product model,wpm)对候选停放车辆进行评分。评分由每个判决要素的属性相乘决定，每个属性的权重以其乘幂的形式存在。对每个属性进行归一化处理，消除度量单位。将决策分数写为对数得分，则候选车辆pz分数表达式可以表示为：
[0008][0009]
引入距离影响因子：
[0010][0011]
其中，表示第k类poi与o路段的距离。表示距离小于pcrsu覆盖范围ls的poi区域类型合集。
[0012]
招募pcrsu的目标函数表示为：
[0013]
max logscore(pz)
[0014][0015]
其中，约束条件c1要求选中pcrsu的分数要比其他候选停放车辆的评分高。
[0016]
该问题求解可以划分为以下几步：
[0017]
1)收集距离向量使用k-means将距离向量分为km簇。
[0018]
2)获取所有路段平均停车时长通过kls进行聚类。
[0019]
3)形成距离影响因子和平均停车时间矩阵。
[0020]
4)根据停放车辆的位置计算停放位置的距离冲击向量。
[0021]
5)利用最小二乘法求出最佳系数。
[0022]
6)估计停放车辆的停放时间。
[0023]
7)最后，将车辆停放时间进行归一化处理，将其加入pz分数计算，判断pz[0024]
是否成为新的pcrsu。
[0025]
本发明的技术方法具有以下优点：
[0026]
本发明公开了一种基于路边停放车辆的rsu招募方法。所述方法包括：首先，将车辆类型与城市地图进行划分。其中，车辆被分为pcrsu备选停放车辆、pcrsu和用户车辆三类；城市地图则根据不同特征被划分为不同类型的poi区域。其次，根据车辆所在的位置，估算车辆的停放时间。最后，将车辆评分作为决策要素，选取分数最高的停放车辆作为pcrsu。本发明通过利用k-means聚类的方法估计车辆的停放时间对车辆进行招募，在覆盖情况几乎相同的情况下，减少系统需要切换的次数，增加了网络的稳定性，提升了系统正确传输的概率。
[0027]
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0028]
为了更清楚地说明本发明实施例或现有技术中的技术方法，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施
例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0029]
图1为一种基于路边停放车辆的rsu招募方法系统模型。
[0030]
图2为停放车辆覆盖地图。
[0031]
图3为停放时间权重与招募分数关系图。
[0032]
图4为不同停放区域车辆停放时间与切换次数的关系图。
[0033]
图5为系统正确传输概率随仿真时间的变化图。
具体实施方式
[0034]
本发明提出了一种基于路边停放车辆的rsu招募方法，下面结合附图，对实施例作详细说明。
[0035]
本发明的实施方式分为两个步骤，第一步为建立系统模型，第二步为算法的实施。建立的系统模型如图2所示，它和
技术实现要素：中对pcrsu招募系统模型的介绍完全对应。
[0036]
如图2所示，为新的停放车辆与该区域原有pcrsu的覆盖地图。本发明使用真实的北京市区地图进行仿真，选取北京朝阳门外大街作为仿真场景，面积为4平方公里。系统中的停放车辆都在路边停放或者停放于临街的停车场中，保证能够对街道行驶的车辆用户进行服务。系统中已经存在服务中的 pcrsu，要对新进入的停放车辆进行评分，判断其是否能成为新的pcrsu。根据车辆停放的poi区域类型不同，本发明选择三类停放车辆进行仿真。图中颜色越深表示覆盖信号强度越强。原有pcrsu停放于旺市百利停车场，覆盖地图为灰色所示。car1停放于北京朝阳医院附近停车场，覆盖地图为蓝色所示。car2停放于蓝岛大厦附近路边停车点，覆盖地图为棕色所示。car3停放于东大桥地铁站附近临时停车点，覆盖地图为绿色所示。
[0037]
本发明对三类不同停放区域的车辆分别进行研究，每类车辆进行100次重复实验，选取其中的平均值作为代表，绘制仿真图。本发明使用6小时作为仿真时间，保证车辆作为pcrsu进行服务后有足够的电量正常运行。
[0038]
从图3可以看出，随着停放时间权重w
tim
的增加，停放时间越久的车辆得分越高。当w
tim
设置为0.2时，评分会选择car1代表的一类停放时间最长的车辆作为pcrsu，但是继续增加w
tim
的比重，选择结果不再改变。
