CN110139225A - 一种基于边缘计算的车联网混合数据分发方法 - Google Patents
一种基于边缘计算的车联网混合数据分发方法 Download PDFInfo
- Publication number
- CN110139225A CN110139225A CN201910349740.9A CN201910349740A CN110139225A CN 110139225 A CN110139225 A CN 110139225A CN 201910349740 A CN201910349740 A CN 201910349740A CN 110139225 A CN110139225 A CN 110139225A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- broadcast
- base station
- moment
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/021—Traffic management, e.g. flow control or congestion control in wireless networks with changing topologies, e.g. ad-hoc networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于边缘计算的车联网混合数据分发方法,以边缘基站为决策中心,接收边缘基站覆盖范围内过往车辆发送的车辆信息;对车辆信息进行计算,并根据计算结果更新车辆距离退出边缘基站覆盖范围的截止时间以及车辆邻居表;根据车辆截止时间及车辆信息,在满足车辆请求截止时间及满足边缘基站流量下,由边缘基站预测车流轨迹并制定决策;过往车辆接收相应决策并执行;根据过往车辆实际接收数据,更新车辆缓存数据表及请求数据表;本发明把车辆之间的V2V通信优先级调高,在满足车辆服务截止期限条件下,加入适当的车辆与基站的V2I通信保证车辆请求服务得以满足,且数据收集速率快,基站流量低,显著地减少V2I通信。
Description
技术领域
本发明涉及车联网技术的研究领域,特别涉及一种基于边缘计算的车联网混合数据分发方法。
背景技术
车联网中数据分发问题应用较为广泛,既可以用于行车过程中的安全预警方面,也可以为行车中的司机、乘客提供各种娱乐、广告信息等非安全消息。通过将数据预存于边缘设备(如蜂窝基站或车辆)中,当车辆在行驶中发出数据请求,数据可以通过蜂窝网络下载,也可以从其他相邻的车辆获取。如果仅仅使用蜂窝网络与车辆之间的V2I(Vehicle-to-Infrastructure)通信,造成蜂窝基站的流量高、压力大;同样地,在车辆网络拓扑快速变化的情况下,车辆与车辆之间的V2V(Vehicle-to-Vehicle)通信具有很大的机会性和随机性。因此,如何更好地结合蜂窝网络和车辆网络进行数据分发是一个值得研究的问题。
目前,已有许多关于车联网中数据分发研究:
现有方案中,有提出了一种混合I2V和V2V通信的协作式数据分发通信,RSU选择发送和接收车辆以及用于V2V通信的相应数据,同时RSU将数据项通过I2V信道广播到被指定的车辆,目标是最大化接收其请求数据的车辆数量。但是,该文献没有考虑到I2V通信的开销,车辆可以尽量从基础设施RSU获取数据,可能会造成基础设施的流量过高,成为数据分发的瓶颈。
现有方法中,还有提出一种用于自动驾驶服务的两级边缘计算架构。由基站智能负责覆盖下车辆的缓存策略,并通过车辆通信共享缓存数据。为了减少蜂窝网络流量,它考虑车辆最小化从基站获取数据,再通过V2V广播进行数据的传播同时满足服务的严格延迟约束。然而,该文献分离考虑V2V和V2I通信,优先考虑从基站获取数据,这种方法无法充分利用V2V来释放边缘的流量负载。由于V2V通信具有很大的机会性和随机性,在该方法优先考虑V2I通信的情况下,该车辆需要从基站获取请求的数据块而错失了广播机会。造成邻居车辆的请求可能需要更多的通信开销(如V2I通信)。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供一种基于边缘计算的车联网混合数据分发方法,为了克服现有的车联网数据分发方法中,无法兼顾基站压力大、车辆间通信具有大的机会性和随机性等问题。
本发明的目的通过以下的技术方案实现:
一种基于边缘计算的车联网混合数据分发方法,其特征在于,包括以下步骤:
S1、以边缘基站为决策中心,接收边缘基站覆盖范围内过往车辆发送的车辆信息;
S2、边缘基站对接收的车辆信息进行计算,并根据计算结果更新车辆距离退出边缘基站覆盖范围的截止时间以及车辆邻居表;
S3、根据车辆截止时间及车辆信息,在满足车辆请求截止时间及满足边缘基站流量下,由边缘基站预测车流轨迹并制定决策;
