CN112104999B - 一种异构边缘车联网内多层缓存方法 - Google Patents

一种异构边缘车联网内多层缓存方法 Download PDF

Info

Publication number
CN112104999B
CN112104999B CN202010768879.XA CN202010768879A CN112104999B CN 112104999 B CN112104999 B CN 112104999B CN 202010768879 A CN202010768879 A CN 202010768879A CN 112104999 B CN112104999 B CN 112104999B
Authority
CN
China
Prior art keywords
file
energy consumption
vehicle
cluster
rsu
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.)
Active
Application number
CN202010768879.XA
Other languages
English (en)
Other versions
CN112104999A (zh
Inventor
姚志桦
杨超
吴志玮
吕柏泉
刘义
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202010768879.XA priority Critical patent/CN112104999B/zh
Publication of CN112104999A publication Critical patent/CN112104999A/zh
Application granted granted Critical
Publication of CN112104999B publication Critical patent/CN112104999B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
    • H04L67/5682—Policies or rules for updating, deleting or replacing the stored data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/63—Routing a service request depending on the request content or context
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/10—Dynamic resource partitioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies

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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种异构边缘车联网内多层缓存方法，包括以下步骤：S1：路边单元分别获取车辆信息、路边单元信息、基站信息、云端信息、文件信息；S2：根据获取的车辆信息划分车辆簇；S3：根据路边单元获取的信息分别计算延迟、能耗、缓存大小；S4：以车辆簇内所有车辆获取文件的总延迟最小为目标函数，通过约束函数，计算获取数据总延迟；S5：选择总延迟最小的缓存文件策略进行文件的缓存。本发明利用车辆簇进行通信，将在中继传输中的延迟与能耗作为影响因素来进行缓存的决策，在最大化设备有效缓存的同时，不仅能减少车辆移动性对数据传输的影响和路边设施的通信压力，还能降低用户获取数据延迟和系统总能耗。

