一种无人配送车通信仿真的处理方法和装置
文献发布时间:2024-04-18 19:59:31
技术领域
本发明涉及数据处理技术领域,特别涉及一种无人配送车通信仿真的处理方法和装置。
背景技术
无人配送车是一种全自动驾驶货运工具。已知:1)无人配送车的配送效率与其自身的通信性能(诸如消息发送成功率、发送时延、丢包率、信道繁忙率等性能指标)有关,消息发送成功率越高、发送时延越低、丢包率越小、信道繁忙率越低则对应的自车数据处理效率越高、配送时长越短、配送效率越高;2)无人配送车的配送效率还与所在路网的无人配送车密度有关,某段路网上的无人配送车密度过大会造成所在路网的整体网络性能下降,从而导致各车自身的通信性能下降,从而导致无人配送车的配送效率下降。
鉴于上述两种已知关联关系就需要对各段路网的无人配送车密度进行控制,也就是说要对各段路网的最佳无人配送车密度进行测算。目前采用的测算方式是一种比较费力的人工测算方式,即由测算人员在路网实地对路网交通状态、无人配送车密度、路网通信性能和无人配送车通信性能进行数据采集并基于采集数据进行大量组合计算从而得到一个测算结果。这种人工测算方式不但费时费力还会产生很大的人工成本,很难将这种人工测算方式向全路网进行推广。
SUMO仿真器是一种常用的交通仿真器、OMNET++仿真器是一种常用的通信仿真器,Veins仿真器常用作SUMO仿真器和OMNET++仿真器之间的中间件。由SUMO仿真器、Veins仿真器和OMNET++仿真器构成的通信仿真系统可对定制路网下的车辆的行驶与通信进行同步仿真。倘若能使用通信仿真系统来替换人工测算方式就能有效缩短测算周期、提高测算效率并能有效降低测算成本。因此,本发明要解决的技术问题就是如何基于由SUMO仿真器、Veins仿真器和OMNET++仿真器构成的无人配送车通信仿真系统来对指定路网进行最佳无人配送车密度测算。
发明内容
本发明的目的,就是针对现有技术的缺陷,提供一种无人配送车通信仿真的处理方法、装置、电子设备及计算机可读存储介质;本发明基于SUMO仿真器、Veins仿真器和OMNET++仿真器构建无人配送车通信仿真系统;并基于指定路网的实际路网数据配置第一路网、并对第一路网进行无人配送车、联网车辆和非联网车辆三类车辆配置,并基于指定路网的实际通信网络配置第一通信网络,并由第一路网的配置信息对SUMO仿真器进行配置,由第一路网和第一通信网络的配置信息对OMNET++仿真器进行配置;并在多组第一无人配送车渗透率参数+第一联网车辆渗透率参数+第一非联网车辆渗透率参数的配置条件下,使用无人配送车通信仿真系统进行交通和通信仿真从而得到多对能反映不同渗透率和通信性能之间关联关系的第一渗透率-评分数据对;并由得到的所有第一渗透率-评分数据对进行渗透率-通信性能曲线绘制,最终将从渗透率-通信性能曲线上选出的最佳渗透率作为对应的最佳无人配送车密度输出。使用本发明的无人配送车通信仿真系统来替换人工测算方式,可以有效缩短测算周期、提高测算效率并能有效降低测算成本,并能向全路网进行快速推广。
为实现上述目的,本发明实施例第一方面提供了一种无人配送车通信仿真的处理方法,所述方法包括:
步骤1,基于SUMO仿真器、Veins仿真器和OMNET++仿真器构建无人配送车通信仿真系统;所述Veins仿真器分别与所述SUMO仿真器和所述OMNET++仿真器连接;
步骤2,基于指定路网的实际路网数据配置第一路网;并为所述第一路网配置多个第一无人配送车和多个第一联网车辆和多个第一非联网车辆,并对每个所述第一无人配送车、所述第一联网车辆和所述第一非联网车辆的车辆属性和车辆规划路线进行设置;并对所述第一路网对应的第一无人配送车渗透率参数、第一联网车辆渗透率参数、第一非联网车辆渗透率参数和第一路网车辆总数进行设置;并基于所述指定路网的实际通信网络为所述第一路网配置对应的第一通信网络,并对所述第一通信网络的组网模式和网络结构进行设置,并对网络结构中的每个网络节点的各类属性进行设置;并对各个所述第一非联网车辆与所述第一通信网络的第一交通控制后台进行直连配置,并对各个所述第一非联网车辆的通信属性进行设置;所述第一联网车辆为与所有所述第一无人配送车共用所述第一通信网络的非无人配送车辆;所述第一非联网车辆为不使用所述第一通信网络的非无人配送车辆;第一无人配送车渗透率参数、第一联网车辆渗透率参数和第一非联网车辆渗透率参数的总和为1;所述第一通信网络包括第一组网模式和第一网络结构;所述第一组网模式包括LTE-V2X mode3模式和LTE-V2X mode4模式;所述第一网络结构的网络节点包括所述第一交通控制后台、多个第一通信设备、多个所述第一无人配送车和多个所述第一联网车辆;
步骤3,基于所述第一路网对所述SUMO仿真器的路网配置文件进行设置;并基于所有无人配送车、联网车辆和非联网车辆的车辆属性和车辆规划路线以及所述第一无人配送车渗透率参数、所述第一联网车辆渗透率参数、所述第一非联网车辆渗透率参数和所述第一路网车辆总数对所述SUMO仿真器的车流配置文件进行设置;并基于所述第一通信网络的所有所述第一通信设备的设备属性对所述SUMO仿真器的外部配置文件进行设置;并基于预设的总仿真时长参数和仿真单步时长参数对所述SUMO仿真器的总仿真时长和仿真单步时长进行设置;
步骤4,对所述第一通信网络的所述第一组网模式提供的两种模式进行二选一,并基于当前选中模式对所述第一通信网络的所述第一网络结构中各个网络节点的通信属性进行确认;并基于所述第一网络结构中所有网络节点的通信属性以及所有所述第一非联网车辆的通信属性对所述OMNET++仿真器进行仿真网络配置;并基于所述总仿真时长参数和所述仿真单步时长参数对所述OMNET++仿真器的总仿真时长和仿真单步时长进行设置;
步骤5,初始化第一仿真计数器的计数值为1;
步骤6,在同一时间点上,同步运行所述SUMO仿真器和所述OMNET++仿真器进行一轮仿真;并在本轮仿真过程中由所述Veins仿真器对所述SUMO仿真器和所述OMNET++仿真器进行实时车辆信息和车辆控制指令传递并由所述Veins仿真器对所有所述第一无人配送车的特征通信数据进行采集得到对应的多个第一无人配送车特征通信数据集合;并在本轮仿真结束时根据得到的所有所述第一无人配送车特征通信数据集合进行通信质量评分得到对应的第一评分数据;并由本轮仿真过程对应的所述第一无人配送车渗透率参数和所述第一评分数据组成一个对应的第一渗透率-评分数据对;
