CN112565445A - 一种面向车载命名数据网络的数据缓存替换策略 - Google Patents

一种面向车载命名数据网络的数据缓存替换策略 Download PDF

Info

Publication number
CN112565445A
CN112565445A CN202011468507.1A CN202011468507A CN112565445A CN 112565445 A CN112565445 A CN 112565445A CN 202011468507 A CN202011468507 A CN 202011468507A CN 112565445 A CN112565445 A CN 112565445A
Authority
CN
China
Prior art keywords
data
vehicle
packet
life cycle
density
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.)
Pending
Application number
CN202011468507.1A
Other languages
English (en)
Inventor
樊娜
张聪聪
崔雪莹
段宗涛
陈柘
王青龙
朱依水
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.)
Changan University
Original Assignee
Changan University
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 Changan University filed Critical Changan University
Priority to CN202011468507.1A priority Critical patent/CN112565445A/zh
Publication of CN112565445A publication Critical patent/CN112565445A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/56Provisioning of proxy services
    • H04L67/568Storing data temporarily at an intermediate stage, e.g. caching
    • 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

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)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种面向车载命名数据网络的数据缓存替换策略。首先,构建一个命名数据网络架构的车与车,车与RSU通信的车联网系统;车辆节点以一定的时间窗口向RSU发送位置、速度、时间信息;RSU负责统计当前路段的车辆数量,计算当前路段所有车辆节点的平均速度和车流密度。接着,车辆节点检测CS中生命周期即将耗尽的数据包,当检测到某个数据包的生命周期消耗过半,检测其数据包的新鲜度、重要性、需求量及原因,每项检测都会做出相应决策是否延长生命周期。随后,车辆节点向RSU请求当前路段的车流密度,与获取最佳车流密度比较,计算延长概率作出决策。本发明内容需求量及原因阈值和路段的阻塞密度算法公式都是动态变化的,并不断接近真实值。

