CN105847326A - 一种车联云资源动态部署系统 - Google Patents

一种车联云资源动态部署系统 Download PDF

Info

Publication number
CN105847326A
CN105847326A CN201610144035.1A CN201610144035A CN105847326A CN 105847326 A CN105847326 A CN 105847326A CN 201610144035 A CN201610144035 A CN 201610144035A CN 105847326 A CN105847326 A CN 105847326A
Authority
CN
China
Prior art keywords
resource
service
user
roadside unit
node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610144035.1A
Other languages
English (en)
Other versions
CN105847326B (zh
Inventor
吴学文
朱晓凯
原帅
崔楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201610144035.1A priority Critical patent/CN105847326B/zh
Publication of CN105847326A publication Critical patent/CN105847326A/zh
Application granted granted Critical
Publication of CN105847326B publication Critical patent/CN105847326B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/12Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/52Network services specially adapted for the location of the user terminal
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/60Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种车联云资源动态部署系统,包括资源整合模块、资源管理模块和资源维护模块,资源整合模块用于完成VC资源的发现、分类和封装,资源管理模块用于对资源池进行统一调度,实现信息共享和业务协同,资源整合模块和资源管理模块通过四级节点机制构建而成,四级节点机制由上级至下级依次为VC资源管理中心、路侧单元、代理节点和用户,通过四级节点机制提升系统的扩展性和健壮性,同时降低整个系统的复杂性和依赖性,避免了因单一节点的宕机对其它节点的影响。

