基于CDN和MEC的车联网移动性管理方法
专利汇可以提供基于CDN和MEC的车联网移动性管理方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及车联网系统中无线短距离通信技术领域，特别涉及一种基于CDN和MEC的车联网移动性管理方法，该方法包括：在CDN和MEC整合 框架 下进行车辆移动管理时，采用资源最优原则确定与RSU的连接，通过该连接处理车辆产生的任务；如果车辆进行RSU间的切换，采用开销选择的动态信道分配 算法 确定切换 位置 ，根据切换位置计算车辆切换最优时间；如果车辆进行迁移，采用基于RSU调度的合作博弈算法确定MEC分配给车辆的计算资源，并求出计算资源的最优价格；本发明采用路边单元调度的合作博弈算法进行 虚拟机 迁移并开发基于学习的价格控制机制，以有效地处理MEC的计算资源，并且提高资源利用率和减少开销。，下面是基于CDN和MEC的车联网移动性管理方法专利的具体信息内容。
1.一种基于CDN和MEC的车联网移动性管理方法，在CDN和MEC整合框架下进行车辆移动管理时，采用资源最优原则确定与RSU的连接，通过该连接处理车辆产生的任务，其特征在于，所述资源最优原则包括：
如果车辆进行RSU间的切换，采用开销选择的动态信道分配算法确定切换位置，根据所述切换位置计算车辆切换最优时间；
如果车辆进行迁移，采用基于RSU调度的合作博弈算法确定MEC分配给车辆的计算资源，并求出计算资源的最优价格；
其中，CDN表示内容分发网络，MEC表示边缘计算，RSU表示路边单元。
2.根据权利要求1所述的一种基于CDN和MEC的车联网移动性管理方法，其特征在于，所述CDN和MEC整合框架包括：车载云、路边单元云以及中心云三层结构；
车载云的设置包括：在一组合作的车辆中，通过车辆到车辆之间的通信建立的本地云；
路边单元云的设置包括：在一组相邻的RSU之间建立的本地云，并且通过车辆到基础设施之间的通信访问路边单元云；
中心云的处理过程包括：中心云将存储模块和数据进行同步，路边单元云中的数据通过消息中间件实时传输到中心云；当用户请求被调度至另一个没有此车辆信息的路边云时，此路边云从中心云获取数据。
3.根据权利要求1所述的一种基于CDN和MEC的车联网移动性管理方法，其特征在于，在MEC整合框架下进行车辆移动管理之前，还包括车辆进行RSU间切换与迁移之间进行选择的步骤，包括：
车辆v1启动进入RSU-1覆盖范围时，v1向TCS发送请求调度到距离该车辆最近的RSU，即RSU-1，此时不进行数据迁移也不进行RSU间切换；
车辆v1从RSU-1的覆盖范围驶入RSU-2的覆盖范围时，进行RSU间的切换；
车辆v1驶出RSU-2的覆盖范围时，数据通过消息中间件上传到中心云，中心云直接给车辆v1提供服务，此时不进行数据迁移也不进行RSU间的切换；
当车辆v1驶入RSU-3的覆盖范围时，RSU-3没有车辆信息，此时从中心云迁移数据；
其中，RSU-1表示路边单元1，RSU-2表示路边单元2，RSU-3表示路边单元3，TCS表示调度系统，VM-A表示虚拟机。
4.根据权利要求1所述的一种基于CDN和MEC的车联网移动性管理方法，其特征在于，车辆进行RSU间的切换包括：
步骤1：根据CDN和MEC整合框架确定计算任务Ai，j＝{di，j，ci，j，Tth}；
步骤2：当输入的数据通过RSU传输到MEC服务器时，在RSU与MEC之间的费用可忽略；当V-UEs通过信道l接入到RSU时，根据这条信道的传输功率和路径损耗计算上行传输速率Ri，j，l；
步骤3：确定信道分配选择ai，j，l，根据ai，j，l和Ri，j，l计算V-UEs总的上行传输速率Ri，j；
步骤4：根据计算任务总上行传输速率求取边缘计算的总时间 和总能耗
其中，di，j表示输入数据的大小，ci，j表示任务执行时所需的CPU周期数，Tth表示最大的延迟容限；V-UEs表示车辆用户，ai，j，l＝1表示信道l被分配给RSUj中的V-UEi去卸载任务，ai，j，l＝0表示信道l不进行卸载任务。
5.根据权利要求1所述的一种基于CDN和MEC的车联网移动性管理方法，其特征在于，所述确定车辆的切换位置包括：
