车联网系统中基于MEC的任务卸载优化研究

发布时间：2021-11-17 21:38

　　联网的车辆通过V2I（Vehicle-to-Infrastructure）链路与V2V（Vehicle-to-Vehicle）链路组成车辆自组织网络,由车载单元支持的移动应用的大幅度增长给这项技术带来了新的挑战。将计算任务卸载到云被认为是一种很有前景的方法,但因远距离部署带来的骨干网络与回程网络的容量限制和延迟波动,导致车辆QoS（Quality of Service）严重下降。移动边缘计算（Mobile Edge Computing,MEC）通过在移动网络边缘提供了IT服务环境和云计算能力,既满足车辆计算能力的扩展需求,也弥补了云计算时延较长的缺点。但是MEC有限的计算资源与MEC卸载系统的成本问题,会随着车载终端数量的增加而严重限制任务卸载带来的效益,而且频谱资源的稀缺也是需要在任务卸载时考虑的棘手问题。综上所述,本文在基于MEC的车联网络场景中,研究了任务卸载时应该卸载到何处以及如何分配计算资源和无线资源的问题。主要工作有以下两个方面:1.研究车联网络中车辆卸载请求任务时搜寻服务节点为其服务的匹配问题,构建一个基于MEC的卸载框架,任务既可以卸载到MEC服务器以V2I形式通信,也... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 车载云技术研究现状
        1.2.2 移动边缘计算研究现状
    1.3 本文主要工作
    1.4 本文组织结构
第2章 MEC的技术概述
    2.1 MEC技术概述
        2.1.1 MEC平台与标准
        2.1.2 MEC的技术特征
    2.2 MEC技术与5G关键技术的融合
        2.2.1 网络切片技术
        2.2.2 C/U分离技术
        2.2.3 虚拟化技术
    2.3 MEC的应用场景
        2.3.1 任务卸载
        2.3.2 数据服务
        2.3.3 业务优化
    2.4 本章小结
第3章 车联网中基于MEC的任务卸载策略研究
    3.1 引言
    3.2 车联网场景下任务卸载问题描述
        3.2.1 系统分析
        3.2.2 通信模型
        3.2.3 计算模型
    3.3 基于层次分析法(AHP)组合拍卖模型
        3.3.1 层次分析法介绍
        3.3.2 问题形成
        3.3.3 多轮顺序组合拍卖卸载机制
    3.4 仿真验证与性能评估
    3.5 本章小结
第4章 基于MEC的通信模式选择与资源分配策略研究
    4.1 引言
    4.2 系统模型和问题规划
        4.2.1 通信模型
        4.2.2 传输速率与时延因子联合建模
        4.2.3 问题形成
    4.3 基于V2X模式选择的Q-learning资源分配
        4.3.1 基于改进K-means算法的通信模式选择
        4.3.2 基于分布式无状态Q-learning的资源分配
        4.3.3 Q-learning收敛性分析
    4.4 仿真验证与性能评估
        4.4.1 仿真场景与参数分析
        4.4.2 仿真结果分析
    4.5 本章小结
第5章 总结与展望
    5.1 全文工作总结
    5.2 研究工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果


【参考文献】：
期刊论文
[1]基于移动边缘计算的V2X任务卸载方案[J]. 张海波,栾秋季,朱江,贺晓帆.  电子与信息学报. 2018(11)
[2]基于车联云的资源动态部署方案[J]. 原帅,吴学文,朱晓凯.  计算机工程与设计. 2018(03)
[3]基于DTN的车载云计算卸载算法[J]. 李波,黄鑫,薛端,侯严严,裴以建.  云南大学学报(自然科学版). 2018(02)
[4]车联网综述(英文)[J]. 杨放春,王尚广,李静林,刘志晗,孙其博.  中国通信. 2014(10)
[5]指数标度与1-9标度互不相容及其比较研究[J]. 吕跃进,张维,曾雪兰.  工程数学学报. 2003(08)
[6]层次分析法中高阶平均随机一致性指标（RI）的计算[J]. 洪志国,李焱,范植华,王勇.  计算机工程与应用. 2002(12)



本文编号：3501684