基于下一代网络架构的车联网资源优化与可靠性研究

发布时间：2020-08-22 07:02

【摘要】：车联网(Internet of Vehicle,IoV)作为物联网的重要组成部分,需要向车辆提供高带宽、低时延、低抖动的网络服务,以及支持复杂的功能和服务的数据处理能力。但如今车辆数量不断高速增长、用户需求不断个性化,导致通信、计算、存储资源需求不断上升。而传统车联网由于网络架构以及计算资源的局限性,已经无法应对这个挑战。随着下一代网络架构的发展,5G技术和车辆雾计算(Vehicular Fog Computing,VFC)技术的出现,为满足车联网需求提供了新的解决方案。5G技术具备支持海量智能设备通信的特性,其中基于雾计算的无线接入网络(Fog Radio Access Network,F-RAN)架构是目前5G的前沿研究方向。基于F-RAN的车联网架构能够为车联网体系提供充足的通信资源支持。VFC则通过虚拟化技术和计算迁移,实现了对车辆计算设备的虚拟化整合,从而有效解决单个车辆计算资源局限性的问题。虽然上述的两种技术分别满足了车联网通信与计算资源的需求,但对于车联网而言,其中依旧存在很多问题。首先,F-RAN架构和VFC架构相互孤立,目前还没有一种架构能够将两者深度融合,为车联网提供服务。第二,如何实现这个综合架构内的资源调配,并且保证该系统内的资源利用效率。最后,车辆的动态性导致VFC服务的可靠性面临挑战。如何对VFC中服务的可靠性进行量化,并且如何提高服务的可靠性。这些都是基于下一代网络架构的车联网体系所亟待解决的问题。针对上述的问题,本文提出了基于下一代网络架构的车联网体系,包含有以下工作:1)提出基于VFC的F-RAN车联网模型,实现了F-RAN技术和VFC技术的深度融合,利用VFC作为计算资源基础设施为F-RAN车联网提供了充足的资源支持;2)在上述架构下,提出了一种计算资源分配的优化算法,使车联网服务的执行速度加快,实现了计算资源的优化配置;3)深入研究了在VFC模型中由于车辆的动态性所导致的VFC服务不可靠的问题,建立了VFC的计算迁移的可靠性描述模型;4)结合工作流机制,提出了基于概率预测的VFC服务可靠性优化算法,在满足时延约束的条件下,对VFC服务的可靠性进行优化。对于上述的所有算法,我们都进行了仿真测试,从而验证了算法的有效性和性能。本文的工作对基于下一代网络架构的车联网的实现部署、高效资源调配以及可靠性保障有着良好的理论意义和应用前景。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN929.5;U495
【图文】：

示意图,计算迁移,优化仿真,场景

上海交通大学硕士学位论文H 节点到车辆的数据传输速率 ( Rv)100-150M的数据传输速率(Vv) 50-75 M我们所提出的计算迁移策略进行对比，我们另外设计了三获得其性能。其中策略（a）保持 F-RRH 原有的本地计算两个计算迁移策略是根据原有无线接入网络的传统移动行设计：（b）地理距离最小化集群策略（c）通信速率最

对比图,执行时间,对比图

图 11 服务总计算执行时间对比图Figure 11 The contrast diagram of the service total execution duration

对比图,数量变化趋势,执行时间,对比图

23图 12 服务计算总执行时间随车辆数量变化趋势对比图Figure 12 The contrast diagram of the service total execution durationdepends on the number of vehicles 12 所示，整个基于车辆雾的 F-RAN 网络的平均计算任务执行关系如图所示。我们可以发现，随着车辆数量的增加，将计算中的策略都随之获得了更高的性能，其中我们提出的基于禁忌务时间从 3.7262s 降低到了 3.3076s。这表明，随着车辆的增

【相似文献】