车联网中基于视频业务的资源分配研究
发布时间：2021-10-30 00:18
随着汽车工业和移动通信技术的高速发展,车联网（IoV）中的视频业务在娱乐、道路安全等方面都将发挥更加重要的作用。由于无线信道条件的动态变化特性和无线频谱资源、计算资源及存储资源的有限性,为车辆提供高质量,低时延和低抖动的视频服务是一个巨大的挑战。本文研究车联网中基于视频业务的频谱资源、计算资源和存储资源的分配问题,以最大化用户的视频体验质量。具体工作如下:（1）本文提出一种车联网中基于直播视频转码和传输的资源分配方案。与现有研究在视频流建模时只考虑视频比特率不同,考虑到不同类型的视频转码需要不同的计算资源,本文将比特率和视频类型都考虑在内。通过联合优化车辆调度,比特率选择,计算和频谱资源分配,以最大程度地提高所有车辆的视频质量,并降低时延和质量抖动。由于IoV中的无线信道和可用资源都具有马尔科夫特性,上述联合优化问题被建模为马尔科夫决策过程（MDP）。本文采用基于最大熵的“Soft Actor-Critic”算法解决此MDP问题。最后,大量仿真结果表明,与其他强化学习（RL）算法相比,该算法在学习效率,探索能力和稳定性等方面都更加出色。（2）本文提出一种车联网中基于可伸缩视频编码（SV...
【文章来源】：山西大学山西省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
雾节点与车辆之间的SINR分布图
第二章车联网视频传输与强化学习研究7而影响通信的时空分布。因此，车联网的系统架构如图2.2所示。RSU(有存储、计算、通信功能)和公交车(有计算、通信功能)为雾节点，来自车辆的视频请求会在此处进行判断，如果本地有满足请求的视频资源会直接下发给车辆，反之从云平台申请，经过雾节点的转码等手段进行处理后发放。另外，私家车可以与公交车进行V2V通信，从而减轻RSU的通信压力，释放资源，保证视频的传输。图2.2车联网系统架构图2.1.2车联网信道模型现如今车联网中的信道模型主要分为两种，一种是基于2003年由IEEE提出的IEEE802.11p通信标准，另一种是D2D通信模式[58]。对于802.11p来说，针对的是专用短距离(DSRC)通信，采用正交频分复用技术，将信道分为多个平行的子信道使用，它的覆盖范围在1000米左右,可以克服多径衰落。子信道之间会相互竞争，采用了可以避免冲突的载波监听多路访问(CarrierSenseMultipleAccess.CSMA)技术。每个节点在竞争接入信道时，都会事先侦听是否有其他的节点正在进行数据传输，如果信道处于空闲，则进行数据传输，否则需要等到该节点传输结束时再接入。因此，通信经常会发生碰撞和造成资源浪费。此外，频分多址复用在进行信道划分时，会将可用的频段分为七个子信道，其中一个信道为控制信道(CCH)，另外六个信道为服务信道(SCH)。因此，基于802.11p协议的信道模型，同时可以服务的车辆较少。在LTE-V系统中，采用D2D的通信模式时，车辆可以选择V2I通信，也可以选
车联网中基于视频业务的资源分配研究8择V2V通信。对于V2I来说，其工作频段为2GHz，而V2V工作在5.9GHz，因此两者之间不存在同频干扰。与802.11p相比，D2D有更高的频谱使用效率，在有限的带宽资源条件下，服务的车辆更多。此外，由于LTE已在全球成功部署，因此使用LTE-V2X设计，集成范围和市场规模都是更大的。2.2视频传输技术2.2.1视频转码技术如今，越来越多的终端设备(例如智能手机，平板电脑，高清电视)被使用，而且很多的视频源来自非专业人事，如游戏玩家，在线课程的老师，活动现场的主持人等。视频服务器往往可以为用户提供多种格式的视频，如AVI、MP4、RM、RMVB、MOV、VOB、MPEG、DAT、MKV、FLV、3GP等。提供的视频编码率可以从低清64Kbps、384Kbps,到高清的2Mbps、8Mbps,甚至是超清的20Mbps。同时，用户终端的播放服务器也是多种形式的。为了满足不同网络条件和不同终端格式的要求，需要对视频转码之后在传输。如图2.3所示，视频库会存放来自直播、用户上传的小规模视频，以及大量的视频服务平台的视频，在收到不同用户请求的不同视频之后，编码器会根据要求对视频以视频段的形式编码，然后云分发中心会将不同码率和格式的视频分别发放给每个终端。图2.3视频转码中心生产流程图在视频生成过程中，广播公司或用户会捕获视频，对其进行编码，然后将其上传到视频提供商，将这个视频流称为视频源。由编码器处理过后用于交付给用户的称为目标视频。通常，在将视频源转码为目标视频的过程中，目标视频的码率往往会等于或低于视频源的码率。
【参考文献】：
期刊论文
[1]5G蜂窝车联网组网性能研究[J]. 王君,纪晓东,张欣然,温晓然,佟佳俊. 电信科学. 2020(01)
[2]车联网中RSU动态接入选择问题的研究[J]. 张颖,李培嵩,熊伟. 控制工程. 2019(11)
[3]基于5G的车联网体系架构及其应用研究[J]. 刘琪,洪高风,邱佳慧,苏伟,温琦丽. 移动通信. 2019(11)
[4]基于分簇结构的车联网认知频谱分配机制[J]. 薛玲玲,樊秀梅. 计算机科学. 2019(09)
[5]基于5G网络的自动驾驶研究[J]. 施媛媛,邬小鲁,冯霏,蔡嘉. 信息通信. 2019(08)
[6]车联网中基于雾计算的最小化功率开销任务卸载策略[J]. 刘通. 中国电子科学研究院学报. 2019(07)