[0039]
图4为不同停放区域车辆停放时间与切换次数的关系图。随着仿真时间的增加，pcrsu的切换次数整体都在不断增加，这是因为停放车辆的离开对网络整体结构造成影响，进而更换停放车辆作为pcrsu。由表2和图4可以看出，本发明算法选择的pcrsu(car1)停放时间更长。由于pcrsu离开导致的网络切换时间相较其他两类车辆有所推迟，同时网络切换次数要明显少于停放时间较短的另外几类停放车辆。
[0040]
图5为系统正确传输概率随仿真时间的变化图。可以看出随着仿真时间增加，系统正确传输概率不断下降。这是因为随着仿真时间增加，系统切换次数增加。与其他方法相比，本发明提出的算法可以减少切换次数，增加正确传输概率，提升系统整体qos。
[0041]
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方法，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行
任意组合而形成的其它技术方法。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方法。
技术特征：1.本发明公开了一种基于路边停放车辆的rsu招募方法。本发明公开了一种基于路边停放车辆的rsu招募方法。所述方法包括：首先，将车辆类型与城市地图进行划分。其中，车辆被分为pcrsu备选停放车辆、pcrsu和用户车辆三类；城市地图则根据不同特征被划分为不同类型的poi区域。其次，根据车辆所在的位置，估算车辆的停放时间。最后，将车辆停放时间作为决策要素，选取分数最高的停放车辆作为pcrsu。本发明通过利用k均值(k-means)聚类的方法估计车辆的停放时间，将停放时间作为选择pcrsu的决策要素，对停放车辆进行招募。在覆盖情况几乎相同的情况下，减少系统需要切换的次数，增加了网络的稳定性，提升了系统正确传输的概率。2.根据权利要求1所述的pcrsu招募方法，其特征在于选择停放时间较久的车辆作为pcrsu，可以保证系统选择停放时间较长的车辆作为pcrsu，减少系统需要切换的次数，增加了网络的稳定性。3.该问题求解可以划分为以下几步：首先，收集距离向量使用k-means将距离向量分为k
m
簇。获取所有路段平均停车时长通过kls进行聚类。形成距离影响因子和平均停车时间矩阵。然后，根据停放车辆的位置计算停放位置的距离冲击向量，利用最小二乘法求出最佳系数。之后，估计停放车辆的停放时间。最后，将车辆停放时间进行归一化处理，将其加入p
z
分数计算，判断p
z
是否成为新的pcrsu。4.根据权利要求3所述的pcrsu招募方法，其特征在于选择评分最高的停放车辆作为pcrsu，可以为城市环境中的用户车辆提供更好的服务。其评分方式为：其中，为表征停放时间的变量，w
tim
为表示停放时间权重的系数。表示候选车辆p
z
所在poi区域可用的最佳信号强度的平均值。表示候选车辆p
z
所在poi区域的覆盖饱和度。表示候选车辆p
z
所在poi区域能够提供的覆盖范围。表示候选车辆p
z
消耗的能量以及它们与最大阈值的接近程度的度量。w
sig
,w
sat
,w
cov
,w
bat
分别为信号强度、覆盖饱和度、覆盖范围、车辆储能的权重。5.按照所述招募方式对候选停放车辆进行排序，最终选择分数最高的车辆成为pcrsu。
技术总结本发明公开了一种基于路边停放车辆的路边单元(Roadside Unit,RSU)招募方法。所述方法包括：首先，将车辆类型与城市地图进行划分。其中，车辆被分为停放路边单元(Parked Cars Roadside Unit，PCRSU)备选停放车辆、PCRSU和用户车辆三类；城市地图则根据不同特征被划分为不同类型的兴趣点(Point of Interest，POI)区域。其次，根据车辆所在的位置，估算车辆的停放时间。最后，将车辆停放时间作为决策要素，选取分数最高的停放车辆作为PCRSU。本发明通过利用K均值最小二乘法(K-means-based Least Square,KLS)聚类的方法估计车辆的停放时间，将停放时间作为选择PCRSU的决策要素，对停放车辆进行招募。在覆盖情况几乎相同的情况下，减少系统需要切换的次数，增加了网络的稳定性，提升了系统正确传输的概率。提升了系统正确传输的概率。
技术研发人员：秦鹏 和昊婷 王淼 王硕 武雪
受保护的技术使用者：华北电力大学
技术研发日：2021.12.30
技术公布日：2022/7/4