步骤7,对所述第一仿真计数器的计数值是否大于预设的最大仿真次数进行识别;若是,则转至步骤9;若否,则转至步骤8;
步骤8,对所述第一仿真计数器的计数值加1;并在所述第一路网车辆总数不变的前提下,基于预设的三类车辆渗透率调整规则对所述第一路网中与无人配送车、联网车辆和非联网车辆对应的三个渗透率参数进行调整得到新的所述第一无人配送车渗透率参数、所述第一联网车辆渗透率参数和所述第一非联网车辆渗透率参数;并基于新的所述第一无人配送车渗透率参数、所述第一联网车辆渗透率参数和所述第一非联网车辆渗透率参对所述SUMO仿真器的所述车流配置文件进行调整;并在调整完成后返回步骤6进行新的一轮仿真;所述三类车辆渗透率调整规则的调整方向会将所述第一无人配送车渗透率参数调高;
步骤9,根据得到的所有所述第一渗透率-评分数据对进行渗透率-通信性能曲线绘制并根据绘制曲线进行渗透率优选处理得到对应的最佳渗透率;并将所述最佳渗透率作为所述第一路网的最佳无人配送车密度输出。
优选的,所述第一路网包括多个第一机动车道属性和多个第一非机动车道属性;所述第一机动车道属性包括机动车道标识、机动车道类型、机动车道长度、机动车道宽度和机动车道限速范围;所述机动车道类型包括直行道路类型、左拐道路类型、右拐道路类型、直行+左拐道路类型、直行+右拐道路类型和路口道路类型;所述第一非机动车道属性包括非机动车道标识、非机动车道类型、非机动车道长度、非机动车道宽度和非机动车道限速范围;所述非机动车道类型包括直行道路类型、左拐道路类型、右拐道路类型、直行+左拐道路类型、直行+右拐道路类型和路口道路类型;
各个所述第一无人配送车、所述第一联网车辆和所述第一非联网车辆都对应一个第一车辆属性和一个第一车辆规划路线;所述第一车辆属性包括车辆标识、车辆尺寸、车辆位置、车辆朝向、车辆行驶速度、车辆加速度、车辆直行饱和车头时距、车辆反应时间、车辆最大加速度、车辆最大减速度、车辆跟车运动模型和车辆换道运动模型;所述第一车辆规划路线包括起始位置和结束位置;
所述第一无人配送车渗透率参数为所述第一路网的所有所述第一无人配送车辆的总数相对所述第一路网车辆总数的占比;所述第一联网车辆渗透率参数为所述第一路网的所有所述第一联网车辆的总数相对所述第一路网车辆总数的占比;所述第一非联网车辆渗透率参数为所述第一路网的所有所述第一非联网车辆的总数相对所述第一路网车辆总数的占比。
优选的,当所述第一组网模式为LTE-V2X mode3模式时,所述第一网络结构中所述第一交通控制后台与一个或多个指定的所述第一通信设备连接、所述第一无人配送车或所述第一联网车辆与一个或多个指定的所述第一通信设备连接;
当所述第一组网模式为LTE-V2X mode4模式时,所述第一网络结构中所述第一交通控制后台与一个或多个指定的所述第一通信设备连接、所述第一无人配送车或所述第一联网车辆与一个或多个指定的所述第一通信设备连接、所述第一无人配送车或所述第一联网车辆还与一个或多个周围的所述第一无人配送车或所述第一联网车辆连接;
所述第一交通控制后台包括第一后台属性;所述第一后台属性中至少包括第一后台控制策略;所述第一后台控制策略为与所述第一路网的道路交通控制有关的一系列控制策略;所述第一交通控制后台基于所述第一后台控制策略进行道路交通控制信令输出,并通过所述第一通信网络向各个所述第一无人配送车或所述第一联网车辆推送实时的道路交通控制信令;并向各个所述第一非联网车辆直接推送实时的所述道路交通控制信令;
所述第一通信设备包括所述第一设备属性和第一通信属性;
所述第一设备属性包括第一设备标识、第一设备类型、第一设备尺寸和第一设备位置;所述第一设备类型包括基站类型、网关设备类型、路由设备类型和RSU设备类型;
所述第一通信属性包括第一设备通信协议、第一设备通信参数组和第一设备通信控制策略;当所述第一组网模式为LTE-V2X mode3模式时,所述第一设备通信协议和所述第一设备通信参数组为在LTE-V2X mode3模式下与自身设备类型匹配的一组通信协议和一组通信参数;当所述第一组网模式为LTE-V2X mode4模式时,所述第一设备通信协议和所述第一设备通信参数组为在LTE-V2X mode4模式下与自身设备类型匹配的一组通信协议和一组通信参数;所述第一设备通信控制策略为基于自身通信协议和通信参数组进行数据通信控制和特征通信参数计算的一系列控制策略;所述特征通信参数包括消息发送成功率、消息发送时延、丢包率和信道繁忙率;
各个所述第一无人配送车和所述第一联网车辆还包括一个对应的第一车辆通信属性;所述第一车辆通信属性包括第一车辆通信协议、第一车辆通信参数组、第一车辆通信控制策略和第一车辆驾驶控制策略;当所述第一组网模式为LTE-V2X mode3模式时,所述第一车辆通信协议和所述第一车辆通信参数组为在LTE-V2X mode3模式下的一组车辆通信协议和一组车辆通信参数;当所述第一组网模式为LTE-V2X mode4模式时,所述第一车辆通信协议和所述第一车辆通信参数组为在LTE-V2X mode4模式下的一组车辆通信协议和一组车辆通信参数;所述第一车辆通信控制策略为基于自车通信协议和通信参数组进行数据通信控制和特征通信参数计算的一系列控制策略;所述第一车辆驾驶控制策略为基于所述道路交通控制信令和/或环境车辆实时状态对自车进行驾驶控制的一系列控制策略;所述特征通信参数包括消息发送成功率、消息发送时延、丢包率和信道繁忙率;所述驾驶控制为由转向控制、加速控制、减速控制、匀速控制和制动控制中一个或多个控制动作组合而成的组合控制;所述环境车辆实时状态包括自车周围环境的实时状态和自车实时状态;所述自车周围环境的实时状态由自车周围的其他车辆实时状态组成;所述其他车辆实时状态和所述自车实时状态都由车辆位置、车辆朝向、车辆行驶速度和车辆加速度组成;
各个所述第一非联网车辆还包括一个对应的第二车辆通信属性;所述第二车辆通信属性中至少包括第二车辆驾驶控制策略;所述第二车辆驾驶控制策略为基于所述道路交通控制信令和/或所述环境车辆实时状态对自车进行驾驶控制的一系列控制策略。
优选的,所述在本轮仿真过程中由所述Veins仿真器对所述SUMO仿真器和所述OMNET++仿真器进行实时车辆信息和车辆控制指令传递并由所述Veins仿真器对所有所述第一无人配送车的特征通信数据进行采集得到对应的多个第一无人配送车特征通信数据集合,具体包括:
将本轮仿真过程中从起始仿真时间开始每隔一个所述仿真单步时长参数的时间点记为对应的单步时间点;
