-
公开(公告)号：CN108712287B
公开(公告)日：2020-12-29
申请号：CN201810493553.3
申请日：2018-05-22
Applicant: 同济大学
Abstract: 基于节点相似度的车联网社区发现方法。该方法首先研究VANET场景下社区模型，给出基于节点相似度的VANET社区发现方法；其次，依据RSU节点与VANET社区的连通强度，合理划分RSU节点社区归属，从而给出基于节点相似度有RSU基础设施的车联网社区发现方法。该方法可以有助于更好地定性和定量分析其网络结构、变化规律以及流量分布，对构建车联网数据转发路由策略和通达性方案具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN108712287A
公开(公告)日：2018-10-26
申请号：CN201810493553.3
申请日：2018-05-22
Applicant: 同济大学
Abstract: 基于节点相似度的车联网社区发现方法。该方法首先研究VANET场景下社区模型，给出基于节点相似度的VANET社区发现方法；其次，依据RSU节点与VANET社区的连通强度，合理划分RSU节点社区归属，从而给出基于节点相似度有RSU基础设施的车联网社区发现方法。该方法可以有助于更好地定性和定量分析其网络结构、变化规律以及流量分布，对构建车联网数据转发路由策略和通达性方案具有重要意义。
-
公开(公告)号：CN108650141B
公开(公告)日：2021-09-14
申请号：CN201810488727.7
申请日：2018-05-21
Applicant: 同济大学
Abstract: 一种基于车联网连通基的大规模网络通达性模型。考虑车联网网络节点冗余特性，给出了一种车联网网络拓扑结构，即车联网连通基,并利用启发式算法给出了连通基构造方法。从连通基内部结构属性和动态特性出发，结合平滑高斯‑半马尔科夫移动模型，证明了车联网大规模网络的连通性和稳定性，给出了车联网通达性理论模型，该理论模型可以对车联网高动态环境下的网络连通性以及稳定性进行准确评估，同时为网络层提供理论支撑，为应用层提供实时数据保障，使得车联网高动态网络环境下保持稳定持久的传输重要信息，例如交通事故信息、实时媒体数据等，具有重要的理论和实际应用价值。
-
公开(公告)号：CN109302696B
公开(公告)日：2021-04-30
申请号：CN201811001452.6
申请日：2018-08-30
Applicant: 同济大学
Abstract: 现有针对车联网的社区聚类方法多采用当前速度与行驶方向等预估车辆未来时刻位置来判断未来节点间保持连接的时长，并以此作为聚类依据之一以提高社区稳定性。但由于车辆未来时刻位置受多重因素影响，预估通信连接时间的准确度较低，导致车联网中的社区多呈现生命周期短，节点社区归属变化迅速的特点。同时，现有的车联网社区路由协议将社区中的关键节点作为转发的主要节点，造成关键节点负载过高的问题。本发明针对以上问题给出“车联网自组织网络的多角色分类社区聚类方法”，在社区聚类过程中考虑车辆未来时刻位置，并在社区中细化角色分配。社区属性以及社区节点角色定义包括社区属性，社区节点角色。社区聚类与角色分配方法包括社区形成，社区维护。
-
公开(公告)号：CN109302696A
公开(公告)日：2019-02-01
申请号：CN201811001452.6
申请日：2018-08-30
Applicant: 同济大学
Abstract: 现有针对车联网的社区聚类方法多采用当前速度与行驶方向等预估车辆未来时刻位置来判断未来节点间保持连接的时长，并以此作为聚类依据之一以提高社区稳定性。但由于车辆未来时刻位置受多重因素影响，预估通信连接时间的准确度较低，导致车联网中的社区多呈现生命周期短，节点社区归属变化迅速的特点。同时，现有的车联网社区路由协议将社区中的关键节点作为转发的主要节点，造成关键节点负载过高的问题。本发明针对以上问题给出“车联网自组织网络的多角色分类社区聚类方法”，在社区聚类过程中考虑车辆未来时刻位置，并在社区中细化角色分配。社区属性以及社区节点角色定义包括社区属性，社区节点角色。社区聚类与角色分配方法包括社区形成，社区维护。
-
公开(公告)号：CN108650141A
公开(公告)日：2018-10-12
申请号：CN201810488727.7
申请日：2018-05-21
Applicant: 同济大学
Abstract: 一种基于车联网连通基的大规模网络通达性模型。考虑车联网网络节点冗余特性，给出了一种车联网网络拓扑结构，即车联网连通基,并利用启发式算法给出了连通基构造方法。从连通基内部结构属性和动态特性出发，结合平滑高斯-半马尔科夫移动模型，证明了车联网大规模网络的连通性和稳定性，给出了车联网通达性理论模型，该理论模型可以对车联网高动态环境下的网络连通性以及稳定性进行准确评估，同时为网络层提供理论支撑，为应用层提供实时数据保障，使得车联网高动态网络环境下保持稳定持久的传输重要信息，例如交通事故信息、实时媒体数据等，具有重要的理论和实际应用价值。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
