iMAX和Wi-Fi進(jìn)行通信的可行性。通過分別對(duì)WiMAX 場(chǎng)景和Wi-Fi場(chǎng)景下進(jìn)行分析實(shí)驗(yàn)表明，WiMAX在短距離（如小于IOOm)中其延遲明顯比 Wi-Fi更大，幀的持續(xù)時(shí)間對(duì)WiMAX性能有顯著影響。文獻(xiàn)[28]在一個(gè)簡(jiǎn)單的VANET中，評(píng)估 了 Wi-Fi提供V2V通信而WiMX用作V2I通信時(shí)的性能。流式視頻、流式音頻和視頻會(huì)議 可以在其搭建的V2V2I環(huán)境中成功運(yùn)行。Zhao [29]第一次嘗試了在VANET中通過3G輔助數(shù) 據(jù)傳輸，文中提出了一個(gè)稱為3⑶D(3G_assisted data delivery)的路由協(xié)議（場(chǎng)景如圖4 所示）。3GDD通過求解原優(yōu)化問題中的整數(shù)線性規(guī)劃問題來分配每個(gè)時(shí)隙的可用3G流量， 考慮到3G的預(yù)算問題，3⑶D選擇那些通過VANET難以達(dá)到目的地的數(shù)據(jù)包通過3G發(fā)送。 文獻(xiàn)[3°]研究了 V2I通信中使用可伸縮視頻編碼的實(shí)時(shí)視頻流傳輸協(xié)作技術(shù)?？紤]使 用LTE和WAVE技術(shù)為移動(dòng)中的車輛提供通信，比較了不同的視頻傳輸模式，并得出LTE基 站和使用WAVE路邊基礎(chǔ)設(shè)施單元之間的聯(lián)合協(xié)作效果最好的結(jié)論。在一個(gè)由VANET網(wǎng)絡(luò) 和LTE網(wǎng)絡(luò)組成的混合網(wǎng)絡(luò)中，作者提出了 QGwS[31]，它的特點(diǎn)是在分析了 VANET和基礎(chǔ)設(shè) 施特性的基礎(chǔ)上，高效地選出適當(dāng)?shù)木W(wǎng)關(guān)來轉(zhuǎn)發(fā)數(shù)據(jù)包，而且保證了 QoS需要。 2. 3深度學(xué)習(xí)技術(shù) 近些年深度學(xué)習(xí)在圖像、語音、自然語言處理等方面都取得了顯著進(jìn)展。傳統(tǒng)機(jī)器學(xué) 習(xí)方法和理論僅含單層非線性變換的淺層學(xué)習(xí)結(jié)構(gòu)，淺層模型的一個(gè)共性是僅含單個(gè)將原 始輸入信號(hào)轉(zhuǎn)換到特定問題空間特征的簡(jiǎn)單結(jié)構(gòu) [32]。而深度學(xué)習(xí)是基于多層學(xué)習(xí)的算法， 以模擬數(shù)據(jù)之間的復(fù)雜關(guān)系，通過模擬人腦的思維方式，學(xué)習(xí)關(guān)于原始數(shù)據(jù)的多種表示和 抽象，從數(shù)據(jù)中自動(dòng)分析獲得規(guī)律，并利用規(guī)律對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)。2006年，Hinton在 Science上發(fā)表了一篇關(guān)于深度學(xué)習(xí)的文章，開啟了機(jī)器學(xué)習(xí)領(lǐng)域新的篇章。他提出了自 動(dòng)編碼器，利用它可以對(duì)高維數(shù)據(jù)進(jìn)行降維，作為非線性降維方法在圖像和文本降維實(shí)驗(yàn) 中明顯優(yōu)于傳統(tǒng)方法。文獻(xiàn)[33]中提出了將多層限制玻爾茲曼機(jī)堆疊起來構(gòu)成深信度網(wǎng)絡(luò) (Deep Belief Nets, DBN)。作者首次基于DBN提出了無監(jiān)督貪心逐層訓(xùn)練算法，通過逐層 訓(xùn)練方法很好的解決了神經(jīng)網(wǎng)絡(luò)層次過多而導(dǎo)致的優(yōu)化問題。卷積神經(jīng)網(wǎng)絡(luò) [34]是第一個(gè) 真正多層結(jié)構(gòu)學(xué)習(xí)算法，它利用空間相對(duì)關(guān)系減少參數(shù)數(shù)目以提高反向傳播算法的訓(xùn)練性 能，更利于對(duì)大型數(shù)據(jù)和高維數(shù)據(jù)的處理。如圖5所示。 首先，將輸入圖像Input與3個(gè)不同的濾波器進(jìn)行卷積操作，即得到Cl中的3個(gè)特征 映射圖。然后，特征映射圖中進(jìn)行下采樣，加權(quán)值與偏置，并經(jīng)過Sigmoid函數(shù)處理后得到 S2層的特征映射圖。再濾波后得到C3層，并利用上述同樣方法產(chǎn)生S4。最終，S4層的像 素值被光柵化，并整合成向量輸入到神經(jīng)網(wǎng)絡(luò)。卷積神經(jīng)網(wǎng)絡(luò)由于一個(gè)映射面上的神經(jīng)元 共享權(quán)值，因而減少了網(wǎng)絡(luò)自由參數(shù)的個(gè)數(shù)，降低了網(wǎng)絡(luò)參數(shù)選擇的復(fù)雜度 [35]。 