隨著社會的發(fā)展與科技的進步,機動車保有量正在呈爆炸式增長。日益增長的汽車數(shù)量對交通、環(huán)境及人身健康等方面問題帶來了巨大的挑戰(zhàn)。一方面,人們對于行車安全、通行效率、駕駛體驗等方面的要求越來越高;另一方面,管理者對于自動化交通管理、交通控制、擁塞疏導(dǎo)、環(huán)境保護等方面的需求越來越大。如何在車聯(lián)網(wǎng)中解決上述問題成為了全球各個國家高度關(guān)注的研究內(nèi)容。現(xiàn)今,結(jié)合云計算技術(shù)的車云網(wǎng)成為了解決車聯(lián)網(wǎng)問題的有效途徑。然而,云計算帶來的高時延通常無法滿足車聯(lián)網(wǎng)應(yīng)用對實時性的要求。以邊緣計算為主的云計算技術(shù)的發(fā)展,則為車聯(lián)網(wǎng)實時性以及架構(gòu)和資源管理等問題提供了更靈活有效的解決思路。如何利用邊緣計算技術(shù)構(gòu)建面向車聯(lián)網(wǎng)應(yīng)用與典型場景業(yè)務(wù)需求的架構(gòu),以及如何在架構(gòu)中合理高效地管理車云資源,為車輛用戶提供低時延高可靠的服務(wù),是車聯(lián)網(wǎng)相關(guān)研究的關(guān)鍵所在。本論文針對上述問題,提出了面向車聯(lián)網(wǎng)應(yīng)用的分層云網(wǎng)絡(luò)架構(gòu),并選取了三類典型的車聯(lián)網(wǎng)應(yīng)用場景,在分層云架構(gòu)的基礎(chǔ)上展開了對各層云網(wǎng)絡(luò)資源管理與優(yōu)化問題的研究。本文主要研究內(nèi)容和創(chuàng)新性歸納如下:(1)面向車聯(lián)網(wǎng)應(yīng)用的分層云網(wǎng)絡(luò)架構(gòu)設(shè)計:本論文首先對車聯(lián)網(wǎng)應(yīng)用類型與典型場景進行了總結(jié);在此基礎(chǔ)上,本論文提出了面向車聯(lián)網(wǎng)應(yīng)用的分層云架構(gòu)。架構(gòu)自下而上分別為車云網(wǎng)絡(luò)、邊緣云網(wǎng)絡(luò)和遠端云網(wǎng)絡(luò)。本論文詳細設(shè)計了分層云網(wǎng)絡(luò)針對的業(yè)務(wù)類型以及各層架構(gòu)具體設(shè)計,并說明了后續(xù)研究內(nèi)容所對應(yīng)的車聯(lián)網(wǎng)應(yīng)用場景以及云網(wǎng)絡(luò)的層次。最后,本論文對分層云網(wǎng)絡(luò)的優(yōu)勢做出了分析,從應(yīng)用、資源利用率、實時性、可靠性和擴展性方面說明了分層云網(wǎng)絡(luò)如何提升車聯(lián)網(wǎng)應(yīng)用的服務(wù)質(zhì)量。本論文所提架構(gòu)為后續(xù)研究提供了基本的思路。(2)基于車云網(wǎng)絡(luò)的計算資源分配策略研究:在前述分層云網(wǎng)絡(luò)架構(gòu)基礎(chǔ)上,本論文研究了基于車云網(wǎng)絡(luò)的計算資源分配策略問題。在高速同步流場景下,車云網(wǎng)絡(luò)中車輛的計算資源可以共享給其他車輛使用,也可以將自身的計算任務(wù)卸載至其他車輛,從而降低計算任務(wù)完成時間,提高資源利用效率。在這個過程中,社交關(guān)系會對目標(biāo)車輛所能提供的資源數(shù)量以及計算任務(wù)數(shù)據(jù)的傳輸產(chǎn)生影響。因此,本論文研究了在社交關(guān)系限制下,車云網(wǎng)絡(luò)中的計算資源分配策略問題。本論文首先建立了上述問題的系統(tǒng)模型,并分析了系統(tǒng)狀態(tài)轉(zhuǎn)移概率。然后,本論文采用了基于模型的動態(tài)規(guī)劃算法對模型進行了求解,得到了計算資源分配策略。最后,本論文通過仿真對所提策略與基準(zhǔn)策略進行了對比。結(jié)果顯示所提策略在不同社交關(guān)系閾值、不同請求到達率以及不同業(yè)務(wù)平均計算量情況下的系統(tǒng)收益均優(yōu)于基準(zhǔn)策略。(3)基于邊緣云的緩存資源分配策略研究:在前述研究的基礎(chǔ)上.本論文進一步研究了基于邊緣云的緩存資源分配問題。在城區(qū)十字路口場景中,車輛的軌跡通�？梢灶A(yù)測,這為基于車輛軌跡的預(yù)緩存提供了可能。然而.一方面車輛軌跡預(yù)測并不完全準(zhǔn)確,一旦出現(xiàn)預(yù)測錯誤.將會造成緩存資源的浪費;另一方面,邊緣云中的緩存資源是有限的.不能為所有車輛提供完整的緩存服務(wù),這就為邊緣云緩存資源分配策略提出了挑戰(zhàn)。本論文針對上述問題,提出了基于車輛軌跡預(yù)測的緩存資源分配策略。本論文首先對上述問題進行了建模分析。然后,本論文采用了模型無關(guān)的表格式增強學(xué)習(xí)算法進行了求解,獲得了邊緣云網(wǎng)絡(luò)緩存資源分配策略,并詳細給出了訓(xùn)練過程算法。最后,本論文在仿真中利用長短期記憶網(wǎng)絡(luò)對真實車輛行駛數(shù)據(jù)進行了軌跡預(yù)測,并利用預(yù)測結(jié)果仿真驗證了所提策略在不同預(yù)測準(zhǔn)確率及不同緩存總量情況下的性能以及決策分布情況。結(jié)果顯示,所提策略在上述兩種情況下性能均優(yōu)于基準(zhǔn)策略。(4)基于車-云協(xié)作緩存的邊緣云網(wǎng)絡(luò)通信與緩存資源聯(lián)合優(yōu)化:在前述研究的基礎(chǔ)上,本論文繼續(xù)探索了在車-云協(xié)作緩存的場景下邊緣云通信與緩存資源聯(lián)合分配策略問題。在高速自由流場景中,由于車輛具有較快移動速度.單純的邊緣云緩存可能無法滿足業(yè)務(wù)需求。通過結(jié)合車輛軌跡預(yù)測技術(shù):業(yè)務(wù)數(shù)據(jù)可以被預(yù)緩存至邊緣云和對向行駛的車輛中,從而提高請求車輛的數(shù)據(jù)獲取速率。然而.車-車通信與車-路通信的帶寬是受限的,邊緣云中的緩存資源也是受限的,如何有效地分配傳輸帶寬與緩存資源成為了一個關(guān)鍵問題。本論文針對上述問題,提出了通信與緩存資源聯(lián)合分配策略。本論文首先將上述問題進行了建模分析。由于模型中狀態(tài)空間與決策空間均為連續(xù)空間.因而本論文引入了函數(shù)近似與策略梯度方法,并通過神經(jīng)網(wǎng)絡(luò)對策略與決策值函數(shù)進行了近似。然后,本論文采用深度確定性策略梯度算法對上述問題進行了求解:得到了帶寬與緩存聯(lián)合分配策略,并詳細給出了算法的具體流程。最后,本論文通過仿真將所提策略同多個基準(zhǔn)策略進行了比較。結(jié)果顯示,所提策略在不同的平均車速、不同的業(yè)務(wù)數(shù)據(jù)量以及不同的邊緣云緩存大小情況下均能獲得最佳收益。
【學(xué)位單位】：北京郵電大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2019
【中圖分類】：U495
【部分圖文】：