S4、根据边缘基站的决策,过往车辆接收相应决策并执行;对于V2V通信,边缘基站将决策信息发送到源点车辆,由源点车辆广播数据到对应的车辆集;
S5、过往车辆执行决策之后,根据过往车辆实际接收数据,更新车辆缓存数据表以及请求数据表。
进一步地,步骤S1中,所述车辆信息包括:车辆速度、行驶方向、车辆已缓存数据、车辆请求数据。
进一步地,步骤S2中,所述的车辆请求服务的截止时间通过车辆距离基站退出范围的距离与车辆速度的比值来确定,车辆邻居表根据接收车辆周期性的广播信标信息来更新。
进一步地,所述预测车流轨迹包含三种情况:车流轨迹容易被精确预计的、车流轨迹难以预计的、车流轨迹能被粗略估计的;根据不同的情况采取不同的方法进行预测,即对于车流轨迹容易被精确预计的采用离线方法计算,对于车流轨迹难以预计的采用在线方法计算,对于车流轨迹能被粗略估计的采用提前△t步在线方法计算。
进一步地,所述车流轨迹容易被精确预计的,采用离线方法计算,计算过程具体如下:
Y101、计算所有时刻中每辆车广播任一数据块的V2V广播收益F,使用五元组<t,v,d,q,N>表示一次V2V广播,即在时刻t通过车辆v向其邻居N广播数据块d具有增益q;
离线方法中,V2V广播增益计算如下:
其中,gt,v,d为在时刻t由车辆v广播数据块d的增益,Nt,v,d为在t时刻车辆v的邻居中,请求数据块d的邻居集合;τv′,t为车辆在时刻t时,距离离开边缘基站覆盖区域剩余时间;
其中,离线方法中V2I收益计算如下:
使用qt,v,d来表示车辆v的收益以在时刻t从基站获得数据块d,将qt,v,d定义为k值,k满足两个条件:第一个条件:在时刻t,在车辆v的k-1跳的邻居中,没有车辆缓存数据块d;第二个条件:在车辆v的k-hop邻居中,存在已缓存数据块d的车辆;如果在时进刻t,车辆v请求数据块d并且能从其1跳邻居访问数据,则有qt,v,d=1;如果数据块d已经缓存在车辆v上,则有qt,v,d=0;
Y102、从所有的V2V广播收益中,选择最大收益的V2V广播f;
Y103、如果最大收益的V2V广播f所对应的广播数据块缓存在车辆v上时,则将广播决策加入到决策中;如果最大收益的V2V广播f所对应的广播数据块没有缓存在该车辆上时,车辆v尝试将时间段[1,t-1]中,从车辆v的邻居车辆获取数据d,获取成功则将两次广播加入到决策中;
Y104、如果在时间段[1,t-1]中没有邻居车辆有数据块d,则车辆v将时间段内从边缘基站获取数据,即在决策中加入对应的V2V数据广播以及V2I通信;
Y105、更新V2V广播收益F、已经缓存数据块、请求数据块,更新之后跳转到步骤Y1继续执行,直到不存在候选广播;整个过程中,通过删除与动作冲突的动作来更新候选广播空间。
进一步地,所述车流轨迹难以预计的,采用在线方法计算,计算过程具体如下:
Y201、在时刻t中,当数据块d已经高速缓存在车辆v上,则计算该车辆广播数据块的增益;当数据块d没有缓存在车辆v上,则计算从BS获得数据块的增益;每对(v,d)对应于动作,即V2V广播和V2I远程访问其中一种,并且动作具有增益;
其中,在线方法中,V2I收益计算如下:
在线方法中的V2V广播和V2I通信具有相同的优先级,在线方法中比较V2V广播和V2I两种通信方式的增益,并始终选择具有更大增益的通信方式;在线方法的V2I通信收益由τv′,t表示车辆v′在时刻t数据分发的截止时间,它表示数据访问的紧急程度;根据定义,比较两种方式的数据访问的增益,两者都表明了请求数据的紧迫性;
Y202、选出具有最大增益动作(v,d),并将最大增益动作(v,d)加入到决策中;
Y203、每执行一次步骤Y202,通过删除冲突操作更新候选(v,d)空间,迭代执行,直至没有可行的动作为止。
进一步地,所述车流轨迹能被粗略估计的,采用提前△t步在线方法计算,计算过程具体如下:
Y301、根据预测的车辆网络图,使用离线方法确定未来△t时间的数据分发决策;
Y302、将每个时刻的真实车辆网络与预测车辆网络图进行比较,获得比较结果;
Y303、根据比较结果,当真实车辆网络与预测车辆网络图差值大于阈值a,则再次预测车辆接触图并使用离线算法更新从t到t+△t的数据传播,即跳转步骤Y301;当真实车辆网络与预测车辆网络图差值小于阈值a,则用在线方法更新第t个时段的数据传播,跳转步骤Y302;当真实车辆网络与预测车辆网络图没有差值,则直接用预测决策为当前时刻的决策,跳转步骤Y302。
进一步地,所述阈值根据经验值设定,这里设定阈值a为2。
进一步地,所述步骤S4具体为:所述步骤S4具体为:
对于V2I通信,车辆直接将数据发送给对应的车辆,对于V2V通信,边缘基站将决策信息发送到源点车辆,由源点车辆广播数据对应的车辆集;
其中,数据分发决策应满足的约束如下:
在同一个时刻内,如果车辆从边缘基站请求数据,则不允许从邻居车辆发送和接收数据;
冲突表明车辆在从BS获得数据时不能向其他邻居车辆发送数据:
if,xt,v,d=1;then,yt,v,d′=0;
车辆v从BS获得数据时,v的邻居车辆v′不能广播数据给车辆v:
if,xt,v,d=1,and,v∈Nt,v′d′;then,yt,v′,d′=0;
如果车辆将数据块广播到N,则邻居车辆不能再广播数据,约束如下:
if,yt,v,d=1,and,v′∈Nt,v,d;then,yt,v′,d′=0;
如果车辆将数据块发送到需要数据的邻居车辆,则邻居车辆不能同时从其他车辆接收数据,约束如下:
其中,xt,v,d为t时刻,车辆v从边缘基站获取数据块d,yt,v,d为t时刻,车辆v广播数据块d,Vt为t时刻内边缘基站覆盖下的车辆集合,s为车辆请求的数据块集合。
进一步地,步骤S5中,更新策略具体如下:
如果车辆通过V2I方式获取数据,则在下一个时刻在缓存数据表新增接收的数据,并从请求数据表中删除该数据:
if,xt,v,d=1,then,Av,t+1=Av,t∩{d},
Rv,t+1=s\{d},
如果车辆通过V2V广播数据,则在下一个时刻,所有接受该数据的车辆集都在缓存数据表中新增该数据,并从请求数据表中删除该数据;
Rv′,t+1=s\{d},
其中,Rv,t+1为t+1时刻车辆v请求的数据集,Av,t为t时刻车辆已经缓存的数据集合,s为车辆请求的数据块集合,xt,v,d为t时刻,车辆v从边缘基站获取数据块d,yt,v,d为t时刻,车辆v广播数据块d,Rv′,t+1为t+1时刻车辆v′请求的数据集。
本发明与现有技术相比,具有如下优点和有益效果:
本发明的数据分发方法综合考虑了高效机会的V2V通信和基站辅助传输的V2I通信等技术,借助基站覆盖范围大、通信速度快等优先,提出一种混合型数据分发技术,旨在最小化基站流量并满足车辆的服务需求。
本发明实现了车联网环境下服务数据能够有效地分发,在保证车辆服务延迟的情况下,较少基站网络开销。进一步地,车辆服务内容描述了特定路段的动态特征。也就是说,内容传递具有严格的空间限制,获取每个特定路段下的车辆请求的同一数据的概率很大。同时,车辆请求的服务可能随时间发生变化,由于其部分请求可能已经被满足了。利用这个特点,把V2V的优先级提高,让车辆在适当的时候,通过一次V2V广播可以满足周围很多车辆的服务请求,从而减少车辆与基站的通信。
附图说明
图1是本发明所述的一种基于边缘计算的车联网混合数据分发方法的方法流程图;
图2是本发明所述的一种基于边缘计算的车联网混合数据分发方法的离线方法流程图;
图3是本发明所述的一种基于边缘计算的车联网混合数据分发方法的在线方法流程图;
图4是本发明所述的一种基于边缘计算的车联网混合数据分发方法的提前△t步在线方法流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1
一种基于边缘计算的车联网混合数据分发方法,如图1所示,包括以下步骤:
第一步、以边缘基站为决策中心,接收边缘基站覆盖范围内过往车辆发送的车辆信息;所述车辆信息包括:车辆速度、行驶方向、车辆已缓存数据、车辆请求数据;
第二步、边缘基站对接收的车辆信息进行计算,并根据计算结果更新车辆距离退出边缘基站覆盖范围的截止时间以及车辆邻居表;
第三步、根据车辆截止时间及车辆信息,在满足车辆请求截止时间及满足边缘基站流量下,由边缘基站预测车流轨迹并制定决策;
所述预测车流轨迹包含三种情况:车流轨迹容易被精确预计的、车流轨迹难以预计的、车流轨迹能被粗略估计的;根据不同的情况采取不同的方法进行预测,即对于车流轨迹容易被精确预计的采用离线方法计算,对于车流轨迹难以预计的采用在线方法计算,对于车流轨迹能被粗略估计的采用提前△t步在线方法计算。
所述车流轨迹容易被精确预计的,采用离线方法计算,如图2所示,计算过程具体如下:
Y101、计算所有时刻中每辆车广播任一数据块的V2V广播收益F,使用五元组<t,v,d,q,N>表示一次V2V广播,即在时刻t通过车辆v向其邻居N广播数据块d具有增益q;
离线方法中,V2V广播增益计算如下:
其中,gt,v,d为在时刻t由车辆v广播数据块d的增益,Nt,v,d为在t时刻车辆v的邻居中,请求数据块d的邻居集合;τv′,t为车辆在时刻t时,距离离开边缘基站覆盖区域剩余时间;
其中,离线方法中V2I收益计算如下:
使用qt,v,d来表示车辆v的收益以在时刻t从基站获得数据块d,将qt,v,d定义为k值,k满足两个条件:第一个条件:在时刻t,在车辆v的k-1跳的邻居中,没有车辆缓存数据块d;第二个条件:在车辆v的k-hop邻居中,存在已缓存数据块d的车辆;如果在时刻t,车辆v请求数据块d并且能从其1跳邻居访问数据,则有qt,v,d=1;如果数据块d已经缓存在车辆v上,则有qt,v,d=0;