并在各个所述单步时间点上,由所述Veins仿真器从所述SUMO仿真器处获得各个所述第一无人配送车、所述第一联网车辆和所述第一非联网车辆的实时车辆信息组成对应的第一车辆信息集合向所述OMNET++仿真器转发;并由所述OMNET++仿真器根据所述第一车辆信息集合对各个所述第一无人配送车、所述第一联网车辆和所述第一非联网车辆的实时驾驶控制进行仿真并输出对应的第一车辆控制指令集向所述Veins仿真器回发;并由所述Veins仿真器将所述第一车辆控制指令集送至所述SUMO仿真器;并由所述SUMO仿真器根据所述第一车辆控制指令集对各个所述第一无人配送车、所述第一联网车辆和所述第一非联网车辆的车辆属性和规划路线进行调整、并基于调整后的车辆属性和规划路线进行下一单步仿真;所述第一车辆信息集合包括多个第一车辆信息,每个所述第一车辆信息对应一个所述第一无人配送车、所述第一联网车辆或所述第一非联网车辆;所述第一车辆信息包括车辆位置、车辆朝向、车辆行驶速度和车辆加速度;所述第一车辆控制指令集包括多个第一车辆控制指令;每个所述第一车辆控制指令对应一个所述第一无人配送车、所述第一联网车辆或所述第一非联网车辆;所述第一车辆控制指令为由转向控制、加速控制、减速控制、匀速控制和制动控制中一个或多个控制动作组合而成的组合控制指令;
并在各个所述单步时间点上,由所述Veins仿真器从所述SUMO仿真器处获得各个所述第一无人配送车的实时消息发送成功率、消息发送时延、丢包率和信道繁忙率组成一个对应的第一无人配送车特征通信数据,并由得到的所有所述第一无人配送车特征通信数据组成一个对应的所述第一无人配送车特征通信数据集合并保存;所述第一无人配送车特征通信数据集合包括多个所述第一无人配送车特征通信数据;所述第一无人配送车特征通信数据与所述第一无人配送车一一对应;所述第一无人配送车特征通信数据包括第一时间戳、第一消息发送成功率、第一消息发送时延、第一丢包率和第一信道繁忙率;所述第一时间戳与当前所述单步时间点对应。
优选的,所述在本轮仿真结束时根据得到的所有所述第一无人配送车特征通信数据集合进行通信质量评分得到对应的第一评分数据,具体包括:
在本轮仿真时长与所述总仿真时长参数一致时,结束所述SUMO仿真器和所述OMNET++仿真器的仿真操作;
由得到的所有所述第一无人配送车特征通信数据集合组成对应的第一数据集;
对所述第一数据集中的所有所述第一消息发送成功率进行均值计算得到对应的第一平均发送成功率;并对所述第一数据集中的所有所述第一消息发送时延进行均值计算得到对应的第一平均发送时延;并对所述第一数据集中的所有所述第一丢包率进行均值计算得到对应的第一平均丢包率;并对所述第一数据集中的所有所述第一信道繁忙率进行均值计算得到对应的第一平均信道繁忙率;
将预设的第一评分规则列表中,所述第一平均发送成功率满足的第一发送成功率字段对应的第一评分规则记录的第一评分字段提取出来作为对应的第一发送成功率评分;所述第一评分规则列表包括多个所述第一评分规则记录;所述第一评分规则记录包括所述第一发送成功率字段和所述第一评分字段;所述第一发送成功率字段为一个发送成功率范围;
将预设的第二评分规则列表中,所述第一平均发送时延满足的第一发送时延字段对应的第二评分规则记录的第二评分字段提取出来作为对应的第一发送时延评分;所述第二评分规则列表包括多个所述第二评分规则记录;所述第二评分规则记录包括所述第一发送时延字段和所述第二评分字段;所述第一发送时延字段为一个发送时延范围;
将预设的第三评分规则列表中,所述第一平均丢包率满足的第一丢包率字段对应的第三评分规则记录的第三评分字段提取出来作为对应的第一丢包率评分;所述第三评分规则列表包括多个所述第三评分规则记录;所述第三评分规则记录包括所述第一丢包率字段和所述第三评分字段;所述第一丢包率字段为一个丢包率范围;
将预设的第四评分规则列表中,所述第一信道繁忙率满足的第一信道繁忙率字段对应的第四评分规则记录的第四评分字段提取出来作为对应的第一信道繁忙率评分;所述第四评分规则列表包括多个所述第四评分规则记录;所述第四评分规则记录包括所述第一信道繁忙率字段和所述第四评分字段;所述第一信道繁忙率字段为一个信道繁忙率范围;
对所述第一发送成功率评分、所述第一发送时延评分、所述第一丢包率评分和所述第一信道繁忙率评分进行加权求和计算得到对应的第一综合评分;第一综合评分=a×第一发送成功率评分+b×第一发送时延评分+c×第一丢包率评分+d×第一信道繁忙率评分;a、b、c、d为预设的四个加权系数;
由得到的所述第一发送成功率评分、所述第一发送时延评分、所述第一丢包率评分、所述第一信道繁忙率评分和所述第一综合评分组成一个与本轮仿真对应的所述第一评分数据。
优选的,所述根据得到的所有所述第一渗透率-评分数据对进行渗透率-通信性能曲线绘制并根据绘制曲线进行渗透率优选处理得到对应的最佳渗透率,具体包括:
构建一个以渗透率为横轴、以综合评分为纵轴的二维笛卡尔曲线平面记为对应的第一曲线平面;并基于各个所述第一渗透率-评分数据对的所述第一无人配送车渗透率参数和所述第一综合评分在所述第一曲线平面进行点描计得到对应的第一描计点;并根据得到的所有所述第一描计点进行平滑曲线绘制处理得到对应的所述渗透率-通信性能曲线;并将所述渗透率-通信性能曲线上的最大峰值点对应的渗透率提取出来作为对应的所述最佳渗透率。
本发明实施例第二方面提供了一种用于实现上述第一方面所述的无人配送车通信仿真的处理方法的装置,所述装置包括:仿真系统构建模块、第一配置模块、第二配置模块、第三配置模块、仿真计数器设置模块、单轮仿真模块、仿真计数器判断模块、下轮仿真配置调整模块和最佳渗透率处理模块;
所述仿真系统构建模块用于基于SUMO仿真器、Veins仿真器和OMNET++仿真器构建无人配送车通信仿真系统;所述Veins仿真器分别与所述SUMO仿真器和所述OMNET++仿真器连接;
