基于能量损耗和时延最小化的车联网边缘缓存策略研究

发布时间：2021-05-23 03:26

　　由于车辆数目的快速增长,边缘缓存的技术获得了广泛关注。车辆和路侧单元作为网络边缘节点,为其他节点提供数据存储、计算和低延迟无线连接,避免了从核心网获取缓存内容带来的高延迟和网络拥塞。然而,由于车辆的高速移动特性以及缓存部署的多样性,如何制定高效的缓存内容放置和分发策略是需要关注的问题。本文以此为出发点,以最小化缓存时延和最大化能量效率为目标,分别对车辆和车辆间的通信（Vehicle-to-Vehicle,V2V）和车辆和每一个事物间的通信（Vehicle-to-X,V2X）通信场景缓存内容的放置和分发进行了研究。首先,在V2V场景中,本文基于排队论理论,结合实际的交通场景,用二维马尔科夫过程推导出了车辆和其他车辆或基站建立连接的概率。为了降低整个系统的能量损耗效率,其中包括传输能量和缓存能量,我们制定了缓存方案,仿真结果表明同离线的缓存策略比起来,提出的方案有更低的能量损耗效率。为了降低时延,建立了设备到设备使能的V2V通信的边缘缓存架构,根据就近原则,车辆与基站或者其余车辆建立连接,后者需要复用前者的频谱进行内容的传输。在缓存内容放置阶段,决定车辆缓存内容的种类;在缓存内容的分发阶段... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 国内外研究现状
        1.2.1 边缘缓存研究现状分析
        1.2.2 车联网中缓存策略研究现状分析
        1.2.3 深度强化学习在缓存中的应用研究现状分析
    1.3 国内外研究现状分析
    1.4 本文的主要研究内容
第2章 基础理论与关键技术
    2.1 车联网概述
        2.1.1 车联网架构
        2.1.2 车联网应用
        2.1.3 车联网特点
    2.2 深度强化学习理论概述
        2.2.1 强化学习原理
        2.2.2 深度强化学习原理
    2.3 本章小结
第3章 V2V场景中边缘缓存策略研究
    3.1 基于能量损耗效率最小化的缓存策略研究
        3.1.1 车辆通信的连接模型
        3.1.2 能量损耗模型构建
        3.1.3 仿真与分析
    3.2 基于时延最小化的缓存策略研究
        3.2.1 系统模型
        3.2.2 缓存模型
        3.2.3 仿真与分析
    3.3 本章小结
第4章 V2X场景中边缘缓存策略研究
    4.1 基于能量损耗最小化的缓存策略研究
        4.1.1 缓存及能耗模型
        4.1.2 基于能量损耗最小化的缓存策略
        4.1.3 仿真与分析
    4.2 基于时延最小化的缓存策略研究
        4.2.1 车辆边缘缓存系统模型
        4.2.2 内容传输模型
        4.2.3 马尔科夫决策过程
        4.2.4 基于DDPG的边缘合作缓存解决方案
        4.2.5 基于最大传输速率的缓存策略
        4.2.6 仿真与分析
    4.3 本章小节
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢


【参考文献】：
期刊论文
[1]车联网在智能交通中的应用[J]. 徐秀妮.  黑龙江科技信息. 2016(31)
[2]融合新业态下的车联网技术、应用与规范创新[J]. 杨景.  电信网技术. 2016(06)
[3]车联网技术研究综述[J]. 蔺宏良,黄晓鹏.  机电工程. 2014(09)

硕士论文
[1]基于效用函数的移动云计算卸载切换研究[D]. 王国栋.云南大学 2014



本文编号：3202196