Description

一种车联云资源动态部署系统
技术领域
本发明属于车载网络技术和云计算技术领域,特别涉及了一种车联云资源动态部署系统。
背景技术
迄今为止,车载自组网相关的理论研究已经很成熟了。然而,一个简单的认识是即使移动设备(如车载系统)在不停地更新和改善,与静止固定的硬件相比,在资源方面依旧是相对匮乏的。一种行之有效的方法就是使用云计算(CloudComputing)。云计算是传统的计算技术,如并行计算、分布式计算,与现有的网络技术的融合。从某种程度上来说,云计算是一种即开即用,按需取用的服务方式。当拥有了云计算,移动设备在执行一些对性能、资源要求高的应用时,无疑会节省更多的时间和获得更好的结果。车联云(VC,Vehicular Cloud)则是将车载自组网和云计算结合起来,使得以往封闭的、单向的车联网系统成为一个完整的体系,所有参与者都能通过该平台开展交流与合作,通过整合不同的合作伙伴,创建和交付各种应用与服务,打造新的商业模式,从而形成一条新兴的、跨多行业的产业链。
对单一车辆而言,受硬件成本及尺寸限制,计算、存储及传感资源有限,且不同生产商生产的或者不同型号的车辆间的硬件和软件设备均存在异构性,即在CPU、通讯、内存方面有差异性,比如车载PC上Linux和Windows操作系统的异构,甚至目前不同品牌间无法形成互联。没有统一的标准,无法产生良好的商业模式。
另一方面,从全局来看,中国是全球最大的汽车市场,车载资源总量丰富,但并未得到充分的利用,如大型超市、企业的停车场,很多车辆往往一停就是好几天,充足的存储能力没有得到使用。在交通方面上,车辆若能利用自身的信息资源自主参与其中,对缓解交通堵塞、事故预警可以起到很大的作用。
近年来,针对车联云的研究,多以研究实际场景应用为主,如道路安全信息发布,停车管理,交通信号灯的优化。对系统的整体架构的深入研究论述并不多。
发明内容
为了解决上述背景技术提出的技术问题,本发明旨在提供一种车联云资源动态部署系统,将车载网络与云计算有机结合,利用云计算的虚拟化和高性能等特点,使得车辆可以共享计算、存储、带宽资源,弥补了以往车载网在硬件方面的不足,实现全面的统筹。
为了实现上述技术目的,本发明的技术方案为:
一种车联云资源动态部署系统,包括资源整合模块、资源管理模块和资源维护模块,所述资源整合模块用于完成VC资源的发现、分类和封装,所述资源管理模块用于对资源池进行统一调度,实现信息共享和业务协同,资源整合模块和资源管理模块通过四级节点机制构建而成,所述四级节点机制由上级至下级依次为VC资源管理中心、路侧单元、代理节点和用户,所述VC资源管理中心是资源的管理者,协调处理、调度各种资源,拥有最高权限,所述路侧单元是服务的提供者,存储邻近代理节点提供资源的注册信息,所述代理节点作为VC的发起点,是移动的云服务器,所述用户是服务的消费者,所述资源维护模块用于维护各级节点;某代理节点构建完新的云资源后,向邻近的路侧单元提交新资源的注册信息,路侧单元将登记的新资源注册信息发送给VC资源管理中心,VC资源管理中心向路侧单元返回该新资源的唯一标识码,某用户根据服务索引目录向邻近的路侧单元申请所需服务,路侧单元查询本地是否有代理节点满足需求,若有代理节点满足需求,则路侧单元向该用户返回服务应答,用户开始使用服务,若没有代理节点满足需求,则路侧单元向VC资源管理中心提交资源调度请求,VC资源管理中心根据用户需求与各代理节点之间的匹配情况,向路侧单元发送调度指令,路侧单元根据调度指令向用户返回服务应答,用户开始使用服务。
进一步地,所述资源注册信息包括该资源的位置、属性和服务有效时间。
进一步地,所述系统根据资源属性将资源部署成3种类型的服务:网络即服务、信息即服务和存储即服务,所述网络即服务是利用车辆间的通信能力,提供网络接入服务,所述信息即服务是基于车载云平台,提供发布、共享路况、天气信息服务,所述存储即服务是整合车载硬件存储资源,模拟数据中心,提供数据存储服务。
进一步地,所述资源根据服务有效时间分为临时资源和长久资源,临时资源是利用某条道路中同向车辆间联合形成的小型微云,用于解决具体问题,长久资源是利用停车场中的车辆间联合形成的云数据中心,用于解决各种问题。
进一步地,当VC资源管理中心发现某一资源超过了服务有限时间,VC资源管理中心删除该资源一切信息并立刻通知路侧单元,路侧单元清空该资源一切信息,并通知相关代理节点解散该云网络。
进一步地,当VC资源管理中心要进行资源调度时,采用层次分析法和KM算法求解用户任务与代理节点的完备匹配。
进一步地,所述层次分析法需要构建三层评估体系,所述三层评估体系包括目标层、准则层和方案层,所述目标层是用户如何获得所需的最佳服务,准则层是决策时需要考虑的因素,方案层是各种备选方案,即备选的代理节点。
进一步地,所述准则层中考虑的因素包括CPU、内存和带宽。
进一步地,采用层次分析法求解用户任务与代理节点的完备匹配的步骤为,
(1)针对用户任务和代理节点构建带权二分图;
(2)基于层次分析法获取各个备选方案的权值;
(3)采用KM算法将权重转化为顶点集的顶标,通过求等价子图的完备匹配获得二分图最佳匹配,即用户任务与代理节点的最佳匹配。
进一步地,所述VC资源管理中心与路侧单元之间通过远程Internet实现通讯,路侧单元、代理节点和用户之间通过无线通信实现通讯。
采用上述技术方案带来的有益效果:
一、本发明总体架构为资源整合、资源管理和资源维护在处理大规模用户访问中,为了更好地支撑整体系统,采用分布式的四级节点机制,具有如下特点:
(1)可扩展性:在VC网络中,随着用户数量的不断增多,服务需求量也不断增大,相应地对资源和服务能力的要求也不断提高。因此在设计方案时需要考虑对系统的可扩展性。在本方案中,用户数量越来,即四级节点数目越多,提供的资源量也会越来越多,从而服务能力也越来越强,资源整合能力越强;
(2)健壮性:VANETs中的本质属性---移动性,易造成对操作环境内在不稳定,如通信的间断性,服务的间断性。而采用基于层次的分布式节点设计,降低整个系统的复杂性和依赖性,避免了因单一节点的宕机对其它节点的影响甚至可能导致整个系统瘫痪。同时当遇到高并发访问时,该系统平台能够及时处理访问,资源维护更加方便;
(3)用户体验:不同于以往VuC中以云为核心,过度追求复杂的车载设备功能设计,反而忽略的用户的真正需要。在本文节点设计中,则以用户为核心,旨在提高用户体验质量。一方面,用户可以在各地享受到相同等级的服务,用户的数量在某种程度上也意味着资源的数量。VC的发起点AN事实上也可能是其它服务的用户,用户的亲身参与可以更好地发现用户自身现实与潜在需求,降低了因服务质量引起的客户流失,使得资源管理更加人性化。