胡基于連續(xù)RBM的網(wǎng)絡(luò)結(jié)構(gòu)提出了一種新的連續(xù)自編碼網(wǎng)絡(luò)[36]，可以提供高維連續(xù)數(shù) 據(jù)空間和低維嵌套結(jié)構(gòu)的雙向映射，可以較好地運(yùn)用于目標(biāo)軌跡跟蹤與目標(biāo)行為識(shí)別。深 度學(xué)習(xí)的提出顛覆了傳統(tǒng)的思維方法并在最近幾年得到了良好的應(yīng)用。例如，微軟研究院 語音識(shí)別專家基于深度學(xué)習(xí)徹底改變了語音識(shí)別的技術(shù)框架，大幅度提高了語音識(shí)別系統(tǒng) 的識(shí)別率 [37]。文獻(xiàn)?將深度學(xué)習(xí)成功運(yùn)用到智能家居的人體行為識(shí)別中，基于預(yù)測(cè)算法 DBN-SVM，利用深度結(jié)構(gòu)提出了判斷準(zhǔn)確率更高的DBN-ANN和DBN-R兩種算法來預(yù)測(cè)人體的 行為。 目前深度學(xué)習(xí)還沒有應(yīng)用到車聯(lián)網(wǎng)領(lǐng)域，然而，深度學(xué)習(xí)處理復(fù)雜數(shù)據(jù)的優(yōu)勢(shì)是一般 方法所不能比擬的。首先，深度學(xué)習(xí)具有多層非線性映射的深層結(jié)構(gòu)，可以完成復(fù)雜的函數(shù) 逼近，發(fā)掘車聯(lián)網(wǎng)海量數(shù)據(jù)中的一般性規(guī)律和數(shù)據(jù)間的關(guān)聯(lián)性特征，從而有利于實(shí)時(shí)根據(jù) 節(jié)點(diǎn)相似性特征進(jìn)行歸類；其次，通過深度學(xué)習(xí)將車聯(lián)網(wǎng)數(shù)據(jù)低層特征形成更加抽象的高 層表示，抽取原始數(shù)據(jù)重要信息的同時(shí)達(dá)到數(shù)據(jù)降維，降低數(shù)據(jù)的復(fù)雜度，提高處理效率。 因而，我們首次將深度學(xué)習(xí)引入車聯(lián)網(wǎng)領(lǐng)域，為處理車聯(lián)網(wǎng)大規(guī)模海量數(shù)據(jù)提供有效的解 決方法和可行性依據(jù)，為解釋和理解車聯(lián)網(wǎng)大規(guī)模復(fù)雜數(shù)據(jù)的嵌套關(guān)系找到解決問題的科 學(xué)方法，從而為實(shí)時(shí)處理車聯(lián)網(wǎng)節(jié)點(diǎn)信息和車聯(lián)網(wǎng)通達(dá)性研究提供基本保障。 2. 4自編碼網(wǎng)絡(luò) 自編碼網(wǎng)絡(luò)如圖6所示，是在2006年被提出的一種新型神經(jīng)網(wǎng)絡(luò)，它具有多個(gè)隱含層 神經(jīng)元的神經(jīng)網(wǎng)絡(luò)，可以通過調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)數(shù)據(jù)降維和數(shù)據(jù)重構(gòu)['39]。在車聯(lián)網(wǎng)網(wǎng)絡(luò) 中，節(jié)點(diǎn)的信息維度較高，挖掘關(guān)聯(lián)性特征需要同時(shí)考慮多個(gè)參數(shù)來保證有效性，通常是通 過數(shù)學(xué)方法計(jì)算的，這樣不僅耗時(shí)，而且計(jì)算結(jié)果不一定最優(yōu)。通過引入了自編碼網(wǎng)絡(luò)，利 用了神經(jīng)網(wǎng)絡(luò)對(duì)高維數(shù)據(jù)的感知能力，通過訓(xùn)練，能較容易且較快的獲得最優(yōu)解。 通過將訓(xùn)練出的多層自動(dòng)編碼器連接，再在最頂?shù)木幋a層添加一層分類器，如圖7所 示，然后利用多層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，通過有標(biāo)簽樣本訓(xùn)練微調(diào)整個(gè)系統(tǒng)，最終這個(gè)網(wǎng)絡(luò) 就可以用來預(yù)測(cè)或分類。 參考文獻(xiàn)：
[0001] Y. -ff. Lin, Y. -S. Chen, S. -L. Lee, Routing protocols in vehicular ad hoc networks: a survey and future perspectives, J. of Inform. Sci. &Eng.，vol. 26, no. 3, May 2010:913 - 932
[0002] F. Li, Y. Wang, Routing in vehicular ad hoc networks:a survey, IEEE Veh. Technol. Mag.，vol. 2, no. 2, June 2007:12 ~22
