隨著物聯(lián)網(wǎng)與智能交通系統(tǒng)的發(fā)展,交通環(huán)境中實(shí)時(shí)產(chǎn)生的任務(wù)量激增,同時(shí)任務(wù)的多樣性和復(fù)雜性對(duì)車載計(jì)算設(shè)備的計(jì)算資源和存儲(chǔ)資源等要求也越來越高。通過引入云計(jì)算可加速車輛密集型任務(wù)的處理,以滿足用戶需求,但基于云計(jì)算的方法還存在以下問題:一是核心云服務(wù)器通常部署在骨干網(wǎng)后端,遠(yuǎn)程云卸載會(huì)產(chǎn)生較長(zhǎng)的傳輸回程,增加了通信開銷和傳輸延時(shí);二是在動(dòng)態(tài)車輛密集型網(wǎng)絡(luò)中蜂窩基站負(fù)載過大,導(dǎo)致數(shù)據(jù)傳輸效率較低;三是實(shí)時(shí)車輛計(jì)算任務(wù)在處理過程中分配不均,使得業(yè)務(wù)擁塞和系統(tǒng)開銷增加。針對(duì)這些問題,本文開展了以下研究:(1)提出一種用于動(dòng)態(tài)交通場(chǎng)景中車輛任務(wù)分載的架構(gòu),即軟件定義車輛邊緣計(jì)算架構(gòu)。通過融合軟件定義網(wǎng)絡(luò)中全局控制的優(yōu)點(diǎn)與多接入邊緣計(jì)算下快速執(zhí)行的優(yōu)勢(shì),對(duì)車輛數(shù)據(jù)分流與計(jì)算分載提供了較為靈活與可控的系統(tǒng)框架。(2)提出了一種基于最大連接時(shí)效模型的車輛數(shù)據(jù)任務(wù)分流算法,通過軟件定義車聯(lián)網(wǎng)控制器的協(xié)同控制實(shí)現(xiàn)最長(zhǎng)通信路徑規(guī)劃及數(shù)據(jù)任務(wù)分流。首先,本文設(shè)計(jì)了車與車、車與路邊單元之間的通信連接時(shí)效模型,以及多車之間的通信路徑的時(shí)效模型;其次,通過改進(jìn)Bellman-ford算法,在軟件定義車聯(lián)網(wǎng)控制器的車輛信息表中進(jìn)行檢索比對(duì),獲得源車輛到目的車輛之間最長(zhǎng)時(shí)效的通信路徑;最后,通過對(duì)交通場(chǎng)景全局性地認(rèn)知,從而對(duì)道路未來信息得到預(yù)測(cè)并且能夠快速地執(zhí)行命令。所提模型和算法可以有效地從基站中分擔(dān)流量、降低通信和控制開銷,提高了數(shù)據(jù)投遞的效率。(3)提出了一種聯(lián)合延遲與能耗的車輛計(jì)算類型任務(wù)的分載算法。本文設(shè)計(jì)了車輛計(jì)算類型任務(wù)到邊緣服務(wù)器分載的延遲與能耗模型,同時(shí)針對(duì)移動(dòng)車輛設(shè)計(jì)了任務(wù)在服務(wù)器中遷移的開銷模型,以總開銷最低為目標(biāo),聯(lián)合任務(wù)處理過程中計(jì)算與通信的延遲與能耗來進(jìn)行任務(wù)分載;通過改進(jìn)Hopcroft-karp算法對(duì)車輛與邊緣服務(wù)器匹配進(jìn)行優(yōu)化,以得到最低開銷下的最大匹配,保證服務(wù)器資源的最大利用率;通過控制器收集全局信息對(duì)邊緣服務(wù)器進(jìn)行命令發(fā)布,提升了任務(wù)的分配與虛擬機(jī)遷移過程的效率。本文搭建了基于SUMO+NS3與OpenDaylight+Mininet架構(gòu)的車聯(lián)網(wǎng)信息物理系統(tǒng)仿真驗(yàn)證平臺(tái),有效地對(duì)車輛數(shù)據(jù)類型任務(wù)分流與計(jì)算類型任務(wù)分載的研究進(jìn)行了仿真驗(yàn)證與分析。在數(shù)據(jù)任務(wù)分流方案的仿真中與其它兩種方案進(jìn)行對(duì)比,評(píng)估了任務(wù)的分流率與傳遞延遲,在計(jì)算任務(wù)分載的仿真中對(duì)比了有無(wú)遷移模型方案的分載率、延遲和能耗。仿真結(jié)果表明了本文所提出的SDN協(xié)同優(yōu)化算法可有效地提升任務(wù)的分載率,降低分載延遲與能耗。
【學(xué)位單位】：河南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：U495
【部分圖文】：

