一种基于高斯混合模型的车联网中节点失效检测方法

本发明主要涉及失效检测，尤其设计一种基于高斯混合模型的车联网中节点失效检测方法。

背景技术：

1、车联网（vehicular ad hoc networks，vanets）将物联网技术、互联网技术以及汽车技术融合为一体，形成了复杂的多层网络通信结构，具有动态的、无结构的、自组织、异步以及分布式的特点。网络技术的与日俱进促进了车联网的服务能力，包括道路管控，安全警告，信息娱乐，广告推送等应用逐步涌现出来。因此，车联网中的节点，包括车辆、路侧单元等必须能够提供稳定、可靠的服务支持。但车联网拥有众多的服务节点，如此大规模的系统中节点由于软硬件故障发生失效将变得不可避免，这将会导致整个系统可靠运行的降低，严重影响车联网上层应用的正常运行。综上，为了保证车联网上层应用的可靠运行，及时、准确地发现系统中节点的失效情况成为解决问题的重要手段。失效检测技术作为一种能够及时、准确发现系统中失效节点的技术，可以用来保障车联网稳定、可靠的运行。

2、在高可用分布式系统中，失效检测技术能够通过周期性地发送心跳消息监测系统各部件的状态，从而及时、准确地发现系统中的部件故障，使其成为系统的基础服务之一，能够为系统后续的故障恢复，任务调度，负载均衡等提供有力的支持。在车联网中，大量的车辆为系统提供计算、存储资源，但车辆的随意性以及一些软硬件的故障都可能导致车辆节点在系统中发生失效，造成上层应用的不可用。因此，需要失效检测技术及时，准确地发现系统发生失效的车辆，从而保障上层应用的可靠执行。

3、目前，已有的针对大规模分布式系统的失效检测方法需要假设节点符合特定的概率分布，或者需要构建特殊的网络拓扑。同时，一些用于位置预测的经典模型也存在问题，例如基于卡尔曼滤波模型的方法，但其不适合于非线性和非高斯分布的情况；基于粒子滤波模型的方法，其中的粒子样本数量对预测精度影响较大；基于高斯混合模型的方法，仅使用历史轨迹预测车辆未来轨迹分布，无法实现实时的精确位置预测；基于svm模型的方法需要进行回归模型的训练，应用于车辆定位会导致预测产生不确定的延迟；基于ann模型的方法易陷入局部最优值等问题造成预测精度下降；基于lstm模型的方法参数众多易引起过度拟合。这些方法直接应用于车联网中难以达到期望的预测准确性及实时性。

技术实现思路

1、为解决上述问题，本发明公开了一种基于高斯混合模型的车联网中节点失效检测方法，以改进的高斯混合模型为基础对车联网中的车辆位置进行预测，可以对车辆间以及车辆与路侧单元间的beacon消息的交互时间进行预测，能够及时发现发生故障的车辆，且在车辆节点高速移动、系统拓扑多变的情况下高可靠的实现车辆节点失效检以保证车联网可靠运行从而支撑各类上层应用的正常运行。

2、一种适用于车联网的基于高斯混合模型的车辆节点失效检测方法，在该方法中，车辆节点会周期性地广播beacon消息到周边的路侧单元和车辆，beacon消息包含车辆的位置信息、速度信息以及方向信息等，失效检测模型安置于路侧单元，通过接收到的beacon消息预测车辆节点未来的精确位置，然后再对未来beacon消息的到达时间作预测，最终完成车辆节点的失效检测。

3、具体包括以下步骤：

4、步骤1：车辆节点周期性地广播beacon消息；车辆节点以固定周期广播beacon消息，车辆通信设备覆盖的范围内的路侧单元会接收到这些消息，并以此为基础判断车辆节点的状态；

5、步骤2：依据是否接收到beacon消息初步判定车辆的状态；

6、步骤3：提取beacon消息中消息与车辆属性信息；当部署于路侧单元的失效检测器持续接收到beacon消息后，提取beacon消息中关于beacon消息的属性信息，车辆的属性信息；

7、步骤4：依据beacon消息属性信息完成消息预测；

8、步骤5：通过失效检测器判断车辆状态；位于路侧单元上的失效检测器通过超时机制对车辆状态进行判定。

9、本发明的有益效果：

10、考虑了车联网的特殊性，本发明中使用的改进高斯混合模型，能够更好地处理小样本、高维数、非线性的数据，实现车联网中车辆位置的精确预测。以预测的车辆位置为基础，利用车辆与路侧单元之间的欧式距离，可以计算车辆与路侧单元间beacon消息的交互时间。通过对历史beacon消息交互时间的建模，预测下一beacon消息的到达时间，再利用超时机制判断车辆的状态，可实现及时、准确的车联网中车辆的失效检测。

技术特征：

1.一种基于高斯混合模型的车联网中节点失效检测方法，其特征在于：以高斯混合模型为基础对车联网中的车辆位置进行预测，对车辆间以及车辆与路侧单元间的beacon消息的交互时间进行预测，最终检测出失效车辆；具体包括以下步骤：

2.根据权利要求1所述的一种基于高斯混合模型的车联网中节点失效检测方法，其特征在于：根据高斯混合模型理论，结合车辆的历史位置数据，通过多轮迭代的方式，实现车辆位置的预测；具体方法如下：

3.根据权利要求1所述的一种基于高斯混合模型的车联网中节点失效检测方法，其特征在于：所述步骤2中包括

4.根据权利要求1所述的一种基于高斯混合模型的车联网中节点失效检测方法，其特征在于：所述步骤4中根据接收到的车辆广播的beacon消息的内容提取，使用其包含的车辆的位置信息，速度信息以及方向信息，作为高斯混合模型的输入，以便对车辆下一时刻的位置、速度以及方向进行预测；然后通过以上预测信息，计算下一时刻的beacon消息到达部署于路侧单元的失效检测器的时间。

5.根据权利要求1或4所述的一种基于高斯混合模型的车联网中节点失效检测方法，其特征在于：所述步骤4具体包括以下：

6.根据权利要求1所述的一种基于高斯混合模型的车联网中节点失效检测方法，其特征在于：所述步骤5中：

技术总结本发明主要应用于车联网，提供一种基于高斯混合模型的车联网中节点失效检测方法。在该方法中拟利用路侧单元作为部署失效检测模块的平台，并利用beacon消息所携带信息作为故障诊断依据。其中，车辆周期性地广播的beacon消息到附近的路侧单元以便于进行节点失效检测。为简化故障模型，该方法中车辆故障模型主要考虑fail‑stop模型。使用本发明方法可使车辆的失效检测时间不受车联网中节点规模的限制，具有良好的可扩展性，能够提供大规模车辆节点的准确、及时的失效检测服务。技术研发人员：刘家希,孙进,赵海涛,郑皓天,王浩然,王蕊,杨宇鑫受保护的技术使用者：南京邮电大学技术研发日：技术公布日：2024/7/29