CN115665804B - 一种协同无人机-智能车群的缓存优化方法 - Google Patents

一种协同无人机-智能车群的缓存优化方法 Download PDF

Info

Publication number
CN115665804B
CN115665804B CN202211454427.XA CN202211454427A CN115665804B CN 115665804 B CN115665804 B CN 115665804B CN 202211454427 A CN202211454427 A CN 202211454427A CN 115665804 B CN115665804 B CN 115665804B
Authority
CN
China
Prior art keywords
unmanned aerial
data
aerial vehicle
vehicle
edge
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
CN202211454427.XA
Other languages
English (en)
Other versions
CN115665804A (zh
Inventor
王青旺
王铭野
王盼新
沈韬
刘全君
陶智敏
宋健
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.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and 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 Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN202211454427.XA priority Critical patent/CN115665804B/zh
Publication of CN115665804A publication Critical patent/CN115665804A/zh
Application granted granted Critical
Publication of CN115665804B publication Critical patent/CN115665804B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Abstract

本发明涉及一种协同无人机‑智能车群的缓存优化方法，属于边缘计算技术领域。本发明在无人机寻求数据时，允许无人机之间相互通信并传递数据，在每过T时间以后，智能车都将无人机群获取的数据记录，并计算其在T时间段内的代价消耗，调整并更新边缘智能车和终端无人机的存储阈值B。本发明与现有技术相比，主要解决了在边缘缓存的过程中出现的能耗高、设备存储容量需求大等问题，在保证用户体验质量(Quality of Experience,QoE)的同时，能够最大限度的减轻存储负担，节约能耗。

