1.一种基于车辆数预测的双层蜂窝车联网频谱分配方法，其特征在于，包括以下步骤：步骤1、搭建网络环境；基于传统蜂窝网中的两层架构构建城市场景下的双层车载网络,车载网络的网络层为控制层和数据层构成的两层架构，其中MBS宏基站提供控制模块来负责控制层工作，为小基站SBS提供网络资源的集中控制；小基站负责数据层工作，提供V2X数据传输功能；

步骤2、对现有车辆轨迹数据集中的纬度、经度、时间戳在内的基本内容进行预处理，得到车辆数数据集；

步骤3、考虑到实际场景中多个区域的车辆数间的时间相关性和空间相关性，搭建基于卷积结构和LSTM的车辆数预测网络模型，表示为Conv_LSTM网络；

步骤4、进行资源需求分析，资源需求函数设为幂函数，且幂指数在0到1之间变化，基于Conv_LSTM网络预测未来时刻各SBS区域内的车辆数，然后对应计算得到未来时刻各小基站SBS的资源需求量；

步骤5、将MBS为各小基站SBS分配资源块的问题建模为多重点染色问题，并提出动态资源分配算法求解，基于MBS持有的RB资源块总数的约束，依次为各独立集分配RB资源块，以均衡各SBS的资源满意度并提高网络的资源利用率。

2.根据权利要求1所述的一种基于车辆数预测的双层蜂窝车联网频谱分配方法，其特征在于，所述步骤2对现有的车辆轨迹数据集进行预处理，具体包括以下步骤：步骤2-1、以车辆文件为处理单位，将时间戳转换为日期时间；

步骤2-2、根据时间进行排序，去除重复数据，并进行数据过滤去掉异常数据；

步骤2-3、采用历史平均法处理数据缺失问题，即当前缺失时刻的值等于上一时刻的值与下一时刻的值的平均值；

步骤2-4、以5分钟为采样周期对数据进行采样，得到每辆车在各采样时刻的全球定位系统GPS坐标数据；

步骤2-5、将GPS数据中的经度和纬度坐标对应转换为所处的区域位置坐标，即将每个采样时刻对应的GPS坐标转化为它所在的区域网格坐标；

步骤2-6、依次处理每辆车的轨迹数据并整理为一个csv文件，即所有车辆在这段时间内经过的轨迹网格坐标；

步骤2-7、统计每个采样时刻各SBS区域内的车辆数目得到车辆数数据集。

3.根据权利要求2所述的一种基于车辆数预测的双层蜂窝车联网频谱分配方法，其特征在于，所述步骤2-5将GPS数据中的经度和纬度坐标对应转换为所处的区域位置坐标，即将每个采样时刻对应的GPS坐标转化为它所在的区域网格坐标，具体包括：将数据中的经度和纬度坐标对应转换为所处的区域位置坐标，即将每个采样时刻对应的GPS坐标(lon,lat)转化为它所在的区域网格坐标(x,y)，首先找到区域边界，即所有GPS坐标中的经纬度的最大值maxlon、maxlat和最小值minlon、minlat，然后划分网格，假设划分为m×n个网格，即包含m行和n列，其中每一个网格就代表一个区域，对应着小基站的覆盖范围，最后将(lon,lat)转换为(x,y)，计算公式如下：

4.根据权利要求3所述的一种基于车辆数预测的双层蜂窝车联网频谱分配方法，其特征在于，所述步骤3考虑到实际场景中多个区域的车辆数间的时间相关性和空间相关性，搭建基于卷积结构和LSTM的车辆数预测网络模型，表示为Conv_LSTM网络，具体过程为：步骤3-1、获取Conv_LSTM网络的输入，即车辆数数据矩阵X，矩阵可以表示为时间序列向量即X＝{xt,t＝1,2,…,T}，其中行向量xt表示同一时刻所有区域的车辆数数据，T表示所有的采样时刻；