二、本发明针对资源调度,提出了一种基于层次分析法AHP(AnalyticHierarchy Process)和二分图最佳匹配算法的调度模型,用户可以基于该模型获得最合理的最佳的服务,使得每个用户能够实时地发现可用车载资源状态信息及其地理位置,方便用户高效地根据提供的服务索引目录申请网络服务、信息服务和存储服务,获得更好地选择资源。
附图说明
图1是本发明的四节点机制结构示意图;
图2是本发明申请服务的流程示意图;
图3是本发明资源分类示意图;
图4是本发明AHP三层评估体系示意图;
图5是本发明资源调度流程图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
一种车联云资源动态部署系统,包括资源整合模块、资源管理模块和资源维护模块,所述资源整合模块用于完成VC资源的发现、分类和封装,所述资源管理模块用于对资源池进行统一调度,实现信息共享和业务协同,资源整合模块和资源管理模块通过四级节点机制构建而成,如图1所示,四级节点机制由上级至下级依次为VC资源管理中心VCM、路侧单元RSU、代理节点AN和用户User,所述VC资源管理中心是资源的管理者,协调处理、调度各种资源,拥有最高权限,所述路侧单元是服务的提供者,存储邻近代理节点提供资源的注册信息,包括资源的位置、属性以及服务有效时间,所述代理节点作为VC的发起点,是移动的云服务器,所述用户是服务的消费者。上级节点直接对次级节点负责,二、三、四节点间采用无线通信方式,一、二级节点间以远程Internet实现通讯。由于车辆的高速移动性,网络拓扑结构动态变化,因此需要资源维护模块及时对节点进行维护。保证系统的质量、效率和成本。
如图2所示本发明的服务申请流程图,某代理节点构建完新的云资源后,向邻近的路侧单元提交新资源的注册信息,路侧单元将登记的新资源注册信息发送给VC资源管理中心,VC资源管理中心向路侧单元返回该新资源的唯一标识码,某用户根据服务索引目录向邻近的路侧单元申请所需服务,路侧单元查询本地是否有代理节点满足需求,若有代理节点满足需求,则路侧单元向该用户返回服务应答,用户开始使用服务,若没有代理节点满足需求,则路侧单元向VC资源管理中心提交资源调度请求,VC资源管理中心根据用户需求与代理节点之间的匹配情况,向路侧单元发送调度指令,路侧单元根据调度指令向用户返回服务应答,用户开始使用服务。所述资源注册信息包括该资源的位置、属性和服务有效时间(TTL,Time To Live),当VC资源管理中心发现某一资源超过了服务有限时间,VC资源管理中心删除该资源一切信息并立刻通知路侧单元,路侧单元清空该资源一切信息,并通知相关代理节点解散该云网络。
根据资源属性将资源部署成3种类型的服务:网络即服务、信息即服务和存储即服务,所述网络即服务是利用车辆间的通信能力,提供网络接入服务,所述信息即服务是基于车载云平台,提供发布、共享路况、天气信息服务,所述存储即服务是整合车载硬件存储资源,模拟数据中心,提供数据存储服务。
根据服务有效时间将资源分为临时资源和长久资源,临时资源是利用某条道路中同向车辆间联合形成的小型微云,用于解决具体问题,如图3所示的云A2,长久资源是利用停车场中的车辆间联合形成的云数据中心,用于解决各种问题,如图3所示的云A1。
当VC资源管理中心要进行资源调度时,采用层次分析法AHP和KM算法求解用户任务与代理节点的完备匹配,所述AHP采用三层评估体系,如图4所示,将决策有关的元素分解为目标层、准则层、方案层,在此基础之上进行定性和定量的分析和决策。目标层:即决策的目的,所需要解决的问题,本发明中所需解决的是每个用户如何获得所需的最佳的服务。准则层:即决策时需考虑的因素,本文中主要考虑CPU、内存、带宽三种。将这三种因素作为研究对象,进行决策方案的评估。方案层:即决策时的各种备选方案,本发明中指ANj(j=1,2,...,M),共M个备选方案。假定各个方案是相互独立的,不相互影响。
图5给出了本发明的资源调度流程示意图,其具体步骤如下:
步骤1:构建带权二分图;
建立带权二分图,任务与AN间匹配网络图G=(V,E),其中V为顶点的集合,包括子集T和子集AN,E为边的集合。子集T指用户任务集合,记T={t1,t2,...,tN},其中t1到tN是N个相互独立的任务,每个子任务优先选择同一RSU服务范围内的AN点。
子集AN指资源发起点AN集合,记AN={AN1,AN2,...,ANM},其中AN1到ANM是M个发起点。显然M<N,即AN数量应明显小于用户数。
当点ti(i=1,2,...,N)向点ANj(j=1,2,...,M)有申请服务意图时,将两点相连形成一条边,边上赋有权值,记为W(i,j)。权值W(i,j)是指VCM中心预估的用户对AN服务点的偏好程度,若ti(i=1,2,...,N)和ANj(j=1,2,...,M)两点间不存在边时,则令W(i,j)=0。
步骤2:基于AHP层次分析法获取权值;
基于图4构建的三层评估体系,获得判断矩阵,经过一致性检验后,通过层次计算各个因素的权重,获取最终各个备选方案的权重。
步骤3:使用KM算法求取目标函数
从上述建模中,可以得到匹配图G中节点分为子集T和子集AN,各子集内部无边相连,边上有权值,目标函数是使得所有用户的偏好程度综合最大。因此问题的实质是二分图的最佳匹配问题。最终的匹配目标是使得所有用户的偏好程度综合最大,即在带权二分图中总权值最大,即目标函数:
(1)初始化可行顶标,如每个ti节点的可行顶标设为它出发的所有边的最大权,ANj节点的可行顶标设为0,任意选取一个初始匹配M,可置空;
(2)遍历集合T,保证集合T的饱和,即保证每个用户都能得到相应的所需的服务,从集合T的每一个顶点出发在等价子图中找增广路。在等价子图中没找到增广路,转(3),若已经遍历完,转(5);
(3)修改顶标,记所有现在已搜索过的ti节点为S集合,记所有现在已搜索过的ANj节点记为Y集合,考察所有一段在S集合,一段不属于Y集合中顶点可以构成的边,取
把所有S集合中的ti减少Δd之后,所有在Y集合中的点的可行顶标增加Δd,其它顶点保持原值不变,从而有新的边加入等价子图;
(4)更新匹配数,通过交换匹配边和未匹配边,使得M边的数目加1,转(2);
(5)若集合T中顶点已遍历完,且找到完备匹配,则匹配结束,M为最佳匹配。
当找到等价子图的完备匹配时,也就意味着找到了图G的最佳匹配,只需将各个匹配边的顶标相加,即可获得最终的总的最大的权值。基于该算法获得的匹配结果,能够满足多数用户的服务需求,从全局的角度保障大多数人的利益。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。

