CN113993108A - 基于车载网络边缘的缓存内容放置方法及系统 - Google Patents

基于车载网络边缘的缓存内容放置方法及系统 Download PDF

Info

Publication number
CN113993108A
CN113993108A CN202111607230.0A CN202111607230A CN113993108A CN 113993108 A CN113993108 A CN 113993108A CN 202111607230 A CN202111607230 A CN 202111607230A CN 113993108 A CN113993108 A CN 113993108A
Authority
CN
China
Prior art keywords
vehicles
vehicle
base station
cache content
cache
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
Application number
CN202111607230.0A
Other languages
English (en)
Other versions
CN113993108B (zh
Inventor
王晔
龚淑蕾
童恩
楼思嘉
吕明
金花
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.)
Jiangsu Mobile Information System Integration Co ltd
Original Assignee
Jiangsu Mobile Information System Integration Co ltd
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 Jiangsu Mobile Information System Integration Co ltd filed Critical Jiangsu Mobile Information System Integration Co ltd
Priority to CN202111607230.0A priority Critical patent/CN113993108B/zh
Publication of CN113993108A publication Critical patent/CN113993108A/zh
Application granted granted Critical
Publication of CN113993108B publication Critical patent/CN113993108B/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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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
    • H04W28/10—Flow control between communication endpoints
    • H04W28/14—Flow control between communication endpoints using intermediate storage
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了一种基于车载网络边缘的缓存内容放置方法及系统。将预定基站通信范围内的车辆定义为请求车辆和服务车辆并划分优先级；针对通信范围内的车辆得出基站所需服务的数据包数量；根据缓存内容的流行度、请求车辆的数量、通信区域内服务车辆的数目、服务车辆中的缓存内容放置状况，得出基站的平均能耗；构建优化问题模型以降低基站的总功耗。本方法综合考虑车辆缓存更新的时间、车辆的数目、车辆移动性、车辆之间的通信时间不固定以及服务车辆无法传递自身存储的所有数据包，在提出车辆选择策略的基础上，制定缓存内容放置方法，并提出优化问题，将问题转化为拟阵约束下子模函数的最大化问题，最终利用贪婪算法解决，达到节能的目的。

