面向车联网应用的移动云网络资源管理与优化研究

发布时间：2020-10-18 00:20

　　 随着社会的发展与科技的进步,机动车保有量正在呈爆炸式增长。日益增长的汽车数量对交通、环境及人身健康等方面问题带来了巨大的挑战。一方面,人们对于行车安全、通行效率、驾驶体验等方面的要求越来越高;另一方面,管理者对于自动化交通管理、交通控制、拥塞疏导、环境保护等方面的需求越来越大。如何在车联网中解决上述问题成为了全球各个国家高度关注的研究内容。现今,结合云计算技术的车云网成为了解决车联网问题的有效途径。然而,云计算带来的高时延通常无法满足车联网应用对实时性的要求。以边缘计算为主的云计算技术的发展,则为车联网实时性以及架构和资源管理等问题提供了更灵活有效的解决思路。如何利用边缘计算技术构建面向车联网应用与典型场景业务需求的架构,以及如何在架构中合理高效地管理车云资源,为车辆用户提供低时延高可靠的服务,是车联网相关研究的关键所在。本论文针对上述问题,提出了面向车联网应用的分层云网络架构,并选取了三类典型的车联网应用场景,在分层云架构的基础上展开了对各层云网络资源管理与优化问题的研究。本文主要研究内容和创新性归纳如下:(1)面向车联网应用的分层云网络架构设计:本论文首先对车联网应用类型与典型场景进行了总结;在此基础上,本论文提出了面向车联网应用的分层云架构。架构自下而上分别为车云网络、边缘云网络和远端云网络。本论文详细设计了分层云网络针对的业务类型以及各层架构具体设计,并说明了后续研究内容所对应的车联网应用场景以及云网络的层次。最后,本论文对分层云网络的优势做出了分析,从应用、资源利用率、实时性、可靠性和扩展性方面说明了分层云网络如何提升车联网应用的服务质量。本论文所提架构为后续研究提供了基本的思路。(2)基于车云网络的计算资源分配策略研究:在前述分层云网络架构基础上,本论文研究了基于车云网络的计算资源分配策略问题。在高速同步流场景下,车云网络中车辆的计算资源可以共享给其他车辆使用,也可以将自身的计算任务卸载至其他车辆,从而降低计算任务完成时间,提高资源利用效率。在这个过程中,社交关系会对目标车辆所能提供的资源数量以及计算任务数据的传输产生影响。因此,本论文研究了在社交关系限制下,车云网络中的计算资源分配策略问题。本论文首先建立了上述问题的系统模型,并分析了系统状态转移概率。然后,本论文采用了基于模型的动态规划算法对模型进行了求解,得到了计算资源分配策略。最后,本论文通过仿真对所提策略与基准策略进行了对比。结果显示所提策略在不同社交关系阈值、不同请求到达率以及不同业务平均计算量情况下的系统收益均优于基准策略。(3)基于边缘云的缓存资源分配策略研究:在前述研究的基础上.本论文进一步研究了基于边缘云的缓存资源分配问题。在城区十字路口场景中,车辆的轨迹通常可以预测,这为基于车辆轨迹的预缓存提供了可能。然而.一方面车辆轨迹预测并不完全准确,一旦出现预测错误.将会造成缓存资源的浪费;另一方面,边缘云中的缓存资源是有限的.不能为所有车辆提供完整的缓存服务,这就为边缘云缓存资源分配策略提出了挑战。本论文针对上述问题,提出了基于车辆轨迹预测的缓存资源分配策略。本论文首先对上述问题进行了建模分析。然后,本论文采用了模型无关的表格式增强学习算法进行了求解,获得了边缘云网络缓存资源分配策略,并详细给出了训练过程算法。最后,本论文在仿真中利用长短期记忆网络对真实车辆行驶数据进行了轨迹预测,并利用预测结果仿真验证了所提策略在不同预测准确率及不同缓存总量情况下的性能以及决策分布情况。结果显示,所提策略在上述两种情况下性能均优于基准策略。(4)基于车-云协作缓存的边缘云网络通信与缓存资源联合优化:在前述研究的基础上,本论文继续探索了在车-云协作缓存的场景下边缘云通信与缓存资源联合分配策略问题。在高速自由流场景中,由于车辆具有较快移动速度.单纯的边缘云缓存可能无法满足业务需求。通过结合车辆轨迹预测技术:业务数据可以被预缓存至边缘云和对向行驶的车辆中,从而提高请求车辆的数据获取速率。然而.车-车通信与车-路通信的带宽是受限的,边缘云中的缓存资源也是受限的,如何有效地分配传输带宽与缓存资源成为了一个关键问题。本论文针对上述问题,提出了通信与缓存资源联合分配策略。本论文首先将上述问题进行了建模分析。由于模型中状态空间与决策空间均为连续空间.因而本论文引入了函数近似与策略梯度方法,并通过神经网络对策略与决策值函数进行了近似。然后,本论文采用深度确定性策略梯度算法对上述问题进行了求解:得到了带宽与缓存联合分配策略,并详细给出了算法的具体流程。最后,本论文通过仿真将所提策略同多个基准策略进行了比较。结果显示,所提策略在不同的平均车速、不同的业务数据量以及不同的边缘云缓存大小情况下均能获得最佳收益。
【学位单位】：北京邮电大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：U495
【部分图文】：