Y102、从所有的V2V广播收益中,选择最大收益的V2V广播f;
Y103、如果最大收益的V2V广播f所对应的广播数据块缓存在车辆v上时,则将广播决策加入到决策中;如果最大收益的V2V广播f所对应的广播数据块没有缓存在该车辆上时,车辆v尝试将时间段[1,t-1]中,从车辆v的邻居车辆获取数据d,获取成功则将两次广播加入到决策中;
Y104、如果在时间段[1,t-1]中没有邻居车辆有数据块d,则车辆v将时间段内从边缘基站获取数据,即在决策中加入对应的V2V数据广播以及V2I通信;
Y105、更新V2V广播收益F、已经缓存数据块、请求数据块,更新之后跳转到步骤Y1继续执行,直到不存在候选广播;整个过程中,通过删除与动作冲突的动作来更新候选广播空间。
进一步地,所述车流轨迹难以预计的,采用在线方法计算,如图3所示,计算过程具体如下:
Y201、在时刻t中,当数据块d已经高速缓存在车辆v上,则计算该车辆广播数据块的增益;当数据块d没有缓存在车辆v上,则计算从BS获得数据块的增益;每对(v,d)对应于动作,即V2V广播和V2I远程访问其中一种,并且动作具有增益;
其中,在线方法中,V2I收益计算如下:
在线方法中的V2V广播和V2I通信具有相同的优先级,在线方法中比较V2V广播和V2I两种通信方式的增益,并始终选择具有更大增益的通信方式;在线方法的V2I通信收益由τv′,t表示车辆v′在时刻t数据分发的截止时间,它表示数据访问的紧急程度;根据定义,比较两种方式的数据访问的增益,两者都表明了请求数据的紧迫性;
Y202、选出具有最大增益动作(v,d),并将最大增益动作(v,d)加入到决策中;
Y203、每执行一次步骤Y202,通过删除冲突操作更新候选(v,d)空间,迭代执行,直至没有可行的动作为止。
进一步地,所述车流轨迹能被粗略估计的,采用提前△t步在线方法计算,如图4所示,计算过程具体如下:
Y301、根据预测的车辆网络图,使用离线方法确定未来△t时间的数据分发决策;
Y302、将每个时刻的真实车辆网络与预测车辆网络图进行比较,获得比较结果;
Y303、根据比较结果,当真实车辆网络与预测车辆网络图差值大于阈值a,则再次预测车辆接触图并使用离线方法更新从t到t+△t的数据传播;当真实车辆网络与预测车辆网络图差值小于阈值a,则用在线方法更新第t个时段的数据传播,跳转步骤Y302;当真实车辆网络与预测车辆网络图没有差值,则直接用预测决策为当前时刻的决策,跳转步骤Y302。
第四步、根据边缘基站的决策,过往车辆接收相应决策并执行;所述步骤S4具体为:
对于V2I通信,车辆直接将数据发送给对应的车辆,对于V2V通信,边缘基站将决策信息发送到源点车辆,由源点车辆广播数据对应的车辆集;
其中,数据分发决策应满足的约束如下:
在同一个时刻内,如果车辆从边缘基站请求数据,则不允许从邻居车辆发送和接收数据;
冲突表明车辆在从BS获得数据时不能向其他邻居车辆发送数据:
if,xt,v,d=1;then,yt,v,d′=0;
车辆v从BS获得数据时,v的邻居车辆v′不能广播数据给车辆v:
if,xt,v,d=1,and,v∈Nt,v′d′;then,yt,v′,d′=0;
如果车辆将数据块广播到N,则邻居车辆不能再广播数据,约束如下:
if,yt,v,d=1,and,v′∈Nt,v,d;then,yt,v′,d′=0;
如果车辆将数据块发送到需要数据的邻居车辆,则邻居车辆不能同时从其他车辆接收数据,约束如下:
其中,xt,v,d为t时刻,车辆v从边缘基站获取数据块d,yt,v,d为t时刻,车辆v广播数据块d,Vt为t时刻内边缘基站覆盖下的车辆集合,s为车辆请求的数据块集合。
第五步、过往车辆执行决策之后,根据过往车辆实际接收数据,更新车辆缓存数据表以及请求数据表。
步骤S5中,更新策略具体如下:
如果车辆通过V2I方式获取数据,则在下一个时刻在缓存数据表新增接收的数据,并从请求数据表中删除该数据:
if,xt,v,d=1,then,Av,t+1=Av,t∩{d},
Rv,t+1=s\{d},
如果车辆通过V2V广播数据,则在下一个时刻,所有接受该数据的车辆集都在缓存数据表中新增该数据,并从请求数据表中删除该数据;
Rv′,t+1=s\{d},
其中,Rv,t+1为t+1时刻车辆v请求的数据集,Av,t为t时刻车辆已经缓存的数据集合,s为车辆请求的数据块集合,xt,v,d为t时刻,车辆v从边缘基站获取数据块d,yt,v,d为t时刻,车辆v广播数据块d,Rv′,t+1为t+1时刻车辆v′请求的数据集。
△t-ONDD中未来Δt时间预测车辆网络拓扑图。
可以通过估计车辆的位置和V2V通信距离来预测车辆接触图。根据路线图和车辆的速度预测基站的覆盖范围内的车辆的位置。实际上,这种对车辆位置的预测并不困难。现实世界的道路网络限制了车辆的移动性。此外,车辆的速度通常保持在稳定的范围内,尤其是在短时间内。因此,我们通过假设车辆保持稳定的速度和小的方差来简单地预测车辆的位置。