Description

基于车载网络边缘的缓存内容放置方法及系统
技术领域
本发明涉及领域为：H04W无线通信网络入，尤其涉及车联网通信技术领域，具体涉及一种基于车载网络边缘的缓存内容放置方法及系统。
背景技术
目前关于缓存内容分发策略的研究大多是基于给定的缓存部署策略，如最流行内容缓存部署策略、随机缓存部署策略、基于内容流行度的随机缓存部署策略等基础的缓存部署策略或是按照某一性能指标优化后的缓存部署策略。
当缓存部署策略给定后，再根据边缘网络中基站侧或用户侧的缓存状态、无线网络环境状态等设计合理的缓存内容分发策略，如用户接入控制策略、资源调度策略等。
事实上，现有的一些技术未考虑到连接到边缘服务器的车辆是不断移动的，从而使得内容受欢迎程度变化并且难以预测。除此之外，由于每个连接的车辆都在边缘服务器区域停留很短的时间，导致缓存的内容也很容易过时。
发明内容
发明目的：提出一种基于车载网络边缘的缓存内容放置方法，并进一步提出一种实现上述方法的系统，以解决现有技术存在的上述问题。
第一方面，本发明提出了一种基于车载网络边缘的缓存内容放置方法，该方法步骤包括：
步骤1、以一固定基站为中心，将所述基站的通信范围内的车辆定义为请求车辆和服务车辆；对于任意所述请求车辆，除该请求车辆自身外，其余车辆划分为进入通信范围的车辆、及离开通信范围的车辆；
步骤2、对通信范围内的所有车辆划分优先级；
步骤3、针对通信范围内的车辆，得出基站所需服务的数据包数量；
步骤4、根据缓存内容的流行度、请求车辆的数量、通信区域内服务车辆的数目、以及服务车辆中的缓存内容放置状况，得出基站的平均能耗；
步骤5、构建优化问题模型，以降低基站的总功耗。
在第一方面的一些可实现方式中，步骤2对车辆划分优先级的过程进一步包括：
根据LRU策略，计算车辆中缓存内容最近一次的更新时间与当前时刻的差值，来对所有车辆划分优先级；
差值越大的车辆具有越高的优先级；优先级越高的车辆，更新通信信息越早。
在第一方面的一些可实现方式中，对车辆划分优先级的过程进一步包括：
步骤2-1、以每个所述请求车辆为圆心、半径为R的圆形区域为所述请求车辆的V2V 通信区域，根据Zipf指数
Figure 831572DEST_PATH_IMAGE001
，请求内容i的概率
Figure 264434DEST_PATH_IMAGE002
如下：
Figure DEST_PATH_IMAGE003
式中，j表示请求车辆；
步骤2-2、把数据中心的第i个内容通过最大距离分离编码成
Figure 84623DEST_PATH_IMAGE004
个片段，每个数据 包的大小定义为s，车辆的缓存容量定义为M；
在所述请求车辆和所述服务车辆处高速缓存的内容被表示为
Figure 905948DEST_PATH_IMAGE005
和
Figure 301026DEST_PATH_IMAGE006
，其中，
Figure 473382DEST_PATH_IMAGE007
和
Figure 628420DEST_PATH_IMAGE008
分别代表请求车辆j缓存内容i的数据包数量和请求车 辆j通信范围内的第k个相邻车辆缓存内容i的数据包数量；
步骤2-3、V2V通信的平均速率
Figure 304252DEST_PATH_IMAGE009
给出为：
Figure 637275DEST_PATH_IMAGE010
其中，
Figure DEST_PATH_IMAGE011
是V2V通信的宽带大小，SINR由下式定义：
Figure 765768DEST_PATH_IMAGE012
其中，
Figure 458918DEST_PATH_IMAGE013
代表车辆的传输功率，
Figure 254835DEST_PATH_IMAGE014
是加性高斯白噪声的功率，
Figure 991716DEST_PATH_IMAGE015
是对数正态阴影分 量，均值为0dB，标准差为
Figure 607505DEST_PATH_IMAGE016
；
Figure 104346DEST_PATH_IMAGE017
是路径损耗因子，在[2，4]上选择，
Figure 520151DEST_PATH_IMAGE018
是瑞利分布损耗幅度， 满足
Figure 444244DEST_PATH_IMAGE019
，遵循零均值复数高斯分布，
Figure 78488DEST_PATH_IMAGE020
是车辆之间的距离；
步骤2-4、服务车辆进入的过程遵循平均速率为
Figure 113440DEST_PATH_IMAGE021
的泊松分布,离开的过程遵循平 均速率为
Figure 618371DEST_PATH_IMAGE022
的泊松分布,每个服务车辆都以概率
Figure 962633DEST_PATH_IMAGE023
去进行数据包的传输,得能够进行V2V通 信的车辆数量的概率质量函数
Figure 818594DEST_PATH_IMAGE024
为：
Figure 657237DEST_PATH_IMAGE025
式中，
Figure 282253DEST_PATH_IMAGE026
表示服务车辆进入请求车辆V2V通信区域过程遵循的平均速率，
Figure 298882DEST_PATH_IMAGE027
表示离 开过程遵循的平均速率，
Figure 376559DEST_PATH_IMAGE028
表示服务车辆数量。
在第一方面的一些可实现方式中，步骤3进一步包括：
定义有n个服务车辆正在向j个请求车辆传输关于请求内容i的数据包，则基站所 需服务的数据包数量为
