CN106254474A - 车联网下基于喷泉码的异构节点协作缓存方法 - Google Patents

Abstract

本发明公开了车联网环境下一种基于喷泉编码的异构节点之间的协作缓存方法，包括步骤1：建立车联网环境下车与基站、道路基础设施之间的缓存模型；步骤2：基于Zipf算法，得到所有视频文件的流行程度分布；步骤3：将每个受欢迎的视频文件按照喷泉编码的规则进行编码分组，平均缓存到小基站和基础设施中；步骤4：计算所有车辆用户u从小基站和道路基础设施中获得所有的请求视频文件的下载时间。本发明的喷泉编码无需做出应答，只要移动的车辆从小的基站或者基础设施接收到一定数量的编码分组，就能够恢复源文件，保证了可靠的通信传输。

Description

车联网下基于喷泉码的异构节点协作缓存方法

技术领域

本发明涉及车联网环境下一种基于喷泉码的异构节点之间的协作缓存方法，能够降低延迟和网络拥塞，提高系统吞吐量。

背景技术

随着互联网技术和信息与通信技术的不断发展，车联网(Internet of Vehicles)技术在近两年也迅速发展。车联网是以车内网、车际网和车载移动互联网为基础，按照约定的通信协议和数据交互标准，在车-X(X：车、路、行人及互联网等)之间，进行无线通讯和信息交换的大系统网络，是能够实现智能化交通管理、智能动态信息服务和车辆智能化控制的一体化网络。

随着近几年车联网的快速发展，越来越多的车载终端(Vehicles terminal)也能够接入到互联网中，因此给整个的移动互联网络带来了极大的挑战。尤其随着行驶中的移动用户对视频等文件的大量需求，更是给网络带来了很大的数据延迟、网络拥塞以及巨大的流量压力。为了解决上述问题，传统的方法有:增大带宽，增建沿路基站以及微蜂窝的数量。虽然传统的方法在一定程度上能够降低网络延迟，增大网络流量，但由于频谱资源的短缺，增建基站和微蜂窝带来巨大的成本压力，使得传统方法达到了一定的极限。

因此，可以采用缓存和编码技术进行数据缓存并传输，尤其考虑到行驶中的移动用户的位置的不断改变的特性，采用喷泉码与缓存相结合的技术，在沿途中的小基站、道路基础设施(如路灯，站牌，指示牌等)进行存储流行程度高的文件，行驶在高速路中的车辆，只要在沿途基础设施中能够接收到足够多(即文件块的数量只要大于分块前初始文件的数量)经过喷泉码编码后的数据文件块，移动用户(车辆)就能够恢复原文件，从而大大降低了网络拥塞和网络负载，急剧提升了系统容量。因此，将喷泉编码结合缓存技术存储到小基站和道路基础设施上会有很大的发展前景。

发明内容

本发明的目的是为了解决上述问题，降低网络负载，提高车联网的数据传输效率，提出车联网下基于喷泉码的异构节点协作缓存方法，在保证车辆在通信质量(QoS)的前提下，设计一种基于喷泉编码的缓存，在异构节点之间的协作缓存方法，以一种低延迟、高吞吐量的通信方式，大大降低网络拥塞，避免在受限的容量回程连接中出现瓶颈等问题。

车联网环境下一种基于喷泉编码的异构节点之间的协作缓存方法，主要包括以下几个步骤：

步骤1：建立车联网环境下车与基站、道路基础设施之间的缓存模型；

步骤2：基于Zipf算法，得到所有视频文件的流行程度分布；

步骤3：将每个受欢迎的视频文件按照喷泉编码的规则进行编码分组，平均缓存到小基站和基础设施中；

步骤4：计算所有车辆用户u从小基站和道路基础设施中获得所有的请求视频文件的下载时间。

本发明的优点在于：

(1)车联网是一个近两年提出的新概念，能够充分利用互联网技术、计算机技术和通信技术。在车联网方面研究缓存的分配，是一个新的领域的拓展；

(2)传统的编码，是在标准文件传输协议编码时把简单的文件分成K个数据包，进行重复传输直到每个数据包都被无差错的收到，同时采用反馈信道告知哪些数据包需要重新传输，占据有限的频谱链路资源。而喷泉编码是一种与码率无关的无需反馈信道的随机编码方式，是对文件的随机编码过程，可以产生半无限长编码序列，只要接收端接收到任意N个(N稍微比K大一点)数据包，就能恢复源文件，对解决网络拥塞及广播通信“反馈破裂”问题和车联网通信具有很大的应用前景；