Claims (10)

1.一种车联云资源动态部署系统,其特征在于:该系统包括资源整合模块、资源管理模块和资源维护模块,所述资源整合模块用于完成VC资源的发现、分类和封装,所述资源管理模块用于对资源池进行统一调度,资源整合模块和资源管理模块通过四级节点机制构建而成,所述四级节点机制由上级至下级依次为VC资源管理中心、路侧单元、代理节点和用户,所述VC资源管理中心是资源的管理者,协调调度各种资源,拥有最高权限,所述路侧单元是服务的提供者,存储邻近代理节点提供资源的注册信息,所述代理节点作为VC的发起点,构建云服务器,所述用户是服务的消费者,所述资源维护模块用于维护各级节点;代理节点构建完新的云资源后,向邻近的路侧单元提交新资源的注册信息,路侧单元将登记的新资源注册信息发送给VC资源管理中心,VC资源管理中心向路侧单元返回该新资源的唯一标识码,用户根据服务索引目录向邻近的路侧单元申请所需服务,路侧单元查询本地是否有代理节点满足需求,若有代理节点满足需求,则路侧单元向该用户返回服务应答,用户开始使用服务,若没有代理节点满足需求,则路侧单元向VC资源管理中心提交资源调度请求,VC资源管理中心根据用户需求与各代理节点之间的匹配情况,向路侧单元发送调度指令,路侧单元根据调度指令向用户返回服务应答,用户开始使用服务。
2.根据权利要求1所述车联云资源动态部署系统,其特征在于:所述资源注册信息包括该资源的位置、属性和服务有效时间。
3.根据权利要求2所述车联云资源动态部署系统,其特征在于:所述系统根据资源属性将资源部署成3种类型的服务:网络即服务、信息即服务和存储即服务,所述网络即服务是利用车辆间的通信能力,提供网络接入服务,所述信息即服务是基于车载云平台,提供发布、共享路况、天气信息服务,所述存储即服务是整合车载硬件存储资源,模拟数据中心,提供数据存储服务。
4.根据权利要求2所述车联云资源动态部署系统,其特征在于:所述资源根据服务有效时间分为临时资源和长久资源,临时资源是利用某条道路中同向车辆间联合形成的小型微云,用于解决具体问题,长久资源是利用停车场中的车辆间联合形成的云数据中心,用于解决各种问题。
5.根据权利要求2所述车联云资源动态部署系统,其特征在于:当VC资源管理中心发现某一资源超过了服务有限时间,VC资源管理中心删除该资源一切信息并立刻通知路侧单元,路侧单元清空该资源一切信息,并通知相关代理节点解散该云网络。
6.根据权利要求1所述车联云资源动态部署系统,其特征在于:当VC资源管理中心要进行资源调度时,采用层次分析法和KM算法求解用户任务与代理节点的完备匹配。
7.根据权利要求6所述车联云资源动态部署系统,其特征在于:所述层次分析法需要构建三层评估体系,所述三层评估体系包括目标层、准则层和方案层,所述目标层是用户如何获得所需的最佳服务,准则层是决策时需要考虑的因素,方案层是各种备选方案,即备选的代理节点。
8.根据权利要求7所述车联云资源动态部署系统,其特征在于:所述准则层中考虑的因素包括CPU、内存和带宽。
9.根据权利要求7或8所述车联云资源动态部署系统,其特征在于:采用层次分析法求解用户任务与代理节点的完备匹配的步骤为,
(1)针对用户任务和代理节点构建带权二分图;
(2)基于层次分析法获取各个备选方案的权值;
(3)采用KM算法将权重转化为顶点集的顶标,通过求等价子图的完备匹配获得二分图最佳匹配,即用户任务与代理节点的最佳匹配。
10.根据权利要求1所述车联云资源动态部署系统,其特征在于:所述VC资源管理中心与路侧单元之间通过远程Internet实现通讯,路侧单元、代理节点和用户之间通过无线通信进行通讯。
CN201610144035.1A 2016-03-14 2016-03-14 一种车联云资源动态部署系统 Expired - Fee Related CN105847326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610144035.1A CN105847326B (zh) 2016-03-14 2016-03-14 一种车联云资源动态部署系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610144035.1A CN105847326B (zh) 2016-03-14 2016-03-14 一种车联云资源动态部署系统