Description

一种异构边缘车联网内多层缓存方法
技术领域
本发明涉及车联网边缘缓存技术领域，更具体地，涉及一种异构边缘车联网内多层缓存方法。
背景技术
随着车联网的快速发展和无线接入网的普及，面对车载终端设备产生的海量数据流量，以集中式处理为特征的云计算适用于实时性要求不高且耗能大的任务处理，而边缘计算能在消耗更少能耗的前提下满足延迟敏感型应用的低时延需求。边缘计算因其实时性、低能耗性以及灵活性，正在成为车联网数据处理的重要计算选择。
目前缓存策略通常考虑车辆直接与路边固定位置的基础通信设施进行通信，但是与车辆簇内的车间通信相比，车基通信的延迟通常会比较高，而且由于基础设施的处理任务功耗较大和通信带宽有限，与大量的移动车辆进行通信会使得基础设施过负荷，对整个网络造成负面影响。另外，车间通信中的中继车辆作为一种通信设备，能够为其他车辆提供所需数据和通信服务，缓解基础设施负担，而目前的缓存策略都没有将车辆的中继传输行为带来的延迟和能耗影响加入到缓存研究里面。
现有技术中，公开号为CN111385734A中国发明专利，于2020年7月7日公开了一种车联网内容缓存决策优化方法，该方法属于移动通信技术领域。在该专利中，车联网存在有多个内容缓存结点，车辆请求的内容可以存储于内容缓存结点中。如有临近车辆或路侧单元已缓存当前车辆请求内容，当前车辆将通过V2V链路或者V2I链路将从缓存结点获取内容服务。将移动边缘计算服务器部署在RSU侧，可以提供存储和计算能力，用于内容的存储与处理。由于车辆移动速度较快，内容请求车辆可能在当前RSU覆盖范围内无法完全获取所需内容，因此他们需要在下一RSU覆盖范围内继续获取剩余部分的内容。该发明在缓存策略中没有考虑中继传输行为带来的延迟和能耗影响。
发明内容
本发明为克服上述现有技术中车联网边缘缓存策略没有考虑中继传输行为带来的延迟和能耗的缺陷，提供一种异构边缘车联网内多层缓存方法。
本发明的首要目的是为解决上述技术问题，本发明的技术方案如下：
一种异构边缘车联网内多层缓存方法，包括以下步骤：
S1：路边单元分别获取车辆信息、路边单元信息、基站信息、云端信息、文件信息；
S2：根据获取的车辆信息划分车辆簇；
S3：根据路边单元获取的信息分别计算延迟、能耗、缓存大小；
S4：以车辆簇内所有车辆获取文件的总延迟最小为目标函数，通过约束函数，计算获取数据总延迟；
S5：选择延迟最小的缓存文件策略进行文件的缓存。
本方案中，所述车辆信息包括车辆m的位置经纬度信息LATm、LONm，车辆n的位置经纬度信息LATn、LONm，车间通信距离Dc，用户访问本地车载单元OBU文件的延迟dself，用户访问一跳车辆车载单元OBU文件的延迟dOBU，用户获取本地OBU文件的传输速度为
Figure GDA0003654442480000021
用户获取簇内其他车辆OBU文件的传输速度为
Figure GDA0003654442480000022
OBU读取文件的速度为
Figure GDA0003654442480000023
OBU写入文件的速度为
Figure GDA0003654442480000024
OBU传输文件功耗为
Figure GDA0003654442480000025
OBU缓存文件功耗为
Figure GDA0003654442480000026
OBU读取文件能耗为
Figure GDA0003654442480000027
OBU写入文件能耗为
Figure GDA0003654442480000028
用户对文件的请求次数
Figure GDA0003654442480000029
本方案中，所述路边单元信息包括用户访问路边单元RSU文件的延迟为dRSU，用户获取RSU文件的传输速度为
Figure GDA00036544424800000210
RSU读取文件速度为
Figure GDA00036544424800000211
RSU传输文件功耗为
Figure GDA00036544424800000212
RSU缓存文件功耗为
Figure GDA00036544424800000213
RSU读取文件能耗为
Figure GDA00036544424800000214
本方案中，所述基站信息包括用户访问基站BS文件延迟为dBS，获取BS文件的传输速度为
Figure GDA00036544424800000215
读取BS文件的速度为
Figure GDA00036544424800000216
BS传输文件功耗为
Figure GDA00036544424800000217
BS缓存文件功耗为
Figure GDA00036544424800000218
BS读取文件能耗为
Figure GDA00036544424800000219
云端信息包括用户访问云端文件延迟为dCloud，获取云端文件的传输速度为LCloud，云端读取文件速度为
Figure GDA00036544424800000220
云端传输文件功耗为
Figure GDA00036544424800000221
云端读取文件能耗为
Figure GDA00036544424800000222
文件信息包括文件f、文件流行度pf，文件大小sf。
本方案中，根据获取的车辆信息划分车辆簇，具体过程为：
路边单元根据车辆信息中车辆m，车辆n的位置经纬度信息LONm、LATm、LONn、LATn，车间通信距离Dc，计算车辆m和车辆n之间的距离Dm,n：
Dm,n＝R*arcos[cos(LATm)*cos(LATn)*cos(LONm-LONn)+sin(LATm)*sin(LATn)]其中，R表示地球半径，利用上式依次计算出车辆m与其他车辆的车间距离，并统计车间距离小于Dc的数量NUMm并记录包含的其他车辆的对应车号，选择最大的NUMm，将最大的NUMm中涉及的所有车辆集合标记为车辆簇M，车辆m标记为簇头车CHC，车辆簇M中其他车辆标记为簇内车CMC，路边单元将车辆簇信息与缓存决策一起返回给对应的车辆。
本方案中，根据路边单元获取的信息分别计算延迟、能耗、缓存大小，具体过程为：
S301：RSU根据步骤S1和S2中获取的车辆信息与车辆簇，计算簇头车CHC获取文件总延迟D0，包括从本地OBU获取文件延迟
Figure GDA0003654442480000031
从簇内OBU获取文件延迟
Figure GDA0003654442480000032
从RSU获取文件延迟
Figure GDA0003654442480000033
从BS获取文件延迟
Figure GDA0003654442480000034
从云端获取文件延迟
Figure GDA0003654442480000035
计算从本地OBU获取文件延迟
Figure GDA0003654442480000036
包括本地文件访问、读取、传输延迟：
Figure GDA0003654442480000037
其中，F代表文件集合，
Figure GDA0003654442480000038
为二值变量，
Figure GDA0003654442480000039
为簇头车缓存文件决策变量，
Figure GDA00036544424800000310
代表簇头车的车载单元OBU中缓存文件f，
Figure GDA00036544424800000311
代表簇头车的车载单元OBU中不缓存文件f；
计算从簇内获取文件延迟
Figure GDA00036544424800000312
包括簇内OBU文件访问、读取、传输、写入延迟：
Figure GDA00036544424800000313
其中，M代表车辆集合，
Figure GDA00036544424800000314
为二值变量，
Figure GDA00036544424800000315
为簇头车缓存文件决策变量，
Figure GDA00036544424800000316
代表簇内车m的车载单元OBU中缓存文件f，
Figure GDA00036544424800000317
代表簇内车m的车载单元OBU中不缓存文件f；
计算从RSU获取文件延迟
Figure GDA00036544424800000318
包括RSU文件访问、读取、传输、写入延迟：
Figure GDA0003654442480000041
其中，
Figure GDA0003654442480000042
为二值变量，
Figure GDA0003654442480000043
为RSU缓存文件决策变量，
Figure GDA0003654442480000044
代表RSU中缓存文件f，
Figure GDA0003654442480000045
代表RSU中不缓存文件f；
计算从BS获取文件延迟
Figure GDA0003654442480000046
包括BS文件访问、读取、传输、写入延迟：
Figure GDA0003654442480000047
其中，
Figure GDA0003654442480000048
为二值变量，
Figure GDA0003654442480000049
为BS缓存文件决策变量，
Figure GDA00036544424800000410
代表RSU中缓存文件f，
Figure GDA00036544424800000411
代表RSU中不缓存文件f；
计算从云端获取文件延迟
Figure GDA00036544424800000412
包括云端文件访问、读取、传输、写入延迟：
Figure GDA00036544424800000413
计算簇头车CHC获取文件总延迟D0：
Figure GDA00036544424800000414
S302：RSU根据步骤S1和S2中获取的车辆信息与车辆簇，计算所有簇内车CMCm获取文件总延迟
Figure GDA00036544424800000415
其中，每辆簇内车获取文件总延迟Dm包括从本地OBU获取文件延迟
Figure GDA00036544424800000416
从簇头车OBU获取文件延迟
Figure GDA00036544424800000417
从直接通信范围内的簇内车OBU获取文件延迟
Figure GDA00036544424800000418
从直接通信范围外的簇内车OBU获取文件延迟
Figure GDA00036544424800000419
从RSU获取文件延迟
Figure GDA00036544424800000420
从BS获取文件延迟
Figure GDA00036544424800000421
从云端获取文件延迟
Figure GDA00036544424800000422
计算从本地OBU获取文件延迟
Figure GDA00036544424800000423
包括本地文件访问、读取、传输延迟：
Figure GDA00036544424800000424
计算从簇头车OBU获取文件延迟
Figure GDA00036544424800000425
包括簇头车OBU文件访问、读取、传输、写入延迟：
Figure GDA00036544424800000426
计算从直接通信范围内的簇内车OBU获取文件延迟
Figure GDA00036544424800000427
包括直接通信范围内的簇内OBU文件访问、读取、传输、写入延迟：
Figure GDA0003654442480000051
其中，M1∈M代表车辆集合；
其中，
Figure GDA0003654442480000052
为二值变量，
Figure GDA0003654442480000053
为簇内车m与簇内车m1直接通信变量，由车辆簇信息中两车距离Dm,n与车间通信距离Dc比较得出，
Figure GDA0003654442480000054
代表簇内车m与簇内车m1之间可以直接通信，
Figure GDA0003654442480000055
