车联网中整合移动边缘计算与内容分发网络的移动性管理策略

发布时间：2021-03-09 05:47

　　由于车载应用的普及和车辆数量的增加,路边基础设施的物理资源有限,当大量车辆接入车联网时能耗与时延同时增加,通过整合内容分发网络（CDN）和移动边缘计算（MEC）的框架可以降低时延与能耗。在车联网中,车辆移动性对云服务的连续性提出了重大挑战。因此,该文提出了移动性管理（MM）来处理该问题。采用开销选择的动态信道分配（ODCA）算法避免乒乓效应且减少车辆在小区间的切换时间。采用基于路边单元（RSU）调度的合作博弈算法进行虚拟机迁移并开发基于学习的价格控制机制,以有效地处理MEC的计算资源。仿真结果表明,所提算法相比于现有的算法能够提高资源利用率且减少开销。 

【文章来源】：电子与信息学报. 2020,42(06)北大核心

【文章页数】：8 页

【部分图文】：

系统模型图

[18]比较。随着虚拟机个数的增加，所有方案的资源利用率都在增加，从图5中可看出本文的方案可获得比其他方案更高的资源利用率。该方案采用TCS的RSU调度机制，并通过合作博弈算法实现资源利用的增益。尤其是基于Q学习的方法可表3模拟参数表参数数值输入数据的大小di,j300～1600kBσ2噪声功率0.1～1.0GHzfCMEC服务器CPU周期频率6GHzTth最大延迟容限6s迭代次数Idd600Pmax最大传输功23dBm传输带宽W20MHz任务执行时所需的CPU周期数ci,j0.1～1.0GHz图2基站数目对切换时间的影响图3车辆用户的密度对平均时延的影响图4不同负载大小下总时延的变化情况第6期张海波等：车联网中整合移动边缘计算与内容分发网络的移动性管理策略1449

樱???方案的资源利用率都在增加，从图5中可看出本文的方案可获得比其他方案更高的资源利用率。该方案采用TCS的RSU调度机制，并通过合作博弈算法实现资源利用的增益。尤其是基于Q学习的方法可表3模拟参数表参数数值输入数据的大小di,j300～1600kBσ2噪声功率0.1～1.0GHzfCMEC服务器CPU周期频率6GHzTth最大延迟容限6s迭代次数Idd600Pmax最大传输功23dBm传输带宽W20MHz任务执行时所需的CPU周期数ci,j0.1～1.0GHz图2基站数目对切换时间的影响图3车辆用户的密度对平均时延的影响图4不同负载大小下总时延的变化情况第6期张海波等：车联网中整合移动边缘计算与内容分发网络的移动性管理策略1449


本文编号：3072358