Figure 753314DEST_PATH_IMAGE029
；
Figure 232837DEST_PATH_IMAGE030
式中，j表示请求车辆，
Figure 935214DEST_PATH_IMAGE031
表示片段数，
Figure 749455DEST_PATH_IMAGE007
表示请求车辆j请求内容i的数据包数量，
Figure 195480DEST_PATH_IMAGE009
表示通信的平均速率，
Figure 795088DEST_PATH_IMAGE032
表示数据包大小，
Figure 402787DEST_PATH_IMAGE027
表示V2V通信区域的移出用户的离开率，n表 示服务车辆数量，
Figure 455057DEST_PATH_IMAGE033
。
在第一方面的一些可实现方式中，步骤4中所述基站的平均能耗
Figure 186996DEST_PATH_IMAGE034
通过下式定义：
Figure 641111DEST_PATH_IMAGE035
式中，e表示基站传输的能量系数，m表示当前总请求车辆数量，n表示服务车辆数 量，F表示请求车辆的缓存内容，
Figure 685290DEST_PATH_IMAGE002
表示请求内容i的概率，
Figure 959277DEST_PATH_IMAGE036
表示能够进行V2V通信的车辆 数量的概率质量函数，
Figure 730793DEST_PATH_IMAGE029
表示基站所需服务的数据包数量，s表示数据包大小；
在第一方面的一些可实现方式中，构建优化问题模型的过程进一步包括：
步骤5-1、定义一个内容放置集合
Figure 304994DEST_PATH_IMAGE037
，以找到请求车辆的最佳缓 存内容放置，以最大程度地减少基站的平均能耗；
其中，F表示请求车辆的缓存内容，j表示请求车辆，
Figure 254495DEST_PATH_IMAGE038
表示任意一个请求车辆j，
Figure 281357DEST_PATH_IMAGE039
表示请求车辆j缓存内容F的数据包数量；
步骤5-2、构建优化问题模型P：
Figure 341717DEST_PATH_IMAGE040
式中，
Figure 521156DEST_PATH_IMAGE034
表示基站的平均能耗，
Figure 641559DEST_PATH_IMAGE041
表示请求车辆j请求内容i的数据包数量，
Figure 890138DEST_PATH_IMAGE042
表示 任意一个请求内容i，j表示请求车辆，i表示请求内容，F表示请求车辆的缓存内容，m表示当 前总请求车辆数量，
Figure 754189DEST_PATH_IMAGE004
表示第i个内容通过最大距离可分离编码成
Figure 552249DEST_PATH_IMAGE004
个片段，
Figure 843553DEST_PATH_IMAGE043
表示当前总 请求内容，s.t.表示subject to ,后接限制条件；
步骤5-3、根据步骤5-2中构建得到的优化问题模型，使用贪婪算法获得接近最佳的性能。
在第一方面的一些可实现方式中，使用贪婪算法获得接近最佳的性能的过程进一步包括：
一个基站覆盖范围内，选择出进行缓存更新的车辆数量为m，车辆的缓存空间大小 为M，因此需要经过
Figure 579428DEST_PATH_IMAGE044
次迭代；
在每次迭代过程中，寻找使得边际增益最大化的数据包并将其添加到相应集合中，从而获得接近最优的内容放置。
第二方面，提出一种缓存内容放置系统，该系统包括车辆划分模块、优先级划分模块、数据包预估模块、能耗预估模块、以及能耗优化模块五部分。
车辆划分模块用于对以预定基站为中心，其通信范围的车辆进行定义划分；
优先级划分模块用于对通信范围内的车辆的优先级进行划分；
数据包预估模块用于针对通信范围内的车辆预估得出基站所需服务的数据包数量；
能耗预估模块用于根据缓存内容的流行度、请求车辆的数量、通信区域内服务车辆的数目、以及服务车辆中的缓存内容放置状况，预估出基站的平均能耗；
能耗优化模块用于降低基站的总功耗。
第三方面，提出一种缓存内容放置设备，该设备包括至少一个处理器和存储器；存储器存储计算机执行指令；至少一个处理器执行存储器存储的计算机执行指令，使得至少一个处理器执行如第一方面及第一方面的一些实施例中提及的缓存内容放置方法。
第四方面，提出一种可读存储介质，该可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面及第一方面的一些实施例中提及的缓存内容放置方法。
有益效果：本发明提供的基于车载网络边缘的缓存内容放置方法综合考虑了车辆缓存更新的时间、车辆的数目、车辆移动性、车辆之间的通信时间不固定以及服务车辆无法传递自身存储的所有数据包，在提出车辆选择策略的基础上，制定一个最佳的缓存内容放置方法，接着提出优化问题，并将问题转化为拟阵约束下子模函数的最大化问题，最终利用贪婪算法解决，达到节能的目的。
附图说明
图1为本发明缓存内容放置的系统模型图。
图2为本发明缓存内容放置方法的流程图。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
申请人研究发现，现有的一些技术未考虑到连接到边缘服务器的车辆是不断移动的，从而使得内容受欢迎程度变化并且难以预测。除此之外，缓存的内容也很容易过时，因为每个连接的车辆都在边缘服务器区域停留很短的时间。