所述第一配置模块用于基于指定路网的实际路网数据配置第一路网;并为所述第一路网配置多个第一无人配送车和多个第一联网车辆和多个第一非联网车辆,并对每个所述第一无人配送车、所述第一联网车辆和所述第一非联网车辆的车辆属性和车辆规划路线进行设置;并对所述第一路网对应的第一无人配送车渗透率参数、第一联网车辆渗透率参数、第一非联网车辆渗透率参数和第一路网车辆总数进行设置;并基于所述指定路网的实际通信网络为所述第一路网配置对应的第一通信网络,并对所述第一通信网络的组网模式和网络结构进行设置,并对网络结构中的每个网络节点的各类属性进行设置;并对各个所述第一非联网车辆与所述第一通信网络的第一交通控制后台进行直连配置,并对各个所述第一非联网车辆的通信属性进行设置;所述第一联网车辆为与所有所述第一无人配送车共用所述第一通信网络的非无人配送车辆;所述第一非联网车辆为不使用所述第一通信网络的非无人配送车辆;第一无人配送车渗透率参数、第一联网车辆渗透率参数和第一非联网车辆渗透率参数的总和为1;所述第一通信网络包括第一组网模式和第一网络结构;所述第一组网模式包括LTE-V2X mode3模式和LTE-V2X mode4模式;所述第一网络结构的网络节点包括所述第一交通控制后台、多个第一通信设备、多个所述第一无人配送车和多个所述第一联网车辆;
所述第二配置模块用于基于所述第一路网对所述SUMO仿真器的路网配置文件进行设置;并基于所有无人配送车、联网车辆和非联网车辆的车辆属性和车辆规划路线以及所述第一无人配送车渗透率参数、所述第一联网车辆渗透率参数、所述第一非联网车辆渗透率参数和所述第一路网车辆总数对所述SUMO仿真器的车流配置文件进行设置;并基于所述第一通信网络的所有所述第一通信设备的设备属性对所述SUMO仿真器的外部配置文件进行设置;并基于预设的总仿真时长参数和仿真单步时长参数对所述SUMO仿真器的总仿真时长和仿真单步时长进行设置;
所述第三配置模块用于对所述第一通信网络的所述第一组网模式提供的两种模式进行二选一,并基于当前选中模式对所述第一通信网络的所述第一网络结构中各个网络节点的通信属性进行确认;并基于所述第一网络结构中所有网络节点的通信属性以及所有所述第一非联网车辆的通信属性对所述OMNET++仿真器进行仿真网络配置;并基于所述总仿真时长参数和所述仿真单步时长参数对所述OMNET++仿真器的总仿真时长和仿真单步时长进行设置;
所述仿真计数器设置模块用于初始化第一仿真计数器的计数值为1;
所述单轮仿真模块用于在同一时间点上同步运行所述SUMO仿真器和所述OMNET++仿真器进行一轮仿真;并在本轮仿真过程中由所述Veins仿真器对所述SUMO仿真器和所述OMNET++仿真器进行实时车辆信息和车辆控制指令传递并由所述Veins仿真器对所有所述第一无人配送车的特征通信数据进行采集得到对应的多个第一无人配送车特征通信数据集合;并在本轮仿真结束时根据得到的所有所述第一无人配送车特征通信数据集合进行通信质量评分得到对应的第一评分数据;并由本轮仿真过程对应的所述第一无人配送车渗透率参数和所述第一评分数据组成一个对应的第一渗透率-评分数据对;
所述仿真计数器判断模块用于对所述第一仿真计数器的计数值是否大于预设的最大仿真次数进行识别;若是,则转至所述最佳渗透率处理模块;若否,则转至所述下轮仿真配置调整模块;
所述下轮仿真配置调整模块用于对所述第一仿真计数器的计数值加1;并在所述第一路网车辆总数不变的前提下,基于预设的三类车辆渗透率调整规则对所述第一路网中与无人配送车、联网车辆和非联网车辆对应的三个渗透率参数进行调整得到新的所述第一无人配送车渗透率参数、所述第一联网车辆渗透率参数和所述第一非联网车辆渗透率参数;并基于新的所述第一无人配送车渗透率参数、所述第一联网车辆渗透率参数和所述第一非联网车辆渗透率参对所述SUMO仿真器的所述车流配置文件进行调整;并在调整完成后返回所述单轮仿真模块进行新的一轮仿真;所述三类车辆渗透率调整规则的调整方向会将所述第一无人配送车渗透率参数调高;
所述最佳渗透率处理模块用于根据得到的所有所述第一渗透率-评分数据对进行渗透率-通信性能曲线绘制并根据绘制曲线进行渗透率优选处理得到对应的最佳渗透率;并将所述最佳渗透率作为所述第一路网的最佳无人配送车密度输出。
本发明实施例第三方面提供了一种电子设备,包括:存储器、处理器和收发器;
所述处理器用于与所述存储器耦合,读取并执行所述存储器中的指令,以实现上述第一方面所述的方法步骤;
所述收发器与所述处理器耦合,由所述处理器控制所述收发器进行消息收发。
本发明实施例第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,当所述计算机指令被计算机执行时,使得所述计算机执行上述第一方面所述的方法的指令。
本发明实施例提供了一种无人配送车通信仿真的处理方法、装置、电子设备及计算机可读存储介质;本发明基于SUMO仿真器、Veins仿真器和OMNET++仿真器构建无人配送车通信仿真系统;并基于指定路网的实际路网数据配置第一路网、并对第一路网进行无人配送车、联网车辆和非联网车辆三类车辆配置,并基于指定路网的实际通信网络配置第一通信网络,并由第一路网的配置信息对SUMO仿真器进行配置,由第一路网和第一通信网络的配置信息对OMNET++仿真器进行配置;并在多组第一无人配送车渗透率参数+第一联网车辆渗透率参数+第一非联网车辆渗透率参数的配置条件下,使用无人配送车通信仿真系统进行交通和通信仿真从而得到多对能反映不同渗透率和通信性能之间关联关系的第一渗透率-评分数据对;并由得到的所有第一渗透率-评分数据对进行渗透率-通信性能曲线绘制,最终将从渗透率-通信性能曲线上选出的最佳渗透率作为对应的最佳无人配送车密度输出。使用本发明的无人配送车通信仿真系统来替换人工测算方式,有效地缩短了测算周期、提高了测算效率、降低了测算成本,并能向全路网进行快速推广。
附图说明
图1为本发明实施例一提供的一种无人配送车通信仿真的处理方法示意图;
图2为本发明实施例一提供的无人配送车通信仿真系统的模块结构图;
图3为本发明实施例二提供的一种无人配送车通信仿真的处理装置的模块结构图;
图4为本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例一提供一种无人配送车通信仿真的处理方法,通过本发明实施例一可提高各路网最佳无人配送车密度的测算效率;图1为本发明实施例一提供的一种无人配送车通信仿真的处理方法示意图,如图1所示,本方法主要包括如下步骤:
步骤1,基于SUMO仿真器、Veins仿真器和OMNET++仿真器构建无人配送车通信仿真系统。
这里,如图2为本发明实施例一提供的无人配送车通信仿真系统的模块结构图所示,Veins仿真器分别与SUMO仿真器和OMNET++仿真器连接。