Description

一种协同无人机-智能车群的缓存优化方法
技术领域
本发明涉及一种协同无人机-智能车群的缓存优化方法，属于边缘计算技术领域。
背景技术
随着通信技术的飞速发展，用户对于网络资源的需求也在逐渐增加。边缘计算领域中的边缘缓存技术成为了提升网络服务质量的有效技术手段，通过将热点内容部署在靠近用户的边缘服务器上，在用户请求该内容时可以从边缘服务器中直接获取，从而保证网络服务的低时延需求。但是，由于边缘用户数量较多，在网络边缘侧会产生大量的数据，导致边缘服务器有限的缓存资源和服务能力不能满足用户的需要。因此，边缘缓存成为了边缘计算领域中的重点研究内容。
边缘缓存可以有效缓解无线访问网络中的回程带宽需求并减少交付延迟，能够避开网络高峰时段对流行数据进行预先缓存，有效缓解网络拥塞的现象。但是，受到边缘缓存容量的限制，边缘服务器不能缓存所有数据。同时，边缘服务器中的缓存数据存在着冗余现象，使得大量无效数据依然占用缓存空间，并造成缓存能耗浪费、缓存速度慢、边缘服务器运行效率下降等情况，这为边缘缓存策略的研究提出了挑战。
近年来，无人机作为一种灵活性较高的移动设备，在军事和民用中都得到了普遍应用，利用边缘计算架构部署无人机进行作业也成为了一大热点。但是无人机群带来的大量冗余缓存会导致边缘服务器运行效率下降，考虑在某些复杂场景下无人机的请求具有实时性要求，在保证最低时延和能耗的前提下，如何使边缘服务器的缓存能被有效利用的同时节约边缘服务器能耗，是当前边缘缓存中亟待解决的技术问题。
发明内容
本发明要解决的技术问题是提出了一种协同无人机群-智能车的优化缓存方法，用以解决传统方法在复杂场景下传输时延长、存储能耗高的问题，保证缓存命中率，使边缘设备的缓存资源能够得到充分利用，减轻边缘服务器的存储负担。
本发明的技术方案是：一种协同无人机-智能车群的缓存优化方法，在无人机寻求数据时，允许无人机之间相互通信并传递数据，在每过T时间以后，智能车都将无人机群获取的数据记录，并计算其在T时间段内的代价消耗，调整并更新边缘智能车和终端无人机的存储阈值B；
具体步骤为：
Step1：在边缘计算网络中，将中心云端和边缘智能车辆相互连接，将边缘智能车辆和终端无人机相互连接，将边缘智能车辆和其网络覆盖范围内的智能车辆相互连接，将终端无人机和其网络覆盖范围内的无人机相互连接。
Step2：终端无人机开始寻求并获取目标数据。
Step3：终端无人机所属的边缘智能车辆计算该数据的流行度，根据流行度将边缘智能车辆内缓存文件降序排列，更新本地数据流行度列表。
Step4：当系统整体运行时间达到T的倍数，则计算代价函数得到B，并将缓存阈值更新为B。
Step5：在系统不断运行过程中，采用循环迭代算法更新系统中的缓存阈值，在整个系统的代价函数收敛的情况下，最终确定B的最优值。
所述Step5代价函数的具体获取过程为：
Step5.1：设计决策变量x，表示所需数据是否缓存在附近终端无人机中。
Figure 673011DEST_PATH_IMAGE002
其中，τ为整个系统在时隙模式下工作的时间帧。
Step5.2：设计决策变量y，表示所需数据是否缓存在附近智能车辆中。
Figure 69357DEST_PATH_IMAGE003
Step5.3：根据如下公式计算中心服务器、边缘车辆和无人机将缓存内容发送给无人机的总反馈时延：
Figure 739373DEST_PATH_IMAGE004
其中，U是无人机的索引集，V是边缘车辆的索引集，K是索求数据的索引集，i为无人机的编号，r k 代表时隙τ内请求数据的大小，
Figure 853960DEST_PATH_IMAGE005
是无人机的瞬时分配带宽，
Figure 634834DEST_PATH_IMAGE006
是边缘智能车辆的瞬时分配带宽，
Figure 151266DEST_PATH_IMAGE007
是中心服务器的瞬时分配带宽。
Step5.4：若无人机的请求符合泊松过程，则根据泊松过程对无人机请求进行建模，根据如下公式计算系统的数据总传输能耗：
Figure 726604DEST_PATH_IMAGE008
其中，q表示根据泊松分布得到的请求次数期望值，
Figure 328486DEST_PATH_IMAGE009
表示中心服务器传输每比特数据的能耗，
Figure 647472DEST_PATH_IMAGE010
表示边缘智能车辆传输每比特数据的能耗，
Figure 18411DEST_PATH_IMAGE011
表示终端无人机传输每比特数据的能耗。
Step5.5：根据如下公式计算系统的总数据缓存能耗：
Figure 764650DEST_PATH_IMAGE012
其中，B u 是无人机中总缓存数据大小，B v 是边缘智能车辆中总缓存数据大小，
Figure 588249DEST_PATH_IMAGE013
是缓存每比特数据的能耗。
Step5.6：根据Step5.3、Step5.4和Step5.5得到代价函数，具体表示为：
Figure 976505DEST_PATH_IMAGE014
。
对于代价函数
Figure 201950DEST_PATH_IMAGE015
