CN106304147B - 车联网环境下一种基于交通基础设施的协作缓存方法 - Google Patents

Abstract

本发明公开了车联网环境下一种基于交通基础设施的协作缓存方法，包括步骤1：获取车辆、路侧基础设施和小基站的协同缓存配置优化模型；步骤2：获取基于路径预测的缓存更新优化模型；步骤3：获取缓存配置与缓存更新的算法；步骤4：进行数据传输获取系统吞吐量。本发明在车联网环境下，利用路侧基础设施和小基站以及车辆协作缓存数据，并基于预测车辆行驶路径进行缓存数据的协作更新，从而缓解车载通信数据压力，并有效地提高了数据传输效率。

Description

车联网环境下一种基于交通基础设施的协作缓存方法

技术领域

本发明涉及车联网环境下，一种综合考虑车辆，路侧交通基础设施和小基站的协作缓存方法，属于车联网通信技术领域。

背景技术

车联网(Internet of Vehicles)概念引申自物联网(Internet of Things)，是由车辆位置、速度和路线等信息构成的巨大交互网络。

根据车联网产业技术创新战略联盟的定义，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，是物联网技术在交通系统领域的典型应用。

随着科技的进步与人民生活水平的日益提高，车辆渐渐成为人们生活中的必须品，人们也不再简单的定义汽车为交通运输与代步工具，汽车成为生活的一部分已经成为趋势，汽车的普及也将促使汽车变身新的移动终端，同时，人们对车辆的娱乐性、舒适性的需求越来越大，这就造成了车载通信对于非结构化数据包括音频、视频、图片、地理位置等的需求增多。而传统的车联网为用户提供服务所采用的C/S(客户端/服务器)架构已经无法满足车载通信的数据传输需求。

在车联网环境下，在车辆和道路之间建立有效的信息通道，实现智能交通的管理和服务一直是车联网发展的重要领域，其中，路侧的基础设施例如信号灯、路灯等可以作为十分重要的数据缓存点，车载终端在需求文件时便可以从基础设施中获取所需文件。因此，利用小基站、路侧基础设施与车辆对流行内容进行预缓存也就成为了减轻车联网数据传输压力的有效手段，并且可以为用户提供更加高效、可靠的服务。

发明内容

本发明的目的是为了通过缓存方法缓解数据传输压力，并将其应用在车联网环境中，提出了一种利用车辆、路侧基础设施、小基站的有效提升网络性能的缓存方法。在车联网下满足各用户具体需求的情况下，以提高单位时间的吞吐量为目标，设计了一种综合考虑了车辆、路侧基础设施和小基站的缓存能力和通信范围的缓存配置方法，以及一种基于车辆行进轨迹的缓存更新方法，降低传输成本，提高单位时间内的吞吐量。

车联网环境下一种基于交通基础设施的协作缓存方法，包括以下几个步骤：

步骤1：获取车辆、路侧基础设施和小基站的协同缓存配置优化模型；

步骤2：获取基于路径预测的缓存更新优化模型；

步骤3：获取缓存配置与缓存更新的算法；

步骤4：进行数据传输获取系统吞吐量。

本发明的优点在于：

(1)传统的车联网提供服务的架构下，移动数据的传输会有网络堵塞，延迟较大等问题，极大地影响了用户的体验。本发明通过利用路侧基础设施与小基站并结合车载自组织网络 (VANET)进行数据缓存，从而能够缓解数据传输压力，提高单位时间系统的吞吐量；

(2)车载通信由于车辆行驶速度较快等原因，无法建立稳定的数据传输通道。本发明通过结合车联网的特性与数据缓存，通过路径预测，提前在车辆的未来行驶路径中缓存文件，高效地进行数据分流，并提高单位时间内车辆获取的数据大小。

附图说明

图1是本发明的方法流程图；

图2是本发明的实例场景；

图3是缓存的配置方法流程图；

图4是缓存的更新方法流程图。

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。

本发明是车联网环境下一种基于交通基础设施的协作缓存方法，其流程图如图1所示，实施例场景如图2所示，包括以下几个步骤：

步骤1：在由一个宏基站(Macro-Base Station)控制的网络中，已知有C辆汽车，用集合C＝{c₁,c₂,...,c_C}表示，其中汽车c用c_c表示，每辆汽车的车载终端容量为H₁，通信距离为 r₁，有M个小基站(Small-Base Station)，用集合M＝{m₁,m₂,...,m_M}表示，其中小基站m用m_m表示，每个小基站容量为H₂，通信距离为r₂，基础设施(交通灯、广播站)的集合用 L＝{l₁,l₂,…,l_L}表示，其中基础设施l用l_l表示，容量为H₃，通信距离为r₃，文件库集合为 F＝{f₁,f₂,…,f_k}，f_k表示文件k，文件的大小用集合表示，并且用表示文件k的大小。