Description

一种面向车载命名数据网络的数据缓存替换策略
技术领域
本发明涉及命名数据网络的车联网领域,具体为一种面向车载命名数据网络的数据缓存替换策略。
背景技术
命名数据网络(Named Data Networking,NDN)作为一种以信息为中心的未来网络架构而被业界认可,其力图改变当前互联网以主机为基础的端到端通信架构,实现向以命名数据为中心的新型网络体系结构转变。其中,NDN定义两种数据报文格式Interest包和Data包,3种重要数据结构CS(Content Store)、PIT(Pending Interest Table)、FIB(Forwarding Information Base)来完成数据的转发。NDN网络架构的分布式通信机制,分层式命名和数据缓存特点契合了未来车联网处理大量的数据信息的需求,因此,将NDN运用在车联网领域(VNDN)一直是研究领域的热点,CS缓存机制的研究是其中之一。然而,随着技术的发展,存储成本在降低的同时,信息量也呈指数增长,每个节点存储所有信息变得不太现实。因此,需要针对NDN对缓存的利用方式,抽象出数学模型,建立最短时延和最大带宽利用率等优化目标和合理的约束条件,从而让网络中的每个节点存储最优的内容,同时与动态的替换策略相结合实现更好的缓存。目前比较成熟的缓存替换策略包括LRU(LeastRecently Used)、LPF(Least popular First)、TTL(Time To Leave)和RND(RadomReplacement Policy)等,其中LRU运用最为广泛,虽然这些替换策略在一定程度上缓解了CS中数据缓存压力,但直接应用在拓扑结构动态变化车辆节点高速运动的车联网领域,将导致数据缓存命中率不高,数据检索延时过长的性能问题。
发明内容
针对现有技术中存在的问题,本发明提供一种面向车辆命名数据网络的数据缓存替换策略。优化后的替换策略可弥补现有技术的不足。
该技术面向车联网环境可实现,在一个面向车载命名数据网络系统(VNDN)中发生。该系统主要包含以下部分:车辆节点,路侧单元(RSU),基础设施。其中车辆节点Vi=(V1,V2,…,Vn)装有无线传感器设备,具备与RSU的通信能力,路侧单元RSUi=(R1,R2,…,Rm)具有一定的计算和存储能力。所有车辆节点以一定的时间窗口向附近的RSU发送位置、时间、速度信息,同时车辆节点的PIT表统计每个兴趣包的请求次数L,为防止请求的次数L大于阈值Lavg是因为车联网拓扑变化大而导致周围车辆节点Vj(j≠i)都没有对应的Data包的情况,统计Data包对应的Interest包已满足的请求次数R;RSU统计当前路段车辆节点的数量N和所有车辆节点的平均速度
Figure BSA0000227497420000021
利用车辆速度与流量密度成反比的关系,采用GreenShileds速度-密度模型计算当前路段的车流密度。车辆节点CS缓存的数据分为两种:安全类(堵车、修路、天气状况、道路结冰等)和非安全类(娱乐消息,餐馆,加油站位置等)。
一种面向车辆命名数据网络的数据缓存替换策略。具体步骤如下,
步骤1)车辆节点的未决兴趣表统计每个兴趣包的请求次数和流行阈值以及兴趣包已满足的请求次数和阈值;路侧单元获取车辆节点的位置和速度信息,统计当前路段的平均车速和车流密度。。
步骤2)车辆节点检测内容存储库中数据包的生命周期,针对生命周期耗尽的数据包检测其数据新鲜度、数据类型,依据不同情况作出不同决策。
步骤3)根据未决兴趣表记录的车辆用户对数据的需求量,与计算的流行阈值比较,并根据流行原因作出不同决策。
步骤4)车辆节点请求当前路段的车流密度,与获取最佳车流密度比较,计算延长概率作出决策。
进一步的,步骤1)具体步骤为:
1.1车辆节点Vi的PIT表计算CS中Data包对应的Interest包的流行阈值Lavg
Figure BSA0000227497420000031
其中num(Internet)为此时车辆节点Vi接收的所有历史的Internet包的数量,type(Internet)为此时车辆节点Vi接收的所有历史的Internet包的种类。
1.2车辆节点Vi的PIT表计算CS中所有Data包对应的Interest包已满足的请求次数阈值Ravg
Figure BSA0000227497420000032
其中num(R_Internet)为此时车辆节点Vi的CS中Data包对应的Interest包已满足的Internet包数量,type(R_Internet)为此时车辆节点Vi的CS中Data包对应的Interest包已满足的Internet包种类。
进一步的,RSU计算车辆节点当前路段的车流密度。
1.3 RSU利用车辆速度与流量密度成反比的关系,采用GreenShileds速度-密度模型,计算t1时刻车辆节点Vi当前路段的车流密度