圖１－丨面向車聯(lián)網(wǎng)應(yīng)用的分層云網(wǎng)絡(luò)示意圖??．３論文研究內(nèi)容及安排??．３．１論文主要工作與創(chuàng)新??本論文針對車聯(lián)網(wǎng)中的典型應(yīng)用場景，分析了車聯(lián)網(wǎng)應(yīng)用的特點。在此基礎(chǔ)上論文首先提出了面向車聯(lián)網(wǎng)應(yīng)用的分層云網(wǎng)絡(luò)架構(gòu)，為后續(xù)的研究方向提供了。之后，針對不同層次云網(wǎng)絡(luò)中的計算、通信與緩存資源分配問題，本論文分別了車云網(wǎng)絡(luò)和邊緣云網(wǎng)絡(luò)中的資源分配策略。本文主要研究點與創(chuàng)新性可以總?cè)缦滤膫�方面：??（１）本論文首先分析了車聯(lián)網(wǎng)典型的應(yīng)用場景與業(yè)務(wù)需求。針對這些需求，本論提出了由車云網(wǎng)絡(luò)、邊緣云網(wǎng)絡(luò)和遠端云網(wǎng)絡(luò)組成的車聯(lián)網(wǎng)分層云網(wǎng)絡(luò)架構(gòu)如圖１－１所示。本論文分析了各層云網(wǎng)絡(luò)的架構(gòu)并說明了各個層次所具有的點，最后總結(jié)了分層云架構(gòu)在車聯(lián)網(wǎng)中所具有的優(yōu)勢；??

??１．３．２論文結(jié)構(gòu)及內(nèi)容??本論文結(jié)構(gòu)安排如圖１－２所示，論文共分四大部分，６個章節(jié)，概述如下：??（１）第一部分包括論文第一章。本部分介紹了論文研究的基礎(chǔ)背景知識，包括車聯(lián)??網(wǎng)研究背景、主要的研究方向以及國內(nèi)外研究現(xiàn)狀，并說明了本論文研究的必??要性。此外第一章還總結(jié)了本論文的整體結(jié)構(gòu)與主要創(chuàng)新點；??⑵第二部分包括論文第二章。本部分首先介紹了車聯(lián)網(wǎng)典型應(yīng)用場景。在此基礎(chǔ)??上，我們提出了面向車聯(lián)網(wǎng)應(yīng)用的分層云網(wǎng)絡(luò)架構(gòu)，并詳細描述了各層網(wǎng)絡(luò)的??架構(gòu)，說明了各層架構(gòu)與后續(xù)研究內(nèi)容之間的關(guān)聯(lián)性。最后，我們總結(jié)了分層??云架構(gòu)的優(yōu)勢；??（３）第三部分包括論文的第三、四、五章節(jié)。本部分主要在第二章架構(gòu)的基礎(chǔ)上，研??究了不同云網(wǎng)絡(luò)層次中的資源分配問題，具體來說：??（ａ）第三章面向車云網(wǎng)絡(luò)，針對網(wǎng)絡(luò)中車輛計算

第二章面向車聯(lián)網(wǎng)應(yīng)用的移動云網(wǎng)絡(luò)架構(gòu)設(shè)計與分析??２．２．２．１高速場景??⑴自由流：高速公路自由流場示意如圖２－ｌ（ｂ）所示。在高速公路自由流場景下，道??路車輛密度較低，車輛通�？梢灶A(yù)期速度快速自由行駛：前后車輛間速度不具??有相關(guān)性，車流流速接近于最高限制速度１２０公里／小時。此外，車輛可以自由??釆取變道、超車等行為。然而，過高的車速導(dǎo)致自由流網(wǎng)絡(luò)拓撲結(jié)構(gòu)變化迅速，??多普勒頻移嚴(yán)重，無線鏈路信道質(zhì)量較差。本論文第五章即面向這一場景研究??了基于車－云協(xié)作緩存的通信與緩存資源聯(lián)合分配問題。??（２）同步流：高速公路同步流場景如圖２－ｌ（ａ）所示。同步流場景中？車流密度顯著高??于自由流場景．這也導(dǎo)致車輛將不得不以相對較低（大于６０公里／小時）的速度??跟隨前車行駛，車流整體以一定的速度勻速流動。此時車輛行駛模型可以傳統(tǒng)??的跟車模型描述。在這種情況下，車輛無法自由進行變道超車等，車輛間的相??對位置也幾乎保持不變，拓撲結(jié)構(gòu)較為穩(wěn)定：車與車之間可以較好地進行Ｖ２Ｖ??通信。本論文第三章即面向這一場景研究了車云網(wǎng)絡(luò)的計算資源分配問題。??一ｖａｉｌ信丨?基站Ｉ??一：上
【相似文獻】

相關(guān)期刊論文 前10條

1 曹寶龍,劉慧娟,林崇德;認知負荷對小學(xué)生工作記憶資源分配策略的影響[J];心理發(fā)展與教育;2005年01期

2 孫書靜;;加拿大企業(yè)的“全面賞酬”資源分配策略[J];河北企業(yè);2004年01期

3 君明;加拿大企業(yè)的“全面賞酬”資源分配策略[J];工廠管理;2002年04期

4 君明;加拿大企業(yè)“全面賞酬”的資源分配策略[J];工廠管理;2002年08期

5 君明;加拿大企業(yè)“全面賞酬”的資源分配策略[J];現(xiàn)代企業(yè);2002年04期

6 君明;加拿大企業(yè)的“全面賞酬”資源分配策略[J];中國對外貿(mào)易;2002年03期

7 君明;加拿大企業(yè)的“全面賞酬”資源分配策略[J];交通企業(yè)管理;2002年05期

8 趙鑫;;云計算環(huán)境下資源分配策略的研究[J];科技經(jīng)濟導(dǎo)刊;2016年18期

9 羅賀;尹艷平;曹杰;管婷婷;汪永康;;一種基于成本的云服務(wù)資源分配策略[J];中國管理科學(xué);2014年S1期

10 周曉柯;彭志平;;云計算中資源分配策略研究[J];廣東石油化工學(xué)院學(xué)報;2014年01期

相關(guān)博士學(xué)位論文 前10條

1 侯璐;面向車聯(lián)網(wǎng)應(yīng)用的移動云網(wǎng)絡(luò)資源管理與優(yōu)化研究[D];北京郵電大學(xué);2019年

2 劉志強;無線體域網(wǎng)中資源分配策略研究[D];中國科學(xué)技術(shù)大學(xué);2018年

3 許文俊;寬帶無線通信系統(tǒng)資源分配策略研究[D];北京郵電大學(xué);2008年

4 叢犁;基于博弈論的無線網(wǎng)絡(luò)資源分配策略研究[D];西安電子科技大學(xué);2011年

5 黃丹;文件分發(fā)系統(tǒng)的資源分配策略[D];北京交通大學(xué);2013年

6 路兆銘;下一代移動通信系統(tǒng)中跨層資源分配研究[D];北京郵電大學(xué);2012年

7 馬艷波;下一代無線網(wǎng)絡(luò)中基于跨層優(yōu)化的資源分配研究[D];山東大學(xué);2010年

8 劉鎏;數(shù)據(jù)中心高效資源管理關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2016年

9 景文鵬;異構(gòu)無線網(wǎng)絡(luò)面向業(yè)務(wù)質(zhì)量保障的節(jié)能優(yōu)化策略研究[D];北京郵電大學(xué);2017年

10 馮大權(quán);D2D通信無線資源分配研究[D];電子科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 陳小峰;基于D2D通信的中繼選擇與資源分配策略研究[D];廈門大學(xué);2018年

2 朱立福（DAYO ZULFIQAR ALI）;高速場景下的大規(guī)模MIMO資源管理研究[D];北京交通大學(xué);2018年

3 陳閃閃;蜂窩網(wǎng)絡(luò)中基于基站端緩存的資源分配策略研究[D];中國科學(xué)技術(shù)大學(xué);2018年

4 余彬;混合供電無線網(wǎng)絡(luò)中的資源分配策略的研究[D];山東大學(xué);2018年

5 朱嘉誠;基于大規(guī)模天線的蜂窩網(wǎng)絡(luò)能量采集通信研究[D];華僑大學(xué);2018年

6 張蒙晰;異構(gòu)無線網(wǎng)絡(luò)資源分配策略研究[D];華北電力大學(xué)(北京);2018年

7 陳然;基于消費者均衡和帕累托最優(yōu)的云計算資源分配策略研究[D];云南大學(xué);2011年

8 劉冠峰;基于網(wǎng)格經(jīng)濟模型的資源分配策略研究[D];青島大學(xué);2008年

9 余江;蜂窩網(wǎng)絡(luò)下基于上下文信息的無線資源分配策略研究[D];中國科學(xué)技術(shù)大學(xué);2017年

10 陸振平;云計算中資源分配策略研究[D];北京郵電大學(xué);2013年

本文編號：2845506