定义车辆接触图的差异。
Δt-ONDD算法中可以容纳实际车辆网络拓扑图与预测车辆网络拓扑图有差异。图的差异主要存在于V2V通信链路中。它也存在于图形节点中,因为不能准确预测进入或离开BS的覆盖范围的新车辆。为了定义差异,定义了两个变量;将预测车辆拓扑图用离线算法生成的决策,于预测车辆拓扑图中执行之后车辆上获取的数据块,用A't,v表示;于真实车辆拓扑图中执行之后车辆上获取的数据块,用表示。我们使用表示实际与预测网络图之间的差异。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种基于边缘计算的车联网混合数据分发方法,其特征在于,包括以下步骤:
S1、以边缘基站为决策中心,接收边缘基站覆盖范围内过往车辆发送的车辆信息;
S2、边缘基站对接收的车辆信息进行计算,并根据计算结果更新车辆距离退出边缘基站覆盖范围的截止时间以及车辆邻居表;
S3、根据车辆截止时间及车辆信息,在满足车辆请求截止时间及满足边缘基站流量下,由边缘基站预测车流轨迹并制定决策;
S4、根据边缘基站的决策,过往车辆接收相应决策并执行;对于V2I通信,车辆直接将数据发送给对应的车辆;对于V2V通信,边缘基站将决策信息发送到源点车辆,由源点车辆广播数据到对应的车辆集;
S5、过往车辆执行决策之后,根据过往车辆实际接收数据,更新车辆缓存数据表以及请求数据表。
2.根据权利要求1所述的一种基于边缘计算的车联网混合数据分发方法,其特征在于,步骤S1中,所述车辆信息包括:车辆速度、行驶方向、车辆已缓存数据、车辆请求数据。
3.根据权利要求1所述的一种基于边缘计算的车联网混合数据分发方法,其特征在于,步骤S2中,所述截止时间通过车辆退出边缘基站范围的距离与车辆速度的比值确定,所述车辆邻居表根据接收车辆周期性的广播信息来更新。
4.根据权利要求1所述的一种基于边缘计算的车联网混合数据分发方法,其特征在于,所述预测车流轨迹包含三种情况:车流轨迹容易被精确预计的、车流轨迹难以预计的、车流轨迹能被粗略估计的;根据不同的情况采取不同的方法进行预测,即对于车流轨迹容易被精确预计的采用离线方法计算,对于车流轨迹难以预计的采用在线方法计算,对于车流轨迹能被粗略估计的采用提前△t步在线方法计算。
5.根据权利要求4所述的一种基于边缘计算的车联网混合数据分发方法,其特征在于,所述车流轨迹容易被精确预计的,采用离线方法计算,计算过程具体如下:
Y101、计算所有时刻中每辆车广播任一数据块的V2V广播收益F,使用五元组<t,v,d,q,N>表示一次V2V广播,即在时刻t通过车辆v向其邻居N广播数据块d具有增益q;
离线方法中,V2V广播增益计算如下:
其中,gt,v,d为在时刻t由车辆v广播数据块d的增益,Nt,v,d为在t时刻车辆v的邻居中,请求数据块d的邻居集合;τv′,t为车辆在时刻t时,距离离开边缘基站覆盖区域剩余时间;
其中,离线方法中V2I收益计算如下:
使用qt,v,d来表示车辆v的收益以在时刻t从基站获得数据块d,将qt,v,d定义为k值,k满足两个条件:第一个条件:在时刻t,在车辆v的k-1跳的邻居中,没有车辆缓存数据块d;第二个条件:在车辆v的k-hop邻居中,存在已缓存数据块d的车辆;如果在时刻t,车辆v请求数据块d并且能从其1跳邻居访问数据,则有qt,v,d=1;如果数据块d已经缓存在车辆v上,则有qt,v,d=0;
Y102、从所有的V2V广播收益中,选择最大收益的V2V广播f;
Y103、如果最大收益的V2V广播f所对应的广播数据块缓存在车辆v上时,则将广播决策加入到决策中;如果最大收益的V2V广播f所对应的广播数据块没有缓存在该车辆上时,车辆v尝试将时间段[1,t-1]中,从车辆v的邻居车辆获取数据d,获取成功则将两次广播加入到决策中;
Y104、如果在时间段[1,t-1]中没有邻居车辆有数据块d,则车辆v将时间段内从边缘基站获取数据,即在决策中加入对应的V2V数据广播以及V2I通信;
Y105、更新V2V广播收益F、已经缓存数据块、请求数据块,更新之后跳转到步骤Y1继续执行,直到不存在候选广播;整个过程中,通过删除与动作冲突的动作来更新候选广播空间。
6.根据权利要求4所述的一种基于边缘计算的车联网混合数据分发方法,其特征在于,所述车流轨迹难以预计的,采用在线方法计算,计算过程具体如下:
Y201、在时刻t中,当数据块d已经高速缓存在车辆v上,则计算该车辆广播数据块的增益;当数据块d没有缓存在车辆v上,则计算从BS获得数据块的增益;每对(v,d)对应于动作,即V2V广播和V2I远程访问其中一种,并且动作具有增益;
其中,在线方法中,V2I收益计算如下:
在线方法中的V2V广播和V2I通信具有相同的优先级,在线方法中比较V2V广播和V2I两种通信方式的增益,并始终选择具有更大增益的通信方式;在线方法的V2I通信收益由τv′,t表示车辆v′在时刻t数据分发的截止时间,它表示数据访问的紧急程度;根据定义,比较两种方式的数据访问的增益,两者都表明了请求数据的紧迫性;
Y202、选出具有最大增益动作(v,d),并将最大增益动作(v,d)加入到决策中;
Y203、每执行一次步骤Y202,通过删除冲突操作更新候选(v,d)空间,迭代执行,直至没有可行的动作为止。
7.根据权利要求4所述的一种基于边缘计算的车联网混合数据分发方法,其特征在于,所述车流轨迹能被粗略估计的,采用提前△t步在线方法计算,计算过程具体如下:
Y301、根据预测的车辆网络图,使用离线方法确定未来△t时间的数据分发决策;
Y302、将每个时刻的真实车辆网络与预测车辆网络图进行比较,获得比较结果;
Y303、根据比较结果,当真实车辆网络与预测车辆网络图差值大于阈值a,则再次预测车辆接触图并使用离线算法更新从t到t+△t的数据传播,即跳转步骤Y301;当真实车辆网络与预测车辆网络图差值小于阈值a,则用在线方法更新第t个时段的数据传播,跳转步骤Y302;当真实车辆网络与预测车辆网络图没有差值,则直接用预测决策为当前时刻的决策,跳转步骤Y302。
8.根据权利要求7所述的一种基于边缘计算的车联网混合数据分发方法,其特征在于,所述阈值根据经验值设定,这里设定阈值a为2。
9.根据权利要求1所述的一种基于边缘计算的车联网混合数据分发方法,其特征在于,所述步骤S4具体为:
对于V2I通信,车辆直接将数据发送给对应的车辆,对于V2V通信,边缘基站将决策信息发送到源点车辆,由源点车辆广播数据对应的车辆集;
其中,数据分发决策应满足的约束如下:
在同一个时刻内,如果车辆从边缘基站请求数据,则不允许从邻居车辆发送和接收数据;
冲突表明车辆在从BS获得数据时不能向其他邻居车辆发送数据:
if,xt,v,d=1;then,yt,v,d′=0;
车辆v从BS获得数据时,v的邻居车辆v′不能广播数据给车辆v:
if,xt,v,d=1,and,v∈Nt,v′d′;then,yt,v′,d′=0;
如果车辆将数据块广播到N,则邻居车辆不能再广播数据,约束如下:
if,yt,v,d=1,and,v′∈Nt,v,d;then,yt,v′,d′=0;
如果车辆将数据块发送到需要数据的邻居车辆,则邻居车辆不能同时从其他车辆接收数据,约束如下:
其中,xt,v,d为t时刻,车辆v从边缘基站获取数据块d;yt,v,d为t时刻,车辆v广播数据块d,Vt为t时刻内边缘基站覆盖下的车辆集合,s为车辆请求的数据块集合。
10.根据权利要求1所述的一种基于边缘计算的车联网混合数据分发方法,其特征在于,步骤S5中,更新策略具体如下:
如果车辆通过V2I方式获取数据,则在下一个时刻在缓存数据表新增接收的数据,并从请求数据表中删除该数据:
if,xt,v,d=1,then,Av,t+1=Av,t∩{d},
Rv,t+1=s\{d},
如果车辆通过V2V广播数据,则在下一个时刻,所有接受该数据的车辆集都在缓存数据表中新增该数据,并从请求数据表中删除该数据;
Rv′,t+1=s\{d},
其中,Rv,t+1为t+1时刻车辆v请求的数据集,Av,t为t时刻车辆已经缓存的数据集合,s为车辆请求的数据块集合,xt,v,d为t时刻,车辆v从边缘基站获取数据块d,yt,v,d为t时刻,车辆v广播数据块d,Rv′,t+1为t+1时刻车辆v′请求的数据集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910349740.9A CN110139225B (zh) | 2019-04-28 | 2019-04-28 | 一种基于边缘计算的车联网混合数据分发方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910349740.9A CN110139225B (zh) | 2019-04-28 | 2019-04-28 | 一种基于边缘计算的车联网混合数据分发方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110139225A true CN110139225A (zh) | 2019-08-16 |
CN110139225B CN110139225B (zh) | 2021-09-21 |
Family