步骤1：用Nagel-Shreckenberg CA离散模型进行交通仿真，获得V-UE接收信号信噪比SNR；
步骤2：将V-UE从相邻RSU接收到的SNR相等的位置定义为切换的参考位置；其中RSUj1和RSUj2的坐标分别为(Xj1，Yj1)，(Xj2，Yj2)；
步骤3：根据RSUj1和RSUj2的坐标求出V-UEi的切换参考位置坐标(Xh1，Yh1)；
th
步骤4：若未找到与SNR相等的位置，则设置一个功率损耗门限P ，根据功率损耗门限求出V-UEi的切换参考位置(Xh2，Yh2)；
步骤5：根据(Xh1，Yh1)和(Xh2，Yh2)，求V-UEi在RSUj覆盖范围内的最终切换位置坐标(Xi，j，Yi，j)，其表达式为：
(Xi，j，Yi，j)＝min[(Xh1，Yh1)，(Xh2，Yh2)]
步骤6：根据V-UE发送信号到达两个RSU的时间差确定V-UE的当前位置(X，Y)；
步骤7：V-UEi从当前位置到达切换位置的时间为：
步骤8：通过开销选择的动态信道分配算法找到最优路边单元RSU*，得出最优切换时间其中，Nagel-Shreckenberg CA表示交通仿真的离散模型，V-UE表示车辆用户，v表示车辆的速度，SNR表示信噪比， 表示从当前位置到达切换位置的时间。
6.根据权利要求5所述的一种基于CDN和MEC的车联网移动性管理方法，其特征在于，找*
到最优路边单元RSU的步骤包括：
步骤1：将车辆的位置(X，Y)，V-UEi的天线高度hi，RSUj的天线高度hj，车辆的速度v，总的卸载决策Oi，j，最大迭代次数Idd输入到动态信道分配算法模型中；
步骤2：将车辆的的位置转化为矩阵，得到初始化权值矩阵(X，Y)；
步骤3：V-UE连接到RSU，并报告未定期使用信道的开销；
步骤4：若多用户同时改变信道，RSU通过信道分配 改变信
道；求取车辆进行移动性管理时的总开销，并根据总开销的最小值来选择最优、次最优、次优的三个路边单元RSU；
步骤5：V-UE实时上报其位置信息(X,Y)和功率损耗门限Pth；再根据TCS计算出的切换位置(Xi,j,Yi,j)求切换到最优、次最优、次优的三个路边单元RSU的时间，如果能使 和 最小，此RSU*性能最优，且最优切换时间为
其中，表示信道， 表示总时延和总能耗的加权和， 表示总时延， 表示
能耗的权重因子，ai,j,l表示信道分配选择。
7.根据权利要求6所述的一种基于CDN和MEC的车联网移动性管理方法，其特征在于，车辆进行移动性管理时的总开销包括：
步骤1：根据车辆迁移过程确定虚拟机vmk占用存储的大小 迁移期间的内存脏页率 虚拟机vmk所处的数据中心的网络带宽为Wk，迁移过程的迭代次数为n；
步骤2：CDN网络下，在边缘云和中心云之间部署有消息中间件，V-UE向边缘服务器发送请求时，边缘服务器会通过消息中间件将服务请求同步到中心服务器；其进行迁移同步的时间为
步骤3：令 根据迁移过程中的数据以及迁移同步的时间求取迁移的时间
和迁移能耗 迁移时间的表达式为：
迁移能耗的表达式为：
其中，β和γ是模型需要训练的参数， 表示迁移数据量；
步骤4：求取总时延 和总能耗
总时延包括传输时延、在MEC服务器上的计算时延、切换时延和迁移时延，则总时延的表达式为：
总能耗包括传输能耗和迁移能耗，其表达式为：
步骤5：结合总时延和总能耗计算总开销
由于从MEC回传到V-UEs的数据大小远小于输入数据的大小，故忽略了回传的时延和能耗，即总时延和总能耗的加权和为：
令 则
其中，α表示内存脏页率网络带宽的比值， 表示边缘计算的总时间， 表示当前位置到达切换位置的时间， 表示迁移的时间， 表示边缘计算的能耗， 表示迁移能耗，表示时延的权重因子， 表示总时延， 表示能耗的权重因子， 表示总能
耗。
8.根据权利要求7所述的一种基于CDN和MEC的车联网移动性管理方法，其特征在于，根据车辆的发射功率、内存脏页率网络带宽的比值以及信道分配选择ai,j,l计算最小总开销，最小总开销的表达式为：
P1：
C1:
C2:
C3:0≤pi,j,l≤pmax
C4:
C5:
其中，约束条件C1和C2分别是对总时延和总能耗的约束；C3表示对传输功率的限制；C4表示V-UE分配一个信道；C5表示信道分配为二进制变量，di,j表示输入数据的大小，ci,j表示th