代表簇内车m与簇内车m1之间不可以直接通信，需要簇头车作为中继，特别的，当m1＝m时，
Figure GDA0003654442480000056
计算从直接通信范围外的簇内车OBU获取文件延迟
Figure GDA0003654442480000057
包括直接通信范围外的簇内OBU文件访问、读取、传输、写入延迟：
Figure GDA0003654442480000058
计算从RSU获取文件延迟
Figure GDA0003654442480000059
包括RSU文件访问、读取、传输、写入延迟：
Figure GDA00036544424800000510
计算从BS获取文件延迟
Figure GDA00036544424800000511
包括BS文件访问、读取、传输、写入延迟：
Figure GDA00036544424800000512
计算从云端获取文件延迟
Figure GDA00036544424800000513
包括云端文件访问、读取、传输、写入延迟：
Figure GDA00036544424800000514
计算所有簇内车CMCm获取文件总延迟
Figure GDA00036544424800000515
Figure GDA0003654442480000061
S303：结合S301和S302计算的D0、
Figure GDA0003654442480000062
计算出车辆簇内所有车辆获取文件的总延迟D：
Figure GDA0003654442480000063
S304：RSU根据步骤S1和S2中获取的信息，计算簇头车CHC的能耗E0，包括本地能耗
Figure GDA0003654442480000064
响应文件请求能耗
Figure GDA0003654442480000065
中继传输能耗
Figure GDA0003654442480000066
向簇内车OBU请求文件能耗
Figure GDA0003654442480000067
向RSU请求文件能耗
Figure GDA0003654442480000068
向BS请求文件能耗
Figure GDA0003654442480000069
向云端请求文件能耗
Figure GDA00036544424800000610
计算本地能耗
Figure GDA00036544424800000611
包括本地文件缓存：
Figure GDA00036544424800000612
计算响应文件请求能耗
Figure GDA00036544424800000613
包括响应自身和其他簇内车辆的文件请求产生的读取、传输能耗：
Figure GDA00036544424800000614
计算中继传输能耗
Figure GDA00036544424800000615
Figure GDA00036544424800000616
计算向簇内车OBU请求文件能耗
Figure GDA00036544424800000617
包括向簇内车OBU请求文件产生的传输、写入能耗：
Figure GDA00036544424800000618
计算向RSU请求文件能耗
Figure GDA00036544424800000619
包括向RSU请求文件产生的传输、写入能耗：
Figure GDA00036544424800000620
计算向BS请求文件能耗
Figure GDA00036544424800000621
包括向BS请求文件产生的传输、写入能耗：
Figure GDA0003654442480000071
计算向云端请求文件能耗
Figure GDA0003654442480000072
包括向云端请求文件产生的传输、写入能耗：
Figure GDA0003654442480000073
计算簇头车CHC的能耗E0：
Figure GDA0003654442480000074
S305：RSU根据步骤S1和S2中获取的信息，计算所有簇内车CMCm的总能耗
Figure GDA0003654442480000075
和各自的获取文件总能耗Em，其中，每辆簇内车获取文件总能耗Em包括本地能耗
Figure GDA0003654442480000076
响应文件请求能耗
Figure GDA0003654442480000077
向簇内车OBU请求文件能耗
Figure GDA0003654442480000078
向RSU请求文件能耗
Figure GDA0003654442480000079
向BS请求文件能耗
Figure GDA00036544424800000710
向云端请求文件能耗
Figure GDA00036544424800000711
计算本地能耗
Figure GDA00036544424800000712
包括本地文件缓存：
Figure GDA00036544424800000713
计算响应文件请求能耗
Figure GDA00036544424800000714
包括响应自身和其他簇内车辆的文件请求产生的读取、传输能耗：
Figure GDA00036544424800000715
计算向簇内车OBU请求文件能耗
Figure GDA00036544424800000716
包括向簇内车OBU请求文件产生的传输、写入能耗：
Figure GDA00036544424800000717
计算向RSU请求文件能耗
Figure GDA00036544424800000718
包括向RSU请求文件产生的传输、写入能耗：
Figure GDA00036544424800000719
计算向BS请求文件能耗
Figure GDA0003654442480000081
包括向BS请求文件产生的传输、写入能耗：
Figure GDA0003654442480000082
计算向云端请求文件能耗
Figure GDA0003654442480000083
包括向云端请求文件产生的传输、写入能耗：
Figure GDA0003654442480000084
计算所有簇内车的总能耗
Figure GDA0003654442480000085
Figure GDA0003654442480000086
S306：RSU根据步骤S1和S2中获取的信息，计算RSU的总能耗ERSU，包括本地能耗
Figure GDA0003654442480000087
响应文件请求能耗
Figure GDA0003654442480000088
计算本地能耗
Figure GDA0003654442480000089
包括本地文件缓存能耗：
Figure GDA00036544424800000810
计算响应文件请求能耗
Figure GDA00036544424800000811
包括响应车辆簇中所有车辆的文件请求产生的读取、传输能耗：
Figure GDA00036544424800000812
计算RSU的总能耗ERSU：
Figure GDA00036544424800000813
S307RSU根据步骤S1和S2中获取的信息，计算BS的总能耗EBS，包括本地能耗
Figure GDA00036544424800000814
响应文件请求能耗
Figure GDA00036544424800000815
计算本地能耗
Figure GDA00036544424800000816
包括本地文件缓存能耗：
Figure GDA00036544424800000817
计算响应文件请求能耗
Figure GDA00036544424800000818
包括响应车辆簇中所有车辆的文件请求产生的读取、传输能耗：
Figure GDA0003654442480000091
计算BS的总能耗EBS：
Figure GDA0003654442480000092
S308：RSU根据步骤S1和S2中获取的信息，计算云端的总能耗ECloud，只考虑响应文件请求能耗，包括响应车辆簇中所有车辆的文件请求产生的读取、传输能耗：
Figure GDA0003654442480000093
S309：RSU结合步骤S3中S304-S308所计算的E0、
Figure GDA0003654442480000094
ERSU、EBS、ECloud，计算整个系统的总能耗E：
Figure GDA0003654442480000095
S3010：RSU根据步骤S1和S2中获取的信息，计算车辆簇内每辆车缓存文件的大小Cm：
Figure GDA0003654442480000096
S3011：RSU根据步骤S1和S2中获取的信息，计算RSU缓存文件的大小CRSU：
Figure GDA0003654442480000097
3012：RSU根据步骤S1和S2中获取的信息，计算BS缓存文件的大小CBS：
Figure GDA0003654442480000098
本方案中，根据目标函数、约束函数，计算获取数据总延迟具体过程为：
根据目标函数和约束函数，求解目标函数，得到文件缓存决策变量
Figure GDA0003654442480000099
Figure GDA00036544424800000910
以延迟时间从低到高，选择满足能耗和存储容量约束的最低延迟缓存决策进行文件缓存；
本方案中，所述目标函数为：
minD
本方案中，所述约束函数包括：
S401：系统总能耗E小于系统总能耗上限EMAX：
E＜EMAX
S402：车辆簇中每辆车的能耗Em小于每辆车的能耗上限
Figure GDA0003654442480000101
Figure GDA0003654442480000102
S403：RSU能耗ERSU小于RSU能耗上限
Figure GDA0003654442480000103
Figure GDA0003654442480000104
S404：BS能耗EBS小于BS能耗上限
Figure GDA0003654442480000105
Figure GDA0003654442480000106
S405：云端能耗ECloud小于能耗上限
Figure GDA0003654442480000107
Figure GDA0003654442480000108
S406：车辆簇中每辆车缓存文件的总大小Cm小于每辆车的缓存容量上限
Figure GDA0003654442480000109
Figure GDA00036544424800001010
S407：RSU缓存文件的总大小CRSU小于RSU的缓存容量上限
Figure GDA00036544424800001011
Figure GDA00036544424800001012
S408：BS缓存文件的总大小CBS小于BS的缓存容量上限
Figure GDA00036544424800001013
Figure GDA00036544424800001014
本方案中，所述选择总延迟最小的策略进行文件缓存具体为：
RSU把步骤S4中得到的各边缘设备缓存文件决策，发送回给相应的设备，设备根据决策缓存相应的文件。
与现有技术相比，本发明技术方案的有益效果是：
本发明通过构建车辆簇，利用车辆簇进行通信减轻车辆移动性对数据传输的影响和路边基础设施的通信压力，此外将在中继传输中的延迟与能耗作为影响因素来进行缓存的决策，在最大化设备有效缓存的同时，不仅能减少车辆移动性对数据传输的影响和路边设施的通信压力，还能降低用户获取数据延迟和系统总能耗。
附图说明
图1为本发明实施例提供的一种异构边缘车联网系统示意图。
图2为本发明一种异构边缘车联网内多层缓存方法流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
实施例1