的计算过程，需要保证B v 和B u 不大于该设备的存储容量。
在循环迭代过程中，根据在本时间段T 0 内计算得到的代价函数W(τ)的值引入正反馈对B进行调整，根据调整后的B计算下一个时间段T t 的代价函数W(τ)。
本发明的有益效果是：本发明与现有技术相比，主要解决了在边缘缓存的过程中出现的能耗高、设备存储容量需求大等问题，在保证用户体验质量(Quality ofExperience,QoE)的同时，能够最大限度的减轻存储负担，节约能耗。
附图说明
图1是本发明的步骤流程图；
图2是本发明的系统架构图。
具体实施方式
下面结合附图和具体实施方式，对本发明作进一步说明。
实施例1：一种协同无人机-智能车群的缓存优化方法，基于边缘计算架构，将中心服务器与边缘智能车相互连接，将智能车和其网络覆盖范围内的智能车相互连接，将终端无人机和其从属的智能车相互连接，将终端无人机和其网络覆盖范围内的无人机相互连接；在云端存储全部数据，在边缘智能车中存储部分数据，在终端无人机中存储部分数据；在无人机寻求数据时，允许无人机之间相互通信并传递数据，若其周围无人机存有目标数据，则直接采用U2U形式将目标数据传递给无人机，否则询问其所属智能车辆是否存有目标数据。在边缘智能车被询问时，若存有目标数据，则直接将数据传给无人机，否则询问其附近边缘智能车是否存有目标数据。在附近边缘智能车被询问时，若存有目标数据，则直接采用V2V形式将目标数据通过边缘智能车传递给无人机，否则向云端发送请求下载数据；每间隔时间T，智能车都计算整个系统在T时间段内的代价消耗，调整并更新边缘智能车和终端无人机的存储阈值B。
具体步骤为：
Step1：如图1所示，在边缘计算网络中，将中心云端和边缘智能车辆相互连接，将边缘智能车辆和终端无人机相互连接，将边缘智能车辆和其网络覆盖范围内的智能车辆相互连接，将终端无人机和其网络覆盖范围内的无人机相互连接。
Step2：终端无人机开始寻求并获取目标数据。
Step3：终端无人机所属的边缘智能车辆计算该数据的流行度，根据流行度将边缘智能车辆内缓存文件降序排列，更新本地数据流行度列表。
Step4：当系统整体运行时间达到T的倍数，则计算代价函数得到B，并将缓存阈值更新为B。
Step5：在系统不断运行过程中，采用循环迭代算法更新系统中的缓存阈值，在整个系统的代价函数收敛的情况下，最终确定B的最优值。
所述Step5代价函数的具体获取过程为：
Step5.1：设计决策变量x，表示所需数据是否缓存在附近终端无人机中。
Figure 695566DEST_PATH_IMAGE016
其中，τ为整个系统在时隙模式下工作的时间帧。
Step5.2：设计决策变量y，表示所需数据是否缓存在附近智能车辆中。
Figure 621933DEST_PATH_IMAGE017
Step5.3：根据如下公式计算中心服务器、边缘车辆和无人机将缓存内容发送给无人机的总反馈时延：
Figure 704814DEST_PATH_IMAGE018
其中，U是无人机的索引集，V是边缘车辆的索引集，K是索求数据的索引集，i为无人机的编号，r k 代表时隙τ内请求数据的大小，
Figure 58435DEST_PATH_IMAGE019
是无人机的瞬时分配带宽，
Figure 856627DEST_PATH_IMAGE020
是边缘智能车辆的瞬时分配带宽，
Figure 586686DEST_PATH_IMAGE021
是中心服务器的瞬时分配带宽。
Step5.4：若无人机的请求符合泊松过程，则根据泊松过程对无人机请求进行建模，根据如下公式计算系统的数据总传输能耗：
Figure 521144DEST_PATH_IMAGE022
其中，q表示根据泊松分布得到的请求次数期望值，
Figure 45666DEST_PATH_IMAGE023
表示中心服务器传输每比特数据的能耗，
Figure 331154DEST_PATH_IMAGE010
表示边缘智能车辆传输每比特数据的能耗，
Figure 599324DEST_PATH_IMAGE024
表示终端无人机传输每比特数据的能耗。
Step5.5：根据如下公式计算系统的总数据缓存能耗：
Figure 388288DEST_PATH_IMAGE025
其中，B u 是无人机中总缓存数据大小，B v 是边缘智能车辆中总缓存数据大小，
Figure 349291DEST_PATH_IMAGE026
是缓存每比特数据的能耗。
Step5.6：根据Step5.3、Step5.4和Step5.5得到代价函数，具体表示为：
Figure 590917DEST_PATH_IMAGE027
。
对于代价函数
Figure 662778DEST_PATH_IMAGE028
的计算过程，需要保证B v 和B u 不大于该设备的存储容量。
在循环迭代过程中，根据在本时间段T 0 内计算得到的代价函数W(τ)的值引入正反馈对B进行调整，根据调整后的B计算下一个时间段T t 的代价函数W(τ)。
以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (3)

