一种适用于VANET网络的组合加权簇头选取方法技术

本发明专利技术公开了一种适用于VANET网络的组合加权簇头选取方法，包括根据VANET节点位置信息确定虚拟簇头；选取分簇算法的评价指标集；各节点在通信范围内以广播方式报告与分簇指标相关的自身信息；计算各节点分簇指标的信息熵和动态熵值权重；将

A combined weighted cluster head selection method for VANET networks

The invention discloses a method for selecting combined weighted cluster head for VANET network, including the virtual cluster head node VANET is determined according to the position information; selecting evaluation index clustering algorithm set; each node in the communication area to broadcast reports associated with the clustering index information; calculating the information entropy and dynamic entropy weight each node cluster index will;

【技术实现步骤摘要】
一种适用于VANET网络的组合加权簇头选取方法
本专利技术属于通信
，涉及车载自组网的一种分簇方法，具体指一种适用于车载自组网络的组合加权簇头选取方法。
技术介绍
车载自组网VANET(VehicularAdHocNetworks)是移动自组网MANET(MobileAdHocNetworks)的一种特殊形式，它通过对车-车、车-地之间的通信，实现为道路安全、交通管理以及舒适性应用等提供支持。美国FCC已将5850～5925MHz之间的75MHz频段分配给车载自组网应用，称为DSRC(DedicatedShortRangeCommunications)。分簇算法已经被证明是管理车载自组网网络资源的有效方法。因此，一个稳定的分簇结构对整个网络的性能会有直接的影响。基于分簇的车载自组网网络结构能够更加便捷地管理网络开销，有效提高网络资源的利用效率。现有关于车载自组网分簇算法的研究都主要是基于权值的分簇算法研究，其权重的计算是根据不同因素指标的重要程度来确定的。车载自组网是一个动态的过程，各因素的相对重要程度是处于一种动态的变化过程中，基于熵值法的权重计算方法虽然具有较强的理论依据，是一种较好的客观赋权方法。但是熵值法确定各因素的权重仅仅依赖于某一时刻各节点之间各因素值的差异程度，在计算各因素权重的过程中并没有考虑到网络的稳定性，所以这种方法论并不能很好的确定动态网络各因素的权重。根据GPS等定位装置在车辆上的普遍配置，基于位置信息的分簇方法引起了研究人员的密切关注，如基于网格分簇的GAF(GeographicalAdaptiveFidelityalgorithm)算法，节点利用GPS来确定位置，网络拓扑可以通过节点位置信息来初步确定，通过网格规划计算得到某组节点的虚拟质心作为簇头；但此算法所生成的簇的形状为正方形，在同样覆盖面积情况下减少了簇的数目。LACA(locationawareclusteringalgorithm)算法以距离R为半径的圆形区域作为模型，确定虚拟簇头进行网络规划，由于簇结构是正六边形结构，是最接近无线通信理想覆盖模型的分簇算法，但LACA主要针对无线传感器网络WSN(WirelessSensorNetwork)设计，未考虑节点移动性问题。因此，在实施本专利技术之前现有车载自组网VANET基于熵值法的分簇方法并未考虑网络的动态特性，不能很好的反映网络的真实分布，存在网络簇头选取不合理、分簇结构不稳定的技术问题，直接影响整个网络的性能。
技术实现思路
针对上述技术问题，本专利技术提供了一种适用于VANET网络的组合加权簇头选取方法。本专利技术通过以下技术方案来实现上述目的：一种适用于VANET网络的组合加权簇头选取方法，包括以下步骤：a、以距离R为半径的圆形区域作为模型，进行网络规划以确定虚拟簇头，通过位置算法得到网络中其它节点的位置信息，并根据虚拟簇头的位置将邻近的节点划分到与虚拟簇头相对应的簇中；b、选取分簇算法的评价指标集其中，Dv为节点度，表示节点距虚拟簇头的距离，Cstab表示节点移动性，Ev表示节点能耗；c、令车载自组网中各节点在其通信范围内以广播方式报告与分簇指标相关的自身信息；则在某一时刻，每个网络节点均记录有m(m≥1)条消息；根据所获得的信息，计算各节点4个分簇指标的信息熵和动态熵值权重，并由动态熵值权重得到节点的动态熵值权重向量；d、将N个节点的动态熵值权重向量进行任意线性组合，得到多节点动态熵值权重向量，以提高多属性权重赋值的科学性和客观性；e、结合主观权重(S[SA,SB,SC,SD])与多节点动态熵值权重w[wA,wB,wC,wD]，得到组合权重；f、选取具有最小组合权重值W的节点为簇头节点，若具有最小组合权重值W的节点个数多于1个时，则其中Cstab值最小的节点为簇头节点。作为本案的优化方案，所述步骤c中节点分簇指标的信息熵和动态熵值权重的计算方法具体为：令EiD表示节点i的分簇指标D的信息熵，则：EiD＝-(ln2)-1(PiD_minlnPiD_min+PiD_maxlnPiD_max)(1)式中，PiD_min和PiD_max分别为式中，ViD_min和ViD_max分别表示节点i的分簇指标D取值范围的下界值和上界值(0≤ViD_min≤ViD_max)，其值由节点i所接收的广播消息可得；由此可计算出节点i的分簇指标D的动态熵值权重：其中，Eia、EiB、EiC分别为节点i的分簇指标A、B、C所对应的信息熵；同样地，可分别求出节点i的分簇指标A、B、C所对应的动态熵值权重wiA、wiB和wiC，它们满足如下约束条件：由上式(5)可得节点i的动态熵值权重向量：wi[wiA,wiB,wiC,wiD]。作为本案的优化方案，所述步骤d中多节点动态熵值权重向量的取得包括组合系数的优化，具体包括以下步骤：将N个节点的动态熵值权重向量进行任意线性组合，得到多节点动态熵值权重向量为：其中，αi(i＝1,2,…N)为组合系数；为了在多节点权重向量w*中找到最优的权重向量w，对上式(6)中的N个线性组合系数αi进行优化，优化的目标是使得w*与各wi的离差极小化，为此，可建立如下对策模型：上式给出的对策模型是二阶范数，因涉及开根号，不易作偏导数求系数αi，故将其转换为二阶范数的平方，即：上式(8)对αi(i＝1,2,…N)求偏导得：令上式(9)等于0，即：则有用如下的线性方程组来表示上式(11)：可求得组合系数(α1,α2,...,αN)，进一步地，可得离差极小化时的多节点动态熵值权重向量为：作为本案的优化方案，所述步骤e中，结合主观权重(S[SA,SB,SC,SD])与多节点动态熵值权重w[wA,wB,wC,wD]，可得到组合权重为：W(WA,WB,WC,WD)＝β1S+β2w(13)其中，SA，SB，SC，SD分别为指标A，B，C，D的主观权重，其值根据VANET网络在不同场景中的应用进行设置；β1、β1为组合权重系数，其满足：β1+β2＝10≤β1≤1,0≤β2≤1(14)则节点i的每个分簇指标的组合权重可表示为：作为本案的优化方案，所述步骤a中，车载自组网中每个节点通过节点定位装置获得节点的位置信息，将位于正六边形簇结构中心的某个点预设为虚拟簇头v*，然后通过位置算法得到网络中其它节点的位置信息，并根据虚拟簇头的位置将邻近的节点划分到与虚拟簇头相对应的簇中。本专利技术的有益效果是：1、采用了动态熵值组合方法，把网络的动态特性纳入到权重计算过程中；不仅考虑了某一时刻节点之间各因素值即指标值的差异程度，而且考虑了同一节点当前时刻与先前时刻各因素值的差异程度，使权重的计算更加接近网络的真实分布，簇头的选取更为合理，由此形成的分簇结构更加稳定；2、针对带有偏好的指标权重只能反映分簇决策者的意向，而熵值法确定的指标权重虽具有较强的数学理论依据，但缺乏对决策者意向的考虑；本方法结合主客观权重因素的组合加权分簇权重计算方法，既可反映决策者的偏好，又有效提高了权重分配的合理性。具体实施方式下面将对本专利技术及其效果作进一步阐述。一种适用于VANET网络的组合加权簇头选取方法，首先，选定节点度、节点距虚拟簇头的距离、节点移动性、节点能耗作为分簇加权指标，根据车载自组网中某个节点某时刻所得到本文档来自技高网...

