大型車聯網數據庫的高效查詢技術

李立　張修軍

摘 要： 為了提高大型車聯網數據庫檢索的查準率，提出一種基于模糊數據聚類的大型車聯網數據庫高效查詢技術。分析大型車聯網的網絡分布式結構和數據結構，對大型車聯網數據庫的數據信息流進行特征空間重組，采用關聯語義融合方法進行數據庫檢索的特征量提取，結合模糊C均值聚類算法對提取的大型車聯網數據庫的語義本體特征進行分類檢索，實現數據庫的高效查詢。仿真結果表明，采用該方法進行大型車聯網數據庫查詢的查準率和查全率較高，查詢過程的收斂性較好。

關鍵詞： 車聯網； 數據庫； 查詢技術； 信息融合

中圖分類號： TN711?34； TP391 文獻標識碼： A 文章編號： 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

隨著網絡信息技術的發展，采用物聯網技術將車輛與車輛聯網，通過GPS、RFID、傳感器等裝置進行車輛的信息采集，通過計算機技術，將這些大量車輛的實時信息輸入到中央處理器的數據庫中進行分析和處理，實現信息互通共享，為車輛規劃最佳路線，避免交通擁堵，并實時報告路況信息，這樣的網絡稱為車聯網（Internet of Vehicles）。車聯網絡分為三層體系結構，分別為端系統、管系統、云系統[1]。在車聯網的云構架系統中，海量的車輛信息存儲在車聯網的數據庫中，圍繞車輛的監控和管理進行數據匯聚、計算、調度，組成一個云架構的車輛運行信息平臺。

為了提高車聯網數據庫計算、調度、監控、管理能力，需要進行數據庫的高效查詢設計，研究車聯網數據庫的高效查詢技術，在4S店、車管、保險、緊急救援、打車軟件的移動互聯網通信領域都具有很好的應用價值[2]。針對傳統的大型車聯網數據庫查詢模型的收斂性不好，查準率不高的問題，本文提出一種基于模糊數據聚類的大型車聯網數據庫高效查詢技術，通過查詢算法設計和實際的車聯網數據庫查詢仿真分析，展示了本文設計的數據庫查詢方法的高效性和準確性。

1 大型車聯網數據分布結構與數據預處理

1.1 網絡分布式結構分析

為了實現大型車聯網數據庫的高效查詢，首先進行大型車聯網的網絡分布式結構分析和數據結構分析，采用車輛自組織網絡（Vehicular Ad Hoc Networks， VANETs）結構模型構建車聯網的節點分布模型[3]。車聯網中的車輛節點通過RFID自動獲取自己的位置信息。簇頭根據車載GPS將數據上傳到車聯網數據中。簇內通信節點把相似/相近的數據回復給簇頭。構建車聯網節點分布式結構模型如圖1所示。

1.2 數據信息流特征空間重組

對大型車聯網數據庫的數據信息流進行特征空間重組，在大型車聯網數據庫存儲結構模型中進行查詢數據信息流模型構建[4]，采用標量時間序列表示大型車聯網數據庫的存儲數據信息流為：

2 數據庫查詢實現

2.1 關聯語義融合

在上述進行了大型車聯網數據分布結構分析與數據預處理的基礎上，進行數據庫查詢設計。本文提出一種基于模糊數據聚類的大型車聯網數據庫高效查詢技術。采用關聯語義融合方法進行數據庫檢索的特征量提取，用[Wx（t，v）]表示大型車聯網數據庫中的關聯語義本體模型，對數據庫中的關聯數據進行語義加權處理[7]，得到數據庫查詢的二維插值擬合表達式為：

3 仿真結果分析

本文對大型車聯網數據庫查詢的仿真實驗采用Matlab 7軟件設計，數據庫服務器使用MySQL，基于RFID技術進行車聯網中的車輛信息采樣，對車聯網數據庫中內部存儲的信息進行分類查詢。數據庫查詢的持續時間T=100 s，迭代次數設定為1 000次，查詢的時間間隔為1.25 s，特征空間重構的時間窗口系數[τ]為0.21。根據上述仿真環境和參數設定，進行數據庫查詢仿真分析，首先進行數據流信息采樣，采樣率設定為15 kHz，得到采樣的數據信息流如圖3所示。

4 結 語

本文提出一種基于模糊數據聚類的大型車聯網數據庫高效查詢技術。對大型車聯網數據庫的數據信息流進行特征空間重組，采用關聯語義融合方法進行數據庫檢索的特征量提取，結合模糊C均值聚類算法對提取的大型車聯網數據庫的語義本體特征進行分類檢索，實現數據庫的高效查詢。采用該方法進行大型車聯網數據庫查詢的查準率和查全率較高，查詢過程的收斂性較好，滿足高效查詢要求。

參考文獻

[1] 胡榮娜，郭愛煌.車聯網中基于功率控制的傳輸可靠性算法[J].計算機應用，2015，35（6）：1523?1526.

[2] 張秋實.分散控制系統中數據庫的應用研究[J].計算機仿真，2013，30（11）：104?107.

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

[4] 孟祥福，嚴麗，馬宗民，等.基于語義相似度的數據庫自適應查詢松弛方法[J].計算機學報，2011，34（5）：812?824.

[5] 寇月，申德榮，李冬，等.一種基于語義及統計分析的Deep Web實體識別機制[J].軟件學報，2008，19（2）：194?208.

[6] 潘穎，湯庸，劉海.基于關系數據庫的極松散結構數據模型的訪問控制研究[J].電子學報，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數據庫安全索引[J].計算機科學，2014，41（10）：216?219.

[8] 鄧志剛，曾國蓀，譚云蘭，等.云存儲內容分發網絡中的能耗優化方法[J].計算機應用，2016，36（6）：1515?1519.

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