MEC车联网应用的预迁移策略研究

发布时间：2023-11-04 10:57

　　移动边缘计算技术(Mobile Edge Computing,MEC)为联网车辆等移动终端提供了具有IT服务和云计算能力的边缘网络环境,具有低时延、本地感知等诸多优势,是5G网络的核心技术之一。车联网领域依托MEC技术构建全新的产业链,通过本地化的应用部署模式,在极短时间内完成行驶数据的获取和传输,能够为“智能交通”作出巨大贡献。基于MEC技术的车联网应用能够为现有的车联网环境带来巨大变革,受到行业和学术界的广泛关注。然而,基于MEC技术的车联网应用在移动性管理方面存在巨大挑战。MEC技术带来极大便利的同时,对部署于边缘网络中的应用提出了移动性要求,即车联网应用在不同MEC服务器之间的迁移。车联网的应用场景使得移动性管理复杂化,主要体现在:联网车辆的高速移动性意味着更频繁的应用迁移,产生的迁移时延严重影响了车辆用户体验;车联网应用涉及人身安全、驾驶体验和互联网服务等多方面,现有的应用迁移策略无法满足其多样化的性能需求。针对频繁迁移产生大量迁移时延的问题,本文提出了基于车辆轨迹预测的应用预迁移方法。通过预测联网车辆未来的行驶轨迹,基于预测结果和虚拟机在线迁移技术,在联网车辆到达目标区域之...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
注释表
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 MEC发展历史及研究热点
        1.2.2 IoV演进及发展动向
    1.3 主要研究内容及章节安排
        1.3.1 主要研究内容
        1.3.2 章节安排
第2章 相关技术分析
    2.1 移动轨迹预测技术
        2.1.1 移动模型概述与分析
        2.1.2 移动轨迹预测算法
    2.2 VM迁移技术
        2.2.1 动态迁移技术
        2.2.2 静态迁移和镜像同步
        2.2.3 多VM迁移
    2.3 MEC应用迁移研究
        2.3.1 应用迁移机制
        2.3.2 MDP迁移策略
    2.4 本章小结
第3章 基于车辆轨迹预测的应用预迁移方法研究
    3.1 引言
        3.1.1 需求和技术分析
        3.1.2 基于轨迹预测的应用迁移模型
    3.2 行驶轨迹样本集构建算法
        3.2.1 车辆行驶数据收集
        3.2.2 数据处理与栅格化重构
    3.3 基于ELM的应用预迁移方法
        3.3.1 车辆轨迹的SLFN预测模型
        3.3.2 ELM算法求解模型参数
        3.3.3 MEC应用预迁移方法
    3.4 测试结果与分析
    3.5 本章小结
第4章 基于MEC的IoV应用预迁移策略研究
    4.1 基于MEC的IoV系统
        4.1.1 IoV应用分类
        4.1.2 基于MEC的IoV服务框架
    4.2 IoV应用迁移模型
        4.2.1 应用性能指标模型
        4.2.2 IoV应用迁移模型
        4.2.3 应用迁移优化目标
    4.3 IoV应用预迁移策略的求解及优化
        4.3.1 基于动态规划的多应用动态迁移算法
        4.3.2 轨迹预测负面影响的规避算法
        4.3.3 IoV应用优先级算法
        4.3.4 基于优先队列的多应用迁移算法
    4.4 测试结果与分析
    4.5 本章小结
第5章 总结与展望
    5.1 论文总结
    5.2 未来展望
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



本文编号：3860168