[7]面向车联网的车载智能终端及其实现探究[J]. 刘澄. 数字技术与应用. 2019(06)
[8]车联网协作通信移动接入点选择算法[J]. 王丽君,颜佳,韩涛,邓德祥. 华中科技大学学报(自然科学版). 2019(06)
[9]车联网异构网络资源管理优化研究[J]. 袁子叶,葛万成. 信息通信. 2019(05)
[10]SDN中基于机器学习的网络流量分类方法研究[J]. 李兆斌,韩禹,魏占祯,刘泽一. 计算机应用与软件. 2019(05)
本文编号：3465667
【文章来源】：山西大学山西省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
雾节点与车辆之间的SINR分布图
第二章车联网视频传输与强化学习研究7而影响通信的时空分布。因此，车联网的系统架构如图2.2所示。RSU(有存储、计算、通信功能)和公交车(有计算、通信功能)为雾节点，来自车辆的视频请求会在此处进行判断，如果本地有满足请求的视频资源会直接下发给车辆，反之从云平台申请，经过雾节点的转码等手段进行处理后发放。另外，私家车可以与公交车进行V2V通信，从而减轻RSU的通信压力，释放资源，保证视频的传输。图2.2车联网系统架构图2.1.2车联网信道模型现如今车联网中的信道模型主要分为两种，一种是基于2003年由IEEE提出的IEEE802.11p通信标准，另一种是D2D通信模式[58]。对于802.11p来说，针对的是专用短距离(DSRC)通信，采用正交频分复用技术，将信道分为多个平行的子信道使用，它的覆盖范围在1000米左右,可以克服多径衰落。子信道之间会相互竞争，采用了可以避免冲突的载波监听多路访问(CarrierSenseMultipleAccess.CSMA)技术。每个节点在竞争接入信道时，都会事先侦听是否有其他的节点正在进行数据传输，如果信道处于空闲，则进行数据传输，否则需要等到该节点传输结束时再接入。因此，通信经常会发生碰撞和造成资源浪费。此外，频分多址复用在进行信道划分时，会将可用的频段分为七个子信道，其中一个信道为控制信道(CCH)，另外六个信道为服务信道(SCH)。因此，基于802.11p协议的信道模型，同时可以服务的车辆较少。在LTE-V系统中，采用D2D的通信模式时，车辆可以选择V2I通信，也可以选
车联网中基于视频业务的资源分配研究8择V2V通信。对于V2I来说，其工作频段为2GHz，而V2V工作在5.9GHz，因此两者之间不存在同频干扰。与802.11p相比，D2D有更高的频谱使用效率，在有限的带宽资源条件下，服务的车辆更多。此外，由于LTE已在全球成功部署，因此使用LTE-V2X设计，集成范围和市场规模都是更大的。2.2视频传输技术2.2.1视频转码技术如今，越来越多的终端设备(例如智能手机，平板电脑，高清电视)被使用，而且很多的视频源来自非专业人事，如游戏玩家，在线课程的老师，活动现场的主持人等。视频服务器往往可以为用户提供多种格式的视频，如AVI、MP4、RM、RMVB、MOV、VOB、MPEG、DAT、MKV、FLV、3GP等。提供的视频编码率可以从低清64Kbps、384Kbps,到高清的2Mbps、8Mbps,甚至是超清的20Mbps。同时，用户终端的播放服务器也是多种形式的。为了满足不同网络条件和不同终端格式的要求，需要对视频转码之后在传输。如图2.3所示，视频库会存放来自直播、用户上传的小规模视频，以及大量的视频服务平台的视频，在收到不同用户请求的不同视频之后，编码器会根据要求对视频以视频段的形式编码，然后云分发中心会将不同码率和格式的视频分别发放给每个终端。图2.3视频转码中心生产流程图在视频生成过程中，广播公司或用户会捕获视频，对其进行编码，然后将其上传到视频提供商，将这个视频流称为视频源。由编码器处理过后用于交付给用户的称为目标视频。通常，在将视频源转码为目标视频的过程中，目标视频的码率往往会等于或低于视频源的码率。
【参考文献】：
期刊论文
[1]5G蜂窝车联网组网性能研究[J]. 王君,纪晓东,张欣然,温晓然,佟佳俊. 电信科学. 2020(01)
[2]车联网中RSU动态接入选择问题的研究[J]. 张颖,李培嵩,熊伟. 控制工程. 2019(11)
[3]基于5G的车联网体系架构及其应用研究[J]. 刘琪,洪高风,邱佳慧,苏伟,温琦丽. 移动通信. 2019(11)
[4]基于分簇结构的车联网认知频谱分配机制[J]. 薛玲玲,樊秀梅. 计算机科学. 2019(09)
[5]基于5G网络的自动驾驶研究[J]. 施媛媛,邬小鲁,冯霏,蔡嘉. 信息通信. 2019(08)
[6]车联网中基于雾计算的最小化功率开销任务卸载策略[J]. 刘通. 中国电子科学研究院学报. 2019(07)
[7]面向车联网的车载智能终端及其实现探究[J]. 刘澄. 数字技术与应用. 2019(06)
[8]车联网协作通信移动接入点选择算法[J]. 王丽君,颜佳,韩涛,邓德祥. 华中科技大学学报(自然科学版). 2019(06)
[9]车联网异构网络资源管理优化研究[J]. 袁子叶,葛万成. 信息通信. 2019(05)
[10]SDN中基于机器学习的网络流量分类方法研究[J]. 李兆斌,韩禹,魏占祯,刘泽一. 计算机应用与软件. 2019(05)
本文编号：3465667
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3465667.html