Figure BSA0000227497420000033
Figure BSA0000227497420000034
其中
Figure BSA0000227497420000035
为此路段的所有车辆节点的平均速度,计算公式为
Figure BSA0000227497420000036
ρj为此路段的阻塞密度,此时车辆节点的速度v=0。
进一步的,阻塞密度vf计算依据此路段出现的堵车情况不断更新计算。其步骤如下:
a、当第一次出现阻塞情况(v=0)时,RSU统计当前路段的车辆节点的数量则N1,此路段的路径长度为l1,则阻塞密度ρj
Figure BSA0000227497420000041
b、当第二次出现阻塞情况时,RSU再统计当前路段的车辆节点数量为N2,此路段的路径长度为l2,则阻塞密度ρj
Figure BSA0000227497420000042
c、以此方式累计更新,当第K次出现阻塞情况时,计算当前阻塞密度为
Figure BSA0000227497420000043
更新RSU测的的阻塞密度
Figure BSA0000227497420000044
使得ρj不断接近真实值。
进一步的,畅行速度vf为此路段的最大限速度vm,此时车流密度ρ=0。
进一步的,一个车辆节点CS缓存的所有Data包初始生命周期为Tm,Data包的生命周期消耗过程中生命周期为Td,判定Data包的生命周期即将耗尽的标准是
Figure BSA0000227497420000045
2.1当车辆节点Vi检测到Data1包的生命周期
Figure BSA0000227497420000046
检测此刻Data1包数据的新鲜度,若数据需要更新,则直接更新的Data1包数据,并给定生命周期为Tm;若数据不需要更新则执行步骤2.2。
进一步,车辆节点检测缓存数据的数据类型。
2.2若Data1包为安全类数据,直接延长Data1包的生命周期为Tm;若Data1包是非安全类数据,则执行步骤3.1。
进一步的,针对PIT表记录每个Data包对应的Interest包的请求次数L、已满足的请求次数R,与计算阈值进行比较。
3.1基于Data1包的用户需求量,检测Data1包的车辆用户请求次数L1,若L1<Lavg,不延长Data1包的生命周期;若L1>Lavg,则执行步骤3.2。
3.2基于流行的原因,检测Data1包对应的Interest包已满足的请求次数R1,若R1<Ravg,直接延长Data1包的生命周期为Tm;若R1>Ravg,则执行步骤4.1。
进一步,车辆节点Vi请求当前时刻t1时,此路段的车流密度
Figure BSA0000227497420000051
并计算延长生命周期的概率,具体步骤如下:
4.1检测车辆节点Vi此时t1时刻当前路段的车流密度
Figure BSA0000227497420000052
是否大于最佳车流密度
Figure BSA0000227497420000053
Figure BSA0000227497420000054
延长Data1包的生命周期为Tm;若
Figure BSA0000227497420000055
执行步骤4.2。
4.2,车辆节点Vi基于概率P延长Data1包的生命周期Td。延长概率P
Figure BSA0000227497420000056
若概率P<0.5,不延长Data1包的生命周期;若P>0.5,延长Data1包的生命周期为Tm
与现有技术相比,本发明具有以下有益技术效果:
本发明基于目前的替换策略优化,考虑CS缓存数据的新鲜度、重要性、需求量及原因和车流密度等因素优化CS缓存数据生命周期的延长问题。动态变化获取用户需求量阈值和Interest包已满足的请求次数阈值,使得车辆节点适应当前拓扑变化的环境,提高决策准确性;采用GreenShileds速度-密度模型计算当前路段车流密度,并且阻塞密度数值动态更新,达到用算法模拟真实的车联网环境的效果,增加了数据的真实性和可靠性。优化后的替换策略在数据缓存命中率、数据检索延迟、CS数据缓存空间的利用上的性能均得到改进。
附图说明
图1为本发明车载命名数据网络系统框架。
图2为本发明车载命名数据网络数据缓存替换策略流程图。
具体实施方式
下面结合附图对本发明做进一步详细描述:
如图1至图2所示,一种面向车载命名数据网络的数据缓存替换策略,具体包括以下步骤:
步骤1)车辆节点的未决兴趣表统计每个兴趣包的请求次数和流行阈值以及兴趣包已满足的请求次数和阈值;路侧单元获取车辆节点的位置和速度信息,统计当前路段的平均车速和车流密度。
步骤2)车辆节点检测内容存储库中数据包的生命周期,针对生命周期耗尽的数据包检测其数据新鲜度、数据类型,依据不同情况作出不同决策。