本发明主要目的在于制定一种最佳的缓存内容放置方法，并提出了一个优化问题来最大程度地降低基站的总能耗。本发明首先考虑车辆缓存更新的时间、车辆的数目以及移动性，提出了一种车辆选择策略，来决定对哪些车辆进行缓存的更新，接着制定一种最佳的缓存内容放置方法，比如在哪些地方缓存何种内容以及在该位置上应缓存的内容的大小，并提出了一个优化问题来最大程度地降低基站的总能耗。由于最小化基站的平均能耗被视为NP难题，本发明将其等效为拟阵约束条件下的子模函数的最大化，接着通过贪婪算法解决，最终达到节能的目的。
实施例一：
见图2，本发明所采取的技术方案主要包含以下几个步骤：
步骤1：定义两种类型的车辆，即请求车辆和服务车辆。对于任意请求车辆，除该车辆外，其他车辆可以分为两种类型：一种是进入通信范围的车辆，另一种是离开通信范围的车辆。
步骤2：根据LRU策略，通过计算车辆中缓存内容最近一次的更新时间与当前时刻的差值，来对所有车辆划分优先级，差值越大的车辆具有越高的优先级，这些车辆将会优先进行更新。
步骤3：考虑到车辆的移动性、请求车辆与服务车辆之间的通信时间不固定、通信持续时间是有限以及服务车辆无法传递自身存储的所有数据包，得出基站需要服务的数据包数量。
步骤4：根据缓存内容的流行度、请求车辆的数量、通信区域内服务车辆的数目以及服务车辆中的缓存内容放置状况，得出基站的平均能耗。
步骤5：提出了一个优化问题来最大程度地降低基站的总能耗。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明的系统模型 图，对本发明实施例中的技术方案进行清楚、完整地描述。如图1所示，半径为R的虚线圆是 请求车辆的V2V通信区域。每个车辆上的箭头代表相对于请求车辆的速度，
Figure 512749DEST_PATH_IMAGE021
是移入用户的 进入率，
Figure 650469DEST_PATH_IMAGE022
表示V2V通信区域的移出用户的离开率。根据Zipf指数
Figure 866337DEST_PATH_IMAGE001
，请求内容i的概率
Figure 355087DEST_PATH_IMAGE002
如下 所示：
Figure 826520DEST_PATH_IMAGE003
式中，j表示请求车辆。
把数据中心的第i个内容通过最大距离可分离编码成了
Figure 818747DEST_PATH_IMAGE004
个片段，每个数据包的 大小定义为s，车辆的缓存容量定义为M。在请求车辆和服务车辆处高速缓存的内容被表示 为
Figure 717432DEST_PATH_IMAGE045
和
Figure 677167DEST_PATH_IMAGE046
，其中，
Figure 686711DEST_PATH_IMAGE041
和
Figure 533445DEST_PATH_IMAGE047
分别代表请求车辆j缓存内容i的数据 包数量和请求车辆j通信范围内的第k个相邻车辆缓存内容i的数据包数量。
V2V通信的平均速率
Figure 868611DEST_PATH_IMAGE048
给出为：
Figure 551527DEST_PATH_IMAGE049
其中，
Figure 364763DEST_PATH_IMAGE050
是V2V通信的宽带大小，SINR由下式定义：
Figure 331582DEST_PATH_IMAGE012
其中，
Figure 572070DEST_PATH_IMAGE013
代表车辆的传输功率，
Figure 991550DEST_PATH_IMAGE051
是加性高斯白噪声的功率，
Figure 592165DEST_PATH_IMAGE015
是对数正态阴影分 量，均值为0dB，标准差为
Figure 679069DEST_PATH_IMAGE052
；
Figure 90459DEST_PATH_IMAGE017
是路径损耗因子，在[2，4]上选择，
Figure 262814DEST_PATH_IMAGE053
是瑞利分布损耗幅度， 满足
Figure 417852DEST_PATH_IMAGE054
，遵循零均值复数高斯分布，
Figure 841487DEST_PATH_IMAGE055
是车辆之间的距离。
假设进入和离开过程分别遵循平均速率为
Figure 423778DEST_PATH_IMAGE021
和
Figure 817850DEST_PATH_IMAGE022
的泊松分布,每个车辆都以概率
Figure 776579DEST_PATH_IMAGE023
去进行数据包的传输,得能够进行V2V通信的车辆数量的概率质量函数（PMF）为:
Figure 821764DEST_PATH_IMAGE025
根据LRU策略，通过计算车辆中缓存内容最近一次的更新时间与当前时刻的差值，来对所有车辆划分优先级，差值越大的车辆具有越高的优先级，这些车辆将会优先进行更新。
考虑到车辆的移动性、请求车辆与服务车辆之间的通信时间不固定、通信持续时 间是有限以及服务车辆无法传递自身存储的所有数据包，即可以传输给请求车辆的数据包 数量完全由无线通信来决定。假定有n个服务车辆正在向m个请求车辆传输关于请求内容i 的数据包，则基站需要服务的数据包数量为
Figure 574957DEST_PATH_IMAGE056
，如下所示：
Figure 456325DEST_PATH_IMAGE030
式中，j表示请求车辆，
Figure 953165DEST_PATH_IMAGE031
表示片段数，
Figure 603589DEST_PATH_IMAGE041