如图1所示为实施例提供的异构边缘车联网系统，所述系统包括：用户所在车辆的车载单元、车辆簇中的簇头车车载单元、簇内车车载单元、路边单元(RSU)、基站(BS)、云端(Cloud)，其中簇头车记为CHC，簇内车记为CMC，车载单元记为OBU，本发明方法适用于所述的异构边缘车联网系统，下面结合具体的步骤进行说明，如图2所示，一种异构边缘车联网内多层缓存方法，包括以下步骤：
S1：路边单元分别获取车辆信息、路边单元信息、基站信息、云端信息、文件信息；
本方案中，所述车辆信息包括车辆m的位置经纬度信息LATm、LONm，车辆n的位置经纬度信息LATn、LONm，车间通信距离Dc，用户访问本地车载单元OBU文件的延迟dself，用户获取本地OBU文件的传输速度为
Figure GDA0003654442480000111
OBU读取文件的速度为
Figure GDA0003654442480000112
OBU写入文件的速度为
Figure GDA0003654442480000113
OBU传输文件功耗为
Figure GDA0003654442480000114
OBU缓存文件功耗为
Figure GDA0003654442480000115
OBU读取文件能耗为
Figure GDA0003654442480000116
OBU写入文件能耗为
Figure GDA0003654442480000117
用户对文件的请求次数
Figure GDA0003654442480000118
所述车辆信息包括车辆m的位置经纬度信息LATm、LONm，车辆n的位置经纬度信息LATn、LONm，车间通信距离Dc，用户访问本地车载单元OBU文件的延迟dself，用户访问一跳车辆车载单元OBU文件的延迟dOBU，用户获取本地OBU文件的传输速度为
Figure GDA0003654442480000121
用户获取簇内其他车辆OBU文件的传输速度为Lt OBU，OBU读取文件的速度为
Figure GDA0003654442480000122
OBU写入文件的速度为
Figure GDA0003654442480000123
OBU传输文件功耗为
Figure GDA0003654442480000124
OBU缓存文件功耗为
Figure GDA0003654442480000125
OBU读取文件能耗为
Figure GDA0003654442480000126
OBU写入文件能耗为
Figure GDA0003654442480000127
用户对文件的请求次数
Figure GDA0003654442480000128
所述路边单元信息包括用户访问路边单元RSU文件的延迟为dRSU，用户获取RSU文件的传输速度为
Figure GDA0003654442480000129
RSU读取文件速度为
Figure GDA00036544424800001210
RSU传输文件功耗为
Figure GDA00036544424800001211
RSU缓存文件功耗为
Figure GDA00036544424800001212
RSU读取文件能耗为
Figure GDA00036544424800001213
所述基站信息包括用户访问基站BS文件延迟为dBS，获取BS文件的传输速度为
Figure GDA00036544424800001214
读取BS文件的速度为
Figure GDA00036544424800001215
BS传输文件功耗为
Figure GDA00036544424800001216
BS缓存文件功耗为
Figure GDA00036544424800001217
BS读取文件能耗为
Figure GDA00036544424800001218
云端信息包括用户访问云端文件延迟为dCloud，获取云端文件的传输速度为LCloud，云端读取文件速度为
Figure GDA00036544424800001219
云端传输文件功耗为
Figure GDA00036544424800001220
云端读取文件能耗为
Figure GDA00036544424800001221
文件信息包括文件f、文件流行度pf，文件大小sf。
S2：根据获取的车辆信息划分车辆簇；
根据获取的车辆信息划分车辆簇，具体过程为：
路边单元根据车辆信息中车辆m，车辆n的位置经纬度信息LONm、LATm、LONn、LATn，车间通信距离Dc，计算车辆m和车辆n之间的距离Dm,n：
Dm,n＝R*arcos[cos(LATm)*cos(LATn)*cos(LONm-LONn)+sin(LATm)*sin(LATn)]
其中，R表示地球半径，利用上式依次计算出车辆m与其他车辆的车间距离，并统计车间距离小于Dc的数量NUMm并记录包含的其他车辆的对应车号，选择最大的NUMm，将最大的NUMm中涉及的所有车辆集合标记为车辆簇M，车辆m标记为簇头车CHC，车辆簇M中其他车辆标记为簇内车CMC，路边单元将车辆簇信息与缓存决策一起返回给对应的车辆。
需要说明的是，通过构建车辆簇，利用车辆簇进行通信，不仅可以减轻车辆移动性对数据传输的影响和路边基础设施的通信压力，还能增加系统总有效缓存，降低用户获取数据延迟和系统总能耗。本发明的簇头车作为中继车辆，不仅能为其他簇内车提供缓存数据，还能为簇内车之间提供中继传输服务，当两辆簇内车之间不满足直接车间通信距离的要求时，两车的数据将通过中继车辆传输给对方。系统同时考虑包括中继传输在内的数据获取过程中的能耗代价、设备缓存容量约束和数据文件的流行度，以数据获取延迟最小为目标，在满足系统总能耗、边缘设备能耗和存储容量的前提下，为数据选取最优缓存位置。
S3:根据路边单元获取的信息分别计算延迟、能耗、缓存大小；需要说明的是，本发明在满足设备存储容量的前提下，除了计算缓存与传输能耗，还综合考虑了数据文件的流行度和不同设备中实际用于缓存、读取、写入、本地传输、响应数据请求传输和中继传输能耗，以实现能耗约束下的延迟最小化。本发明提出的缓存策略在最大化设备有效缓存的同时，不仅能减少车辆移动性对数据传输的影响和路边设施的通信压力，还能降低用户获取数据延迟和系统总能耗。
具体步骤为：
S301：RSU根据步骤S1和S2中获取的车辆信息与车辆簇，计算簇头车CHC获取文件总延迟D0，包括从本地OBU获取文件延迟
Figure GDA0003654442480000131
从簇内OBU获取文件延迟
Figure GDA0003654442480000132
从RSU获取文件延迟
Figure GDA0003654442480000133
从BS获取文件延迟
Figure GDA0003654442480000134
从云端获取文件延迟
Figure GDA0003654442480000135
计算从本地OBU获取文件延迟
Figure GDA0003654442480000136
包括本地文件访问、读取、传输延迟：
Figure GDA0003654442480000137
其中，F代表文件集合，
Figure GDA0003654442480000138
为二值变量，
Figure GDA0003654442480000139
为簇头车缓存文件决策变量，
Figure GDA00036544424800001310
代表簇头车的车载单元OBU中缓存文件f，
Figure GDA00036544424800001311
代表簇头车的车载单元OBU中不缓存文件f；
计算从簇内获取文件延迟
Figure GDA00036544424800001312
包括簇内OBU文件访问、读取、传输、写入延迟：
Figure GDA00036544424800001313
其中，M代表车辆集合，
Figure GDA00036544424800001314
为二值变量，
Figure GDA00036544424800001315
为簇头车缓存文件决策变量，
Figure GDA00036544424800001316
代表簇内车m的车载单元OBU中缓存文件f，
Figure GDA00036544424800001317
代表簇内车m的车载单元OBU中不缓存文件f；
计算从RSU获取文件延迟
Figure GDA00036544424800001318
包括RSU文件访问、读取、传输、写入延迟：
Figure GDA0003654442480000141
其中，
Figure GDA0003654442480000142
为二值变量，
Figure GDA0003654442480000143
为RSU缓存文件决策变量，
Figure GDA0003654442480000144
代表RSU中缓存文件f，
Figure GDA0003654442480000145
代表RSU中不缓存文件f；
计算从BS获取文件延迟
Figure GDA0003654442480000146
包括BS文件访问、读取、传输、写入延迟：
Figure GDA0003654442480000147
其中，
Figure GDA0003654442480000148
为二值变量，
Figure GDA0003654442480000149
为BS缓存文件决策变量，
Figure GDA00036544424800001410
代表RSU中缓存文件f，
Figure GDA00036544424800001411
代表RSU中不缓存文件f；
计算从云端获取文件延迟
Figure GDA00036544424800001412
包括云端文件访问、读取、传输、写入延迟：
Figure GDA00036544424800001413
计算簇头车CHC获取文件总延迟D0：
Figure GDA00036544424800001414
S302：RSU根据步骤S1和S2中获取的车辆信息与车辆簇，计算所有簇内车CMCm获取文件总延迟
Figure GDA00036544424800001415
其中，每辆簇内车获取文件总延迟Dm包括从本地OBU获取文件延迟
Figure GDA00036544424800001416
从簇头车OBU获取文件延迟
Figure GDA00036544424800001417
从直接通信范围内的簇内车OBU获取文件延迟
Figure GDA00036544424800001418
从直接通信范围外的簇内车OBU获取文件延迟
Figure GDA00036544424800001419
从RSU获取文件延迟
Figure GDA00036544424800001420
从BS获取文件延迟DBmS、从云端获取文件延迟
Figure GDA00036544424800001421
计算从本地OBU获取文件延迟
Figure GDA00036544424800001422
包括本地文件访问、读取、传输延迟：
Figure GDA00036544424800001423
计算从簇头车OBU获取文件延迟
Figure GDA00036544424800001424
包括簇头车OBU文件访问、读取、传输、写入延迟：
Figure GDA0003654442480000151
计算从直接通信范围内的簇内车OBU获取文件延迟
Figure GDA0003654442480000152
包括直接通信范围内的簇内OBU文件访问、读取、传输、写入延迟：
Figure GDA0003654442480000153
其中，M1∈M代表车辆集合；
其中，
Figure GDA0003654442480000154
为二值变量，
Figure GDA0003654442480000155
为簇内车m与簇内车m1直接通信变量，由车辆簇信息中两车距离Dm,n与车间通信距离Dc比较得出，
Figure GDA0003654442480000156
代表簇内车m与簇内车m1之间可以直接通信，
Figure GDA0003654442480000157
代表簇内车m与簇内车m1之间不可以直接通信，需要簇头车作为中继，特别的，当m1＝m时，
