论文部分内容阅读
车联网是智能交通中不可或缺的部分,如何高效管理车联网中的海量资源,如何解决车联网中的数据信息实时传输问题,成为车联网的研究热点。云服务中心是车联网的大数据处理中心,因其距离限制,不能满足位置感知、低时延及移动性支持的需求。本文利用云雾计算相结合的技术,提出了一种新型车联云雾网络体系(VCFS)架构,设计了一个“中心云-路侧雾-车载云”三级系统架构,充分利用整个系统的资源。在此基础上,系统的研究车联云雾系统架构的资源优化及任务卸载优化策略。在VCFS架构上,基于车载用户服务请求的实时特征,针对目前车联网中资源优化方法没有充分考虑系统最大长期收益的问题,对车联云雾系统的状态空间、动作函数以及回报函数、状态转移概率,利用SMDP对系统的服务请求过程进行建模,提出了基于SMDP的车联云雾系统的动态资源管理方案,基于值迭代算法得到优化决策策略,并与GA算法和贪婪算法的资源分配方案进行了性能对比评估。本文最后仿真结果表明:在阻塞率方面,所提出方案比传统的贪婪算法分配方案降低了37%左右,比GA算法降低了45.2%左右,从而提高用户的服务质量体验;在系统长期收益方面,所提出的方案比GA算法提高性能10%左右,比贪婪算法提升了16.7%左右,使得系统的整体收益最大化。在VCFS架构上,本文提出了一种云雾网络协作的计算任务卸载方案,在任务卸载前,利用改进的DK-means算法对任务按照时延敏感度和计算量两个指标进行聚类,并通过仿真与FCM和K-means算法作对比,该聚类效果更好,从而降低任务卸载的等待时延以及传输时延。对于云雾网络协作任务卸载方案,综合考虑了传输功率,任务数据大小以及计算能力等多个因素,把时延和能耗的归一化代价值作为评价方案的权衡因子,将优化问题建模为最小化整个车联云雾网络的能耗和时延问题,提出了改进后的粒子群算法(DEPSO)求解最优化的任务卸载策略。最后仿真结果验证了所提算法的收敛性,减少搜索时间,提高效率,并且基于DEPSO优化算法的云雾协作任务方案能够更有效降低系统能耗,减少任务处理总时间,改善服务质量,从而提高用户服务质量体验。