表示请求车辆j请求内容i的数据包数量，
Figure 543995DEST_PATH_IMAGE048
表示通信的平均速率，
Figure 647080DEST_PATH_IMAGE032
表示数据包大小，
Figure 947611DEST_PATH_IMAGE027
表示V2V通信区域的移出用户的离开率，n表 示服务车辆数量。
由于每个内容都被部分缓存在基站中，通过基站进行数据的传输必然会消耗能量。一般来说，能量的消耗情况与文件的传输位数成正比，并根据缓存内容的流行度、请求车辆的数量、V2V通信区域内服务车辆的数目以及服务车辆中的缓存内容放置状况，基站的平均能耗可以通过以下式子来定义：
Figure 718121DEST_PATH_IMAGE035
式中，m表示当前总请求车辆数量，n表示服务车辆数量，F表示请求车辆的缓存内 容，
Figure 813116DEST_PATH_IMAGE002
表示请求内容i的概率，
Figure 918344DEST_PATH_IMAGE057
表示能够进行V2V通信的车辆数量的概率质量函数，
Figure 756987DEST_PATH_IMAGE056
表示基站所需服务的数据包数量，s表示数据包大小。
定义一个内容放置集合
Figure 382004DEST_PATH_IMAGE058
，我们的目标是找到请求车辆的最佳 缓存内容放置以最大程度地减少基站的平均能耗，因此可以得到如下优化问题：
Figure 913479DEST_PATH_IMAGE059
式中，
Figure 991157DEST_PATH_IMAGE034
表示基站的平均能耗，
Figure 109855DEST_PATH_IMAGE041
表示请求车辆j请求内容i的数据包数量，
Figure 589378DEST_PATH_IMAGE042
表示 任意一个请求内容i，j表示请求车辆，i表示请求内容，m表示当前总请求车辆数量，
Figure 291754DEST_PATH_IMAGE004
表示 第i个内容通过最大距离可分离编码成
Figure 856728DEST_PATH_IMAGE004
个片段，
Figure 302753DEST_PATH_IMAGE043
表示当前总请求内容，s.t.表示subject to ,后接限制条件。
实施例二：
实施例一中该方法中的优化问题P是一个整数规划问题，通常是NP-hard，很难解 决。但是，我们可以利用单调子模函数的性质，将问题转化为拟阵约束下子模函数的最大化 问题，最终利用贪婪算法解决。贪婪算法针对子模函数的最大化问题，可以达到至少
Figure 886050DEST_PATH_IMAGE060
的 最佳性能，其中
Figure 493749DEST_PATH_IMAGE061
为给定的常量，这意味着我们可以通过低复杂度的算法获得接近最佳的性 能。为了证明原问题等效于拟阵约束下的子模函数的最大化，需要定义一个拟阵，还要把目 标函数表示为次模单调函数。
首先，优化问题P的约束可以表示为拟阵。拟阵由一个元组构成，元组里包含两个元素，为了构造拟阵，需要定义一个基础集。
Figure 546018DEST_PATH_IMAGE062
其中，
Figure 795734DEST_PATH_IMAGE064
表示请求车辆j请求内容i的第
Figure 469423DEST_PATH_IMAGE066
个数据包。我们定义缓存内容放置
Figure 248023DEST_PATH_IMAGE067
。其次，任何内容放置
Figure 787589DEST_PATH_IMAGE068
都可以表示为
Figure DEST_PATH_IMAGE069
的子集。因 此，我们定义了
Figure 762367DEST_PATH_IMAGE070
代表请求车辆
Figure DEST_PATH_IMAGE071
的内容放置，同时将独立集
Figure 805409DEST_PATH_IMAGE072
定义为：
Figure DEST_PATH_IMAGE073
由上可知，元组
Figure 971555DEST_PATH_IMAGE074
形成拟阵
Figure DEST_PATH_IMAGE075
。因此，可以将优化问题P转换为如下：
Figure DEST_PATH_IMAGE077
可以得知P是一个拟阵约束下的单调子模函数的最大化问题。针对该问题，可以使 用贪婪算法获得接近最佳的性能。考虑到一个基站覆盖范围内，选择出来的需要进行缓存 更新的车辆数量为m，而车辆的缓存空间大小为M，因此需要经过
Figure 511307DEST_PATH_IMAGE078
次迭代。在每次迭代 过程中，通过寻找使得边际增益最大化的数据包并将其添加到相应集合中，来获得接近最 优的内容放置。其中，
Figure DEST_PATH_IMAGE079
代表通过LRUP算法选择出来的车辆集合。
Figure 408856DEST_PATH_IMAGE080
综上，本发明方法综合考虑了车辆缓存更新的时间、车辆的数目、车辆移动性、车辆之间的通信时间不固定以及服务车辆无法传递自身存储的所有数据包，在提出车辆选择策略的基础上，制定一个最佳的缓存内容放置方法，接着提出优化问题，并将问题转化为拟阵约束下子模函数的最大化问题，最终利用贪婪算法解决，达到节能的目的。
如上所述，尽管参照特定的优选实施例已经表示和表述了本实施例，但其不得解释为对本实施例自身的限制。在不脱离所附权利要求定义的本实施例的精神和范围前提下，可对其在形式上和细节上做出各种变化。