Figure GDA0003654442480000158
计算从直接通信范围外的簇内车OBU获取文件延迟
Figure GDA0003654442480000159
包括直接通信范围外的簇内OBU文件访问、读取、传输、写入延迟：
Figure GDA00036544424800001510
计算从RSU获取文件延迟
Figure GDA00036544424800001511
包括RSU文件访问、读取、传输、写入延迟：
Figure GDA00036544424800001512
计算从BS获取文件延迟
Figure GDA00036544424800001513
包括BS文件访问、读取、传输、写入延迟：
Figure GDA00036544424800001514
计算从云端获取文件延迟
Figure GDA00036544424800001515
包括云端文件访问、读取、传输、写入延迟：
Figure GDA0003654442480000161
计算所有簇内车CMCm获取文件总延迟
Figure GDA0003654442480000162
Figure GDA0003654442480000163
S303：结合S301和S302计算的D0、
Figure GDA0003654442480000164
计算出车辆簇内所有车辆获取文件的总延迟D：
Figure GDA0003654442480000165
S304：RSU根据步骤S1和S2中获取的信息，计算簇头车CHC的能耗E0，包括本地能耗
Figure GDA0003654442480000166
响应文件请求能耗
Figure GDA0003654442480000167
中继传输能耗
Figure GDA0003654442480000168
向簇内车OBU请求文件能耗
Figure GDA0003654442480000169
向RSU请求文件能耗
Figure GDA00036544424800001610
向BS请求文件能耗
Figure GDA00036544424800001611
向云端请求文件能耗
Figure GDA00036544424800001612
计算本地能耗
Figure GDA00036544424800001613
包括本地文件缓存：
Figure GDA00036544424800001614
计算响应文件请求能耗
Figure GDA00036544424800001615
包括响应自身和其他簇内车辆的文件请求产生的读取、传输能耗：
Figure GDA00036544424800001616
计算中继传输能耗
Figure GDA00036544424800001617
Figure GDA00036544424800001618
计算向簇内车OBU请求文件能耗
Figure GDA00036544424800001619
包括向簇内车OBU请求文件产生的传输、写入能耗：
Figure GDA0003654442480000171
计算向RSU请求文件能耗
Figure GDA0003654442480000172
包括向RSU请求文件产生的传输、写入能耗：
Figure GDA0003654442480000173
计算向BS请求文件能耗
Figure GDA0003654442480000174
包括向BS请求文件产生的传输、写入能耗：
Figure GDA0003654442480000175
计算向云端请求文件能耗
Figure GDA0003654442480000176
包括向云端请求文件产生的传输、写入能耗：
Figure GDA0003654442480000177
计算簇头车CHC的能耗E0：
Figure GDA0003654442480000178
S305：RSU根据步骤S1和S2中获取的信息，计算所有簇内车CMCm的总能耗
Figure GDA0003654442480000179
和各自的获取文件总能耗Em，其中，每辆簇内车获取文件总能耗Em包括本地能耗
Figure GDA00036544424800001710
响应文件请求能耗
Figure GDA00036544424800001711
向簇内车OBU请求文件能耗
Figure GDA00036544424800001712
向RSU请求文件能耗
Figure GDA00036544424800001713
向BS请求文件能耗
Figure GDA00036544424800001714
向云端请求文件能耗
Figure GDA00036544424800001715
计算本地能耗
Figure GDA00036544424800001716
包括本地文件缓存：
Figure GDA00036544424800001717
计算响应文件请求能耗
Figure GDA00036544424800001718
包括响应自身和其他簇内车辆的文件请求产生的读取、传输能耗：
Figure GDA00036544424800001719
计算向簇内车OBU请求文件能耗
Figure GDA00036544424800001720
包括向簇内车OBU请求文件产生的传输、写入能耗：
Figure GDA0003654442480000181
计算向RSU请求文件能耗
Figure GDA0003654442480000182
包括向RSU请求文件产生的传输、写入能耗：
Figure GDA0003654442480000183
计算向BS请求文件能耗
Figure GDA0003654442480000184
包括向BS请求文件产生的传输、写入能耗：
Figure GDA0003654442480000185
计算向云端请求文件能耗
Figure GDA0003654442480000186
包括向云端请求文件产生的传输、写入能耗：
Figure GDA0003654442480000187
计算所有簇内车的总能耗
Figure GDA0003654442480000188
Figure GDA0003654442480000189
S306：RSU根据步骤S1和S2中获取的信息，计算RSU的总能耗ERSU，包括本地能耗
Figure GDA00036544424800001810
响应文件请求能耗
Figure GDA00036544424800001811
计算本地能耗
Figure GDA00036544424800001812
包括本地文件缓存能耗：
Figure GDA00036544424800001813
计算响应文件请求能耗
Figure GDA00036544424800001814
包括响应车辆簇中所有车辆的文件请求产生的读取、传输能耗：
Figure GDA00036544424800001815
计算RSU的总能耗ERSU：
Figure GDA0003654442480000191
S307RSU根据步骤S1和S2中获取的信息，计算BS的总能耗EBS，包括本地能耗
Figure GDA0003654442480000192
响应文件请求能耗
Figure GDA0003654442480000193
计算本地能耗
Figure GDA0003654442480000194
包括本地文件缓存能耗：
Figure GDA0003654442480000195
计算响应文件请求能耗
Figure GDA0003654442480000196
包括响应车辆簇中所有车辆的文件请求产生的读取、传输能耗：
Figure GDA0003654442480000197
计算BS的总能耗EBS：
Figure GDA0003654442480000198
S308：RSU根据步骤S1和S2中获取的信息，计算云端的总能耗ECloud，只考虑响应文件请求能耗，包括响应车辆簇中所有车辆的文件请求产生的读取、传输能耗：
Figure GDA0003654442480000199
S309：RSU结合步骤S3中S304-S308所计算的E0、
Figure GDA00036544424800001910
ERSU、EBS、ECloud，计算整个系统的总能耗E：
Figure GDA00036544424800001911
S3010：RSU根据步骤S1和S2中获取的信息，计算车辆簇内每辆车缓存文件的大小Cm：
Figure GDA00036544424800001912
S3011：RSU根据步骤S1和S2中获取的各类信息，计算RSU缓存文件的大小CRSU：
Figure GDA0003654442480000201
3012：RSU根据步骤S1和S2中获取的信息，计算BS缓存文件的大小CBS：
Figure GDA0003654442480000202
S4：以车辆簇内所有车辆获取文件的总延迟最小为目标函数，通过约束函数，计算获取数据总延迟；
构建目标函数，利用约束条件求解目标函数，得到文件缓存决策变量
Figure GDA0003654442480000203
Figure GDA0003654442480000204
以延迟时间从低到高，选择满足能耗和存储容量约束的最低延迟缓存决策进行文件缓存；
所述目标函数为：
minD.
所述约束函数包括：
S401：系统总能耗E小于系统总能耗上限EMAX：
E＜EMAX
S402：车辆簇中每辆车的能耗Em小于每辆车的能耗上限
Figure GDA0003654442480000205
Figure GDA0003654442480000206
S403：RSU能耗ERSU小于RSU能耗上限
Figure GDA0003654442480000207
Figure GDA0003654442480000208
S404：BS能耗EBS小于BS能耗上限
Figure GDA0003654442480000209
Figure GDA00036544424800002010
S405：云端能耗ECloud小于能耗上限
Figure GDA00036544424800002011
Figure GDA00036544424800002012
S406：车辆簇中每辆车缓存文件的总大小Cm小于每辆车的缓存容量上限
Figure GDA00036544424800002013
Figure GDA0003654442480000211
S407：RSU缓存文件的总大小CRSU小于RSU的缓存容量上限
Figure GDA0003654442480000212
Figure GDA0003654442480000213
S408：BS缓存文件的总大小CBS小于BS的缓存容量上限
Figure GDA0003654442480000214
Figure GDA0003654442480000215
S5：选择总延迟最小的缓存文件策略进行文件的缓存。
RSU把步骤S4中得到的各边缘设备缓存文件策略，发送回给相应的设备，设备根据缓存文件策略缓存相应的文件。
本发明通过建立车辆簇通信，不仅可以减轻车辆移动对数据传输的影响和路边设施的通信压力，还能增加系统总有效缓存，降低用户获取数据延迟和系统总能耗。
本发明在满足设备存储容量的前提下，不同于以往只计算缓存与传输能耗，综合考虑了数据文件的流行度和不同设备中实际用于缓存、读取、写入、本地传输、响应数据请求传输和中继传输的能耗，给出相应的能耗值，以实现能耗约束下的延迟最小化。
本发明在满足系统总能耗、边缘设备能耗和存储容量的前提下，不同于以往只计算传输延迟的方法，考虑了数据文件的流行度和不同设备中数据传输、访问、读取和写入延迟，给出相应的延迟值，以实现延迟最小化。通过把流行度越高的数据缓存在越靠近用户端的设备中，为数据选取最优缓存位置，一方面能降低数据获取延迟，另一方面能最大化有效缓存。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (2)