图１－丨面向车联网应用的分层云网络示意图??．３论文研究内容及安排??．３．１论文主要工作与创新??本论文针对车联网中的典型应用场景，分析了车联网应用的特点。在此基础上论文首先提出了面向车联网应用的分层云网络架构，为后续的研究方向提供了。之后，针对不同层次云网络中的计算、通信与缓存资源分配问题，本论文分别了车云网络和边缘云网络中的资源分配策略。本文主要研究点与创新性可以总如下四个方面：??（１）本论文首先分析了车联网典型的应用场景与业务需求。针对这些需求，本论提出了由车云网络、边缘云网络和远端云网络组成的车联网分层云网络架构如图１－１所示。本论文分析了各层云网络的架构并说明了各个层次所具有的点，最后总结了分层云架构在车联网中所具有的优势；??

??１．３．２论文结构及内容??本论文结构安排如图１－２所示，论文共分四大部分，６个章节，概述如下：??（１）第一部分包括论文第一章。本部分介绍了论文研究的基础背景知识，包括车联??网研究背景、主要的研究方向以及国内外研究现状，并说明了本论文研究的必??要性。此外第一章还总结了本论文的整体结构与主要创新点；??⑵第二部分包括论文第二章。本部分首先介绍了车联网典型应用场景。在此基础??上，我们提出了面向车联网应用的分层云网络架构，并详细描述了各层网络的??架构，说明了各层架构与后续研究内容之间的关联性。最后，我们总结了分层??云架构的优势；??（３）第三部分包括论文的第三、四、五章节。本部分主要在第二章架构的基础上，研??究了不同云网络层次中的资源分配问题，具体来说：??（ａ）第三章面向车云网络，针对网络中车辆计算

第二章面向车联网应用的移动云网络架构设计与分析??２．２．２．１高速场景??⑴自由流：高速公路自由流场示意如图２－ｌ（ｂ）所示。在高速公路自由流场景下，道??路车辆密度较低，车辆通常可以预期速度快速自由行驶：前后车辆间速度不具??有相关性，车流流速接近于最高限制速度１２０公里／小时。此外，车辆可以自由??釆取变道、超车等行为。然而，过高的车速导致自由流网络拓扑结构变化迅速，??多普勒频移严重，无线链路信道质量较差。本论文第五章即面向这一场景研究??了基于车－云协作缓存的通信与缓存资源联合分配问题。??（２）同步流：高速公路同步流场景如图２－ｌ（ａ）所示。同步流场景中？车流密度显著高??于自由流场景．这也导致车辆将不得不以相对较低（大于６０公里／小时）的速度??跟随前车行驶，车流整体以一定的速度匀速流动。此时车辆行驶模型可以传统??的跟车模型描述。在这种情况下，车辆无法自由进行变道超车等，车辆间的相??对位置也几乎保持不变，拓扑结构较为稳定：车与车之间可以较好地进行Ｖ２Ｖ??通信。本论文第三章即面向这一场景研究了车云网络的计算资源分配问题。??一ｖａｉｌ信丨?基站Ｉ??一：上
【相似文献】