Claims (10)

1.基于车载网络边缘的缓存内容放置方法，其特征在于，所述方法包括：
步骤1、以一固定基站为中心，将所述基站的通信范围内的车辆定义为请求车辆和服务车辆；对于任意所述请求车辆，除该请求车辆自身外，其余车辆划分为进入通信范围的车辆、及离开通信范围的车辆；
步骤2、对通信范围内的所有车辆划分优先级；
步骤3、针对通信范围内的车辆，得出基站所需服务的数据包数量；
步骤4、根据缓存内容的流行度、请求车辆的数量、通信区域内服务车辆的数目、以及服务车辆中的缓存内容放置状况，得出基站的平均能耗；
步骤5、构建优化问题模型，以降低基站的总功耗。
2.根据权利要求1所述的缓存内容放置方法，其特征在于，步骤2对车辆划分优先级的过程进一步包括：
根据LRU策略，计算车辆中缓存内容最近一次的更新时间与当前时刻的差值，来对所有车辆划分优先级；
差值越大的车辆具有越高的优先级；优先级越高的车辆，更新通信信息越早。
3.根据权利要求2所述的缓存内容放置方法，其特征在于，步骤2对车辆划分优先级的过程进一步包括：
步骤2-1、以每个所述请求车辆为圆心、半径为R的圆形区域为所述请求车辆的V2V通信 区域，根据Zipf指数
Figure DEST_PATH_IMAGE001
，请求内容i的概率
Figure 81412DEST_PATH_IMAGE002
如下：
Figure 746880DEST_PATH_IMAGE004
式中，j表示请求车辆；
步骤2-2、把数据中心的第i个内容通过最大距离分离编码成
Figure DEST_PATH_IMAGE005
个片段，每个数据包的大 小定义为s，车辆的缓存容量定义为M；
在所述请求车辆和所述服务车辆处高速缓存的内容被表示为
Figure 953739DEST_PATH_IMAGE006
和
Figure DEST_PATH_IMAGE007
，其中，
Figure 628434DEST_PATH_IMAGE008
和
Figure DEST_PATH_IMAGE009
分别代表请求车辆j缓存内容i的数据包数量和请求车 辆j通信范围内的第k个相邻车辆缓存内容i的数据包数量；
步骤2-3、V2V通信的平均速率
Figure 574655DEST_PATH_IMAGE010
给出为：
Figure 411024DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE013
是V2V通信的宽带大小，SINR由下式定义：
Figure DEST_PATH_IMAGE015
其中，
Figure 777284DEST_PATH_IMAGE016
代表车辆的传输功率，
Figure DEST_PATH_IMAGE017
是加性高斯白噪声的功率，
Figure 743752DEST_PATH_IMAGE018
是对数正态阴影分量，均 值为0dB，标准差为
Figure DEST_PATH_IMAGE019
；
Figure 590486DEST_PATH_IMAGE020
是路径损耗因子，在[2，4]上选择，
Figure DEST_PATH_IMAGE021
是瑞利分布损耗幅度，满足
Figure 847024DEST_PATH_IMAGE022
，遵循零均值复数高斯分布，
Figure DEST_PATH_IMAGE023
是车辆之间的距离；
步骤2-4、所述服务车辆进入的过程遵循平均速率为
Figure 513628DEST_PATH_IMAGE024
的泊松分布,离开的过程遵循平 均速率为
Figure DEST_PATH_IMAGE025
的泊松分布,每个服务车辆都以概率
Figure 546438DEST_PATH_IMAGE026
去进行数据包的传输,得能够进行V2V通 信的车辆数量的概率质量函数
Figure DEST_PATH_IMAGE027
为：
Figure DEST_PATH_IMAGE029
式中，
Figure 513256DEST_PATH_IMAGE030
表示服务车辆进入请求车辆V2V通信区域过程遵循的平均速率，
Figure DEST_PATH_IMAGE031
表示离开过 程遵循的平均速率，
Figure 471854DEST_PATH_IMAGE032
表示服务车辆数量。
4.根据权利要求1所述的缓存内容放置方法，其特征在于，步骤3进一步包括：
定义有n个服务车辆正在向j个请求车辆传输关于请求内容i的数据包，则基站所需服 务的数据包数量为
Figure DEST_PATH_IMAGE033
；
Figure DEST_PATH_IMAGE035
式中，j表示请求车辆，
Figure 780082DEST_PATH_IMAGE036
表示片段数，
Figure 334692DEST_PATH_IMAGE008
表示请求车辆j请求内容i的数据包数量，