【技术保护点】
一种适用于VANET网络的组合加权簇头选取方法，其特征在于，包括以下步骤：a、以距离R为半径的圆形区域作为模型，进行网络规划以确定虚拟簇头，通过位置算法得到网络中其它节点的位置信息，并根据虚拟簇头的位置将邻近的节点划分到与虚拟簇头相对应的簇中；b、选取分簇算法的评价指标集

【技术特征摘要】
1.一种适用于VANET网络的组合加权簇头选取方法，其特征在于，包括以下步骤：a、以距离R为半径的圆形区域作为模型，进行网络规划以确定虚拟簇头，通过位置算法得到网络中其它节点的位置信息，并根据虚拟簇头的位置将邻近的节点划分到与虚拟簇头相对应的簇中；b、选取分簇算法的评价指标集其中，Dv为节点度，表示节点距虚拟簇头的距离，Cstab表示节点移动性，Ev表示节点能耗；c、令车载自组网中各节点在其通信范围内以广播方式报告与分簇指标相关的自身信息；则在某一时刻，每个网络节点均记录有m(m≥1)条消息；根据所获得的信息，计算各节点4个分簇指标的信息熵和动态熵值权重，并由动态熵值权重得到节点的动态熵值权重向量；d、将N个节点的动态熵值权重向量进行任意线性组合，得到多节点动态熵值权重向量，以提高多属性权重赋值的科学性和客观性；e、结合主观权重(S[SA，SB，SC，SD])与多节点动态熵值权重w[wA，wB，wC，wD]，得到组合权重；f、选取具有最小组合权重值W的节点为簇头节点，若具有最小组合权重值W的节点个数多于1个时，则其中Cstab值最小的节点为簇头节点。2.根据权利要求1所述的适用于VANET网络的组合加权簇头选取方法，其特征在于：所述步骤c中节点分簇指标的信息熵和动态熵值权重的计算方法具体为：令EiD表示节点i的分簇指标D的信息熵，则：EiD＝-(ln2)-1(PiD_minlnPiD_min+PiD_maxlnPiD_max)(1)式中，PiD_min和PiD_max分别为式中，ViD_min和ViD_max分别表示节点i的分簇指标D取值范围的下界值和上界值(0≤ViD_min≤ViD_max)，其值由节点i所接收的广播消息可得；由此可计算出节点i的分簇指标D的动态熵值权重：其中，Eia、EiB、EiC分别为节点i的分簇指标A、B、C所对应的信息熵；同样地，可分别求出节点i的分簇指标A、B、C所对应的动态熵值权重wiA、wiB和wi...

【专利技术属性】
技术研发人员：谢健骊，李翠然，穆聪，邵军花，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：甘肃,62