型車聯(lián)網(wǎng)數(shù)據(jù)庫高效查詢技術(shù)。對大型車聯(lián)網(wǎng)數(shù)據(jù)庫的數(shù)據(jù)信息流進行特征空間重組，采用關(guān)聯(lián)語義融合方法進行數(shù)據(jù)庫檢索的特征量提取，結(jié)合模糊C均值聚類算法對提取的大型車聯(lián)網(wǎng)數(shù)據(jù)庫的語義本體特征進行分類檢索，實現(xiàn)數(shù)據(jù)庫的高效查詢。采用該方法進行大型車聯(lián)網(wǎng)數(shù)據(jù)庫查詢的查準率和查全率較高，查詢過程的收斂性較好，滿足高效查詢要求。

參考文獻

[1] 胡榮娜，郭愛煌.車聯(lián)網(wǎng)中基于功率控制的傳輸可靠性算法[J].計算機應用，2015，35（6）：1523?1526.

[2] 張秋實.分散控制系統(tǒng)中數(shù)據(jù)庫的應用研究[J].計算機仿真，2013，30（11）：104?107.

[3] 王利，楊征，李洋.特征聚合的遙感圖像數(shù)據(jù)庫檢索技術(shù)[J].激光雜志，2016，37（6）：78?81.

[4] 孟祥福，嚴麗，馬宗民，等.基于語義相似度的數(shù)據(jù)庫自適應查詢松弛方法[J].計算機學報，2011，34（5）：812?824.

[5] 寇月，申德榮，李冬，等.一種基于語義及統(tǒng)計分析的Deep Web實體識別機制[J].軟件學報，2008，19（2）：194?208.

[6] 潘穎，湯庸，劉海.基于關(guān)系數(shù)據(jù)庫的極松散結(jié)構(gòu)數(shù)據(jù)模型的訪問控制研究[J].電子學報，2012，40（3）：600?606.

[7] 林楠，史葦杭.基于多層空間模糊減法聚類算法的Web數(shù)據(jù)庫安全索引[J].計算機科學，2014，41（10）：216?219.

[8] 鄧志剛，曾國蓀，譚云蘭，等.云存儲內(nèi)容分發(fā)網(wǎng)絡中的能耗優(yōu)化方法[J].計算機應用，2016，36（6）：1515?1519.

[9] 李永剛，張治中，李龍江.一種WLAN與eHRPD系統(tǒng)間負載均衡算法[J].微電子學與計算機，2017，34（1）：44?47.endprint