最熟悉的陌生人：一种基于相遇模式挖掘与非确定性规划的车联网数据传递方法

Vehicular networking is considered to be a very promising and prosperous market, which contains many business opportunities and is of great research value. For most vehicular applications, the data delivery mechanism is the key technology. In literature, the vehicular mobility prediction has been adopted for the data dissemination by considering the road layout and the human behavior simultaneously. However, the conventional mobility prediction focused on the individual tracks and is lack of the analysis of the human behavior patterns and the similarities of the social attributes which lead to the "occasionally" encounters. After conducting a thorough investigation of vehicular data dissemination algorithms, we propose a time dependent encountering analysis-based mobility prediction method, where the graph model is used to exploit the mobility over the real historical data. Then we propose a novel data dissemination method based on sequential decision making algorithom which optimize the problem to obtain the best action in terms of the data delivery rate and the average delay by considering the exploited mobility (the proper node for the next hop) for the data delivery. We will also develop the simulation system to verify the proposed methods.

车联网市场应用前景广阔，蕴含着巨大的商机和研究价值，其中车联网中的数据传递机制是众多应用的核心技术。由于城市道路的限制和人类行为模式的影响，基于车辆行驶轨迹预测的车联网数据传递方法被普遍认为具有良好的前景。但传统的轨迹预测方法倾向于对个体轨迹的独立分析和判断，忽略了相遇模式背后潜在的人类行为共性和社会属性的相似性对行驶轨迹的影响。本项目充分分析了车联网数据传递算法的研究现状，依据车联网真实数据提出了一种面向相遇模式挖掘的、与时间相关的轨迹预测模型；以预测的轨迹、数据投递率、时间延迟为参数和优化条件，提出一种基于非确定性序贯决策模型的车联网数据传递新方法；并通过搭建仿真验证平台，对提出的模型和算法进行分析和评价。

近年来由于城镇居民收入水平的提高，私家车辆大量普及，推动了车联网这一新兴网络系统的发展。车联网市场应用前景广阔，蕴含着巨大的商机和研究价值，其中车联网中的数据传递机制是众多应用的核心技术。由于城市道路和人类行为模式的限制，基于行驶轨迹预测的数据传递是车联网数据传输方法中很有价值的一类。但是传统轨迹预测方法更倾向于对个体轨迹的独立分析和判断，忽略了相遇模式背后潜在的人类行为共性和社会属性的相似性对轨迹预测的指导作用，本项目充分分析了车联网数据传递算法的研究现状，依据大规模真实数据（1）提出一系列兴趣地点预测模型包括：基于群体和个体倾向的地点预测模型、时间敏感的地点预测模型、基于隐模式的地点预测模型。从理论分析和实验验证我们所提出来的基于群体数据预测个体行为轨迹特征的思想的有效性和可行性；（2）以预测的轨迹、投递率、时间延迟作为参数和优化条件，提出了一种基于多目标优化的非确定性序贯决策模型的数据传递新方法，该方法针对车联网中数据传递的多目标优化问题，并从理论上分析证明了传输延时与中继节点个数的反相关性，首次指出同时优化传输时延与跳数的不合理性，并为其提供了一种用户定制的折中解决方案；（3）提出了一种基于车辆轨迹密度的路侧单元布置算法，该方法可以通过车流量和轨迹信息动态的调整路侧单元的工作模式，进行工作调度，以节约能源及成本；（4）提出一种基于城市道路网信息和历史轨迹的车辆轨迹预测方法，并从安全性的角度对提出的模型和算法进行分析和评价，为车联网中存在的位置隐私问题提供了保护机制。 ..本项目在国际期刊和国际会议发表学术论文17篇：SCI收录3篇，EI收录14篇，其中包括领域CCF A类国际会议AAAI、IJCAI、CCF推荐C类著名国际会议IPCCC、APWeb、WASA、KSEM、APNOMs国际期刊Neurocomputing、Mobile Information Science、国内核心期刊《电子学报》等。