1.一种协同无人机-智能车群的缓存优化方法，其特征在于：在无人机寻求数据时，允许无人机之间相互通信并传递数据，在每过T时间以后，智能车将无人机群获取的数据记录，并计算无人机群在T时间段内的代价消耗，调整并更新边缘智能车和终端无人机的存储阈值B；
具体步骤为：
Step1：在边缘计算网络中，将中心云端和边缘智能车辆相互连接，将边缘智能车辆和终端无人机相互连接，将边缘智能车辆和其网络覆盖范围内的智能车辆相互连接，将终端无人机和其网络覆盖范围内的无人机相互连接；
Step2：终端无人机开始寻求并获取目标数据；
Step3：终端无人机所属的边缘智能车辆计算该数据的流行度，根据流行度将边缘智能车辆内缓存文件降序排列，更新本地数据流行度列表；
Step4：当系统整体运行时间达到T的倍数，则计算代价函数得到B，并将缓存阈值更新为B；
Step5：在系统不断运行过程中，采用循环迭代算法更新系统中的缓存阈值，在整个系统的代价函数收敛的情况下，最终确定B的最优值；
所述代价函数具体为：
Step5.1：设计决策变量x，表示所需数据是否缓存在附近终端无人机中；
Figure FDA0004064691510000011
其中，τ为整个系统在时隙模式下工作的时间帧；
Step5.2：设计决策变量y，表示所需数据是否缓存在附近智能车辆中；
Figure FDA0004064691510000012
Step5.3：根据如下公式计算中心服务器、边缘车辆和无人机将缓存内容发送给无人机的总反馈时延：
Figure FDA0004064691510000013
其中，U是无人机的索引集，V是边缘车辆的索引集，K是索求数据的索引集，i为无人机的编号，rk代表时隙τ内请求数据的大小，Ri,u(τ)是无人机的瞬时分配带宽，Ri,v(τ)是边缘智能车辆的瞬时分配带宽，Ri,b(τ)是中心服务器的瞬时分配带宽；
Step5.4：若无人机的请求符合泊松过程，则根据泊松过程对无人机请求进行建模，根据如下公式计算系统的数据总传输能耗：
Figure FDA0004064691510000021
其中，q表示根据泊松分布得到的请求次数期望值，
Figure FDA0004064691510000022
表示中心服务器传输每比特数据的能耗，
Figure FDA0004064691510000023
表示边缘智能车辆传输每比特数据的能耗，
Figure FDA0004064691510000024
表示终端无人机传输每比特数据的能耗；
Step5.5：根据如下公式计算系统的总数据缓存能耗：
Figure FDA0004064691510000025
其中，Bu是无人机中总缓存数据大小，Bv是边缘智能车辆中总缓存数据大小，ec是缓存每比特数据的能耗；
Step5.6：根据Step5.3、Step5.4和Step5.5得到代价函数，具体表示为：
W(τ)＝T(τ)+ET(τ)+EC(τ)。
2.根据权利要求1所述的协同无人机-智能车群的缓存优化方法，其特征在于：对于代价函数W(τ)的计算过程，需要保证Bv不大于边缘智能车辆的存储容量、Bu不大于终端无人机的存储容量。
3.根据权利要求1所述的协同无人机-智能车群的缓存优化方法，其特征在于：在循环迭代过程中，根据在本时间段T0内计算得到的代价函数W(τ)的值引入正反馈对B进行调整，根据调整后的B计算下一个时间段Tt的代价函数W(τ)。
CN202211454427.XA 2022-11-21 2022-11-21 一种协同无人机-智能车群的缓存优化方法 Active CN115665804B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211454427.XA CN115665804B (zh) 2022-11-21 2022-11-21 一种协同无人机-智能车群的缓存优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211454427.XA CN115665804B (zh) 2022-11-21 2022-11-21 一种协同无人机-智能车群的缓存优化方法

