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。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
用于在无线通信系统中控制资源绑定和映射的方法和装置 | 2020-05-08 | 569 |
一种基于智能评分算法的5G开站核心参数自动规划方法 | 2020-05-08 | 458 |
一种基于多智能体Q学习的车载通信MAC层信道接入方法 | 2020-05-08 | 358 |
掩码S盒、分组密钥计算单元、装置及对应的构造方法 | 2020-05-08 | 973 |
数据处理环境中的虚拟节点的增强数据存储 | 2020-05-08 | 342 |
一种系统信息广播、系统信息接收方法及装置 | 2020-05-08 | 492 |
与解调参考信号设计和相关信令有关的方法和装置 | 2020-05-11 | 104 |
一种基于反馈信道状态信息的水声OFDMA资源分配方法 | 2020-05-08 | 789 |
医疗传感器网络环境下的身份认证与数据安全传输方法 | 2020-05-08 | 831 |
用于同步信号块选择的UE时延要求的使用的系统和方法 | 2020-05-11 | 426 |
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。