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