认知车载网络中基于协作频谱感知的安全信息快速传播机制研究

Safety information that is disseminated rapidly and unfailingly can warn the traffic accident in transportation network.The cognitive vehicular networks that can provid additional spectrum resource for disseminating safety information in real-time,become the research fucous gradually in intelligent transportation. Firstly,the temporal coherency aware spectrum sensing algorithm will be proposed based on the time correlation between the pre-vehicles and the post-vehicles under the given road topology map. The spatio coherency aware spectrum sensing algorithm will also be proposed based on the space correlation.And the spatio-temporal correlation cooperative spectrum sensing algorithm will be researched in depth for overcomeing the Doppler Shift in highly mobile scenarios. Secondly, the high-density transportation safety information data can be fused based on temporal coherency and spared by stochastic matrix for decrease the dissemination data redundancy in cluster. The broadcast channel load can be predicted by the fair scheduling algorithm in cluster head. And the spatio-temporal correlation based a new broadcast protocol will be proposed for broadcasting safety information rapidly in cluster. After all, for safety information dissemination rapidly crossing the clusters, a cooperative dissemination mode based on data flow will be proposed using the V2V and V2I dynamically. The load-balancing routing algorithm in multipath with spectrum hole assignment also will be studied by cross-layer optimizing. The project survey can expand the theory in the cognitive vehicular networks and help to advance the intelligent transportation system development and application in the future.

交通安全信息的快速可靠传播能够及时预警交通事故。能为安全信息实时传播机会地提供额外频谱的认知车载网络正逐渐成为智能交通领域的研究热点。项目首先基于车节点行使道路拓扑结构，研究基于时间顺序性的时序频谱检测算法和基于空间位置关联性的空间频谱检测算法，进而提出时空关联的协作频谱检测算法及管理策略，克服高速移动下的多普勒频移效应。随后，提出基于生成树算法的车节点簇簇首推举策略，研究簇内高密度安全信息的数据融合策略和稀疏化处理算法，减小安全信息冗余性。提出基于信道负载率预测的动态频谱空洞分配算法及其时空关联的簇内信息快速广播协议。针对安全信息的后向簇间传播，研究不同簇簇首间、簇首与路边基础设施间动态协作中继的传播模型，建立簇间安全信息传播路径状态预测模型，基于信息流理论提出簇间频谱空洞分配和路由跨层优化算法，实现安全信息的簇间快速传播。项目拓展了认知车载网络的基础理论研究，有助于智能交通系统发展。

认知车载网络将认知无线电技术应用于车载无线通信，通过短时机会占用授权频谱资源，为高密度交通流下交通安全信息的有效快速传播提供解决方案，开展基于协作频谱感知的安全信息快速传播机制研究具有重要的理论意义和实际应用价值。. 本项目主要从协作频谱感知与管理、簇内安全信息快速传播和簇间安全信息传播等关键技术展开研究。（1）应用最小生成树理论和业务感知理论，提出了动态协作频谱感知和频谱空洞管理模型。（2）提出了基于部分可观测马尔科夫决策过程（POMDP）模型的分布式机会频谱接入算法，通过贪心算法降低计算量，提高接入率。（3）提出了基于线性协作的预警信息检测算法和基于模糊理论的安全消息融合算法，减小时空相关信息冗余性，提高信道效率和信息传输性能。（4）提出了检测性能和业务属性匹配的频谱检测与分配联合优化方法，减小接入业务中断概率。（5）提出了优先级区分的调度模型和时空相关的可变距离D2D 连接选择方法，减小安全信息时延。（6）提出了基于相对运动速度的被动分簇通信模型和传播路径负载状态估计算法，减缓多跳传播拥塞。（7）提出了基于协同通信和频谱感知的TDMA-MAC协议、基于簇的协作MAC协议、基于簇和MAB模型的信道接入算法和改进的二元分割广播协议，紧急消息能快速接入信道，通过减少转发跳数减小时延。（8）提出了基于车辆密度的可变传输范围路由协议、基于定向传播的自适应路由协议、基于遗传算法的QoS感知路由协议、基于十字路口的地理感知路由协议和跨层协作通信的路由协议，降低多跳传输时延和丢包率。（9）建立了基于NS2和Matlab软件的认知车载网络性能仿真平台，对所提算法和协议进行了性能仿真验证。.本项目研究成果共发表学术论文40篇，其中SCI收录10篇，EI收录10篇。获得授权发明专利2件，申请发明专利8件。.本项目强化了认知车载网络理论研究，对有效传播交通安全信息，提高通信质量，降低交通事故率具有应用价值，有助于自动驾驶应用研究和智慧城市建设。