[0003] C. E. Perkins, P. Bhagwatj Highly dynamic Destination-Sequenced Distance-Vector routing (DSDV) for mobile computers, in Proceedings of the conference on Communications architectures,protocols and applications, New York，USA，1994:234 ~244.
[0004] D. B. Johnson and D. A. Maltzj Dynamic source routing in ad hoc wireless networks, Kluwer International Series in Engineering and Computer Science， 1996:153 ~179
[0005] 周希林.一種改進(jìn)的AODV路由算法：[碩士學(xué)位論文].廣東：中山大學(xué)，2010. 05
[0006] C. E. Perkins, E. M. Royer, Ad-hoc on-demand distance vector routing, in Second IEEE Workshop on Mobile Computing Systems and Applications. Proceedings. WMCSA19, 1999:90 ~100
[0007] C. Lochertj M. Mauve, H. Fli β Ierj and H. Hartensteinj Geographic routing in city scenarios，SIGMOBILE Mob. Comput. Commun. Rev.，vol. 9, no. 1，Jan. 2005:69 ~72
[0008] B. Karp and Η. T. Kungj GPSR: greedy perimeter stateless routing for wireless networks,in Proceedings of the 6th annual international conference on Mobile computing and networking，New York，USA，2000:243 ~254
[0009] F. Granellij G. Boatoj D. Kliazovichj and G. Vernazzaj Enhanced GPSR Routing in Multi-Hop Vehicular Communication through Movement Awareness, IEEE Communication Letters,vol. 11, no. 10, 2007:781 ~ 783
[0010] C. Lochertj H. Hartensteinj J. Tianj H. Fussier, D. Hermann, and M. Mauve, A routing strategy for vehicular ad hoc networks in city environments, in IEEE Intelligent Vehicles Symposium. Proceedings, 2003:156 ~ 161
[0011] J. Nzouonta，N. Rajgure，G. Wang，and C. Borcea，VANET Routing on City Roads Using Real-Time Vehicular Traffic Information, IEEE Transactions on Vehicular Te chnology，vol. 58, no. 7, 2009:3609 - 3626
[0012] J. Zhao, G. CaojVADD: Vehicle-Assisted Data Delivery in Vehicular Ad Hoc Networks, IEEE Transactions on Vehicular Technology, vol. 57, no. 3, 2008:1910 - 1922
[0013] C. Maihoferj A survey of geocast routing protocols, IEEE Communications Surveys Tutorials，vol. 6, no. 2, 2004:32 ~42
[0014] A. Bachirj A. Benslimanej A multicast protocol in ad hoc networks inter-vehicle geocast, in Vehicular Technology Conference, 2003. VTC 2003-Spring. The 57th IEEE Semiannual，2003,vol. 4:2456 ~2460
[0015] C. Maihoferj R. Eberhardtj Geocast in vehicular environments: caching and transmission range co