1.一种异构边缘车联网内多层缓存方法，其特征在于，包括以下步骤：
S1：路边单元分别获取车辆信息、路边单元信息、基站信息、云端信息、文件信息；
所述车辆信息包括车辆m的位置经纬度信息LATm、LONm，车辆n的位置经纬度信息LATn、LONm，车间通信距离Dc，用户访问本地车载单元OBU文件的延迟dself，用户访问一跳车辆车载单元OBU文件的延迟dOBU，用户获取本地OBU文件的传输速度为
Figure FDA0003654442470000011
用户获取簇内其他车辆OBU文件的传输速度为
Figure FDA0003654442470000012
OBU读取文件的速度为
Figure FDA0003654442470000013
OBU写入文件的速度为
Figure FDA0003654442470000014
OBU传输文件功耗为
Figure FDA0003654442470000015
OBU缓存文件功耗为
Figure FDA0003654442470000016
OBU读取文件能耗为
Figure FDA0003654442470000017
OBU写入文件能耗为
Figure FDA0003654442470000018
用户对文件的请求次数
Figure FDA0003654442470000019
所述路边单元信息包括用户访问路边单元RSU文件的延迟为dRSU，用户获取RSU文件的传输速度为
Figure FDA00036544424700000110
RSU读取文件速度为
Figure FDA00036544424700000111
RSU传输文件功耗为
Figure FDA00036544424700000112
RSU缓存文件功耗为
Figure FDA00036544424700000113
RSU读取文件能耗为
Figure FDA00036544424700000114
所述基站信息包括用户访问基站BS文件延迟为dBS，获取BS文件的传输速度为
Figure FDA00036544424700000115
读取BS文件的速度为
Figure FDA00036544424700000116
BS传输文件功耗为
Figure FDA00036544424700000117
BS缓存文件功耗为
Figure FDA00036544424700000118
BS读取文件能耗为
Figure FDA00036544424700000119
云端信息包括用户访问云端文件延迟为dCloud，获取云端文件的传输速度为LCloud，云端读取文件速度为
Figure FDA00036544424700000120
云端传输文件功耗为
Figure FDA00036544424700000121
云端读取文件能耗为
Figure FDA00036544424700000122
文件信息包括文件f、文件流行度pf，文件大小sf；
S2：根据获取的车辆信息划分车辆簇；
根据获取的车辆信息划分车辆簇，具体过程为：
路边单元根据车辆信息中车辆m，车辆n的位置经纬度信息LONm、LATm、LONn、LATn，车间通信距离Dc，计算车辆m和车辆n之间的距离Dm,n：
Dm,n＝R*arcos[cos(LATm)*cos(LATn)*cos(LONm-LONn)+sin(LATm)*sin(LATn)]
其中，R表示地球半径，利用上式依次计算出车辆m与其他车辆的车间距离，并统计车间距离小于Dc的数量NUMm并记录包含的其他车辆的对应车号，选择最大的NUMm，将最大的NUMm中涉及的所有车辆集合标记为车辆簇M，车辆m标记为簇头车CHC，车辆簇M中其他车辆标记为簇内车CMC，路边单元将车辆簇信息与缓存决策一起返回给对应的车辆；
S3：根据路边单元获取的信息分别计算延迟、能耗、缓存大小；
根据路边单元获取的信息分别计算延迟、能耗、缓存大小，具体过程为：
S301：RSU根据步骤S1和S2中获取的车辆信息与车辆簇，计算簇头车CHC获取文件总延迟D0，包括从本地OBU获取文件延迟
Figure FDA0003654442470000021
从簇内OBU获取文件延迟
Figure FDA0003654442470000022
从RSU获取文件延迟
Figure FDA0003654442470000023
从BS获取文件延迟
Figure FDA0003654442470000024
从云端获取文件延迟
Figure FDA0003654442470000025
计算从本地OBU获取文件延迟
Figure FDA0003654442470000026
包括本地文件访问、读取、传输延迟：
Figure FDA0003654442470000027
其中，F代表文件集合，
Figure FDA0003654442470000028
为二值变量，
Figure FDA0003654442470000029
为簇头车缓存文件决策变量，
Figure FDA00036544424700000210
代表簇头车的车载单元OBU中缓存文件f，
Figure FDA00036544424700000211
代表簇头车的车载单元OBU中不缓存文件f；
计算从簇内获取文件延迟
Figure FDA00036544424700000212
包括簇内OBU文件访问、读取、传输、写入延迟：
Figure FDA00036544424700000213
其中，M代表车辆集合，
Figure FDA00036544424700000214
为二值变量，
Figure FDA00036544424700000215
为簇头车缓存文件决策变量，
Figure FDA00036544424700000216
代表簇内车m的车载单元OBU中缓存文件f，
Figure FDA00036544424700000217
代表簇内车m的车载单元OBU中不缓存文件f；
计算从RSU获取文件延迟
Figure FDA00036544424700000218
包括RSU文件访问、读取、传输、写入延迟：
Figure FDA00036544424700000219
其中，
Figure FDA00036544424700000220
为二值变量，
Figure FDA00036544424700000221
为RSU缓存文件决策变量，
Figure FDA00036544424700000222
代表RSU中缓存文件f，
Figure FDA00036544424700000223
代表RSU中不缓存文件f；
计算从BS获取文件延迟
Figure FDA00036544424700000224
包括BS文件访问、读取、传输、写入延迟：
Figure FDA0003654442470000031
其中，
Figure FDA0003654442470000032
为二值变量，
Figure FDA0003654442470000033
为BS缓存文件决策变量，
Figure FDA0003654442470000034
代表RSU中缓存文件f，
Figure FDA0003654442470000035
代表RSU中不缓存文件f；
计算从云端获取文件延迟
Figure FDA0003654442470000036
包括云端文件访问、读取、传输、写入延迟：
Figure FDA0003654442470000037
计算簇头车CHC获取文件总延迟D0：
Figure FDA0003654442470000038
S302：RSU根据步骤S1和S2中获取的车辆信息与车辆簇，计算所有簇内车CMCm获取文件总延迟
Figure FDA0003654442470000039
其中，每辆簇内车获取文件总延迟Dm包括从本地OBU获取文件延迟
Figure FDA00036544424700000310
从簇头车OBU获取文件延迟
Figure FDA00036544424700000311
从直接通信范围内的簇内车OBU获取文件延迟
Figure FDA00036544424700000312
从直接通信范围外的簇内车OBU获取文件延迟
Figure FDA00036544424700000313
从RSU获取文件延迟
Figure FDA00036544424700000314
从BS获取文件延迟
Figure FDA00036544424700000315
从云端获取文件延迟
Figure FDA00036544424700000316
计算从本地OBU获取文件延迟
Figure FDA00036544424700000317
包括本地文件访问、读取、传输延迟：
Figure FDA00036544424700000318
计算从簇头车OBU获取文件延迟
Figure FDA00036544424700000319
包括簇头车OBU文件访问、读取、传输、写入延迟：
Figure FDA00036544424700000320
计算从直接通信范围内的簇内车OBU获取文件延迟
Figure FDA00036544424700000321
包括直接通信范围内的簇内OBU文件访问、读取、传输、写入延迟：
Figure FDA0003654442470000041
其中，M1∈M代表车辆集合；
其中，
Figure FDA0003654442470000042
为二值变量，
Figure FDA0003654442470000043
为簇内车m与簇内车m1直接通信变量，由车辆簇信息中两车距离Dm,n与车间通信距离Dc比较得出，
Figure FDA0003654442470000044
代表簇内车m与簇内车m1之间可以直接通信，
Figure FDA0003654442470000045
代表簇内车m与簇内车m1之间不可以直接通信，需要簇头车作为中继，特别的，当m1＝m时，
Figure FDA0003654442470000046
计算从直接通信范围外的簇内车OBU获取文件延迟
Figure FDA0003654442470000047
包括直接通信范围外的簇内OBU文件访问、读取、传输、写入延迟：
Figure FDA0003654442470000048
计算从RSU获取文件延迟
Figure FDA0003654442470000049
包括RSU文件访问、读取、传输、写入延迟：
Figure FDA00036544424700000410
计算从BS获取文件延迟
Figure FDA00036544424700000411
包括BS文件访问、读取、传输、写入延迟：
Figure FDA00036544424700000412
计算从云端获取文件延迟
Figure FDA00036544424700000413
包括云端文件访问、读取、传输、写入延迟：
Figure FDA00036544424700000414
计算所有簇内车CMCm获取文件总延迟