步骤3-2、将车辆数时序数据输入Conv层进行卷积操作以提取车辆数数据的空间特征；

步骤3-3、将第一层输出的车辆数数据空间特征输入至第二层卷积以进一步提取各区域车辆数数据间的空间特征；

步骤3-4、添加Res层以缓解网络退化问题，将上层特征向量输入残差层进行计算；

步骤3-5、将车辆数数据特征向量再输入至一层卷积层以提取较远区域间车辆数数据的空间相关性；

步骤3-6、将连续采样时刻的车辆数数据空间特征向量输入至LSTM层中，提取车辆数数据的时间特征信息；

步骤3-7、将输出的车辆数数据时空特征向量输入至全连接层进行维度调整以匹配Conv_LSTM网络的输出维度；

步骤3-8、将车辆数数据集X依照一定比例划分为训练集、验证集和测试集，然后进行Conv_LSTM网络模型的训练和测试。

5.根据权利要求4所述的一种基于车辆数预测的双层蜂窝车联网频谱分配方法，其特征在于，所述步骤5、将MBS为各小基站SBS分配资源块的问题建模为多重点染色问题，具体包括：将MBS为各SBS分配RB的问题建模为多重点染色问题，其中SBS对应为图G的顶点(Vertex，V)，相邻的SBS存在干扰对应图G的边连接(Edge，E)，RB对应颜色，SBS的RB需求数对应每个点v要求染的颜色种数x(v)，将场景图对应抽象为加权无向图，其中圆圈内为顶点编号，右上角为顶点要求染的颜色种数x(v)，相邻的SBS之间存在干扰因此有边连接，非相邻SBS无边连接；结合场景中的SBS的分布特点求解多重点染色问题，已知SBS分布图和邻接图即图GSBS＝(V,E)，每个SBS需要的RB数即x(v)，MBS拥有的RB数即最多可染的颜色数R，最终得到MBS为每个SBS分配的RB，即GSBS的一个多重点染色。

6.根据权利要求5所述的一种基于车辆数预测的双层蜂窝车联网频谱分配方法，其特征在于，所述步骤5将MBS为各小基站SBS分配资源块的问题建模为多重点染色问题，并提出动态资源分配算法求解，基于MBS持有的RB资源块总数的约束，依次为各独立集分配RB资源块，以均衡各SBS的资源满意度并提高网络的资源利用率，具体包括：步骤5-1、基于局部搜索算法求解图G的最大独立集。独立集的定义为任意两个顶点均没有边连接的顶点集合，所有独立集中包含元素个数最多的为最大独立集。局部搜索算法中基于贪婪算法并利用邻域函数进行搜索，搜索时采用递归方法寻找图的最大独立集；

步骤5-2、依次得到图G的多个最大独立集V1,...,VK且V1∪...∪VK＝V；

步骤5-3、执行动态资源分配：基于MBS持有的RB总数的约束，依次为各独立集分配RB，以均衡各SBS的资源满意度并提高网络的资源利用率。

7.根据权利要求6所述的一种基于车辆数预测的双层蜂窝车联网频谱分配方法，其特征在于，所述步骤5-1、基于局部搜索算法求解图G的最大独立集，基于贪婪算法并利用邻域函数进行搜索，搜索中采用递归方法寻找图的最大独立集，具体包括：步骤5-1-1、选择图中顶点度最大的顶点v*；

步骤5-1-2、利用邻域函数对图进行分解，将图分解为G1＝G-{v*}，G2＝G-{v*}-{N(v*)}，其中N(v*)表示v*的邻集；

步骤5-1-3、重复搜索，分别在图G1，G2中重复执行步骤5-1-1和5-1-2，直到所有子图中所有顶点度为0；

步骤5-1-4、输出结果，在两个分支中得出的独立集进行基数即集合中元素个数的比较，基数最大的为图的最大独立集。

8.根据权利要求6所述的一种基于车辆数预测的双层蜂窝车联网频谱分配方法，其特征在于，所述步骤5-3、执行动态资源分配：基于MBS持有的RB总数R的约束，依次为各独立集分配RB，以均衡各SBS的资源满意度并提高网络的资源利用率，具体包括：步骤5-3-1、初始化m0＝0，Rrest＝R，其中m0表示每轮分配的RB数目，Rrest表示每轮分配后剩余的RB数目；

步骤5-3-2、取m＝minv∈Vx(v)-m0；

步骤5-3-3、若Rrest>m*2，依次为V1、V2中的SBSs分配m个RB；若Rrest

步骤5-3-4、将已获得其需求RB的SBS移除集合，更新Rrest和m；

步骤5-3-5、循环步骤5-3-2至步骤5-3-4直至集合为空或Rrest<0。