论文部分内容阅读
随着无线通信的迅猛发展和移动电子设备的广泛使用,车联网正在从未来美好愿景变成可实现的技术,致力于减少事故的发生并且提升道路的使用效率。由于车辆的移动性和拥堵的发生,道路上车辆的空间特性变化十分快速,使得车辆位置空间建模非常困难。在车联网中,路边单元(Roadside Unit,RSU)作为需要额外部署的设备,其部署的效率受到了学术和工业界的广泛关注。基于此,本文主要研究基于随机几何的车辆空间建模和RSU部署的选址问题,以及车联网演进到智能交通场景下的车辆资源管理。具体的研究内容如下:车辆到车辆(Vehicle to Vehicle,V2V)的通信性能主要受到通信链路的影响,而通信链路又受到车辆自组织网络(vehicular Ad Hoc Networks,VANETs)的拓扑特性的控制。为了分析V2V通信的性能,准确的车辆空间建模是非常重要的。本文利用两个城市的出租车轨迹数据,对车辆的随机位置进行空间点过程建模。本文通过比较不同采样方法的结果,建立了点的空间相关性。进一步运用最小对比方法验证了对数高斯混合过程(Log Gaussian Cox Process,LGCP)模型能准确地表征随机车辆位置。在车辆到设备(Vehicle to Infrastructure,V2I)通信中,RSU是收集和传播信息的关键组件。RSU的部署效率是V2I通信中的一个重要问题。本文基于车辆的空间点模型,对车辆的连通性进行了分析。进一步,在保证设备和车辆连通性的前提下,实现RSU部署数量最小化。本文将RSU的部署问题分为两个步骤:第一步是通过深度搜索和K-Means聚类选择地图中的一些位置作为部署RSU的备选位置;第二步是选择部分备选位置部署RSU,保证了车辆与RSU的连通性,并最小化了部署开销。基于V2V通信技术和V2I通信技术,传统交通系统向智能交通演进。自动驾驶汽车(Autonomous Vehicles,AVs)的出现可能会大幅改变未来的智能交通。为了在AVs服务中提供最佳的用户体验,本文考虑了等待时间和供应匹配两个主要因素。为了简化排队问题同时提高准确度,本文首次将网络积分(Network Calculus,NC)应用于车辆排队问题。进一步,本文对各个地理区域的车辆资源进行管理,采用二分图匹配来实现资源最优配置。最后表明,自主车的优化可以成功实现并拥有比人类驾驶车辆更优的效率。