李立　張修軍

摘 要： 為了提高大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)檢索的查準(zhǔn)率，提出一種基于模糊數(shù)據(jù)聚類的大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)高效查詢技術(shù)。分析大型車聯(lián)網(wǎng)的網(wǎng)絡(luò)分布式結(jié)構(gòu)和數(shù)據(jù)結(jié)構(gòu)，對(duì)大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)的數(shù)據(jù)信息流進(jìn)行特征空間重組，采用關(guān)聯(lián)語義融合方法進(jìn)行數(shù)據(jù)庫(kù)檢索的特征量提取，結(jié)合模糊C均值聚類算法對(duì)提取的大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)的語義本體特征進(jìn)行分類檢索，實(shí)現(xiàn)數(shù)據(jù)庫(kù)的高效查詢。仿真結(jié)果表明，采用該方法進(jìn)行大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)查詢的查準(zhǔn)率和查全率較高，查詢過程的收斂性較好。

關(guān)鍵詞： 車聯(lián)網(wǎng)； 數(shù)據(jù)庫(kù)； 查詢技術(shù)； 信息融合

中圖分類號(hào)： TN711?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）22?0060?03

Abstract： In order to improve the retrieval precision ratio of large vehicle networking database， a large vehicle networking database query technology based on fuzzy data clustering is presented. The network distributed structure and data structure of large vehicle networking are analyzed. The feature space reorganization of information flow for large vehicle networking database is conducted. The associated semantic fusion method is used to perform feature extraction of database retrieval. The classification retrieval for the extracted semantic ontology features from large vehicle networking database is carried out in combination with fuzzy C means clustering algorithm to realize efficient query of the database. The simulation results show that the method has high the precision ratio and high recall ratio for large vehicle networking database query， and excellent convergence in the query process.

Keywords： vehicle networking； database； query technology； information fusion

0 引 言

隨著網(wǎng)絡(luò)信息技術(shù)的發(fā)展，采用物聯(lián)網(wǎng)技術(shù)將車輛與車輛聯(lián)網(wǎng)，通過GPS、RFID、傳感器等裝置進(jìn)行車輛的信息采集，通過計(jì)算機(jī)技術(shù)，將這些大量車輛的實(shí)時(shí)信息輸入到中央處理器的數(shù)據(jù)庫(kù)中進(jìn)行分析和處理，實(shí)現(xiàn)信息互通共享，為車輛規(guī)劃最佳路線，避免交通擁堵，并實(shí)時(shí)報(bào)告路況信息，這樣的網(wǎng)絡(luò)稱為車聯(lián)網(wǎng)（Internet of Vehicles）。車聯(lián)網(wǎng)絡(luò)分為三層體系結(jié)構(gòu)，分別為端系統(tǒng)、管系統(tǒng)、云系統(tǒng)[1]。在車聯(lián)網(wǎng)的云構(gòu)架系統(tǒng)中，海量的車輛信息存儲(chǔ)在車聯(lián)網(wǎng)的數(shù)據(jù)庫(kù)中，圍繞車輛的監(jiān)控和管理進(jìn)行數(shù)據(jù)匯聚、計(jì)算、調(diào)度，組成一個(gè)云架構(gòu)的車輛運(yùn)行信息平臺(tái)。

為了提高車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)計(jì)算、調(diào)度、監(jiān)控、管理能力，需要進(jìn)行數(shù)據(jù)庫(kù)的高效查詢?cè)O(shè)計(jì)，研究車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)的高效查詢技術(shù)，在4S店、車管、保險(xiǎn)、緊急救援、打車軟件的移動(dòng)互聯(lián)網(wǎng)通信領(lǐng)域都具有很好的應(yīng)用價(jià)值[2]。針對(duì)傳統(tǒng)的大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)查詢模型的收斂性不好，查準(zhǔn)率不高的問題，本文提出一種基于模糊數(shù)據(jù)聚類的大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)高效查詢技術(shù)，通過查詢算法設(shè)計(jì)和實(shí)際的車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)查詢仿真分析，展示了本文設(shè)計(jì)的數(shù)據(jù)庫(kù)查詢方法的高效性和準(zhǔn)確性。

1 大型車聯(lián)網(wǎng)數(shù)據(jù)分布結(jié)構(gòu)與數(shù)據(jù)預(yù)處理

1.1 網(wǎng)絡(luò)分布式結(jié)構(gòu)分析

為了實(shí)現(xiàn)大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)的高效查詢，首先進(jìn)行大型車聯(lián)網(wǎng)的網(wǎng)絡(luò)分布式結(jié)構(gòu)分析和數(shù)據(jù)結(jié)構(gòu)分析，采用車輛自組織網(wǎng)絡(luò)（Vehicular Ad Hoc Networks， VANETs）結(jié)構(gòu)模型構(gòu)建車聯(lián)網(wǎng)的節(jié)點(diǎn)分布模型[3]。車聯(lián)網(wǎng)中的車輛節(jié)點(diǎn)通過RFID自動(dòng)獲取自己的位置信息。簇頭根據(jù)車載GPS將數(shù)據(jù)上傳到車聯(lián)網(wǎng)數(shù)據(jù)中。簇內(nèi)通信節(jié)點(diǎn)把相似/相近的數(shù)據(jù)回復(fù)給簇頭。構(gòu)建車聯(lián)網(wǎng)節(jié)點(diǎn)分布式結(jié)構(gòu)模型如圖1所示。