Publications (2)

Publication Number Publication Date
CN105847326A true CN105847326A (zh) 2016-08-10
CN105847326B CN105847326B (zh) 2018-11-30

Family

ID=56588042

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610144035.1A Expired - Fee Related CN105847326B (zh) 2016-03-14 2016-03-14 一种车联云资源动态部署系统

Country Status (1)

Country Link
CN (1) CN105847326B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106210152A (zh) * 2016-09-27 2016-12-07 桂林电子科技大学 一种基于物联网的车载云系统及资源获取方法
CN107566165A (zh) * 2017-08-18 2018-01-09 国网山东省电力公司信息通信公司 一种发现及部署电力云数据中心可用资源的方法及系统
CN109101336A (zh) * 2018-07-20 2018-12-28 深圳市瑞云科技有限公司 一种均匀调度节点机的方法
CN109542355A (zh) * 2018-11-28 2019-03-29 南通大学 一种停车场云存储资源的信任计算方法
CN109739637A (zh) * 2018-11-28 2019-05-10 南通大学 一种停车场云存储资源的调度计算方法
CN110415560A (zh) * 2019-08-07 2019-11-05 腾讯科技(深圳)有限公司 基于车联网系统的资源量估计方法、碰撞预测方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102413423A (zh) * 2011-08-02 2012-04-11 北京航空航天大学 一种基于动态选择路边单元的车载自组网的上传方法
CN102982408A (zh) * 2012-11-05 2013-03-20 中国电力科学研究院 一种基于云计算的规模化电动汽车运行监控平台
CN103108003A (zh) * 2011-11-11 2013-05-15 北京开元智信通软件有限公司 移动车联网云服务平台系统
WO2013117224A1 (en) * 2012-02-08 2013-08-15 Nec Europe Ltd. System and method for determining a reputation mechanism
CN103763753A (zh) * 2014-01-03 2014-04-30 北京科技大学 一种基于vanet的路网交通信息快速传播方法
CN103854143A (zh) * 2014-03-24 2014-06-11 深圳市众鸿科技股份有限公司 一种车联网服务系统及其平台层