步骤3)根据未决兴趣表记录的车辆用户对数据的需求量,与计算的流行阈值比较,并根据流行原因作出不同决策。
步骤4)车辆节点请求当前路段的车流密度,与获取最佳车流密度比较,计算延长概率作出决策。
首先,车辆节点以一定的时间窗口向路侧单元发送时间,位置,速度信息。车辆节点Vi的PIT表记录每个Data包对应的Interest包的请求次数L和计算CS中所有Data包对应的Interest包的流行阈值Lavg,CS中Data包对应的Interest包的流行阈值Lavg
Figure BSA0000227497420000061
其中num(Internet)为此时车辆节点Vi接收的所有历史的Internet包的数量,type(Internet)为此时车辆节点Vi接收的所有历史的Internet包的种类。
车辆节点Vi的PIT表记录每个Data包对应的Interest包已满足的请求次数R和计算CS中所有Data包对应的Interest包已满足的请求次数阈值Ravg,已满足的请求次数阈值Ravg
Figure BSA0000227497420000071
其中num(R_Internet)为此时车辆节点Vi的CS中Data包对应的Interest包已满足的Internet包数量,type(R_Internet)为此时车辆节点Vi的CS中Data包对应的Interest包已满足的Internet包种类。
RSU利用车辆速度与流量密度成反比的关系,采用GreenShileds速度-密度模型,RSU计算t1时刻车辆节点Vi当前路段的车流密度
Figure BSA0000227497420000072
Figure BSA0000227497420000073
其中
Figure BSA0000227497420000074
为此路段的所有车辆节点的平均速度,公式为:
Figure BSA0000227497420000075
ρj为此路段的阻塞密度,此时车辆节点的速度v=0。
阻塞密度vf计算依据此路段出现的堵车情况不断更新计算。其步骤如下:
a、当第一次出现阻塞情况(v=0)时,RSU统计当前路段的车辆节点的数量为N1,此路段的路径长度为l1,则阻塞密度ρj
Figure BSA0000227497420000076
b、当第二次出现阻塞情况时,RSU再统计当前路段的车辆节点数量为N2,此路段的路径长度为l2,则阻塞密度ρj
Figure BSA0000227497420000081
c、以此方式累计更新,当第K次出现阻塞情况时,计算当前阻塞密度为
Figure BSA0000227497420000082
更新RSU测的的阻塞密度
Figure BSA0000227497420000083
使得ρj不断接近真实值。
畅行速度vf为此路段的最大限速度vm,此时车流密度ρ=0。
一个车辆节点CS缓存的所有Data包初始生命周期为Tm,Data包的生命周期消耗过程中生命周期为Td,判定Data包的生命周期即将耗尽的标准是
Figure BSA0000227497420000084
1.当车辆节点Vi检测到Data1包的生命周期
Figure BSA0000227497420000085
检测此刻Data1包数据的新鲜度,若数据需要更新,则直接更新的Data1包数据,并给定生命周期为Tm;若数据不需要更新则执行步骤2。
2.车辆节点Vi检测缓存的数据类型。若Data1包为安全类数据,直接延长Data1包的生命周期为Tm;若Data1包是非安全类数据,则执行步骤3。
3.针对PIT表记录每个Data包对应的Interest包的请求次数L,车辆节点Vi检测Data1包的车辆用户请求次数L1,若L1<Lavg,不延长Data1包的生命周期;若L1>Lavg,则执行步骤4。
4.针对PIT表记录每个Data包对应的Interest包已满足的请求次数R,车辆节点Vi检测Data1包对应的Interest包已满足的请求次数R1,若R1<Ravg,直接延长Data1包的生命周期为Tm;若R1>Ravg,则执行步骤5。
当前路段的最佳车流速度
Figure BSA0000227497420000086
车辆节点Vi请求当前时刻t1时,此路段的车流密度
Figure BSA0000227497420000087
5.若
Figure BSA0000227497420000091
延长Data1包的生命周期为Tm;若
Figure BSA0000227497420000092
执行步骤6。
6.车辆节点Vi基于概率P延长Data1包的生命周期Td。计算延长概率P
Figure BSA0000227497420000093
若概率P<0.5,不延长Data1包的生命周期;若P>0.5,延长Data1包的生命周期为Tm