步骤2,基于指定路网的实际路网数据配置第一路网;并为第一路网配置多个第一无人配送车和多个第一联网车辆和多个第一非联网车辆,并对每个第一无人配送车、第一联网车辆和第一非联网车辆的车辆属性和车辆规划路线进行设置;并对第一路网对应的第一无人配送车渗透率参数、第一联网车辆渗透率参数、第一非联网车辆渗透率参数和第一路网车辆总数进行设置;并基于指定路网的实际通信网络为第一路网配置对应的第一通信网络,并对第一通信网络的组网模式和网络结构进行设置,并对网络结构中的每个网络节点的各类属性进行设置;并对各个第一非联网车辆与第一通信网络的第一交通控制后台进行直连配置,并对各个第一非联网车辆的通信属性进行设置。
其中,第一路网包括多个第一机动车道属性和多个第一非机动车道属性;第一机动车道属性包括机动车道标识、机动车道类型、机动车道长度、机动车道宽度和机动车道限速范围;机动车道类型包括直行道路类型、左拐道路类型、右拐道路类型、直行+左拐道路类型、直行+右拐道路类型和路口道路类型;第一非机动车道属性包括非机动车道标识、非机动车道类型、非机动车道长度、非机动车道宽度和非机动车道限速范围;非机动车道类型包括直行道路类型、左拐道路类型、右拐道路类型、直行+左拐道路类型、直行+右拐道路类型和路口道路类型。
在第一路网中配置的第一联网车辆为与所有第一无人配送车共用第一通信网络的非无人配送车辆,第一非联网车辆为不使用第一通信网络的非无人配送车辆;在第一路网中配置的各个第一无人配送车、第一联网车辆和第一非联网车辆都对应一个第一车辆属性和一个第一车辆规划路线;第一车辆属性包括车辆标识、车辆尺寸、车辆位置、车辆朝向、车辆行驶速度、车辆加速度、车辆直行饱和车头时距(即车辆直行时的饱和车头时距)、车辆反应时间(也称为制动反应时间)、车辆最大加速度、车辆最大减速度、车辆跟车运动模型和车辆换道运动模型;第一车辆规划路线包括起始位置和结束位置。
第一无人配送车渗透率参数、第一联网车辆渗透率参数和第一非联网车辆渗透率参数的总和为1;第一无人配送车渗透率参数为第一路网的所有第一无人配送车辆的总数相对第一路网车辆总数的占比;第一联网车辆渗透率参数为第一路网的所有第一联网车辆的总数相对第一路网车辆总数的占比;第一非联网车辆渗透率参数为第一路网的所有第一非联网车辆的总数相对第一路网车辆总数的占比。
第一通信网络包括第一组网模式和第一网络结构;
第一组网模式包括LTE-V2X mode3模式和LTE-V2X mode4模式;
第一网络结构的网络节点包括第一交通控制后台、多个第一通信设备、多个第一无人配送车和多个第一联网车辆;
当第一组网模式为LTE-V2X mode3模式时,第一网络结构中第一交通控制后台与一个或多个指定的第一通信设备连接、第一无人配送车或第一联网车辆与一个或多个指定的第一通信设备连接;
当第一组网模式为LTE-V2X mode4模式时,第一网络结构中第一交通控制后台与一个或多个指定的第一通信设备连接、第一无人配送车或第一联网车辆与一个或多个指定的第一通信设备连接、第一无人配送车或第一联网车辆还与一个或多个周围的第一无人配送车或第一联网车辆连接。
第一通信网络中的第一交通控制后台包括第一后台属性;第一后台属性中至少包括第一后台控制策略;第一后台控制策略为与第一路网的道路交通控制有关的一系列控制策略;第一交通控制后台基于第一后台控制策略进行道路交通控制信令输出,并通过第一通信网络向各个第一无人配送车或第一联网车辆推送实时的道路交通控制信令;并向各个第一非联网车辆直接推送实时的道路交通控制信令。这里提及的道路交通控制信令诸如道路限行控制指令、道路红绿灯信号控制指令、道路禁行道路等等。由前文可知第一联网车辆是与第一无人配送车同在第一通信网络中的车辆,所以第一交通控制后台除了通过第一通信网络向各个第一无人配送车推送道路交通控制信令、还会通过第一通信网络向各个第一联网车辆推送道路交通控制信令;由前文可知第一非联网车辆是不在第一通信网络中的车辆,即第一交通控制后台通过其他途径向其推送道路交通控制信令,因此在本次模拟配置中默认第一交通控制后台将道路交通控制信令向各个第一非联网车辆直接推送。
第一通信网络中的第一通信设备包括第一设备属性和第一通信属性;其中,第一设备属性包括第一设备标识、第一设备类型、第一设备尺寸和第一设备位置;第一设备类型包括基站类型、网关设备类型、路由设备类型和RSU设备类型;第一通信属性包括第一设备通信协议、第一设备通信参数组和第一设备通信控制策略;当第一组网模式为LTE-V2Xmode3模式时,第一设备通信协议和第一设备通信参数组为在LTE-V2X mode3模式下与自身设备类型匹配的一组通信协议和一组通信参数;当第一组网模式为LTE-V2X mode4模式时,第一设备通信协议和第一设备通信参数组为在LTE-V2X mode4模式下与自身设备类型匹配的一组通信协议和一组通信参数;第一设备通信控制策略为基于自身通信协议和通信参数组进行数据通信控制和特征通信参数计算的一系列控制策略;这里提及的特征通信参数包括消息发送成功率、消息发送时延、丢包率和信道繁忙率。
第一通信网络中的各个第一无人配送车和第一联网车辆还包括一个对应的第一车辆通信属性;第一车辆通信属性包括第一车辆通信协议、第一车辆通信参数组、第一车辆通信控制策略和第一车辆驾驶控制策略;当第一组网模式为LTE-V2X mode3模式时,第一车辆通信协议和第一车辆通信参数组为在LTE-V2X mode3模式下的一组车辆通信协议和一组车辆通信参数;当第一组网模式为LTE-V2X mode4模式时,第一车辆通信协议和第一车辆通信参数组为在LTE-V2X mode4模式下的一组车辆通信协议和一组车辆通信参数;第一车辆通信控制策略为基于自车通信协议和通信参数组进行数据通信控制和特征通信参数计算的一系列控制策略;第一车辆驾驶控制策略为基于道路交通控制信令和/或环境车辆实时状态对自车进行驾驶控制的一系列控制策略;这里提及的特征通信参数包括消息发送成功率、消息发送时延、丢包率和信道繁忙率;驾驶控制为由转向控制、加速控制、减速控制、匀速控制和制动控制中一个或多个控制动作组合而成的组合控制;环境车辆实时状态包括自车周围环境的实时状态和自车实时状态;自车周围环境的实时状态由自车周围的其他车辆实时状态组成;其他车辆实时状态和自车实时状态都由车辆位置、车辆朝向、车辆行驶速度和车辆加速度组成。
第一通信网络中的各个第一非联网车辆还包括一个对应的第二车辆通信属性;第二车辆通信属性中至少包括第二车辆驾驶控制策略;第二车辆驾驶控制策略为基于道路交通控制信令和/或环境车辆实时状态对自车进行驾驶控制的一系列控制策略。