Publications (2)

Publication Number Publication Date
CN115665804A CN115665804A (zh) 2023-01-31
CN115665804B true CN115665804B (zh) 2023-03-14

Family

ID=85019905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211454427.XA Active CN115665804B (zh) 2022-11-21 2022-11-21 一种协同无人机-智能车群的缓存优化方法

Country Status (1)

Country Link
CN (1) CN115665804B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116261211B (zh) * 2023-02-02 2024-02-09 北方工业大学 一种无人机辅助数据传输的低能耗动态缓存方法
CN117149088B (zh) * 2023-09-20 2024-03-12 深圳益国电子科技有限公司 一种用于行车记录仪的数据存储更新方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110120832A (zh) * 2019-05-10 2019-08-13 南京邮电大学 一种基于缓存的无人机中继通信系统位置设计方法
CN114979145A (zh) * 2022-05-23 2022-08-30 西安电子科技大学 一种车联网中集成感知、通信与缓存的内容分发方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE543324T1 (de) * 2009-05-06 2012-02-15 Alcatel Lucent Verfahren zur optimierung der lieferung von inhalten aus einem cache mit bezug auf kosten
CN109951875A (zh) * 2019-02-22 2019-06-28 广州大学 基于内容流行度预测的缓存方法、装置、设备和介质
US11089083B1 (en) * 2019-11-04 2021-08-10 Edjx, Inc. Systems and methods for locating microserver nodes in proximity to edge devices using georouting
CN112996058B (zh) * 2021-02-23 2022-09-16 哈尔滨工业大学（深圳） 基于多无人机网络的用户QoE优化方法、无人机及系统
CN113015105B (zh) * 2021-03-08 2022-06-03 哈尔滨工业大学（深圳） 空天地一体化网络的编码缓存内容放置与资源联合优化方法
CN113188544B (zh) * 2021-04-29 2022-08-09 福建师范大学 一种基于缓存的无人机基站路径规划方法
CN113271353B (zh) * 2021-05-13 2022-09-06 北京邮电大学 一种面向卫星的数据缓存终端选择方法和装置
CN113556750B (zh) * 2021-07-30 2022-06-03 上海大学 基于联盟形成博弈的无人设备内容协同实现方法
CN113596160B (zh) * 2021-07-30 2022-09-13 电子科技大学 一种基于迁移学习的无人机内容缓存决策方法
CN113810933B (zh) * 2021-08-31 2023-09-26 南京邮电大学 一种基于能量采集与用户移动性的缓存方法
CN115002138B (zh) * 2022-03-04 2023-07-04 昆明理工大学 一种基于终端无人机巡航视频数据的边缘缓存方法
CN114815882A (zh) * 2022-04-08 2022-07-29 北京航空航天大学 一种基于强化学习的无人飞行器自主编队智能控制方法
CN115174481B (zh) * 2022-07-20 2023-06-16 广东工业大学 一种无人机辅助边缘车联网服务和内容混合缓存的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110120832A (zh) * 2019-05-10 2019-08-13 南京邮电大学 一种基于缓存的无人机中继通信系统位置设计方法
CN114979145A (zh) * 2022-05-23 2022-08-30 西安电子科技大学 一种车联网中集成感知、通信与缓存的内容分发方法

Also Published As

Publication number Publication date
CN115665804A (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
CN115665804B (zh) 一种协同无人机-智能车群的缓存优化方法
CN112218337B (zh) 一种移动边缘计算中的缓存策略决策方法
CN109905918B (zh) 一种基于能效的noma蜂窝车联网动态资源调度方法
CN108834080B (zh) 异构网络中基于多播技术的分布式缓存和用户关联方法
CN112020103B (zh) 一种移动边缘云中的内容缓存部署方法
CN109194763B (zh) 一种超密集网络中基于小型基站自组织协作的缓存方法
CN110290507B (zh) 一种d2d通信辅助边缘缓存系统的缓存策略及频谱分配方法
CN106998353B (zh) 一种内容中心网络中文件的最优缓存配置方法
CN110062421B (zh) 用于雾无线接入网中的鸽群优化算法及基于该算法的协作缓存方法
CN108093435B (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
CN111698732B (zh) 微蜂窝无线网中面向时延的协作缓存优化方法
CN111935783A (zh) 一种基于流量感知的边缘缓存系统和方法
CN110913239B (zh) 一种精细化的移动边缘计算的视频缓存更新方法
CN110113213B (zh) 一种基于云无线接入网架构的协作式缓存部署方法
CN113993108B (zh) 基于车载网络边缘的缓存内容放置方法及系统
CN115720237A (zh) 边缘网络自适应比特率视频的缓存和资源调度方法
CN111447506B (zh) 云边环境下基于延迟和成本均衡的流媒体内容放置方法
CN112702443B (zh) 一种星地协同通信系统多星多级缓存分配方法及装置
CN112887943B (zh) 一种基于中心度的缓存资源分配方法及系统
CN110062356A (zh) 一种d2d网络中的缓存副本布设方法
CN108882269A (zh) 结合缓存技术的超密集网络小站开关方法
CN111432380A (zh) 面向d2d辅助数据卸载的缓存优化方法
CN108429919B (zh) 多速率视频在无线网络中的缓存和传输优化方法
CN112887314B (zh) 一种时延感知的云雾协作视频分发方法
CN113810933A (zh) 一种基于能量采集与用户移动性的缓存方法

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