论文部分内容阅读
随着我国国民经济的不断提高,人民生活水平也逐步得到改善,家庭平均车辆持有数目正在持续上升,人们对驾驶体验的需求也越来越高,这就促使车载网络通信技术的迅猛发展。能够使驾驶者体验到更多的高质量的车载应用是近年来车载网络发展的主流趋势。但是这些新兴的车载应用对网络的计算和存储能力的需求程度较高,由于车辆自身的资源有限,所以不得不借助于其他车辆、路边基础设施,或是借助路边微云、车辆云平台来实现资源的优化管理。本文主要研究如何利用路边微云来实现车辆及路边单元之间的资源优化问题,主要研究内容如下:首先,针对如何均衡基于路边微云的车载网络中多个路边微云之间的工作负载问题,本文引进基于微云的系统模型来捕获车辆卸载的任务给路边微云的响应时间,通过创建任务流量网络得出路边微云之间任务的最优重定向流,从而均衡各个路边微云处的任务响应时间,以此提高网络中资源的利用效率,改善用户的车载应用体验。借助Matlab实验仿真评估了该算法的性能,仿真结果表明该算法运行速度快且易扩展,并可以匹配微云之间的任务流,从而显著均衡各个路边微云的任务负载。其次,针对单个的路边微云和附近车辆之间的资源优化问题,本文提出一种基于多参数模糊逻辑的资源优化管理方法(MP-FLRM)。该方法首先建立一个基于路边微云的车载网络中车辆向路边微云请求的资源列表,并使用V2I通信模式收集了网络中车辆对每种资源(计算资源和存储资源)的排队等待时间,下载时间和上传时间,并把每种时间组成一个时间集合。基于模糊逻辑理论,在网络中考虑车辆请求资源时的更多时间参数,将路边微云的服务器中的资源存在时间模块化,以此达到系统的对资源进行优化,提高车辆的资源利用效率。通过借助Matlab实验仿真比较在不同到达率,不同时间以及不同存储资源数量前提下的系统吞吐量,结果表明MP-FLRM可以有效提升系统吞吐量,从而提高系统性能。