步骤3,基于第一路网对SUMO仿真器的路网配置文件进行设置;并基于所有无人配送车、联网车辆和非联网车辆的车辆属性和车辆规划路线以及第一无人配送车渗透率参数、第一联网车辆渗透率参数、第一非联网车辆渗透率参数和第一路网车辆总数对SUMO仿真器的车流配置文件进行设置;并基于第一通信网络的所有第一通信设备的设备属性对SUMO仿真器的外部配置文件进行设置;并基于预设的总仿真时长参数和仿真单步时长参数对SUMO仿真器的总仿真时长和仿真单步时长进行设置。
这里,由SUMO仿真器公知的配置文件可知,在运行仿真之前必须对路网配置文件、车流配置文件进行配置,外部配置文件属于可选配置文件;除此之外,还需对SUMO仿真器的仿真时长和单步时长进行配置。对SUMO仿真器的配置过程可基于公开的SUMO仿真器技术文献获取,在步骤2基于实网数据完成第一路网的配置之后,既可采用第一路网的配置信息完成对SUMO仿真器的配置。
步骤4,对第一通信网络的第一组网模式提供的两种模式进行二选一,并基于当前选中模式对第一通信网络的第一网络结构中各个网络节点的通信属性进行确认;并基于第一网络结构中所有网络节点的通信属性以及所有第一非联网车辆的通信属性对OMNET++仿真器进行仿真网络配置;并基于总仿真时长参数和仿真单步时长参数对OMNET++仿真器的总仿真时长和仿真单步时长进行设置。
这里,由OMNET++仿真器公知的配置方式可知,在运行仿真之前必须对所需仿真的网络结构、通信协议以及结构中个节点设备的参数进行配置;除此之外,还需对OMNET++仿真器的仿真时长和单步时长进行配置。对OMNET++仿真器的配置过程可基于公开的OMNET++仿真器技术文献获取,在步骤2基于实网数据完成第一路网和第一通信网络的配置之后,既可采用第一路网和第一通信网络的配置信息完成对OMNET++仿真器的配置。
步骤5,初始化第一仿真计数器的计数值为1。
步骤6,在同一时间点上,同步运行SUMO仿真器和OMNET++仿真器进行一轮仿真;并在本轮仿真过程中由Veins仿真器对SUMO仿真器和OMNET++仿真器进行实时车辆信息和车辆控制指令传递并由Veins仿真器对所有第一无人配送车的特征通信数据进行采集得到对应的多个第一无人配送车特征通信数据集合;并在本轮仿真结束时根据得到的所有第一无人配送车特征通信数据集合进行通信质量评分得到对应的第一评分数据;并由本轮仿真过程对应的第一无人配送车渗透率参数和第一评分数据组成一个对应的第一渗透率-评分数据对;
具体包括:步骤61,在同一时间点上,同步运行SUMO仿真器和OMNET++仿真器进行一轮仿真;
这里,在同一时间点上同步启动运行两个模拟器,是为了Veins仿真器获得的中间数据没有较大的时间偏差;
步骤62,并在本轮仿真过程中由Veins仿真器对SUMO仿真器和OMNET++仿真器进行实时车辆信息和车辆控制指令传递并由Veins仿真器对所有第一无人配送车的特征通信数据进行采集得到对应的多个第一无人配送车特征通信数据集合;
具体包括:步骤621,将本轮仿真过程中从起始仿真时间开始每隔一个仿真单步时长参数的时间点记为对应的单步时间点;
步骤622,并在各个单步时间点上,由Veins仿真器从SUMO仿真器处获得各个第一无人配送车、第一联网车辆和第一非联网车辆的实时车辆信息组成对应的第一车辆信息集合向OMNET++仿真器转发;并由OMNET++仿真器根据第一车辆信息集合对各个第一无人配送车、第一联网车辆和第一非联网车辆的实时驾驶控制进行仿真并输出对应的第一车辆控制指令集向Veins仿真器回发;并由Veins仿真器将第一车辆控制指令集送至SUMO仿真器;并由SUMO仿真器根据第一车辆控制指令集对各个第一无人配送车、第一联网车辆和第一非联网车辆的车辆属性和规划路线进行调整、并基于调整后的车辆属性和规划路线进行下一单步仿真;
其中,第一车辆信息集合包括多个第一车辆信息,每个第一车辆信息对应一个第一无人配送车、第一联网车辆或第一非联网车辆;第一车辆信息包括车辆位置、车辆朝向、车辆行驶速度和车辆加速度;第一车辆控制指令集包括多个第一车辆控制指令;每个第一车辆控制指令对应一个第一无人配送车、第一联网车辆或第一非联网车辆;第一车辆控制指令为由转向控制、加速控制、减速控制、匀速控制和制动控制中一个或多个控制动作组合而成的组合控制指令;
步骤623,并在各个单步时间点上,由Veins仿真器从SUMO仿真器处获得各个第一无人配送车的实时消息发送成功率、消息发送时延、丢包率和信道繁忙率组成一个对应的第一无人配送车特征通信数据,并由得到的所有第一无人配送车特征通信数据组成一个对应的第一无人配送车特征通信数据集合并保存;
其中,第一无人配送车特征通信数据集合包括多个第一无人配送车特征通信数据;第一无人配送车特征通信数据与第一无人配送车一一对应;第一无人配送车特征通信数据包括第一时间戳、第一消息发送成功率、第一消息发送时延、第一丢包率和第一信道繁忙率;第一时间戳与当前单步时间点对应;
步骤63,并在本轮仿真结束时根据得到的所有第一无人配送车特征通信数据集合进行通信质量评分得到对应的第一评分数据;
具体包括:步骤631,在本轮仿真时长与总仿真时长参数一致时,结束SUMO仿真器和OMNET++仿真器的仿真操作;
步骤632,由得到的所有第一无人配送车特征通信数据集合组成对应的第一数据集;
步骤633,对第一数据集中的所有第一消息发送成功率进行均值计算得到对应的第一平均发送成功率;并对第一数据集中的所有第一消息发送时延进行均值计算得到对应的第一平均发送时延;并对第一数据集中的所有第一丢包率进行均值计算得到对应的第一平均丢包率;并对第一数据集中的所有第一信道繁忙率进行均值计算得到对应的第一平均信道繁忙率;
步骤634,将预设的第一评分规则列表中,第一平均发送成功率满足的第一发送成功率字段对应的第一评分规则记录的第一评分字段提取出来作为对应的第一发送成功率评分;
其中,第一评分规则列表包括多个第一评分规则记录;第一评分规则记录包括第一发送成功率字段和第一评分字段;第一发送成功率字段为一个发送成功率范围;
步骤635,将预设的第二评分规则列表中,第一平均发送时延满足的第一发送时延字段对应的第二评分规则记录的第二评分字段提取出来作为对应的第一发送时延评分;
其中,第二评分规则列表包括多个第二评分规则记录;第二评分规则记录包括第一发送时延字段和第二评分字段;第一发送时延字段为一个发送时延范围;