ID=67575436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910349740.9A Active CN110139225B (zh) | 2019-04-28 | 2019-04-28 | 一种基于边缘计算的车联网混合数据分发方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110139225B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110487332A (zh) * | 2019-09-02 | 2019-11-22 | 山东浪潮人工智能研究院有限公司 | 一种基于NB-IoT和观测仪器的数据采集系统及方法 |
CN110602178A (zh) * | 2019-08-26 | 2019-12-20 | 杭州电子科技大学 | 一种基于边缘压缩计算处理温度传感器数据的方法 |
CN114095902A (zh) * | 2021-10-09 | 2022-02-25 | 华南理工大学 | 基于V2I与V2V协作的无人驾驶HD Map数据分发方法 |
CN117456738A (zh) * | 2023-12-26 | 2024-01-26 | 四川云控交通科技有限责任公司 | 一种基于etc门架数据的高速公路交通量预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108023946A (zh) * | 2017-11-30 | 2018-05-11 | 毛国强 | 一种车辆混合通信时的切换方法及其系统 |
CN109391681A (zh) * | 2018-09-14 | 2019-02-26 | 重庆邮电大学 | 基于mec的v2x移动性预测与内容缓存卸载方案 |
-
2019
- 2019-04-28 CN CN201910349740.9A patent/CN110139225B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108023946A (zh) * | 2017-11-30 | 2018-05-11 | 毛国强 | 一种车辆混合通信时的切换方法及其系统 |
CN109391681A (zh) * | 2018-09-14 | 2019-02-26 | 重庆邮电大学 | 基于mec的v2x移动性预测与内容缓存卸载方案 |
Non-Patent Citations (2)
Title |
---|
JAFAR AL-BADARNEH,ET.AL: "Cooperative mobile edge computing system for VANET-based software-defined content delivery", 《COMPUTERS AND ELECTRICAL ENGINEERING》 * |
王雄,等: "一种基于SDN的车联网协作传输算法", 《车联网中的资源共享机制研究》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110602178A (zh) * | 2019-08-26 | 2019-12-20 | 杭州电子科技大学 | 一种基于边缘压缩计算处理温度传感器数据的方法 |
CN110602178B (zh) * | 2019-08-26 | 2021-11-26 | 杭州电子科技大学 | 一种基于边缘压缩计算处理温度传感器数据的方法 |
CN110487332A (zh) * | 2019-09-02 | 2019-11-22 | 山东浪潮人工智能研究院有限公司 | 一种基于NB-IoT和观测仪器的数据采集系统及方法 |
CN114095902A (zh) * | 2021-10-09 | 2022-02-25 | 华南理工大学 | 基于V2I与V2V协作的无人驾驶HD Map数据分发方法 |
CN114095902B (zh) * | 2021-10-09 | 2024-04-05 | 华南理工大学 | 无人驾驶HD Map数据分发方法 |
CN117456738A (zh) * | 2023-12-26 | 2024-01-26 | 四川云控交通科技有限责任公司 | 一种基于etc门架数据的高速公路交通量预测方法 |
CN117456738B (zh) * | 2023-12-26 | 2024-02-27 | 四川云控交通科技有限责任公司 | 一种基于etc门架数据的高速公路交通量预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110139225B (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yuan et al. | Toward efficient content delivery for automated driving services: An edge computing solution | |