此外，由于嵌入式系統(tǒng)快速發(fā)展，自動(dòng)駕駛技術(shù)Statista 公司研究預(yù)計(jì)，智能網(wǎng)聯(lián)汽車的市場(chǎng)收入為 82美元。路面上的汽車從今天的 12%將增長(zhǎng)至 34.3%[2]。設(shè)施以保證行進(jìn)中的車輛始終具有信號(hào)覆蓋。5G 蜂窩以可靠、安全和快速的方式保證此類連接，使得車聯(lián)2X 場(chǎng)景更好的集成。預(yù)計(jì) 5G 網(wǎng)絡(luò)能夠滿足未來車聯(lián)網(wǎng)態(tài)網(wǎng)絡(luò)拓?fù)浜透邤?shù)據(jù)量等幾種情況下的智能交通系統(tǒng)）[3]。功能安全車載信息類（Telematics）先進(jìn)駕駛輔助類（ADAS）自動(dòng)駕駛類（ADS）協(xié)同控制類（V2V、V2X）資訊 娛樂 導(dǎo)航 診斷……大數(shù)據(jù)平臺(tái) 大數(shù)據(jù)平臺(tái) 大數(shù)據(jù)平臺(tái)車內(nèi)總線通信（CAN/LIN…）車內(nèi)局域網(wǎng)通信（藍(lán)牙/WLAN…）中短程通信（LTE-V）廣域通信（4G/5G）

圖 2-1 ECC 的 MEC 參考架構(gòu)與技術(shù)框架V-MEC 產(chǎn)品需要適配不同場(chǎng)景下的交通環(huán)境，包括一些電惡劣的工作條件，以及點(diǎn)路與存儲(chǔ)不穩(wěn)定的運(yùn)行環(huán)境。在動(dòng)MEC 設(shè)備的能量消耗、建設(shè)成本、位置部署也有較高地要求V-MEC 服務(wù)器地部署具備分布式特征，要求邊緣服務(wù)器即能，包括：分布式計(jì)算與存儲(chǔ)、分布式資源的動(dòng)態(tài)調(diào)度與統(tǒng)具備分布式安全等能力。-MEC 的優(yōu)勢(shì) 運(yùn)行在網(wǎng)絡(luò)邊緣，其邏輯上獨(dú)立于網(wǎng)絡(luò)的其它部分，數(shù)據(jù)可互聯(lián)網(wǎng)，從而有利于高安全性要求的應(yīng)用程序的信息安全。用戶或設(shè)備信息源，極大地減少了數(shù)據(jù)傳輸?shù)穆窂脚c回程，網(wǎng)絡(luò)延遲也減少了傳輸網(wǎng)和核心網(wǎng)的網(wǎng)絡(luò)擁塞。同時(shí)，邊緣端設(shè)備運(yùn)算能力，對(duì)于快速處理大量的數(shù)據(jù)和任務(wù)具有獨(dú)

圖 2-2 V-MEC 架構(gòu)及功能組件（2）V-MEC 架構(gòu)特征從 V-MEC 架構(gòu)的橫向?qū)哟蝸砜矗W(wǎng)絡(luò)切片為每種不同的服務(wù)設(shè)定特有網(wǎng)絡(luò)容量和功能，如圖 2-2，利用邏輯而非物理資源，可以根據(jù)不斷變化的車輛服務(wù)需求進(jìn)行資源調(diào)整，并快速滿足新型應(yīng)用地需求。聯(lián)接計(jì)算(Connectivity and Computing Fabric，CCF極大程度上簡(jiǎn)化了車聯(lián)網(wǎng)架構(gòu)對(duì)業(yè)務(wù)屏蔽邊緣智能分布式架構(gòu)的復(fù)雜性，使用網(wǎng)關(guān)與路邊單元的層次結(jié)構(gòu)對(duì)邊緣計(jì)算環(huán)境進(jìn)行分層部署，并配置邊緣計(jì)算服務(wù)器以減少延遲并分配處理。2.2.3 車聯(lián)網(wǎng)多接入邊緣計(jì)算的關(guān)鍵技術(shù)（1）邊緣 AI 芯片實(shí)現(xiàn)邊緣計(jì)算在交通場(chǎng)景中的應(yīng)用，不可或缺的是高性能處理芯片。發(fā)展迅猛的人工智能（Artificial Intelligence，AI）芯片相對(duì)于傳統(tǒng)的 CPU 具有大量的計(jì)算單元，大
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鐘春華;;SDN在傳送網(wǎng)絡(luò)的引入與運(yùn)用[J];數(shù)字通信世界;2019年10期

