排序方式: 共有63条查询结果,搜索用时 15 毫秒
1.
2.
基于热点区域场景的传感器网络拓扑控制算法 总被引:2,自引:0,他引:2
无线传感器网络具有应用多样性特点,文中基于热点区域场景研究其拓扑控制问题.建立了无线传感器网络拓扑控制通用模型,进行了形式化描述和定义,分析了面向热点区域场景的拓扑控制目标和需求,提出了一种融合功率控制技术和分簇控制技术的混合式拓扑控制近似算法HTCA.HTCA能区分热点区域与非热点区域,在热点区域形成树结构并进行适当的剪接,而在非热点区域形成簇结构,该混合式拓扑结构能有效地降低全局能耗.仿真实验结果表明,HTCA能获得较优的拓扑结构,有效地延长了基于热点区域场景的无线传感器网络生命期. 相似文献
3.
4.
5.
6.
无线传感器网络的拓扑控制算法综述 总被引:2,自引:1,他引:1
无线传感器网络的首要设计目标即延长网络生命期,而网络拓扑作为路由层协议和MAC层协议的重要平台,对其进行控制是实现这一目标的支撑基础.本文总结和分析了传感器网络领域已有的拓扑控制方面的研究成果,阐述了多种受研究者关注较多的典型拓扑控制算法,并指出其中有待解决的问题,进而归结了拓扑控制算法设计中需考虑的因素,随后针对功率控制和分簇控制分别设计了两种算法模型,最后探讨了今后应研究的问题,指明了下一步研究中的重点和难点. 相似文献
8.
提出了一种基于循环神经网络的空载电动出租车的充电桩推荐方法(CPRM-IET,charging pile recommendation method for idle electric taxis),来为空载状态下的电动出租车推荐最佳充电桩。空载状态下的电动出租车移动一般依赖于驾驶人的潜意识移动倾向和驾驶习惯,因此需要根据其历史移动轨迹来预测其未来移动,从而找到充电额外移动最小的若干充电桩。在CPRM-IET中,使用了一种基于双阶段注意力机制的循环神经网络(DA-RNN,dual-stage attention-based recurrent neural network)模型来预测电动出租车的未来轨迹,DA-RNN模型包括输入注意力机制和时间注意力机制。输入注意力机制在每个时刻为输入的行驶记录分配权重,而时间注意机制为编码器的隐藏状态分配权重。根据预测轨迹,再选择额外移动最小的若干充电桩,并推荐给电动出租车驾驶人。仿真结果表明,CPRM-IET可以在额外移动和均方根误差方面取得较好的结果,反映了CPRM-IET可以准确地预测空载电动出租车的未来轨迹,并向这些电动出租车推荐合适的充电桩。 相似文献
9.
10.
基于802.11p/WAVE的车联网是一项涉及道路交通、无线通信、自组织系统等多学科综合性的技术领域,车联网中,RSU单元可作为AP,让在行驶的汽车中的人们可以随时随地接入Internet,其中,如何建立RSU单元的下行流量模型是一个关键问题.通过引入车辆密度概率质量函数,分析车联网MAC层车辆通过RSU设备访问Internet的信道竞争情形,提出了适用于高速公路交通场景的RSU单元网络吞吐量模型,并推导出RSU上行及下行流量的性能解析式.针对RSU单元通信范围有限、相邻RSU单元之间可能存在盲区的问题,提出了一种利用同向行驶的车辆协助数据下载的VCoDS方案,以达到提高某时间段RSU的下行流量的目标.仿真实验结果证实,VCoDS方案可有效提高RSU单元的下行流量. 相似文献