任务执行时所需的CPU周期数，T 表示最大的延迟容限，L表示车辆的数量，M表示路边单元的数量，K表示虚拟机的数量，Uj表示路边单元j内的车辆数， 表示车辆i在RSUj的MEC服务器的CPU周期频率，Ri，j表示总的上行传输速率，γ表示模型训练参数，Emax表示系统最大max
容忍的能耗开销，P 表示表示最大发射功率。
9.根据权利要求1所述的一种基于CDN和MEC的车联网移动性管理方法，其特征在于，所述基于RSU调度的合作博弈算法求解VM迁移的过程包括：
将VM迁移分解成三个过程：是否迁移；分配了多少MEC资源；这些资源的最佳价格；
在第一阶段EN通过联合计算和通信资源来决定是否迁移特定的VM，对于VM迁移过程，其中一个决策标准是时延，当V-UE从ENj移动到ENs时，时延间隔ΔT为：
ΔT＝N-M，ΔT＞δ(δ＞0)
其中，N表示没进行迁移时程序运行的总时间，M表示迁移时程序运行的总时间；δ表示安全迁移的时间缓冲间隙，满足ΔT＞δ(δ＞0)时，ENj将vmk从源物理机迁移到目标物理机；
在第二阶段，根据EN的报价计算迁移与未迁移的收益；
在合作过程中，每个vmk都是提议者，V-UEi是响应者，它们相互交互以进行VM迁移，此时，提议者提供价格为vmk迁移，其中包括无迁移和迁移两种情况；在进行最优价格确定时，采用Q学习并多次迭代收益，当得到最大收益时，此时为计算资源的最优价格；
第三阶段，EN学习V-UE的行为和以在线的方式调整其价格策略；每个EN通过无模型深度学习算法调整其价格策略分布，并通过观察V-UE的反应；
DQN包括三个关键因素，分别是状态，行为和奖励函数；空间状态的表达式为：
行为空间是价格策略数，其表达示为：
A＝{a＝(a0，...，ax，...，aX)|ax∈(0，1，...，amax)}
其中，a0表示不进行迁移的价格策略数，ax表示迁移时的价格策略数，amax表示不迁移或迁移时的最大价格策略数；
奖励函数是V-UE接收EN提供价格的收益；根据价格策略数求出效用函数A效用以及成本函数B成本；
则奖励函数的表达式为：R奖励＝A效用-B成本。
10.根据权利要求9所述的一种基于CDN和MEC的车联网移动性管理方法，其特征在于，无迁移和迁移两种情况包括：
无迁移时：V-UE的收入与程序运行时间成反比，成本与输入数据的大小成正比，而无迁移时会有额外的延迟，因此其收益函数如下：
U收益＝U收入-U成本
ω＝max((τ-N)，0)*(di，j(t1)+di，j(t2))
迁移时的收入与成本函数定义如下：
ω＝max((τ-N)，0)*(di，j(t1)+di，j(t2))
其中， 是ENj在t时刻的报价，x为V-UE收到效益的控制因子，xω表示车辆用户收到效益的控制参数，τ为程序超时时间， 是额外的延迟因子， 表示迁移数据量。
基于CDN和MEC的车联网移动性管理方法
技术领域
背景技术
发明内容
具体实施方式
次优的三个RSU；
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于单频信噪比归一化的GPS/BDS多路径实时抑制方法 | 2020-05-08 | 161 |
| 一种基于可调狭缝的波长可调谐掺铒光纤锁模激光振荡器 | 2020-05-08 | 884 |
| 图像的质量评价方法、电子设备和计算机可读存储介质 | 2020-05-08 | 957 |
| 一种移动多用户通信系统的功率分配优化方法 | 2020-05-08 | 474 |
| 视锥视杆双模态仿生视觉传感器 | 2020-05-08 | 953 |
| 一种北斗和GPS卫星信号接收的正直性监测和判决方法 | 2020-05-11 | 16 |
| 药用丁基橡胶塞药物相容性的气质色谱检测方法 | 2020-05-11 | 111 |
| 基于理想边缘外推的遥感影像超分辨率复原方法 | 2020-05-08 | 953 |
| 质谱检测乳制品中A1、A2型β酪蛋白的质谱模型及其构建方法 | 2020-05-11 | 296 |
| 一种感光基板及显示面板 | 2020-05-08 | 544 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
