随着互联网的兴起、智能终端的普及、宽带多媒体业务的发展以及人们对高铁出行需求的增加,人们在高速移动场景下的通信要求越来越多。然而,由于高速移动所带来的多普勒频移以及高速移动列车特殊材料所造成的车体损耗,高速移动场景下人均可用数据带宽远小于地面低速运动或静止的平均用户带宽;因此,高速移动场景下用户对无线数据带宽的需求更加急切。为此,本文研究了高速移动场景下基于融合广播与蜂窝网络的无线业务缓存技术,重点研究了高速铁路沿线上站点数目不同时的无线业务缓存策略和算法。首先,针对单条铁路线上只拥有两个站点的情况,研究了在有限的时间内,如何最大化融合网的等效吞吐量的问题。将两站点下业务缓存问题转化为0-1背包问题,采用动态规划算法、基于业务大小的贪婪算法,基于等效吞吐量的贪婪算法,基于受欢迎度的贪婪算法等四个算法来进行问题求解。仿真表明,基于受欢迎度的贪婪算法其性能无限接近于最优解——动态规划算法,基于业务大小的贪婪算法次之,基于等效吞吐量的贪婪算法性能最差。同时,本文还定量分析了这四个算法的复杂度;分析表明:基于受欢迎度的贪婪算法,其复杂度远小于动态规划(最优解)算法的复杂度。论文证明了基于受欢迎度的贪婪算法性能的上界和下界;在不同业务受欢迎度因子和不同最小业务大小的情况下,定量分析并对比了各个算法的性能,仿真表明:基于受欢迎度的贪婪算法性能与理论推导结果一致,即随着业务受欢迎度因子的增大而无线接近于1。接着,针对三站点和多站点有乘客上下车时的场景,论文对融合网中业务的重复推送策略进行了研究。论文依据城市人数规模服从长尾分布的特点,对上车下车乘客数进行了建模,使用U型分布来描述不同站点的乘客上车下车人数。算法首先对待推送的内容集合进行了说明,当高速移动列车到达中间车站时,可能会有乘客上车或者下车,这时就需要根据上下车的人数来调整广播策略来重新推送待缓存的业务。通过对比重新广播推送与不做重新推送时融合网中等效吞吐量的大小,来决定是否进行热点业务的重新推送。仿真表明,提出的广播重传算法可以有效地提高系统的等效吞吐量,尤其是在前一段旅程的人全部下车的情况下,等效吞吐量的提升可以达到145%。然后,针对列车在中间车站停靠时间短、车载中继基站接收业务能力有限的情况,为了让车载中继基站在有限的停车时间内获得更多的新的热点业务问题,本文引入了群智感知网络,同时为了激发车厢终端用户参与的积极性,引入了反向拍卖模型。利用社会收益来衡量算法的有效性,建立了最大化社会收益的目标函数,根据热点任务的价值特征,提出了基于任务受欢迎度的拍卖算法。仿真表明所提出的基于任务受欢迎度的拍卖算法在社会收益、任务完成率等性能上均优于已有算法。最后,总结了上述研究工作,并提出了今后的研究方向。