(3)现有的编码缓存方法，需要接收者对发送者做出应答，占用了有限的频谱链路，而喷泉编码无需做出应答，只要移动的车辆从小的基站或者基础设施接收到一定数量的编码分组，就能够恢复源文件，保证了可靠的通信传输。

附图说明

图1是本发明的方法流程图；

图2是本发明的是实施仿真场景。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

本发明是在车联网环境下一种基于喷泉编码的异构节点之间的协作缓存方法，如图1所示，包括以下几个步骤：

步骤1：车联网环境下，移动车辆用户，基站以及基础设施的基本模型。

如图2所示，在车联网环境下，一组移动车辆用户U,任意一个移动用户车辆u，其中u∈U＝{1,2,...,U}，一个宏基站BS(Base Station)，一组小基站sbs(small BaseStation),用集合表示,其中N表示小基站集合中的数量，沿途道路基础设施，用集合表示，其中M表示基础设施的数量，用户随机请求的一组视频文件集合F＝{1,2,...F,，其中每个视频文件f∈F都有相同的大小S_fbits。其中宏基站BS有足够大的缓存容量来储存所有的文件，每个小基站sBS和道路基础设施缓存容量相同，能够最多缓存C bits的数据，每个移动车辆都能够从BS或者小基站以及道路基础设施中获得服务，如果一个移动用户车辆不能够从服务他的小基站或者道路基础设施中获得想要的视频内容，就会从宏基站BS获得，这也是为了能够使得移动车辆的请求总能够获得服务。显然，从小基站或者道路基础设施下载内容的时间会比从大基站BS下载的时间短很多，并能够有效减小链路负载。

步骤2：基于请求文件的分布服从齐普夫Zipf分布，按照流行程度由高到低进行排序，选取前50％的文件:

移动用户请求文件的流行程度符合Zipf分布，即：

其中，1≤i≤F

其中：f_i是视频文件受欢迎程度的概率，即在所有请求文件中所占的概率，γ表示请求文件的相对流行程度的分布，γ越大，请求就越集中在流行程度高的文件中。根据请求视频文件的流行程度分布，用集合Ω表示，Ω＝{f₁,f₂,...,f_F}，选取视频文件中前50％的流行程度高的文件Ω_F/2＝{f₁,f₂,...,f_F/2}进行编码缓存。

步骤3:利用喷泉码，将选取受欢迎的视频文件平均缓存到小基站和道路基础设施中：

喷泉编码的编码方式遵从如下法则：每个源文件等大小的分为K个码元，即表示为s₁,s₂,…s_K，经过喷泉码编码产生的码元t_n是从s₁,s₂,…s_K中随机d_n个相互异或而得到，其中源文件进行异或的个数d_n，称之为度，而度服从一个概率分布ρ(d)，本发明采用理想情况下也是最常用的度概率分布：

$\mathrm{\ρ}\left(d\right)=\left(\begin{array}{cc}\frac{1}{K}& d=1;\\ \frac{1}{d(d-1)}& d=2,3,...,K;\end{array}\right.$

显然，ρ的选择依赖于源文件的码元个数K，所有的选择都是随机的，其中d_n表示参与编码的s_k的个数，输出的码元t_n是有任意的d_n个s_k异或而得。度只是决定了编码有几个s_k异或而成，但并没有确定是哪几个s_k异或，而s_k的选取也是由随机的源文件s₁,s₂,…s_K序列中随机的选取两个进行异或得到编码分组t_n。只要接收者，也就是文章中的移动用户车辆收到任意K个以上的t_n，就能够恢复源文件。

根据视频文件的流行程度分布和步骤2中选取的文件集合，Ω_F/2＝{f₁,f₂,...,f_F/2}，将选出的受欢迎的每个视频文件f分成K块，按照喷泉码的编码规则，将根据度的分布，随机选择进行异或，编码后每个视频文件f都会得到L个编码分组t_n(f)，(t_n(f)表示文件f经过编码后得到的分组)，其中L是每个视频文件编码后得到的总的分组个数，根据小基站和道路基础设施的数量，平均分配每个视频文件的编码分组：

