[發(fā)明專利]一種基于遺傳蟻群混合算法的車聯(lián)網(wǎng)路側(cè)單元部署方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010713411.0
• 申請(qǐng)日: 2020-07-22
• 公開（公告）號(hào): CN111915889A
• 公開（公告）日: 2020-11-10
• 發(fā)明（設(shè)計(jì)）人: 李麗君;王飛;鄧文亮;梅瓊珍
• 申請(qǐng)（專利權(quán)）人: 重慶理工大學(xué)
• 主分類號(hào): G08G1/01
• 分類號(hào): G08G1/01;G08G1/123;G06N3/00
• 代理公司: 北京國(guó)坤專利代理事務(wù)所(普通合伙) 11491
• 代理人: 趙紅霞

1.一種基于遺傳蟻群混合算法的車聯(lián)網(wǎng)路側(cè)單元部署方法，其特征在于，所述基于遺傳蟻群混合算法的車聯(lián)網(wǎng)路側(cè)單元部署方法包括：

步驟一，數(shù)據(jù)獲取模塊獲取車輛的軌跡數(shù)據(jù)以及地圖數(shù)據(jù)；模型構(gòu)建模塊基于獲取的地圖數(shù)據(jù)生成網(wǎng)格圖，并建立路網(wǎng)模型；

所述路網(wǎng)模型建立方法包括：

(1)獲取車輛的軌跡數(shù)據(jù)、地圖數(shù)據(jù)以及網(wǎng)格圖；

(2)以距離路網(wǎng)模型中交叉口位置的中心點(diǎn)為圓心，以不小于交叉口位置的總寬度為半徑做圓，分別與當(dāng)前交叉口中心連接的各個(gè)路段相交，該交點(diǎn)位置即為新節(jié)點(diǎn)，新節(jié)點(diǎn)的數(shù)量與相應(yīng)交叉口所連接的路段數(shù)量相等；

(3)分別用曲線連接相鄰兩個(gè)路段上的新節(jié)點(diǎn)，若兩個(gè)相鄰路段之間不通，則刪去距離路網(wǎng)模型中已有的交叉口直線，保留新節(jié)點(diǎn)連接后的曲線，按照順序依次為距離路網(wǎng)模型中的所有交叉口進(jìn)行編號(hào)；按照順序依次為距離路網(wǎng)模型中的所有路段進(jìn)行編號(hào)；即可得到相應(yīng)的路網(wǎng)模型；

步驟二，參數(shù)設(shè)定模塊設(shè)定部署參數(shù)；

步驟三，數(shù)據(jù)計(jì)算模塊利用遺傳蟻群混合算法基于設(shè)定的部署參數(shù)計(jì)算達(dá)到參數(shù)要求的條件下最少部署數(shù)量和最佳部署位置的部署方案，具體包括：

1)進(jìn)行參數(shù)初始化；

2)進(jìn)行種群個(gè)體編碼；

3)使用貪心算法產(chǎn)生初始種群P，隨機(jī)產(chǎn)生多個(gè)初始部署方案；

4)更新此代的累積信息素；

5)計(jì)算每個(gè)路段的適應(yīng)值；

6)按交叉概率選擇古代，依據(jù)信息素大小進(jìn)行交叉，根據(jù)子代更新累積信息素；

7)進(jìn)行變異操作以及局部?jī)?yōu)化，進(jìn)行最優(yōu)解搜索，確定最少部署數(shù)量和最佳部署位置的部署方案；

步驟四，存儲(chǔ)模塊利用數(shù)據(jù)庫(kù)進(jìn)行相應(yīng)數(shù)據(jù)的存儲(chǔ)；顯示模塊顯示車輛軌跡數(shù)據(jù)、生成的網(wǎng)格圖以及最終部署方案。

2.如權(quán)利要求1所述基于遺傳蟻群混合算法的車聯(lián)網(wǎng)路側(cè)單元部署方法，其特征在于，步驟一中，數(shù)據(jù)獲取模塊獲取車輛的軌跡數(shù)據(jù)以及地圖數(shù)據(jù)時(shí)，通過(guò)采用圓盤通信模型的通信網(wǎng)絡(luò)進(jìn)行通信，以i和j為端點(diǎn)的路段e(i，j)的數(shù)據(jù)時(shí)延t(i，j)表示為

其中，t_hop為數(shù)據(jù)的一跳傳輸時(shí)延，為數(shù)據(jù)包大小，s為數(shù)據(jù)傳輸帶寬。

3.如權(quán)利要求1所述基于遺傳蟻群混合算法的車聯(lián)網(wǎng)路側(cè)單元部署方法，其特征在于，步驟(2)中，所述圓的直徑為當(dāng)前交叉口的總寬度。

4.如權(quán)利要求1所述基于遺傳蟻群混合算法的車聯(lián)網(wǎng)路側(cè)單元部署方法，其特征在于，所述步驟(3)還包括：若兩個(gè)相鄰路段之間相同，則保留距離路網(wǎng)模型中已有的交叉口直線。

5.如權(quán)利要求1所述基于遺傳蟻群混合算法的車聯(lián)網(wǎng)路側(cè)單元部署方法，其特征在于，步驟二中，參數(shù)設(shè)定模塊設(shè)定部署參數(shù)時(shí)，對(duì)參數(shù)進(jìn)行自動(dòng)優(yōu)化，所述自動(dòng)優(yōu)化方法具體為：

a、讀取參數(shù)均衡器中的控制參數(shù)；

b、設(shè)置其中一個(gè)控制參數(shù)的調(diào)整范圍及調(diào)整步長(zhǎng)，以確定出該控制參數(shù)的最大調(diào)整次數(shù)；

c、計(jì)算調(diào)整范圍中各控制參數(shù)值的濾波器性能參數(shù)及其頻率響應(yīng)；

d、選擇一最優(yōu)控制參數(shù)值，使其頻率響應(yīng)值與預(yù)設(shè)參數(shù)最接近。

6.如權(quán)利要求5所述基于遺傳蟻群混合算法的車聯(lián)網(wǎng)路側(cè)單元部署方法，其特征在于，步驟1)中，所述參數(shù)包括：

遺傳算法種群大小，變異算子參數(shù)pm，交叉算子參數(shù)pc，信息素啟發(fā)因子α，期望啟發(fā)因子β，信息素?fù)]發(fā)因子ρ，尋找下一個(gè)節(jié)點(diǎn)的閥值概率p0；初始化遺傳算法迭代次數(shù)n和蟻群算法的迭代次數(shù)m。