论文部分内容阅读
对于车联网,早期人们更多关注其在道路安全中的应用;最近,随着5G通信技术的发展以及业务的多样性需求,车联网产生了更多可能,可以支持更多非安全性应用,如广告、社交、多媒体娱乐等。但随之而来的庞大数据和计算会给网络带来沉重的负担,有研究提出,可以把车联网技术和雾计算相结合,形成车辆雾计算,将信息的存储和计算下移,从而减轻基础网络的负担。雾计算的兴起源于各类接入设备的功能越来越强大,通过把计算服务功能从云端下降到接入层,即雾端,让接入设备利用剩余的计算能力提供服务,从而获得降低核心网负载、提高响应速度等好处。在雾计算中,由于手持设备的性能较弱,一般不会考虑将其作为服务方;而在车辆雾计算中,凭借充足的能源和更好的散热,车载设备的性能和功耗可以远远大于手持设备,因此车辆即可以是计算服务请求方,也可以是服务方,这是与雾计算的关键区别,正因如此,雾计算相关研究成果无法直接在车辆雾计算中使用。因此本文将对车辆雾计算相关技术展开研究。为了尽可能减少车辆雾计算基础设施的硬件部署成本,降低实施难度,本文将基于标准5G接入网架构,构建出车辆雾计算的基础设施架构。通过对该基础架构的讨论,本文分析出车辆雾计算有距离预测、车辆到车辆(Vehicle To Vehicle,V2V)计算卸载和V2V通信资源分配三个关键问题。分析了距离预测问题,设计了一种基于著名数据融合算法卡尔曼滤波的车联网中车辆间距离的预测算法。分析了V2V计算卸载问题,并对该问题进行数学建模,为了满足车辆雾计算决策的实时需求,设计了一种基于分簇动态规划的启发式算法(Heuristic algorithm based on Clustering Dynamic Programming,HCDP),用于求解V2V计算卸载问题。分析了V2V通信资源分配问题,并基于现有研究成果提出的容忍干扰度(Tolerant Interference Degree,TID)算法,设计出一种改进的TID(Improved TID,ITID)算法,以达到更高的通信资源利用率。最后设计了V2V计算卸载和V2V通信资源分配问题的仿真场景,通过仿真实验验证了在不同负载场景下,HCDP算法和ITID算法都具有优良的性能。