基于改进蝙蝠算法的车联网路侧单元部署优化研究

路侧单元(Road-Side Unit, RSU)作为连接车辆和外部网络的桥梁，是车联网通信中的核心部分之一，设计合理的RSU部署方案对于充分发挥其单元效益在车联网中十分重要。本文首先通过将自适应t分布引入到蝙蝠算法中，并在算法迭代过程中加入了灾变机制，从而提出一种改进的蝙蝠算法，能够快速收敛到最优解；随后将改进蝙蝠算法应用到路侧单元的部署中，仿真结果表明该方法能够快速收敛到最优部署效益，具有较好的性能。

随着经济的快速发展，汽车占有量的增长导致城市交通拥堵已成为越来越严重的社会问题。车联网是作为智能交通核心内容之一，由车辆位置、速度和路线等信息构成的巨大交互网络，通过车与车、车与路侧单元等方法直接通信来完成信息交互，能有效解决这一问题[1]。车辆自组织网络通过车联网内的车辆节点与外部网络进行信息的传输，是车联网重要的研究内容，通常由车载单元和路侧单元组成。而路侧单元是实现车辆节点与外部网络的信息传输枢纽，安装成本非常昂贵，需要合理规划其安装数量及路网位置[2]，从而保障车辆自组网整体具有高效的通讯效率。

在车联网部署初期阶段，通常以车辆是否处于无线通信覆盖范围内作为效益依据，根据路网中的各路段的车辆密度、所处区域特性、车道数等综合确定路段的权重密度实现路侧单元的部署，但存在以车辆节点为对象的覆盖收益具有高度时空动态性和不确定性问题[3]。Kim等人[4]提出新的RSU部署框架， 将RSU部署在静态位置，公共移动交通和地方政府所属的车辆上进行均衡，使在一定成本下，实现覆盖的最大化。文献[5]中提出根据道路网络的模型采用不同的部署方式，均匀部署用于道路网络几何形状规则的区域，热点部署主要是用于交通密集区域，但是这种部署不能得到精确的最优方案。文献[6]针对路侧单元部署提出分析框架，考虑了车辆数据流量的随机性和中断通信信道的统计变化，以保证路侧单元的分组传送延迟限制在一定范围内。然而，现有的关于RSU部署工作的研究主要是优化数据传输时延、RSU覆盖率和RSU部署费用等，以提高网络的性能，但是RSU会受到候选部署点集合、交通特征、道路特征等诸多因素的影响[7]。通过将路侧单元部署问题模型转化为搜索最优解问题，使用智能优化算法来求解是当前的研究热点。在给定路侧单元数目约束下，以提高连接时间和降低断连时间为目标，由于贪心算法思路简单，易于实现，文献[8]关于部署路侧单元的工作将贪心算法作为寻优的部署算法，但是贪心算法在多数情况下无法收敛到全局最优解路；利用遗传算法的选择、交叉和变异三种操作来模拟生物群体的进化过程，能有效提高算法的寻优能力，Manipriya [9]等提出了利用ORTT模型，通过遗传算法能够找到最优的路侧单元部署位置，并且保证耗费最少成本，但是遗传算法容易陷入局部最优，Lin等[10]研究了路侧单元和传感器在双车道环境下的混合部署问题，在保证路侧单元与传感器在道路上能提供满足条件的连接服务同时满足的情况下，提出了改进的粒子群算法来解决混合部署问题，但PSO当遇到病态函数或者复杂多峰函数时，难以保证继续收敛到最优解。蝙蝠算法(Bat Algorithm, BA)模拟自然界中蝙