1.一种活跃度感知的社交车辆分簇方法，其特征在于，所述方法包括根据车辆的相对加速度、相对速度和相对距离计算出移动相似性分值；根据车辆的兴趣相似度计算出社交相似性分值；将所述移动相似性分值与所述社交相似性分值加权求和得到总相似性分值；

使用基数排序法筛选出总相似性分值最高的车辆作为簇头候选者；根据车辆的历史数据处理量和车辆的请求资源次数计算出活跃度值；对簇头候选者车辆进行活跃度值判断以筛选出簇头车辆；通过向所述簇头车辆的一跳邻居发送加入邀请以确定簇员，完成车辆分簇。

2.根据权利要求1所述的一种活跃度感知的社交车辆分簇方法，其特征在于，所述移动相似性分值的计算公式为：

其中，S表示车辆的移动相似性分值，MobSimi,j表示车辆i与车辆j之间的移动相似值，ai,j表示车辆i与车辆j之间的相对加速度，veli,j表示车辆i与车辆j之间的相对速度，Di,j表示两车之间的相对距离；D表示车辆i可通信范围内一跳邻居的数量。

3.根据权利要求1所述的一种活跃度感知的社交车辆分簇方法，其特征在于，所述社交相似性分值的计算公式为：

其中，I表示车辆的社交相似性分值，InSimi,j表示车辆i与车辆j之间的社交相似性分值； Ivαi表示车辆i针对兴趣点α的兴趣度，Ivαj表示车辆j针对兴趣点α的兴趣度；D表示车辆i可通信范围内一跳邻居的数量。

4.根据权利要求1所述的一种活跃度感知的社交车辆分簇方法，其特征在于，所述使用基数排序法筛选出总相似性分值最高的车辆作为簇头候选者包括每辆车将计算所得与周围车辆的移动相似性值与社交相似性值进行加权求和，得到车辆的相似性分值，对车辆的相似度分值进行排序，选择排名首位的车辆作为簇头候选者。

5.根据权利要求1所述的一种活跃度感知的社交车辆分簇方法，其特征在于，所述活跃度值的计算公式为：

其中， 表示车辆i的活跃度值； 代表车辆i在历史时间段内的数据处理量的归一化数值， 代表车辆i在历史时间段内与路边单元或基站的交互次数。

6.根据权利要求5所述的一种活跃度感知的社交车辆分簇方法，其特征在于，所述车辆i在历史时间段内的数据处理量的归一化数值的计算公式为：其中， 权重系数β＝(β1+β2+...+βN)/N， 为过去N天处理数据量的加权平均值，为车辆i当日累积处理数据量， Ri表示车辆i的数据传输速率，Ri＝Blog2(1+SNRi,j)，B表示带宽，SNRi,j表示车辆i与车辆j之间信噪比，SNRi,j＝pihi,j/N0，pi为vi的传输发射功率，hi,j代表车辆i与车辆j的传输信道增益，N0代表高斯白噪声功率；Ti表示车辆i与其他车辆交互的总时间， J表示车辆i在一日内交互过信息的车辆总数；

ti,j表示车辆i与车辆j的交互时间。

7.根据权利要求5所述的一种活跃度感知的社交车辆分簇方法，其特征在于，所述车辆i在历史时间段内与路边单元或基站的交互次数的计算公式为：其中， 为交互次数，权重系数γ＝(γ1+γ2+...+γN)/N，代表过去N天交互次数的加权平均值； 代表车辆i当日向所有基础设施请求资源的总次数，

Req(i,Infj)表示车辆i向某一基础设施Infj请求资源的次数。

8.根据权利要求1所述的一种活跃度感知的社交车辆分簇方法，其特征在于，所述活跃度值的计算公式还为：

其中， 表示车辆i的活跃度值；C代表了兴趣点的种类数， 代表排名为x的兴趣点α所占概率，x为系统中兴趣点的排名，s为可调节的参数； 表示车辆i对兴趣点α的兴趣度值。

9.一种活跃度感知的社交车辆分簇装置，其特征在于，所述装置搭载在服务器上，所述装置包括：

第一计算模块，根据车辆的相对加速度、相对速度和相对距离计算出移动相似性分值；

第二计算模块，根据车辆的兴趣相似度计算出社交相似性分值；

第三计算模块，将所述移动相似性分值与所述社交相似性分值加权求和得到总相似性分值；

第一筛选模块，使用基数排序法筛选出总相似性分值最高的车辆作为簇头候选者；

第四计算模块，根据车辆的历史数据处理量和车辆的请求资源次数计算出活跃度值；

第二筛选模块，对簇头候选者车辆进行活跃度值判断以筛选出簇头车辆；

车辆分簇模块，通过向所述簇头车辆的一跳邻居发送加入邀请以确定簇员，完成车辆分簇。

10.一种计算机设备，其特征在于，包括：存储器和处理器；

存储器；用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为由所述处理器执行如权利要求1至8任一项所述的一种活跃度感知的社交车辆分簇方法。