Claims (11)

1.一种面向车载命名数据网络的数据缓存替换策略,其特征在于,具体包括以下步骤:
步骤1)车辆节点的未决兴趣表统计每个兴趣包的请求次数和流行阈值以及兴趣包已满足的请求次数和阈值;路侧单元获取车辆节点的位置和速度信息,统计当前路段的平均车速和车流密度。
步骤2)车辆节点检测内容存储库中数据包的生命周期,针对生命周期耗尽的数据包检测其数据新鲜度、数据类型,依据不同情况作出不同决策。
步骤3)根据未决兴趣表记录的车辆用户对数据的需求量,与计算的流行阈值比较,并根据流行原因作出不同决策。
步骤4)车辆节点请求当前路段的车流密度,与获取的最佳车流密度比较,计算延长概率作出决策。
2.根据权利要求1所述的一种面向车载命名数据网络的数据缓存替换策略,其特征在于,步骤1)具体包括以下步骤:
1.1车辆节点以一定的时间窗口向路侧单元发送时间,位置,速度信息。车辆节点Vi的未决兴趣表计算CS中Data包对应的Interest包的流行阈值Lavg
Figure FSA0000227497410000011
其中num(Internet)为此时车辆节点Vi接收的所有历史的Internet包的数量,type(Internet)为此时车辆节点Vi接收的所有历史的Internet包的种类。
1.2车辆节点Vi的未决兴趣表计算CS中所有Data包对应的Interest包已满足的请求次数阈值Ravg
Figure FSA0000227497410000012
其中num(R_Internet)为此时车辆节点Vi的CS中Data包对应的Interest包已满足的Internet包数量,type(R_Internet)为此时车辆节点Vi的CS中Data包对应的Interest包已满足的Internet包种类。
1.3RSU利用车辆速度与流量密度成反比的关系,采用GreenShileds速度-密度模型,计算t1时刻车辆节点Vi当前路段的车流密度
Figure FSA0000227497410000021
Figure FSA0000227497410000022
3.根据权利要求2所述的一种面向车载命名数据网络的数据缓存替换策略,其特征在于,此路段的所有车辆节点的平均速度
Figure FSA0000227497410000023
Figure FSA0000227497410000024
4.根据权利要求2所述的一种面向车载命名数据网络的数据缓存替换策略,其特征在于,ρj为此路段的阻塞密度,此时车辆节点的速度v=0。阻塞密度ρj计算依据此路段出现的堵车情况不断更新计算。其步骤如下:
a、当第一次出现阻塞情况(v=0)时,RSU统计当前路段的车辆节点的数量为N1,此路段的路径长度为l1,则阻塞密度ρj
Figure FSA0000227497410000025
b、当第二次出现阻塞情况时,RSU再统计当前路段的车辆节点数量为N2,此路段的路径长度为l2,则阻塞密度ρj
Figure FSA0000227497410000026
c、以此方式累计更新,当第K次出现阻塞情况时,计算当前阻塞密度为
Figure FSA0000227497410000027
更新RSU测的的阻塞密度
Figure FSA0000227497410000028
使得ρj不断接近真实值。
5.根据权利要求2所述的一种面向车载命名数据网络的数据缓存替换策略,其特征在于,畅行速度vf为此路段的最大限速度vm
一个车辆节点CS缓存的所有Data包初始生命周期为Tm,Data包的生命周期消耗过程中生命周期为Td,判定Data包的生命周期即将耗尽的标准是
Figure FSA0000227497410000031
6.根据权利要求1所述的一种面向车载命名数据网络的数据缓存替换策略,其特征在于,车辆节点检测生命周期即将耗尽的Data包,并检测其新鲜度和数据类型,具体步骤如下:
2.1当车辆节点Vi检测到Data1包的生命周期
Figure FSA0000227497410000032
检测此刻Data1包数据新鲜度,若数据需要更新,则直接更新Data1包数据,并给定生命周期为Tm;若数据不需要更新则执行步骤2.2。
7.根据权利要求6所述的一种面向车载命名数据网络的数据缓存替换策略,其特征在于,车辆节点检测缓存数据的数据类型。
2.2若Data1包为安全类数据,直接延长Data1包的生命周期为Tm;若Data1包是非安全类数据,则执行步骤3.1。
8.根据权利要求1所述的一种面向车载命名数据网络的数据缓存替换策略,其特征在于,针对PIT表记录每个Data包对应的Interest包的请求次数L和已满足的请求次数R,与计算阈值进行比较。
3.1检测Data1包的车辆用户请求次数L1,若L1<Lavg,不延长Data1包的生命周期;若L1>Lavg,则执行步骤3.2。
3.2检测Data1包对应的Interest包已满足的请求次数R1,若R1<Ravg,直接延长Data1包的生命周期为Tm;若R1>Ravg,则执行步骤4.1。
9.根据权利要求1所述的一种面向车载命名数据网络的数据缓存替换策略,其特征在于,最佳车流密度为
Figure FSA0000227497410000041
10.根据权利要求9所述的一种面向车载命名数据网络的数据缓存替换策略,其特征在于,车辆节点Vi请求当前时刻t1时,此路段的车流密度
Figure FSA0000227497410000042
与最佳车流密度ρm对比,根据不同情况计算延长生命周期的概率。
4.1若
Figure FSA0000227497410000043
延长Data1包的生命周期为Tm;若
Figure FSA0000227497410000044
执行步骤4.2。
11.根据权利要求9所述的一种面向车载命名数据网络的数据缓存替换策略,其特征在于,车辆节点Vi基于概率P延长Data1包的生命周期Td,且延长概率P的阈值为0.5。
4.2计算延长概率P如下:
Figure FSA0000227497410000045
4.3若概率P<0.5,不延长Data1包的生命周期;若P>0.5,延长Data1包的生命周期为Tm
CN202011468507.1A 2020-12-14 2020-12-14 一种面向车载命名数据网络的数据缓存替换策略 Pending CN112565445A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011468507.1A CN112565445A (zh) 2020-12-14 2020-12-14 一种面向车载命名数据网络的数据缓存替换策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011468507.1A CN112565445A (zh) 2020-12-14 2020-12-14 一种面向车载命名数据网络的数据缓存替换策略