步骤636,将预设的第三评分规则列表中,第一平均丢包率满足的第一丢包率字段对应的第三评分规则记录的第三评分字段提取出来作为对应的第一丢包率评分;
其中,第三评分规则列表包括多个第三评分规则记录;第三评分规则记录包括第一丢包率字段和第三评分字段;第一丢包率字段为一个丢包率范围;
步骤637,将预设的第四评分规则列表中,第一信道繁忙率满足的第一信道繁忙率字段对应的第四评分规则记录的第四评分字段提取出来作为对应的第一信道繁忙率评分;
其中,第四评分规则列表包括多个第四评分规则记录;第四评分规则记录包括第一信道繁忙率字段和第四评分字段;第一信道繁忙率字段为一个信道繁忙率范围;
步骤638,对第一发送成功率评分、第一发送时延评分、第一丢包率评分和第一信道繁忙率评分进行加权求和计算得到对应的第一综合评分;
其中,第一综合评分=a×第一发送成功率评分+b×第一发送时延评分+c×第一丢包率评分+d×第一信道繁忙率评分;a、b、c、d为预设的四个加权系数;
步骤639,由得到的第一发送成功率评分、第一发送时延评分、第一丢包率评分、第一信道繁忙率评分和第一综合评分组成一个与本轮仿真对应的第一评分数据;
步骤64,并由本轮仿真过程对应的第一无人配送车渗透率参数和第一评分数据组成一个对应的第一渗透率-评分数据对。
步骤7,对第一仿真计数器的计数值是否大于预设的最大仿真次数进行识别;若是,则转至步骤9;若否,则转至步骤8。
这里,最大仿真次数是一个预先设置的仿真次数阈值。
步骤8,对第一仿真计数器的计数值加1;并在第一路网车辆总数不变的前提下,基于预设的三类车辆渗透率调整规则对第一路网中与无人配送车、联网车辆和非联网车辆对应的三个渗透率参数进行调整得到新的第一无人配送车渗透率参数、第一联网车辆渗透率参数和第一非联网车辆渗透率参数;并基于新的第一无人配送车渗透率参数、第一联网车辆渗透率参数和第一非联网车辆渗透率参对SUMO仿真器的车流配置文件进行调整;并在调整完成后返回步骤6进行新的一轮仿真;
其中,三类车辆渗透率调整规则的调整方向会将第一无人配送车渗透率参数调高。
这里,本发明实施例不对三类车辆渗透率调整规则的调整步骤进行具体限制,只对其最终的一个调整结果进行限制,即要求每次调整后输出的第一无人配送车渗透率参数必须相对调整前的第一无人配送车渗透率参数有增大趋势,也就是每次调整后输出的第一联网车辆渗透率参数和第一非联网车辆渗透率参数的总和相对调整前有减小趋势。
步骤9,根据得到的所有第一渗透率-评分数据对进行渗透率-通信性能曲线绘制并根据绘制曲线进行渗透率优选处理得到对应的最佳渗透率;并将最佳渗透率作为第一路网的最佳无人配送车密度输出;
具体包括:步骤91,根据得到的所有第一渗透率-评分数据对进行渗透率-通信性能曲线绘制并根据绘制曲线进行渗透率优选处理得到对应的最佳渗透率;
具体包括:构建一个以渗透率为横轴、以综合评分为纵轴的二维笛卡尔曲线平面记为对应的第一曲线平面;并基于各个第一渗透率-评分数据对的第一无人配送车渗透率参数和第一综合评分在第一曲线平面进行点描计得到对应的第一描计点;并根据得到的所有第一描计点进行平滑曲线绘制处理得到对应的渗透率-通信性能曲线;并将渗透率-通信性能曲线上的最大峰值点对应的渗透率提取出来作为对应的最佳渗透率;
步骤92,并将最佳渗透率作为第一路网的最佳无人配送车密度输出。
这里,第一路网与一个真实的指定路网对应,那么第一路网的最佳无人配送车密度就是该指定路网的最佳无人配送车密度测算结果。
由实际路网的车辆密度情况可知,每段路网在不同时段的路网车辆状态不同,那么可基于实际路网不同时段的路网车辆状态配置出对应不同时段的多个第一路网,并基于本发明实施例对各个第一路网的最佳无人配送车密度进行测算就能得到每段路网在不同时段的最佳无人配送车密度测算结果。
图3为本发明实施例二提供的一种无人配送车通信仿真的处理装置的模块结构图,该装置为实现前述方法实施例的终端设备或者服务器,也可以为能够使得前述终端设备或者服务器实现前述方法实施例的装置,例如该装置可以是前述终端设备或者服务器的装置或芯片系统。如图3所示,该装置包括:仿真系统构建模块201、第一配置模块202、第二配置模块203、第三配置模块204、仿真计数器设置模块205、单轮仿真模块206、仿真计数器判断模块207、下轮仿真配置调整模块208和最佳渗透率处理模块209。
仿真系统构建模块201用于基于SUMO仿真器、Veins仿真器和OMNET++仿真器构建无人配送车通信仿真系统;Veins仿真器分别与SUMO仿真器和OMNET++仿真器连接。
第一配置模块202用于基于指定路网的实际路网数据配置第一路网;并为第一路网配置多个第一无人配送车和多个第一联网车辆和多个第一非联网车辆,并对每个第一无人配送车、第一联网车辆和第一非联网车辆的车辆属性和车辆规划路线进行设置;并对第一路网对应的第一无人配送车渗透率参数、第一联网车辆渗透率参数、第一非联网车辆渗透率参数和第一路网车辆总数进行设置;并基于指定路网的实际通信网络为第一路网配置对应的第一通信网络,并对第一通信网络的组网模式和网络结构进行设置,并对网络结构中的每个网络节点的各类属性进行设置;并对各个第一非联网车辆与第一通信网络的第一交通控制后台进行直连配置,并对各个第一非联网车辆的通信属性进行设置;第一联网车辆为与所有第一无人配送车共用第一通信网络的非无人配送车辆;第一非联网车辆为不使用第一通信网络的非无人配送车辆;第一无人配送车渗透率参数、第一联网车辆渗透率参数和第一非联网车辆渗透率参数的总和为1;第一通信网络包括第一组网模式和第一网络结构;第一组网模式包括LTE-V2X mode3模式和LTE-V2X mode4模式;第一网络结构的网络节点包括第一交通控制后台、多个第一通信设备、多个第一无人配送车和多个第一联网车辆。
第二配置模块203用于基于第一路网对SUMO仿真器的路网配置文件进行设置;并基于所有无人配送车、联网车辆和非联网车辆的车辆属性和车辆规划路线以及第一无人配送车渗透率参数、第一联网车辆渗透率参数、第一非联网车辆渗透率参数和第一路网车辆总数对SUMO仿真器的车流配置文件进行设置;并基于第一通信网络的所有第一通信设备的设备属性对SUMO仿真器的外部配置文件进行设置;并基于预设的总仿真时长参数和仿真单步时长参数对SUMO仿真器的总仿真时长和仿真单步时长进行设置。
