车联网中继车辆行为研究

车联网中继车辆行为研究

物联网（IoT）的演变导致车联网（IoV）的出现。在IoV中，车辆与车辆彼此连接，进而共享信息，形成一个车载自组织网络（VANET）。VANET能够给乘员提供安全和娱乐。但是与其它无线网络相比，如无线传感器网络（WSN）或无线网格网络（WMN），VANET中的节点是高度动态的。由于拓扑结构的变化，IoV的数据存储库具有时空性质，因为其包含了与交通有关的数据，这些数据在时间和空间上依赖于大量相互连接的车辆。收集到的车辆数据尺寸、体积和维数随着时间变化，这需要大量的存储和计算过程。因此，在IoV中所面临最大的挑战是处理上述大量数据，并在中继车辆的帮助下送达目的车辆，完成车与车（V2V）的通信，且在这种环境下信息的成功传递很大程度上取决于中继车辆的行为。

本文基于贝叶斯联盟博弈（BCG）和学习自动机（LA）分析中继车辆在车联网中合作和非协作环境下的行为。在该方案中，将IoV中的所有互联车辆作为一个环境，每个车辆作为一个参与者，根据环境输入信息更新其行动概率。同时考虑到IoV车辆的动态性，引入贝叶斯联盟博弈的奖励和惩罚函数，若参与者使用学习自动机执行了学习算法后根据周边环境信息确定本参与者处于奖励状态，则可更新其行动概率，否则概率保持不变。应用纳什均衡（NE）对非协作环境下的行为概率进行分析。

对使用了贝叶斯联盟博弈和学习自动机的车联网进行绩效评估和分析。IoV环境包含500辆车，每一辆车以40～60km/h的速度行驶。研究结果表明，纳什均衡概率在信息完整的情况下比信息不完整的情况下更大；吞吐量在信息完整的情况下比信息不完整的情况下更大。综上，本文利用BCG和LA分析了中继车辆在车联网中的行为。

刊名：Energy（英）

刊期：2014年第65期

作者：Neeraj Kumar et al

编译：王莹