Figure 952755DEST_PATH_IMAGE010
表 示通信的平均速率，
Figure DEST_PATH_IMAGE037
表示数据包大小，
Figure 82254DEST_PATH_IMAGE031
表示V2V通信区域的移出用户的离开率，n表示服 务车辆数量，
Figure 926713DEST_PATH_IMAGE038
。
5.根据权利要求1所述的缓存内容放置方法，其特征在于，步骤4中所述基站的平均能 耗
Figure DEST_PATH_IMAGE039
通过下式定义：
Figure DEST_PATH_IMAGE041
式中，e表示基站传输的能量系数，m表示当前总请求车辆数量，n表示服务车辆数量，F 表示请求车辆的缓存内容，
Figure 566904DEST_PATH_IMAGE002
表示请求内容i的概率，
Figure 445998DEST_PATH_IMAGE042
表示能够进行V2V通信的车辆数量 的概率质量函数，
Figure 825027DEST_PATH_IMAGE033
表示基站所需服务的数据包数量，s表示数据包大小。
6.根据权利要求1所述的缓存内容放置方法，其特征在于，步骤5进一步包括：
步骤5-1、定义一个内容放置集合
Figure DEST_PATH_IMAGE043
，以找到请求车辆的最佳缓存内容 放置，以最大程度地减少基站的平均能耗；
其中，F表示请求车辆的缓存内容，j表示请求车辆，
Figure 937208DEST_PATH_IMAGE044
表示任意一个请求车辆j，
Figure DEST_PATH_IMAGE045
表示 请求车辆j缓存内容F的数据包数量；
步骤5-2、构建优化问题模型P：
Figure DEST_PATH_IMAGE047
式中，
Figure 630358DEST_PATH_IMAGE039
表示基站的平均能耗，
Figure 863760DEST_PATH_IMAGE048
表示请求车辆j请求内容i的数据包数量，
Figure DEST_PATH_IMAGE049
表示任意 一个请求内容i，j表示请求车辆，i表示请求内容，F表示请求车辆的缓存内容，m表示当前总 请求车辆数量，
Figure 820215DEST_PATH_IMAGE005
表示第i个内容通过最大距离可分离编码成
Figure 763900DEST_PATH_IMAGE005
个片段，
Figure 447691DEST_PATH_IMAGE050
表示当前总请求 内容，s.t.表示subject to，后接限制条件；
步骤5-3、根据步骤5-2中构建得到的优化问题模型，使用贪婪算法获得接近最佳的性能。
7.根据权利要求6所述的缓存内容放置方法，其特征在于，步骤5-3进一步包括：
步骤5-3a、一个基站覆盖范围内，选择出进行缓存更新的车辆数量为m，车辆的缓存空 间大小为M，因此需要经过
Figure DEST_PATH_IMAGE051
次迭代；
步骤5-3b、在每次迭代过程中，寻找使得边际增益最大化的数据包并将其添加到相应集合中，从而获得接近最优的内容放置。
8.缓存内容放置系统，其特征在于，所述系统包括：
车辆划分模块，用于对以预定基站为中心，其通信范围的车辆进行定义划分；
优先级划分模块，用于对通信范围内的车辆的优先级进行划分；
数据包预估模块，用于针对通信范围内的车辆预估得出基站所需服务的数据包数量；
能耗预估模块，用于根据缓存内容的流行度、请求车辆的数量、通信区域内服务车辆的数目、以及服务车辆中的缓存内容放置状况，预估出基站的平均能耗；
能耗优化模块，用于降低基站的总功耗。
9.缓存内容放置设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
至少一个处理器执行所述存储器存储的计算机执行指令，使得至少一个处理器执行如权利要求1至7任一项所述的缓存内容放置方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的缓存内容放置方法。
CN202111607230.0A 2021-12-27 2021-12-27 基于车载网络边缘的缓存内容放置方法及系统 Active CN113993108B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111607230.0A CN113993108B (zh) 2021-12-27 2021-12-27 基于车载网络边缘的缓存内容放置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111607230.0A CN113993108B (zh) 2021-12-27 2021-12-27 基于车载网络边缘的缓存内容放置方法及系统