Publications (1)

Publication Number Publication Date
CN112565445A true CN112565445A (zh) 2021-03-26

Family

ID=75064587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011468507.1A Pending CN112565445A (zh) 2020-12-14 2020-12-14 一种面向车载命名数据网络的数据缓存替换策略

Country Status (1)

Country Link
CN (1) CN112565445A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109257443A (zh) * 2018-11-09 2019-01-22 长安大学 一种面向车联网的命名数据网络自适应缓存策略
US20190141495A1 (en) * 2018-12-29 2019-05-09 Intel Corporation Content centric dynamic ad hoc networking
CN109905720A (zh) * 2019-02-26 2019-06-18 北京工业大学 命名数据网络下基于视频点播系统的缓存替换方法
CN111935031A (zh) * 2020-06-22 2020-11-13 北京邮电大学 一种基于ndn架构的流量优化方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109257443A (zh) * 2018-11-09 2019-01-22 长安大学 一种面向车联网的命名数据网络自适应缓存策略
US20190141495A1 (en) * 2018-12-29 2019-05-09 Intel Corporation Content centric dynamic ad hoc networking
CN109905720A (zh) * 2019-02-26 2019-06-18 北京工业大学 命名数据网络下基于视频点播系统的缓存替换方法
CN111935031A (zh) * 2020-06-22 2020-11-13 北京邮电大学 一种基于ndn架构的流量优化方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王利伟: "基于命名数据的VANETs网络中缓存策略的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Similar Documents

Publication Publication Date Title
CN106101223B (zh) 一种基于内容流行度与节点级别匹配的缓存方法
Yao et al. Cooperative caching in vehicular content centric network based on social attributes and mobility
CN109921997B (zh) 一种命名数据网络缓存方法、缓存器和存储介质
US20050223089A1 (en) Network usage analysis system and method for detecting network congestion
CN104604205A (zh) 用于内容中心网络中自适应转发策略的方法和装置
JP2016506113A (ja) コンテンツ中心ネットワークにおけるコンテンツ所有者及びノードのパケット送信方法
CN106973303B (zh) 一种基于网络编码的d2d视频分发和预缓存方法
Khelifi et al. A QoS-aware cache replacement policy for vehicular named data networks
US20030223366A1 (en) Flow control in computer networks
CN104363626B (zh) 一种基于贝叶斯理论的vanet可信路由方法
CN113783779A (zh) 命名数据网络中分级随机缓存方法
Guo et al. A smart forwarding scheme for the interest packet in VNDN
Zala et al. Comparative analysis of RED queue variants for data traffic reduction over wireless network
Yao et al. Popularity prediction caching using hidden markov model for vehicular content centric networks
CN108390936B (zh) 一种基于缓存分布感知的概率缓存算法
Leira et al. Context-based caching in mobile information-centric networks
Dehaghani et al. REF: A novel forwarding strategy in wireless NDN
CN112565445A (zh) 一种面向车载命名数据网络的数据缓存替换策略
Xu et al. CO-RTO: Achieving efficient data retransmission in VNDN by correlations implied in names
Zhou et al. Cache pollution prevention mechanism based on cache partition in V-NDN
CN107135271B (zh) 一种能量有效的内容中心网络缓存方法
CN112751824A (zh) 一种基于区块链的车载命名数据网络信任机制
CN107634906B (zh) 一种基于分簇的多属性决策vdtn路由方法
Yao et al. A pre-caching mechanism of video stream based on hidden Markov model in vehicular content centric network
Chen et al. Gain-aware caching scheme based on popularity monitoring in information-centric networking

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210326

WD01 Invention patent application deemed withdrawn after publication