相关期刊论文 前10条

1 曹宝龙,刘慧娟,林崇德;认知负荷对小学生工作记忆资源分配策略的影响[J];心理发展与教育;2005年01期

2 孙书静;;加拿大企业的“全面赏酬”资源分配策略[J];河北企业;2004年01期

3 君明;加拿大企业的“全面赏酬”资源分配策略[J];工厂管理;2002年04期

4 君明;加拿大企业“全面赏酬”的资源分配策略[J];工厂管理;2002年08期

5 君明;加拿大企业“全面赏酬”的资源分配策略[J];现代企业;2002年04期

6 君明;加拿大企业的“全面赏酬”资源分配策略[J];中国对外贸易;2002年03期

7 君明;加拿大企业的“全面赏酬”资源分配策略[J];交通企业管理;2002年05期

8 赵鑫;;云计算环境下资源分配策略的研究[J];科技经济导刊;2016年18期

9 罗贺;尹艳平;曹杰;管婷婷;汪永康;;一种基于成本的云服务资源分配策略[J];中国管理科学;2014年S1期

10 周晓柯;彭志平;;云计算中资源分配策略研究[J];广东石油化工学院学报;2014年01期

相关博士学位论文 前10条

1 侯璐;面向车联网应用的移动云网络资源管理与优化研究[D];北京邮电大学;2019年

2 刘志强;无线体域网中资源分配策略研究[D];中国科学技术大学;2018年

3 许文俊;宽带无线通信系统资源分配策略研究[D];北京邮电大学;2008年

4 丛犁;基于博弈论的无线网络资源分配策略研究[D];西安电子科技大学;2011年

5 黄丹;文件分发系统的资源分配策略[D];北京交通大学;2013年

6 路兆铭;下一代移动通信系统中跨层资源分配研究[D];北京邮电大学;2012年

7 马艳波;下一代无线网络中基于跨层优化的资源分配研究[D];山东大学;2010年

8 刘鎏;数据中心高效资源管理关键技术研究[D];电子科技大学;2016年

9 景文鹏;异构无线网络面向业务质量保障的节能优化策略研究[D];北京邮电大学;2017年

10 冯大权;D2D通信无线资源分配研究[D];电子科技大学;2015年

相关硕士学位论文 前10条

1 陈小峰;基于D2D通信的中继选择与资源分配策略研究[D];厦门大学;2018年

2 朱立福（DAYO ZULFIQAR ALI）;高速场景下的大规模MIMO资源管理研究[D];北京交通大学;2018年

3 陈闪闪;蜂窝网络中基于基站端缓存的资源分配策略研究[D];中国科学技术大学;2018年

4 余彬;混合供电无线网络中的资源分配策略的研究[D];山东大学;2018年

5 朱嘉诚;基于大规模天线的蜂窝网络能量采集通信研究[D];华侨大学;2018年

6 张蒙晰;异构无线网络资源分配策略研究[D];华北电力大学(北京);2018年

7 陈然;基于消费者均衡和帕累托最优的云计算资源分配策略研究[D];云南大学;2011年

8 刘冠峰;基于网格经济模型的资源分配策略研究[D];青岛大学;2008年

9 余江;蜂窝网络下基于上下文信息的无线资源分配策略研究[D];中国科学技术大学;2017年

10 陆振平;云计算中资源分配策略研究[D];北京邮电大学;2013年

本文编号：2845506