随着网络技术的发展,新型车载网络通信设备和应用的广泛普及,车联网的服务需求从传统的满足辅助交通管理的安全类应用转变为支持多元化、海量化的娱乐信息服务类应用。信息中心车联网因其能提供大规模的车联网服务及海量信息的高效支持,成为车联网研究中的热点。本文针对信息中心车联网缓存服务策略进行深入研究,旨在提高车联网内容资源的获取效率和缓存空间利用率。本文的主要工作和创新点如下:1.从协议支持和技术支持角度分析了信息中心车联网基本架构,提出了信息中心车联网缓存服务模型。针对路边单元(Road Side Unit,RSU)的通信覆盖范围不同,提出了 V2I缓存服务通信模型、V2V缓存服务通信模型,以及协作缓存服务通信模型,并详细阐述了三种缓存服务通信模型下的通信机制和通信特点,分析了缓存服务过程中面临的挑战。2.研究基于边缘计算的车联网缓存服务策略,提出了基于节点核心度的缓存存储算法和基于内容命名粒度的缓存替换算法。基于节点核心度的缓存存储算法利用节点核心度来评价网络节点在车联网缓存服务通信中的贡献。RSU通过分析自身的车辆接入数目和拓扑信息来获取节点核心度,并对内容流行度进行统计,对内容流行度和RSU核心度进行分级适配,将流行内容推向网络边缘。基于内容命名粒度的缓存替换算法将内容分块命名和储存,利用线性优化进行建模,分析内容分块大小对缓存空间利用率和获取内容通信开销的影响。仿真结果和性能分析表明,基于节点核心度的缓存存储算法可以提高缓存服务中的缓存命中率,缩短平均请求时间和缓存命中距离。基于内容命名粒度的缓存替换算法可以在保证较高内容获取成功率的前提下,提高缓存空间利用率。3.研究车联网移动车辆资源获取的特点,提出了基于车辆行为特征的缓存存储算法和基于内容流行度预测的缓存替换算法。基于车辆行为特征的缓存存储算法通过分析车辆隐私分级、车辆移动规律和车辆对内容兴趣等行为特征,构建基于车辆行为特征的缓存概率函数,实现车辆对内容的概率缓存,并根据车辆隐私分级,使用了一种基于跳数的间隔缓存机制,减少缓存冗余。基于内容流行度预测的缓存替换算法利用二元线性预测模型对内容流行度趋势进行预测,降低内容流行度统计的更新频率。仿真结果表明,基于车辆行为特征的车联网缓存服务策略可以提高缓存命中率,减少内容请求时间和缓存命中距离。基于内容流行度预测的缓存替换算法可以减少缓存替换量。例如,相较于传统信息中心网络所使用的默认算法LCE,所提的缓存存储算法减少了 41.38%的内容平均请求时间和26.31%的缓存命中距离。4.研究车联网V2V和V2V2I多节点协作缓存通信技术,提出了基于多节点协作的缓存服务策略。论文首先提出了一种基于博弈论的V2V协作缓存机制,设计基于信用的激励机制对V2V协作进行通信补偿,构建基于囚徒困境模型的博弈策略,对车辆参与协作缓存通信的通信补偿和通信开销进行博弈分析。同时,论文提出了一种基于中继车辆选择的V2V2I协作缓存机制,通过分析中继车辆的链路持续时间和带宽因子,构建中继车辆选择效用值函数;分析车辆中继协作过程中的激励机制,以此作为通信成本对中继车辆选择效用值函数进行修正。仿真结果显示,基于多节点协作的缓存服务策略提高了协作缓存通信中内容的传输数量和成功传输率,降低了协作缓存通信的网络能耗。