第三配置模块204用于对第一通信网络的第一组网模式提供的两种模式进行二选一,并基于当前选中模式对第一通信网络的第一网络结构中各个网络节点的通信属性进行确认;并基于第一网络结构中所有网络节点的通信属性以及所有第一非联网车辆的通信属性对OMNET++仿真器进行仿真网络配置;并基于总仿真时长参数和仿真单步时长参数对OMNET++仿真器的总仿真时长和仿真单步时长进行设置。
仿真计数器设置模块205用于初始化第一仿真计数器的计数值为1。
单轮仿真模块206用于在同一时间点上同步运行SUMO仿真器和OMNET++仿真器进行一轮仿真;并在本轮仿真过程中由Veins仿真器对SUMO仿真器和OMNET++仿真器进行实时车辆信息和车辆控制指令传递并由Veins仿真器对所有第一无人配送车的特征通信数据进行采集得到对应的多个第一无人配送车特征通信数据集合;并在本轮仿真结束时根据得到的所有第一无人配送车特征通信数据集合进行通信质量评分得到对应的第一评分数据;并由本轮仿真过程对应的第一无人配送车渗透率参数和第一评分数据组成一个对应的第一渗透率-评分数据对。
仿真计数器判断模块207用于对第一仿真计数器的计数值是否大于预设的最大仿真次数进行识别;若是,则转至最佳渗透率处理模块209;若否,则转至下轮仿真配置调整模块208。
下轮仿真配置调整模块208用于对第一仿真计数器的计数值加1;并在第一路网车辆总数不变的前提下,基于预设的三类车辆渗透率调整规则对第一路网中与无人配送车、联网车辆和非联网车辆对应的三个渗透率参数进行调整得到新的第一无人配送车渗透率参数、第一联网车辆渗透率参数和第一非联网车辆渗透率参数;并基于新的第一无人配送车渗透率参数、第一联网车辆渗透率参数和第一非联网车辆渗透率参对SUMO仿真器的车流配置文件进行调整;并在调整完成后返回单轮仿真模块206进行新的一轮仿真;三类车辆渗透率调整规则的调整方向会将第一无人配送车渗透率参数调高。
最佳渗透率处理模块209用于根据得到的所有第一渗透率-评分数据对进行渗透率-通信性能曲线绘制并根据绘制曲线进行渗透率优选处理得到对应的最佳渗透率;并将最佳渗透率作为第一路网的最佳无人配送车密度输出。
本发明实施例提供的一种无人配送车通信仿真的处理装置,可以执行上述方法实施例中的方法步骤,其实现原理和技术效果类似,在此不再赘述。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,仿真系统构建模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所描述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,ASIC),或,一个或多个数字信号处理器(Digital Signal Processor,DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(System-on-a-chip,SOC)的形式实现。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照前述方法实施例所描述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线路((Digital Subscriber Line,DSL))或无线(例如红外、无线、蓝牙、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
图4为本发明实施例三提供的一种电子设备的结构示意图。该电子设备可以为实现前述实施例方法的终端设备或者服务器,也可以为与前述终端设备或者服务器连接的实现前述实施例方法的终端设备或服务器。如图4所示,该电子设备可以包括:处理器301(例如CPU)、存储器302、收发器303;收发器303耦合至处理器301,处理器301控制收发器303的收发动作。存储器302中可以存储各种指令,以用于完成各种处理功能以及实现前述实施例方法描述的处理步骤。优选的,本发明实施例涉及的电子设备还包括:电源304、系统总线305以及通信端口306。系统总线305用于实现元件之间的通信连接。上述通信端口306用于电子设备与其他外设之间进行连接通信。
在图4中提到的系统总线305可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory,RAM),也可能还包括非易失性存储器(Non-Volatile Memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器CPU、网络处理器(NetworkProcessor,NP)、图形处理器(Graphics Processing Unit,GPU)等;还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
需要说明的是,本发明实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中提供的方法和处理过程。
本发明实施例还提供一种运行指令的芯片,该芯片用于执行前述方法实施例描述的处理步骤。
本发明实施例提供了一种无人配送车通信仿真的处理方法、装置、电子设备及计算机可读存储介质;本发明基于SUMO仿真器、Veins仿真器和OMNET++仿真器构建无人配送车通信仿真系统;并基于指定路网的实际路网数据配置第一路网、并对第一路网进行无人配送车、联网车辆和非联网车辆三类车辆配置,并基于指定路网的实际通信网络配置第一通信网络,并由第一路网的配置信息对SUMO仿真器进行配置,由第一路网和第一通信网络的配置信息对OMNET++仿真器进行配置;并在多组第一无人配送车渗透率参数+第一联网车辆渗透率参数+第一非联网车辆渗透率参数的配置条件下,使用无人配送车通信仿真系统进行交通和通信仿真从而得到多对能反映不同渗透率和通信性能之间关联关系的第一渗透率-评分数据对;并由得到的所有第一渗透率-评分数据对进行渗透率-通信性能曲线绘制,最终将从渗透率-通信性能曲线上选出的最佳渗透率作为对应的最佳无人配送车密度输出。使用本发明的无人配送车通信仿真系统来替换人工测算方式,有效地缩短了测算周期、提高了测算效率、降低了测算成本,并能向全路网进行快速推广。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。