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102413423A (zh) * 2011-08-02 2012-04-11 北京航空航天大学 一种基于动态选择路边单元的车载自组网的上传方法
CN103108003A (zh) * 2011-11-11 2013-05-15 北京开元智信通软件有限公司 移动车联网云服务平台系统
WO2013117224A1 (en) * 2012-02-08 2013-08-15 Nec Europe Ltd. System and method for determining a reputation mechanism
CN102982408A (zh) * 2012-11-05 2013-03-20 中国电力科学研究院 一种基于云计算的规模化电动汽车运行监控平台
CN103763753A (zh) * 2014-01-03 2014-04-30 北京科技大学 一种基于vanet的路网交通信息快速传播方法
CN103854143A (zh) * 2014-03-24 2014-06-11 深圳市众鸿科技股份有限公司 一种车联网服务系统及其平台层

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马晋国: ""基于车联云的协调点选择机制研究"", 《万方学位论文》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106210152A (zh) * 2016-09-27 2016-12-07 桂林电子科技大学 一种基于物联网的车载云系统及资源获取方法
CN106210152B (zh) * 2016-09-27 2020-04-21 桂林电子科技大学 一种基于物联网的车载云系统及资源获取方法
CN107566165A (zh) * 2017-08-18 2018-01-09 国网山东省电力公司信息通信公司 一种发现及部署电力云数据中心可用资源的方法及系统
CN109101336A (zh) * 2018-07-20 2018-12-28 深圳市瑞云科技有限公司 一种均匀调度节点机的方法
CN109542355A (zh) * 2018-11-28 2019-03-29 南通大学 一种停车场云存储资源的信任计算方法
CN109739637A (zh) * 2018-11-28 2019-05-10 南通大学 一种停车场云存储资源的调度计算方法
CN109542355B (zh) * 2018-11-28 2022-04-15 南通大学 一种停车场云存储资源的信任计算方法
CN109739637B (zh) * 2018-11-28 2022-11-29 南通大学 一种停车场云存储资源的调度计算方法
CN110415560A (zh) * 2019-08-07 2019-11-05 腾讯科技(深圳)有限公司 基于车联网系统的资源量估计方法、碰撞预测方法及装置

Also Published As

Publication number Publication date
CN105847326B (zh) 2018-11-30

Similar Documents

Publication Publication Date Title
CN105847326A (zh) 一种车联云资源动态部署系统
Zhang et al. Overview of edge computing in the agricultural internet of things: Key technologies, applications, challenges
Zhang et al. Edge computing and its role in Industrial Internet: Methodologies, applications, and future directions
Huang et al. Large scale real-time ridesharing with service guarantee on road networks
Zhao et al. Edge-MapReduce-based intelligent information-centric IoV: Cognitive route planning
Liao et al. Securing collaborative environment monitoring in smart cities using blockchain enabled software-defined internet of drones
CN101587639A (zh) 一种基于网格的城市公交信息管理与调度决策支持系统
Al-Rahamneh et al. Enabling customizable services for multimodal smart mobility with city-platforms
Wang et al. Review on offloading of vehicle edge computing
Li et al. Collaboration of heterogeneous unmanned vehicles for smart cities
Yin et al. Joint cloud collaboration mechanism between vehicle clouds based on blockchain
Ren et al. AI-bazaar: A cloud-edge computing power trading framework for ubiquitous AI services
Li et al. Integrating NFV and ICN for advanced driver-assistance systems
CN111882171A (zh) 一种基于需求预测的景区观光车智能调度系统及方法
Jiang Intelligent city traffic scheduling optimization based on internet of things communication
Dai et al. A software-defined-networking-enabled approach for edge-cloud computing in the internet of things
Young et al. Dynamic collaboration of centralized & edge processing for coordinated data management in an IoT paradigm
Hosseini Bidi et al. A fog‐based fault‐tolerant and QoE‐aware service composition in smart cities
Bai et al. A study of taxi service mode choice based on evolutionary game theory
Mobin et al. A literature review on cloud based smart transport system
Marrocco et al. Basic: Towards a blockchained agent-based simulator for cities
Rehman et al. FoggyEdge: An information-centric computation offloading and management framework for edge-based vehicular fog computing
Ke et al. Medley deep reinforcement learning-based workload offloading and cache placement decision in UAV-enabled MEC networks
Su et al. The Next Generation Vehicular Networks, Modeling, Algorithm and Applications
Hussain et al. Computing platforms for big data analytics in electric vehicle infrastructures

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20181130

Termination date: 20210314

CF01 Termination of patent right due to non-payment of annual fee