$l=\frac{L}{M+N}$

其中：l表示平均缓存到每个小基站和基础设施中编码分组的数量，方便起见L是M+N的整数倍，M是小基站的数量，N是道路基础设施的数量，注意，每个小基站和基础设施中缓存的视频数据大小不能超过其容量大小C bits。

步骤4：行驶中的移动车辆发出请求的文件后，沿路的小基站以及道路基础设施首先查看本地缓存中有没有缓存该请求的文件，若有，则缓存命中并将该数据发送给车辆，行驶中的车辆只要从沿途小基站和基础设施接收到任意K个编码后的文件即可恢复出源文件，否则，将该请求发送给宏基站，宏基站再将该请求的文件发送给请求的车辆。

Claims (1)

1.车联网下基于喷泉码的异构节点协作缓存方法，包括以下几个步骤：

步骤1：建立移动车辆用户、基站以及基础设施的基本模型；

在车联网环境下，一组移动车辆用户U，任意一个移动用户车辆u，其中u∈U＝{1,2,...,U}，一个宏基站BS，一组小基站sbs用集合表示，其中N表示小基站集合中的数量，沿途道路基础设施用集合表示，其中M表示基础设施的数量，用户随机请求的一组视频文件集合F＝{1,2,...,F}，其中每个视频文件f∈F的大小均为S_fbits，其中宏基站BS的缓存容量能够储存所有的文件，每个小基站sbs和道路基础设施缓存容量相同，最多缓存C bits的数据，每个移动车辆都能够从BS或者小基站以及道路基础设施中获得服务，如果一个移动用户车辆不能够从服务他的小基站或者道路基础设施中获得想要的视频内容，则从宏基站BS获得；

步骤2：基于请求文件的分布服从齐普夫Zipf分布，按照流行程度由高到低进行排序，选取前50％的文件；

移动用户请求文件的流行程度符合Zipf分布，即：

其中，1≤i≤F

其中：f_i是视频文件受欢迎程度的概率，即在所有请求文件中所占的概率，γ表示请求文件的相对流行程度的分布，根据请求视频文件的流行程度分布，用集合Ω表示，Ω＝{f₁,f₂,...,f_F}，选取视频文件中前50％的流行程度高的文件，若F为偶数，选取Ω_F/2＝{f₁,f₂,...,f_F/2}进行编码缓存，若F为奇数，选取集合Ω_F+1/2＝{f₁,f₂,...,f_F+1/2}进行编码缓存；

步骤3：利用喷泉码，将选取受欢迎的视频文件平均缓存到小基站和道路基础设施中；

喷泉编码的编码方式遵从如下法则：每个源文件等大小的分为K个码元，即表示为s₁,s₂,…s_K，经过喷泉码编码产生的码元t_n是从s₁,s₂,…s_K中随机d_n个相互异或而得到，其中源文件进行异或的个数d_n，d_n表示为度，度服从概率分布ρ(d)：

$\mathrm{\ρ}\left(d\right)=\left(\begin{array}{cc}\frac{1}{K}& d=1;\\ \frac{1}{d(d-1)}& d=2,3,...,K;\end{array}\right.$

其中：d即为d_n，表示喷泉码编码中的度；

将Ω_F/2＝{f₁,f₂,...,f_F/2}中的每个视频文件f分成K块，按照喷泉码的编码规则，将根据度的分布，随机选择进行异或，编码后每个视频文件f得到L个编码分组t_n(f)，t_n(f)表示文件f经过编码后得到的分组，L是每个视频文件编码后得到的总的分组个数，根据小基站和道路基础设施的数量，平均分配每个视频文件的编码分组：

$l=\frac{L}{M+N}$

其中：l表示平均缓存到每个小基站和基础设施中编码分组的数量，L是M+N的整数倍，M是小基站的数量，N是道路基础设施的数量；

步骤4：行驶中的移动车辆发出请求的文件后，沿路的小基站以及道路基础设施首先查看本地缓存中有没有缓存该请求的文件，若有，则缓存命中并将该数据发送给车辆，行驶中的车辆只要从沿途小基站和基础设施接收到任意K个编码后的文件即可恢复出源文件，否则，将该请求发送给宏基站，宏基站再将该请求的文件发送给请求的车辆。