1.2 數(shù)據(jù)信息流特征空間重組

對(duì)大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)的數(shù)據(jù)信息流進(jìn)行特征空間重組，在大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)存儲(chǔ)結(jié)構(gòu)模型中進(jìn)行查詢數(shù)據(jù)信息流模型構(gòu)建[4]，采用標(biāo)量時(shí)間序列表示大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)的存儲(chǔ)數(shù)據(jù)信息流為：

2 數(shù)據(jù)庫(kù)查詢實(shí)現(xiàn)

2.1 關(guān)聯(lián)語義融合

在上述進(jìn)行了大型車聯(lián)網(wǎng)數(shù)據(jù)分布結(jié)構(gòu)分析與數(shù)據(jù)預(yù)處理的基礎(chǔ)上，進(jìn)行數(shù)據(jù)庫(kù)查詢?cè)O(shè)計(jì)。本文提出一種基于模糊數(shù)據(jù)聚類的大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)高效查詢技術(shù)。采用關(guān)聯(lián)語義融合方法進(jìn)行數(shù)據(jù)庫(kù)檢索的特征量提取，用[Wx（t，v）]表示大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)中的關(guān)聯(lián)語義本體模型，對(duì)數(shù)據(jù)庫(kù)中的關(guān)聯(lián)數(shù)據(jù)進(jìn)行語義加權(quán)處理[7]，得到數(shù)據(jù)庫(kù)查詢的二維插值擬合表達(dá)式為：

3 仿真結(jié)果分析

本文對(duì)大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)查詢的仿真實(shí)驗(yàn)采用Matlab 7軟件設(shè)計(jì)，數(shù)據(jù)庫(kù)服務(wù)器使用MySQL，基于RFID技術(shù)進(jìn)行車聯(lián)網(wǎng)中的車輛信息采樣，對(duì)車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)中內(nèi)部存儲(chǔ)的信息進(jìn)行分類查詢。數(shù)據(jù)庫(kù)查詢的持續(xù)時(shí)間T=100 s，迭代次數(shù)設(shè)定為1 000次，查詢的時(shí)間間隔為1.25 s，特征空間重構(gòu)的時(shí)間窗口系數(shù)[τ]為0.21。根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進(jìn)行數(shù)據(jù)庫(kù)查詢仿真分析，首先進(jìn)行數(shù)據(jù)流信息采樣，采樣率設(shè)定為15 kHz，得到采樣的數(shù)據(jù)信息流如圖3所示。

4 結(jié) 語

本文提出一種基于模糊數(shù)據(jù)聚類的大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)高效查詢技術(shù)。對(duì)大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)的數(shù)據(jù)信息流進(jìn)行特征空間重組，采用關(guān)聯(lián)語義融合方法進(jìn)行數(shù)據(jù)庫(kù)檢索的特征量提取，結(jié)合模糊C均值聚類算法對(duì)提取的大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)的語義本體特征進(jìn)行分類檢索，實(shí)現(xiàn)數(shù)據(jù)庫(kù)的高效查詢。采用該方法進(jìn)行大型車聯(lián)網(wǎng)數(shù)據(jù)庫(kù)查詢的查準(zhǔn)率和查全率較高，查詢過程的收斂性較好，滿足高效查詢要求。

參考文獻(xiàn)

[1] 胡榮娜，郭愛煌.車聯(lián)網(wǎng)中基于功率控制的傳輸可靠性算法[J].計(jì)算機(jī)應(yīng)用，2015，35（6）：1523?1526.

[2] 張秋實(shí).分散控制系統(tǒng)中數(shù)據(jù)庫(kù)的應(yīng)用研究[J].計(jì)算機(jī)仿真，2013，30（11）：104?107.

[3] 王利，楊征，李洋.特征聚合的遙感圖像數(shù)據(jù)庫(kù)檢索技術(shù)[J].激光雜志，2016，37（6）：78?81.

[4] 孟祥福，嚴(yán)麗，馬宗民，等.基于語義相似度的數(shù)據(jù)庫(kù)自適應(yīng)查詢松弛方法[J].計(jì)算機(jī)學(xué)報(bào)，2011，34（5）：812?824.

[5] 寇月，申德榮，李冬，等.一種基于語義及統(tǒng)計(jì)分析的Deep Web實(shí)體識(shí)別機(jī)制[J].軟件學(xué)報(bào)，2008，19（2）：194?208.

[6] 潘穎，湯庸，劉海.基于關(guān)系數(shù)據(jù)庫(kù)的極松散結(jié)構(gòu)數(shù)據(jù)模型的訪問控制研究[J].電子學(xué)報(bào)，2012，40（3）：600?606.

[7] 林楠，史葦杭.基于多層空間模糊減法聚類算法的Web數(shù)據(jù)庫(kù)安全索引[J].計(jì)算機(jī)科學(xué)，2014，41（10）：216?219.

[8] 鄧志剛，曾國(guó)蓀，譚云蘭，等.云存儲(chǔ)內(nèi)容分發(fā)網(wǎng)絡(luò)中的能耗優(yōu)化方法[J].計(jì)算機(jī)應(yīng)用，2016，36（6）：1515?1519.

[9] 李永剛，張治中，李龍江.一種WLAN與eHRPD系統(tǒng)間負(fù)載均衡算法[J].微電子學(xué)與計(jì)算機(jī)，2017，34（1）：44?47.endprint