假设文件库中的K个文件的流行度遵从Zipf分布，并且文件f₁,f₂,…,f_K按照流行度从大到小的顺序排列，即 表示文件i的流行度，在Zipf分布中，一个文件的流行程度用下式表示：

其中：γ_r为Zipf参数，K为文件库中的文件数。γ_r表示文件流行度集中于靠前的部分文件的程度，γ_r越大，靠前的部分文件所占流行度比例也就越大。

车联网环境下对小基站、基础设施和车辆的缓存配置方法可以分解为两个子问题，第一个子问题为路侧基础设施和小基站的协作缓存配置，第二个子问题为车辆的协作缓存配置问题，以减轻基站的数据传输压力。

两个子问题都可以看作是一个优化问题，其中子问题一的优化模型如下：

其中：w_m(t),w_l(t)分别表示t时段内，小基站m和基础设施l的权函数。x_f,m(t)、x_f,l(t)分别表示t时段内小基站m和基础设施l中是否存在文件f，值为1时表示存在，不存在时值取 0.C_l,m(t),C_m(t)分别表示t时段在小基站m通信范围内的基础设施l的缓存内容，小基站m的缓存内容。H_l,m(t)表示t时段内处于小基站m通信范围内的基础设施l。

当完成了路侧基础设施和小基站的协作缓存配置后，在减少缓存内容重复的前提下，进行车辆用户的协作缓存配置。将每个文件按照比例分成1/α块，α表示车辆缓存的每个文件的比例，获得车辆缓存配置的优化模型：

其中：w_c(t)表示t时段，车辆c的权函数。x_f,c(t)分别表示t时段车辆c中是否存在文件f，值为1时表示存在，不存在时值取0。表示t时段在车辆c通信范围内的其他车辆i的缓存内容，C_c(t)表示t时段车辆c的缓存内容。H_c(t)表示时段t在车辆c通信范围内的车辆集合。

t时段设备x(车辆、路侧基础设施、小基站)的权函数可以用下式表示：

步骤2：如果在时段t+1内车辆直行或路径可预测，则设b_c＝1，反之设b_c＝0。则根据已获得的设备的缓存信息C(t)，基于t时段路径预测的缓存更新方法V(t)可描述为：

其中：g_l,g_m分别表示路侧基础设施和小基站更新后的收益。

路侧基础设施的收益g_l可描述为：

其中，q_c(t)为车辆c在t时段内请求的文件，f'表示需要更新的文件，H_l,c(t+1)表示在 t+1时段处于车辆c通信范围内的基础设施集合。

与路侧基础设施类似，小基站m的收益可描述为：

其中C_m,c(t)表示t时段内与车辆c可通信的小基站m的缓存内容。

步骤3：缓存的配置方法参考图3。如图3的(a)所述，首先对路侧基础设施与小基站进行缓存配置，路侧基础设施l依据贪婪算法，对文件库中权重最大的文件进行提取，当其通信范围内其他基础设施缓存有该文件时，则从临时文件库中去除该文件，从而选择权重次大的文件；若其通信范围内其他基础设施未缓存该文件，并且剩余空间可以存储该文件时，将文件装入缓存中直到装满缓存为止；与基础设施类似，小基站也依据贪婪算法，缓存通信范围内的基础设施未缓存的权重最大的文件，直到装满缓存。

路侧基础设施和小基站的缓存配置完成后进行车辆的协同缓存配置，配置的流程如图 3的(b)所示，为增强车辆缓存的适应性，将每个文件按照比例分成1/α块，对于每辆汽车的缓存，在本地缓存未满的情况下，首先对于权重最大文件的随机文件块进行判断，若该缓存中未缓存有该文件，且与通信范围内其他车辆缓存块不同，则对该块文件进行缓存；否则，当本地缓存中已有该文件内容时，对权重次大的随机文件块进行判断；而若该文件块与通信范围内其他车辆缓存中内容相同时，则对该文件的另一随机块进行判断，以此类推，直到所有车辆的缓存不能装下更多文件为止。

基于路径的缓存更新方法参考图4，首先判断车辆的路径是否可预测。遇十字路口等不可预测情况时，若小基站缓存中不包含车辆请求文件，则对在t时刻覆盖车辆的小基站缓存进行更新，即删除小基站缓存中权重最小的文件，加入t时段内车辆c请求的文件q_c(t)；车辆直行或车辆行驶路径可预测时，则对于t+1时段，车辆将会接入的设备缓存中不包含请求文件的路侧交通基础设施的缓存进行更新，更新方法与小基站更新方法相同，直到车辆接收到完整文件为止。