Publications (2)

Publication Number Publication Date
CN113993108A true CN113993108A (zh) 2022-01-28
CN113993108B CN113993108B (zh) 2022-03-18

Family

ID=79734378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111607230.0A Active CN113993108B (zh) 2021-12-27 2021-12-27 基于车载网络边缘的缓存内容放置方法及系统

Country Status (1)

Country Link
CN (1) CN113993108B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114449477A (zh) * 2022-03-08 2022-05-06 天津理工大学 一种基于边缘缓存和免疫克隆策略的车联网内容分发方法
CN116761152A (zh) * 2023-08-14 2023-09-15 合肥工业大学 路侧单元边缘缓存放置及内容交付方法
CN117168490A (zh) * 2023-11-03 2023-12-05 四川国蓝中天环境科技集团有限公司 基于数学启发式的道路积尘走航监测车辆路线规划方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108093435A (zh) * 2017-12-18 2018-05-29 南京航空航天大学 基于缓存流行内容的蜂窝下行链路网络能效优化系统及方法
CN111031102A (zh) * 2019-11-25 2020-04-17 哈尔滨工业大学 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法
CN112203258A (zh) * 2020-11-13 2021-01-08 之江实验室 一种高速公路自由流状态下的车联网缓存部署方法
CN112512018A (zh) * 2020-07-24 2021-03-16 北京航空航天大学 一种基于移动边缘计算的协作车辆间任务动态卸载方法
CN112601197A (zh) * 2020-12-18 2021-04-02 重庆邮电大学 一种基于非正交多址的车联网络中资源优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108093435A (zh) * 2017-12-18 2018-05-29 南京航空航天大学 基于缓存流行内容的蜂窝下行链路网络能效优化系统及方法
CN111031102A (zh) * 2019-11-25 2020-04-17 哈尔滨工业大学 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法
CN112512018A (zh) * 2020-07-24 2021-03-16 北京航空航天大学 一种基于移动边缘计算的协作车辆间任务动态卸载方法
CN112203258A (zh) * 2020-11-13 2021-01-08 之江实验室 一种高速公路自由流状态下的车联网缓存部署方法
CN112601197A (zh) * 2020-12-18 2021-04-02 重庆邮电大学 一种基于非正交多址的车联网络中资源优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
侯璐: "面向车联网应用的移动云网络资源管理与优化研究", 《中国博士学位论文全文数据库》 *
孙嘉楠: "边缘计算环境下车联网任务卸载与数据分发技术研究", 《中国博士学位论文全文数据库》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114449477A (zh) * 2022-03-08 2022-05-06 天津理工大学 一种基于边缘缓存和免疫克隆策略的车联网内容分发方法
CN114449477B (zh) * 2022-03-08 2024-07-09 华电重工机械有限公司 一种基于边缘缓存和免疫克隆策略的车联网内容分发方法
CN116761152A (zh) * 2023-08-14 2023-09-15 合肥工业大学 路侧单元边缘缓存放置及内容交付方法
CN116761152B (zh) * 2023-08-14 2023-11-03 合肥工业大学 路侧单元边缘缓存放置及内容交付方法
CN117168490A (zh) * 2023-11-03 2023-12-05 四川国蓝中天环境科技集团有限公司 基于数学启发式的道路积尘走航监测车辆路线规划方法
CN117168490B (zh) * 2023-11-03 2024-01-23 四川国蓝中天环境科技集团有限公司 基于数学启发式的道路积尘走航监测车辆路线规划方法

Also Published As

Publication number Publication date
CN113993108B (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
CN113993108B (zh) 基于车载网络边缘的缓存内容放置方法及系统
CN109905918B (zh) 一种基于能效的noma蜂窝车联网动态资源调度方法
Zhang et al. A UAV-enabled data dissemination protocol with proactive caching and file sharing in V2X networks
CN111836283A (zh) 一种基于mec多服务器的车联网资源分配方法
CN112995950B (zh) 一种车联网中基于深度强化学习的资源联合分配方法
CN108990016A (zh) 一种多车协同的计算任务卸载与传输方法
CN108271172B (zh) 一种蜂窝d2d通信联合成簇及内容部署方法
CN111698732B (zh) 微蜂窝无线网中面向时延的协作缓存优化方法
Zheng et al. Digital twin empowered heterogeneous network selection in vehicular networks with knowledge transfer
CN108093435A (zh) 基于缓存流行内容的蜂窝下行链路网络能效优化系统及方法
CN115665804B (zh) 一种协同无人机-智能车群的缓存优化方法
CN112203258B (zh) 一种高速公路自由流状态下的车联网缓存部署方法
Dai et al. Adaptive scheduling for real-time and temporal information services in vehicular networks
CN111132083A (zh) 一种车辆编队模式下基于noma的分布式资源分配方法
CN116582860A (zh) 一种基于信息年龄约束的链路资源分配方法
Zhang et al. A reinforcement learning-based user-assisted caching strategy for dynamic content library in small cell networks
Ouyang Task offloading algorithm of vehicle edge computing environment based on Dueling-DQN
Yang et al. A mobile edge caching strategy for video grouping in vehicular networks
Kannan et al. QoS supported adaptive and multichannel MAC protocol in vehicular ad-hoc network
CN111432380B (zh) 面向d2d辅助数据卸载的缓存优化方法
Chang et al. Maximum freedom last scheduling algorithm for downlinks of DSRC networks
Redondo et al. Performance Analysis of High-Definition Map Distribution in VANET
CN115002721A (zh) 一种面向b5g/6g全解耦蜂窝车联网的随机优化资源分配方法
CN115643176A (zh) 社交车联网去中心化协作缓存方法
CN106937326B (zh) 基站间协调传输方法和第一基站

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