Figure FDA00036544424700000415
Figure FDA00036544424700000416
S303：结合S301和S302计算的D0、
Figure FDA0003654442470000051
计算出车辆簇内所有车辆获取文件的总延迟D：
Figure FDA0003654442470000052
S304：RSU根据步骤S1和S2中获取的信息，计算簇头车CHC的能耗E0，包括本地能耗
Figure FDA0003654442470000053
响应文件请求能耗
Figure FDA0003654442470000054
中继传输能耗
Figure FDA0003654442470000055
向簇内车OBU请求文件能耗
Figure FDA0003654442470000056
向RSU请求文件能耗
Figure FDA0003654442470000057
向BS请求文件能耗
Figure FDA0003654442470000058
向云端请求文件能耗
Figure FDA0003654442470000059
计算本地能耗
Figure FDA00036544424700000510
包括本地文件缓存：
Figure FDA00036544424700000511
计算响应文件请求能耗
Figure FDA00036544424700000512
包括响应自身和其他簇内车辆的文件请求产生的读取、传输能耗：
Figure FDA00036544424700000513
计算中继传输能耗
Figure FDA00036544424700000514
Figure FDA00036544424700000515
计算向簇内车OBU请求文件能耗
Figure FDA00036544424700000516
包括向簇内车OBU请求文件产生的传输、写入能耗：
Figure FDA00036544424700000517
计算向RSU请求文件能耗
Figure FDA00036544424700000518
包括向RSU请求文件产生的传输、写入能耗：
Figure FDA00036544424700000519
计算向BS请求文件能耗
Figure FDA00036544424700000520
包括向BS请求文件产生的传输、写入能耗：
Figure FDA00036544424700000521
计算向云端请求文件能耗
Figure FDA00036544424700000522
包括向云端请求文件产生的传输、写入能耗：
Figure FDA0003654442470000061
计算簇头车CHC的能耗E0：
Figure FDA0003654442470000062
S305：RSU根据步骤S1和S2中获取的信息，计算所有簇内车CMCm的总能耗
Figure FDA0003654442470000063
和各自的获取文件总能耗Em，其中，每辆簇内车获取文件总能耗Em包括本地能耗
Figure FDA0003654442470000064
响应文件请求能耗
Figure FDA0003654442470000065
向簇内车OBU请求文件能耗
Figure FDA0003654442470000066
向RSU请求文件能耗
Figure FDA0003654442470000067
向BS请求文件能耗
Figure FDA0003654442470000068
向云端请求文件能耗
Figure FDA0003654442470000069
计算本地能耗
Figure FDA00036544424700000610
包括本地文件缓存：
Figure FDA00036544424700000611
计算响应文件请求能耗
Figure FDA00036544424700000612
包括响应自身和其他簇内车辆的文件请求产生的读取、传输能耗：
Figure FDA00036544424700000613
计算向簇内车OBU请求文件能耗
Figure FDA00036544424700000614
包括向簇内车OBU请求文件产生的传输、写入能耗：
Figure FDA00036544424700000615
计算向RSU请求文件能耗
Figure FDA00036544424700000616
包括向RSU请求文件产生的传输、写入能耗：
Figure FDA00036544424700000617
计算向BS请求文件能耗
Figure FDA00036544424700000618
包括向BS请求文件产生的传输、写入能耗：
Figure FDA00036544424700000619
计算向云端请求文件能耗
Figure FDA00036544424700000620
包括向云端请求文件产生的传输、写入能耗：
Figure FDA0003654442470000071
计算所有簇内车的总能耗
Figure FDA0003654442470000072
Figure FDA0003654442470000073
S306：RSU根据步骤S1和S2中获取的信息，计算RSU的总能耗ERSU，包括本地能耗
Figure FDA0003654442470000074
响应文件请求能耗
Figure FDA0003654442470000075
计算本地能耗
Figure FDA0003654442470000076
包括本地文件缓存能耗：
Figure FDA0003654442470000077
计算响应文件请求能耗
Figure FDA0003654442470000078
包括响应车辆簇中所有车辆的文件请求产生的读取、传输能耗：
Figure FDA0003654442470000079
计算RSU的总能耗ERSU：
Figure FDA00036544424700000710
S307：RSU根据步骤S1和S2中获取的信息，计算BS的总能耗EBS，包括本地能耗
Figure FDA00036544424700000711
响应文件请求能耗
Figure FDA00036544424700000712
计算本地能耗
Figure FDA00036544424700000713
包括本地文件缓存能耗：
Figure FDA00036544424700000714
计算响应文件请求能耗
Figure FDA00036544424700000715
包括响应车辆簇中所有车辆的文件请求产生的读取、传输能耗：
Figure FDA00036544424700000716
计算BS的总能耗EBS：
Figure FDA00036544424700000717
S308：RSU根据步骤S1和S2中获取的信息，计算云端的总能耗ECloud，只考虑响应文件请求能耗，包括响应车辆簇中所有车辆的文件请求产生的读取、传输能耗：
Figure FDA0003654442470000081
S309：RSU结合步骤S3中S304-S308所计算的E0、
Figure FDA0003654442470000082
ERSU、EBS、ECloud，计算整个系统的总能耗E：
Figure FDA0003654442470000083
S3010：RSU根据步骤S1和S2中获取的信息，计算车辆簇内每辆车缓存文件的大小Cm：
Figure FDA0003654442470000084
S3011：RSU根据步骤S1和S2中获取的信息，计算RSU缓存文件的大小CRSU：
Figure FDA0003654442470000085
3012：RSU根据步骤S1和S2中获取的信息，计算BS缓存文件的大小CBS：
Figure FDA0003654442470000086
S4：以车辆簇内所有车辆获取文件的总延迟最小为目标函数，通过约束函数，计算获取数据总延迟；
根据目标函数、约束函数，计算获取数据总延迟具体过程为：
根据目标函数和约束函数，求解目标函数，得到文件缓存决策变量
Figure FDA0003654442470000087
Figure FDA0003654442470000088
以延迟时间从低到高，选择满足能耗和存储容量约束的最低延迟缓存决策进行文件缓存；
所述目标函数为：
min D.；
所述约束函数包括：
S401：系统总能耗E小于系统总能耗上限EMAX：
E＜EMAX
S402：车辆簇中每辆车的能耗Em小于每辆车的能耗上限
Figure FDA0003654442470000091
Figure FDA0003654442470000092
S403：RSU能耗ERSU小于RSU能耗上限
Figure FDA0003654442470000093
Figure FDA0003654442470000094
S404：BS能耗EBS小于BS能耗上限
Figure FDA0003654442470000095
Figure FDA0003654442470000096
S405：云端能耗ECloud小于能耗上限
Figure FDA0003654442470000097
Figure FDA0003654442470000098
S406：车辆簇中每辆车缓存文件的总大小Cm小于每辆车的缓存容量上限
Figure FDA0003654442470000099
Figure FDA00036544424700000910
S407：RSU缓存文件的总大小CRSU小于RSU的缓存容量上限
Figure FDA00036544424700000911
Figure FDA00036544424700000912
S408：BS缓存文件的总大小CBS小于BS的缓存容量上限
Figure FDA00036544424700000913
Figure FDA00036544424700000914
S5：选择总延迟最小的缓存文件策略进行文件的缓存。
2.根据权利要求1所述的一种异构边缘车联网内多层缓存方法，其特征在于，所述选择总延迟最小的缓存文件策略进行文件缓存具体为：
RSU把步骤S4中得到的各边缘设备缓存文件策略，发送回给相应的设备，设备根据缓存文件策略缓存相应的文件。
CN202010768879.XA 2020-08-03 2020-08-03 一种异构边缘车联网内多层缓存方法 Active CN112104999B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010768879.XA CN112104999B (zh) 2020-08-03 2020-08-03 一种异构边缘车联网内多层缓存方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010768879.XA CN112104999B (zh) 2020-08-03 2020-08-03 一种异构边缘车联网内多层缓存方法