步骤4：车辆c产生请求f时，首先对其路径进行预测，根据结果进行相应的更新。同时，请求车辆c向周围广播其请求，并优先与缓存有请求内容的并同意建立通信的其余车辆传输文件；若连接断开或者未获取完整文件则与缓存有请求文件的基础设施建立连接传输文件；若无法通过以上两种方式获取完整文件，则与小基站建立连接获取请求文件。

单位时间内系统的总吞吐量T_s可以用下式表示：

其中，T_c、T_l、T_m分别表示汽车、基础设施和小基站的单位时间内的吞吐量

在t时段内车辆c通信范围内的车辆用集合H_c(t)表示，路侧基础设施用集合H_l,c(t)表示，小基站用集合H_m,c(t)表示。

分别对H_c(t)，H_l,c(t)，H_m,c(t)内的设备按照与车辆c之间的传输速度大小，由大到小排列。

对于车辆c请求文件f，小基站的吞吐量为：

T_m为对车辆c，小基站与车辆之间单位时间内的吞吐量，R_c,m为车辆c与小基站m间的传输速度，x_f,m表示文件f是否在小基站m的缓存中，表示文件f是否在小基站k的缓存中，表示文件f是否在基础设施i的缓存中，表示文件f是否在车辆j的缓存中。

对于车辆c，请求的文件为f，基础设施的吞吐量为

T_l为对车辆c，基础设施与车辆之间单位时间内的吞吐量，R_c,l为车辆c与基础设施l间的传输速度，x_f,l表示文件f是否在基础设施l的缓存中。

车辆c请求文件f时，其他车辆的吞吐量为：

T_c表示车辆c与其他车辆单位时间内的吞吐量，表示车辆c与车辆j间的传输速度。

车辆c到设备i的传输速率为：

R_c,i＝W log₂(1+SINR_c,i)

其中：W为带宽，SINR_c,i为车辆c与设备i之间的信噪比。

P_i表示设备i的发射功率，G_c,i表示车辆c与设备i间的信道增益，d^-β表示路径损耗，其中d表示两者之间的欧式距离，β≥2表示路径损耗指数，N₀表示加性噪声，I表示干扰信号。

Claims (1)

1.车联网环境下一种基于交通基础设施的协作缓存方法，包括以下几个步骤：

步骤1：设宏基站控制的网络中，有C辆汽车，汽车用集合C＝{c₁,c₂,...,c_C}表示，其中汽车c用c_C表示，每辆汽车的车载终端容量为H₁，通信距离为r₁，有M个小基站，小基站用集合M＝{m₁,m₂,...,m_M}表示，其中小基站m用m_M表示，每个小基站容量为H₂，通信距离为r₂，基础设施的集合用L＝{l₁，l₂，...，l_L}表示，其中基础设施l用l_L表示，容量为H₃，通信距离为r₃，文件库集合为F＝{f₁，f₂，...，f_k}，f_k表示文件K，文件的大小用集合 表示，并且用表示文件K的大小；

假设文件库中的K个文件的流行度遵从Zipf分布，并且文件f₁，f₂，...，f_K按照流行度从大到小的顺序排列，即 表示文件i的流行度，在Zipf分布中，一个文件的流行程度为：

其中：γ_r为Zipf参数，K为文件库中的文件数，γ_r表示文件流行度集中于靠前的部分文件的程度，γ_r越大，靠前的部分文件所占流行度比例也就越大；

路侧基础设施和小基站的协作缓存配置的优化模型为：

其中：w_m(t)，w_l(t)分别表示t时段内，小基站m和基础设施l的权函数；x_f，m(t)、x_f，l(t)分别表示t时段内小基站m和基础设施l中是否存在文件f，值为1时表示存在，不存在时值取0；C_l，m(t)，C_m(t)分别表示t时段在小基站m通信范围内的基础设施l的缓存内容，小基站m的缓存内容；H_l，m(t)表示t时段内处于小基站m通信范围内的基础设施l；

当完成了路侧基础设施和小基站的协作缓存配置后，在减少缓存内容重复的前提下，进行车辆用户的协作缓存配置；将每个文件按照比例分成1/α块，α表示车辆缓存的每个文件的比例，获得车辆的协作缓存配置优化模型为：

其中：w_c(t)表示t时段，车辆c的权函数；x_f，c(t)分别表示t时段车辆c中是否存在文件f，值为1时表示存在，不存在时值取0；表示t时段在车辆c通信范围内的其他车辆i的缓存内容，C_c(t)表示t时段车辆c的缓存内容；H_c(t)表示时段t在车辆c通信范围内的车辆集合；