CN110139225A (zh) | 一种基于边缘计算的车联网混合数据分发方法 | |
CN109391681B (zh) | 基于mec的v2x移动性预测与内容缓存卸载方案 | |
Duarte et al. | MobiVNDN: A distributed framework to support mobility in vehicular named-data networking | |
Shahwani et al. | A comprehensive survey on data dissemination in Vehicular Ad Hoc Networks | |
Fogue et al. | Evaluating the impact of a novel message dissemination scheme for vehicular networks using real maps | |
Ko et al. | RSU-assisted adaptive scheduling for vehicle-to-vehicle data sharing in bidirectional road scenarios | |
Yang et al. | Simulation studies of information propagation in a self-organizing distributed traffic information system | |
US20160150451A1 (en) | Method and apparatus for multi-network communication in vehicular networks | |
CN106211260B (zh) | 一种车联网中基于位置信息自适应的机会路由方法 | |
JP2002536648A (ja) | 関連交通情報を得るためかつ動的経路最適化のための方法、および、装置 | |
CN111148069A (zh) | 基于雾计算空地一体化车联网信息传输方法、智慧交通 | |
CN106851770B (zh) | 基于链路质量的车联网通信方法 | |
US20090059823A1 (en) | System and method of edge caching when communicating data | |
Rehman et al. | Analysis of mobility speed impact on end-to-end communication performance in VANETs | |
CN106372757A (zh) | 基于移动公交的完全分布式充电调度管理方法 | |
Yang et al. | Generating routes for autonomous driving in vehicle-to-infrastructure communications | |
Ye et al. | Vehicle-mounted self-organizing network routing algorithm based on deep reinforcement learning | |
CN110248392B (zh) | 一种车联网中基于节点效能的机会转发方法 | |
Elsayed et al. | Proactive caching at parked vehicles for social networking | |
Naderi et al. | Adaptively prioritizing candidate forwarding set in opportunistic routing in VANETs | |
Wang et al. | A collective filtering based content transmission scheme in edge of vehicles | |
Zemouri et al. | A short-term vehicular density prediction scheme for enhanced beaconing control | |
Maleki et al. | Handover-enabled dynamic computation offloading for vehicular edge computing networks | |
Rana et al. | VANET: expected delay analysis for location aided routing (LAR) Protocol |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |