隨著汽車行業(yè)與物聯(lián)網(wǎng)技術(shù)的快速發(fā)展,車載應(yīng)用的大幅度增長為有限的車輛計算資源帶來了挑戰(zhàn)。車載設(shè)備的不斷更新,允許車輛與周圍服務(wù)節(jié)點進行V2X（Vehicle-to-Everything）通信,因此將任務(wù)卸載至云服務(wù)器或者鄰近車輛進行計算可以有效擴展車聯(lián)網(wǎng)計算能力。然而,由于云服務(wù)器的遠程部署容易導(dǎo)致時延抖動,無法滿足車聯(lián)網(wǎng)“低延時、高可靠性”的要求。移動邊緣計算（Mobile Edge Computing,MEC）將云服務(wù)下沉至無線網(wǎng)絡(luò)邊緣,在靠近用戶的位置提供計算服務(wù),從而彌補了遠程云計算所帶來延遲波動,可以有效提高用戶服務(wù)質(zhì)量。然而由于MEC服務(wù)器與車輛計算能力有限,海量的計算數(shù)據(jù)讓本就稀缺的網(wǎng)絡(luò)資源面臨沉重的壓力,嚴重影響車輛任務(wù)計算代價。因此,本文在基于MEC的車聯(lián)網(wǎng)場景下,研究了如何為卸載任務(wù)選擇恰當(dāng)?shù)男遁d節(jié)點以及如何合理分配網(wǎng)絡(luò)內(nèi)通信、計算與緩存資源的問題。本文的主要內(nèi)容概括如下:1.針對V2X場景下復(fù)雜的網(wǎng)絡(luò)狀態(tài)與海量的計算數(shù)據(jù)為車聯(lián)網(wǎng)帶來的時延和能耗增加以及服務(wù)質(zhì)量下降的嚴峻問題,構(gòu)建了MEC和軟件定義網(wǎng)絡(luò)相結(jié)合的車聯(lián)網(wǎng)絡(luò)框架。為了進一步降低系統(tǒng)開銷,提出一種聯(lián)合任務(wù)卸... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 移動邊緣計算研究現(xiàn)狀
        1.2.2 車聯(lián)網(wǎng)中基于MEC的技術(shù)研究現(xiàn)狀
    1.3 本文主要工作
    1.4 本文組織結(jié)構(gòu)
第2章 車聯(lián)網(wǎng)與MEC的技術(shù)概述
    2.1 V2X車聯(lián)網(wǎng)技術(shù)概述
        2.1.1 網(wǎng)絡(luò)架構(gòu)及特點
        2.1.2 關(guān)鍵技術(shù)及特征
    2.2 MEC技術(shù)概述
        2.2.1 MEC系統(tǒng)架構(gòu)
        2.2.2 MEC應(yīng)用場景
    2.3 車聯(lián)網(wǎng)中基于MEC的任務(wù)卸載
        2.3.1 計算任務(wù)概述
        2.3.2 V2X計算任務(wù)卸載
    2.4 本章小結(jié)
第3章 SDN和 MEC架構(gòu)下V2X卸載與資源分配
    3.1 引言
    3.2 車聯(lián)網(wǎng)場景下任務(wù)卸載問題描述
        3.2.1 系統(tǒng)分析
        3.2.2 通信模型
        3.2.3 計算模型
        3.2.4 問題描述
    3.3 卸載策略和資源分配方案
        3.3.1 基于AgglomerativeClustering層次聚類的通信模式選擇
        3.3.2 卸載博弈建模
        3.3.3 基于Q-learning的通信與計算資源分配
        3.3.4 納什均衡證明
        3.3.5 聯(lián)合優(yōu)化機制總結(jié)
    3.4 仿真驗證與性能評估
    3.5 本章小結(jié)
第4章 車聯(lián)網(wǎng)中基于MEC的V2X協(xié)同緩存與資源分配
    4.1 引言
    4.2 系統(tǒng)模型和問題規(guī)劃
        4.2.0 系統(tǒng)分析
        4.2.1 通信模型
        4.2.2 計算模型
        4.2.3 緩存模型
        4.2.4 問題形成
    4.3 V2X協(xié)同卸載與資源分配
        4.3.1 基于圖著色的信道分配
        4.3.2 計算資源分配
        4.3.3 緩存決策
        4.3.4 算法總結(jié)
    4.4 仿真分析
        4.4.1 仿真場景與參數(shù)分析
        4.4.2 仿真結(jié)果分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 全文工作總結(jié)
    5.2 研究工作展望
參考文獻
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號：2957880