设t时段设备x的权函数为：

其中，w_x(t)为t时间段设备x的权函数”；x_f，x(t)为t时段设备x中是否存在文件f；其中设备x包括车辆、路侧基础设施、小基站；

步骤2：如果在时段t+1内车辆直行或路径能够预测，则设b_c＝1，反之设b_c＝0；则根据已获得的设备的缓存信息C(t)，基于t时段路径预测的缓存更新方法V(t)为：

其中：g_l，g_m分别表示路侧基础设施和小基站更新后的收益；

路侧基础设施的收益g_l为：

其中，q_c(t)为车辆c在t时段内请求的文件，f'表示需要更新的文件，H_l，c(t+1)表示在t+1时段处于车辆c通信范围内的基础设施集合；

小基站m的收益为：

其中C_m，c(t)表示t时段内与车辆c可通信的小基站m的缓存内容；

步骤3：缓存的配置方法为：首先对路侧基础设施与小基站进行缓存配置，路侧基础设施l依据贪婪算法，对文件库中权重最大的文件进行提取，当其通信范围内其他基础设施缓存有该文件时，则从临时文件库中去除该文件，从而选择权重次大的文件；若其通信范围内其他基础设施未缓存该文件，并且剩余空间能够存储该文件时，将文件装入缓存中直到装满缓存为止；小基站也依据贪婪算法，缓存通信范围内的基础设施未缓存的权重最大的文件，直到装满缓存；

路侧基础设施和小基站的缓存配置完成后进行车辆的协同缓存配置，将每个文件按照比例分成1/α块，对于每辆汽车的缓存，在本地缓存未满的情况下，首先对于权重最大文件的随机文件块进行判断，若该缓存中未缓存有该文件，且与通信范围内其他车辆缓存块不同，则对该块文件进行缓存；否则，当本地缓存中已有该文件内容时，对权重次大的随机文件块进行判断；而若该文件块与通信范围内其他车辆缓存中内容相同时，则对该文件的另一随机块进行判断，以此类推，直到所有车辆的缓存不能装下更多文件为止；

基于路径的缓存更新方法为，首先判断车辆的路径是否可预测，遇不可预测情况时，若小基站缓存中不包含车辆请求文件，则对在t时刻覆盖车辆的小基站缓存进行更新，即删除小基站缓存中权重最小的文件，加入t时段内车辆c请求的文件q_c(t)；车辆直行或车辆行驶路径可预测时，则对于t+1时段，车辆将会接入的设备缓存中不包含请求文件的路侧交通基础设施的缓存进行更新，更新方法与小基站更新方法相同，直到车辆接收到完整文件为止；

步骤4：车辆c产生请求f时，首先对其路径进行预测，根据结果进行相应的更新，同时，请求车辆c向周围广播其请求，并优先与缓存有请求内容的并同意建立通信的其余车辆传输文件；若连接断开或者未获取完整文件则与缓存有请求文件的基础设施建立连接传输文件；若无法通过以上两种方式获取完整文件，则与小基站建立连接获取请求文件；

单位时间内系统的总吞吐量T_s为：

其中，T_c、T_l、T_m分别表示汽车、基础设施和小基站的单位时间内的吞吐量；

在t时段内车辆c通信范围内的车辆用集合H_c(t)表示，路侧基础设施用集合H_l，c(t)表示，小基站用集合H_m，c(t)表示；

分别对H_c(t)，H_l，c(t)，H_m，c(t)内的设备按照与车辆c之间的传输速度大小，由大到小排列；

对于车辆c请求文件f，小基站的吞吐量为：

T_m为对车辆c，小基站与车辆之间单位时间内的吞吐量，R_c，m为车辆c与小基站m间的传输速度，x_f，m表示文件f是否在小基站m的缓存中，表示文件f是否在小基站k的缓存中，表示文件f是否在基础设施i的缓存中，表示文件f是否在车辆j的缓存中；

对于车辆c，请求的文件为f，基础设施的吞吐量为

T_l为对车辆c，基础设施与车辆之间单位时间内的吞吐量，R_c，l为车辆c与基础设施l间的传输速度，x_f，l表示文件f是否在基础设施l的缓存中；

车辆c请求文件f时，其他车辆的吞吐量为：

T_c表示车辆c与其他车辆单位时间内的吞吐量，表示车辆c与车辆j间的传输速度；

车辆c到设备i的传输速率为：

R_c，i＝W log₂(1+SINR_c，i)

其中：W为带宽，SINR_c，i为车辆c与设备i之间的信噪比；

P_i表示设备i的发射功率，G_c，i表示车辆c与设备i间的信道增益，d^-β表示路径损耗，其中d表示两者之间的欧式距离，β≥2表示路径损耗指数，N₀表示加性噪声，I表示干扰信号。