车联网中基于MEC的卸载机制研究

发布时间：2021-05-20 18:16

　　在新兴的车联网络中,汽车终端请求卸载的任务对网络带宽、传输时延等有着更加严苛的需求,移动边缘计算（Mobile Edge Computing,MEC）技术的提出能够更好地解决这一挑战。该技术主要是通过将具有计算和存储能力的服务器部署在终端用户周围,缩短了移动终端设备与云服务器之间进行数据传输的距离,降低了任务卸载的能耗以及传输的时延。但是车辆用户在实际应用的过程中,往往面临着关于MEC服务器如何选择的问题。同时也会遭遇到多用户同时请求接入而导致的信道资源紧缺的问题。面对这些挑战,本文主要做了以下的研究:1.在基于MEC的车联网络系统中引入了软件定义车载网络（Software Defined Network-Vehicle,SDN-V）的概念,构建了一个新的任务卸载框架。引入了SDN-V控制器实现对全局信息变量以及计算资源数据的统一调度管理,通过获取汽车终端自身电池容量,联合时延、功耗等多个约束因子保证了任务卸载模型的合理性。针对多目标优化模型,采用拉格朗日乘子法对凸优化模型进行求解。在任务卸载过程中,考虑到任务属性的多样性,根据目标优化函数的影响因子定义了关于任务“重要度”的概念,对移... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：70 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 车联网技术研究现状
        1.2.2 移动边缘计算在车联网系统的研究现状
    1.3 本文主要工作
    1.4 本文组织结构
第2章 基于MEC的车联网体系相关技术概述
    2.1 MEC相关技术概述
        2.1.1 MCC技术概述
        2.1.2 雾计算技术概述
        2.1.3 区别与联系
    2.2 SDN技术概述
        2.2.1 SDN与传统网络的区别
        2.2.2 SDN系统架构
        2.2.3 SDN产业布局
    2.3 NOMA技术概述
        2.3.1 NOMA技术原理
        2.3.2 NOMA技术优势
        2.3.3 NOMA技术在MEC中的研究现状
    2.4 本章小结
第3章 车联网中基于SDN与 MEC的卸载策略
    3.1 引言
    3.2 基于MEC的车联网系统模型
        3.2.1 系统分析
        3.2.2 计算与通信模型
        3.2.3 问题形成
    3.3 任务卸载机制与资源分配
        3.3.1 卸载优先级
        3.3.2 基于Q-学习的卸载决策
        3.3.3 资源分配问题
    3.4 仿真分析
        3.4.1 仿真参数设定
        3.4.2 仿真结果分析
    3.5 本章小结
第4章 车联网中基于NOMA-MEC的混合卸载策略
    4.1 引言
    4.2 系统模型和问题规划
        4.2.1 系统分析
        4.2.2 通信模型
        4.2.3 问题形成
    4.3 混合NOMA-MEC卸载策略
        4.3.1 目标函数性质
        4.3.2 基于DQN的合作博弈算法
        4.3.3 任务卸载机制
    4.4 仿真分析
        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 工作总结
    5.2 研究展望
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SDN的网络资源选择多目标优化算法[J]. 鲍楠,左加阔,胡晗,鲍煦.  通信学报. 2019(02)
[2]融合移动边缘计算的未来5G移动通信网络[J]. 齐彦丽,周一青,刘玲,田霖,石晶林.  计算机研究与发展. 2018(03)
[3]移动边缘计算综述[J]. 李子姝,谢人超,孙礼,黄韬.  电信科学. 2018(01)
[4]浅谈全球5G发展现状[J]. 黄春子,张洪丽.  通讯世界. 2015(12)
[5]车联网现状与发展研究[J]. 程刚,郭达.  移动通信. 2011(17)



本文编号：3198216