Publications (2)

Publication Number Publication Date
CN112104999A CN112104999A (zh) 2020-12-18
CN112104999B true CN112104999B (zh) 2022-06-24

Family

ID=73750006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010768879.XA Active CN112104999B (zh) 2020-08-03 2020-08-03 一种异构边缘车联网内多层缓存方法

Country Status (1)

Country Link
CN (1) CN112104999B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112839082B (zh) * 2020-12-31 2023-04-07 西安电子科技大学 一种异构边缘缓存分配方法、系统、介质及应用
CN114374741B (zh) * 2022-01-13 2024-04-19 南昌工程学院 Mec环境下基于强化学习的动态分组车联网缓存方法
CN114980212B (zh) * 2022-04-29 2023-11-21 中移互联网有限公司 边缘缓存方法、装置、电子设备及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110312231A (zh) * 2019-06-28 2019-10-08 重庆邮电大学 一种车联网中基于移动边缘计算的内容缓存决策和资源分配联合优化方法
CN111124647A (zh) * 2019-12-25 2020-05-08 大连理工大学 一种车联网中的智能边缘计算方法
CN111262940A (zh) * 2020-01-17 2020-06-09 中南大学 一种车载边缘计算应用缓存方法、装置及系统
CN111385734A (zh) * 2020-02-19 2020-07-07 重庆邮电大学 一种车联网内容缓存决策优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017161570A1 (zh) * 2016-03-25 2017-09-28 华为技术有限公司 一种通信方法、装置和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110312231A (zh) * 2019-06-28 2019-10-08 重庆邮电大学 一种车联网中基于移动边缘计算的内容缓存决策和资源分配联合优化方法
CN111124647A (zh) * 2019-12-25 2020-05-08 大连理工大学 一种车联网中的智能边缘计算方法
CN111262940A (zh) * 2020-01-17 2020-06-09 中南大学 一种车载边缘计算应用缓存方法、装置及系统
CN111385734A (zh) * 2020-02-19 2020-07-07 重庆邮电大学 一种车联网内容缓存决策优化方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Caching at the Wireless Edge: Design Aspects, Challenges, and Future Directions;Dong Liu等;《IEEE Communications Magazine》;20160916;第54卷(第09期);第22-28页 *
Efficient Mobility-Aware Task Offloading for Vehicular Edge Computing Networks;Chao Yang等;《IEEE Access》;20190221;第07卷;第26652-26664页 *
Embracing user request vehicle route with proactive data transportation;Wonkwang Shin等;《2015 IEEE 81st Vehicular Technology Conference (VTC Spring)》;20150702;全文 *
信息中心网络缓存技术研究综述;张天魁等;《北京邮电大学学报》;20160615;第39卷(第03期);第1-15页 *
基于车联网通信和计算资源联合调度的任务卸载研究;韩艺;《厦门大学硕士论文》;20200616;全文 *
车联网中基于时延最小化的缓存数据分发机制研究;石蕊;《北京邮电大学硕士论》;20190816;全文 *

Also Published As

Publication number Publication date
CN112104999A (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
CN112104999B (zh) 一种异构边缘车联网内多层缓存方法
Su et al. An edge caching scheme to distribute content in vehicular networks
CN110312231B (zh) 车联网中基于mec的内容缓存决策和资源分配优化方法
Yuan et al. Toward efficient content delivery for automated driving services: An edge computing solution
US7463890B2 (en) Method and apparatus for establishing ad hoc communications pathways between source and destination nodes in a communications network
USRE44606E1 (en) Method and apparatus for establishing ad hoc communications pathways between source and destination nodes in a communications network
CN111339554A (zh) 基于移动边缘计算的用户数据隐私保护方法
US11095751B2 (en) In-network content caching exploiting variation in mobility-prediction accuracy
CN113543071B (zh) 一种车联网环境下异构节点协作边缘缓存方法
CN113188544B (zh) 一种基于缓存的无人机基站路径规划方法
CN106230550B (zh) 车联网环境下具有缓存能力的编码传输方法
Ali et al. A novel geographically distributed architecture based on fog technology for improving Vehicular Ad hoc Network (VANET) performance
CN114973673B (zh) 车路协同系统中结合noma和内容缓存的任务卸载方法
CN113055488A (zh) 多层联邦深度强化学习的车辆边缘协作缓存方法及系统
Chen et al. Engineering link utilization in cellular offloading oriented VANETs
CN114374741A (zh) Mec环境下基于强化学习的动态分组车联网缓存方法
Yang et al. A mobile edge caching strategy for video grouping in vehicular networks
CN113179296A (zh) 一种用于车载边缘计算系统的任务卸载方法
Grewe et al. Caching-as-a-service in virtualized caches for information-centric connected vehicle environments
CN114979145B (zh) 一种车联网中集成感知、通信与缓存的内容分发方法
Liu et al. Real-time search-driven caching for sensing data in vehicular networks
CN109756305A (zh) 传输文件的控制/管理方法、系统、可读存储介质及设备
Xie et al. Multi-armed bandit based task offloading by probabilistic V2X communication in vehicle edge cloud system
Ma Communication Resource Allocation Strategy of Internet of Vehicles Based on MEC.
Bai et al. A new cooperative cache optimization algorithm for Internet of vehicles based on edge cloud network

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