基于关联规则挖掘的VANET环境下车辆路径预测

更新时间:2023-05-28

【摘要】通过关联分析法构建相关模式数据挖掘算法,实用性强,但对具有时空动态性的车载自组织网络VANET进行车辆路径预测仍具有局限性,根据VANET环境下车辆数据特点,提出一种基于强关联规则频繁模式的车辆路径的挖掘优化算法.序列模式以有序的方式描述了事件的发生,在VANET环境中,车辆路径序列表达为车辆从起点到目的地行程中经过的路段顺序列表.首先提出基于安全认证的车辆数据采集方案,将收集的数据存储于路边单元RSU中,然后采用频繁模式数据挖掘方法分析了收集到的车辆路径,确定了某一区域内车辆选择的常见路径和频繁路径,最后本文算法与中间节点选择算法INSA进行了比较,对车辆在异常情况下选择的路径进行了评估与预测,分析结果表明:本文算法在网络通信开销、吞吐量和数据包传送率方面优于INSA算法,具有较好的置信度,有助于用户减少紧急情况下和正常情况下的等待时间.

【关键词】 车辆路径预测 序列模式 车载自组织网络 数据挖掘 支持度 置信度

阅读全文