2 張斌益;;SDN在通信網(wǎng)絡(luò)中的應(yīng)用研究[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2019年12期

3 李憲玲;姜晗;;SDN框架下不良數(shù)據(jù)計(jì)算機(jī)網(wǎng)絡(luò)管理系統(tǒng)開發(fā)應(yīng)用[J];科技傳播;2019年06期

4 王一蓉;王艷茹;張榮博;武志棟;;基于SDN構(gòu)建高性能、易擴(kuò)展的電力通信網(wǎng)[J];中國(guó)電力;2016年10期

5 劉露;楊秀云;郭磊;王玉軍;劉正;;基于SDN的異地校區(qū)云數(shù)據(jù)中心的整合[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2017年02期

6 劉淼;;基于SDN架構(gòu)的網(wǎng)絡(luò)安全方法研究[J];通訊世界;2017年04期

7 桂興亮;張曉如;程偉;;基于園區(qū)網(wǎng)的SDN控制器設(shè)計(jì)研究[J];信息技術(shù);2017年02期

8 李志立;;基于SDN的數(shù)據(jù)中心網(wǎng)絡(luò)技術(shù)[J];電腦編程技巧與維護(hù);2017年08期

9 張志廣;;對(duì)基于SDN的接入網(wǎng)安全技術(shù)的幾點(diǎn)探討[J];中國(guó)新通信;2017年12期

10 李寧;楊紅偉;李艷;王永欣;王靜;李俊;;基于SDN的網(wǎng)絡(luò)虛擬化仿真研究[J];無(wú)線電工程;2017年08期

相關(guān)博士學(xué)位論文 前8條

1 朱樹永;軟件定義網(wǎng)絡(luò)（SDN）數(shù)據(jù)平面帶狀態(tài)轉(zhuǎn)發(fā)技術(shù)研究[D];清華大學(xué);2015年

2 高強(qiáng);基于SDN的動(dòng)態(tài)多播關(guān)鍵技術(shù)研究[D];上海大學(xué);2017年

3 馮濤;軟件定義網(wǎng)絡(luò)（SDN）網(wǎng)絡(luò)管理關(guān)鍵技術(shù)研究[D];清華大學(xué);2015年

4 胡曦;無(wú)線SDN穩(wěn)定性擁塞控制算法研究[D];電子科技大學(xué);2017年

5 高明;SDN的ForCES實(shí)現(xiàn)及服務(wù)部署研究[D];浙江大學(xué);2014年

6 馬歡;云環(huán)境下基于SDN的網(wǎng)絡(luò)服務(wù)關(guān)鍵技術(shù)研究[D];北京科技大學(xué);2016年

7 蔣健;可信可控網(wǎng)絡(luò)域間路由路徑不一致問題研究[D];東南大學(xué);2015年

8 陸悠;可信可控網(wǎng)絡(luò)中用戶行為控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 湯倩;基于SDN的數(shù)據(jù)中心網(wǎng)絡(luò)大象流檢測(cè)與調(diào)度策略研究[D];湖南師范大學(xué);2019年

2 張?chǎng)蝿?SDN流規(guī)則輕量探測(cè)技術(shù)研究[D];電子科技大學(xué);2019年

3 鄧運(yùn)輝;基于FPGA的SDN多控制器負(fù)載均衡方法研究與實(shí)現(xiàn)[D];桂林電子科技大學(xué);2019年

4 廉騰飛;基于SDN的車聯(lián)網(wǎng)邊緣計(jì)算及協(xié)作分載機(jī)制研究[D];河南大學(xué);2019年

5 申少杰;基于本體的SDN網(wǎng)絡(luò)管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2019年

6 周凱恒;多控制器SDN網(wǎng)絡(luò)負(fù)載均衡算法研究[D];重慶郵電大學(xué);2018年

7 葉二偉;基于SDN的多路徑負(fù)載均衡方案的研究和設(shè)計(jì)[D];重慶郵電大學(xué);2018年

8 趙勇;SDN下C-RAN負(fù)載均衡的研究[D];重慶郵電大學(xué);2018年

9 周勝;面向SDN的流規(guī)則沖突檢測(cè)方法研究[D];安徽大學(xué);2019年

10 朱世珂;基于SDN分層式控制器的負(fù)載均衡與大象流動(dòng)態(tài)重路由研究[D];安徽大學(xué);2019年

本文編號(hào)：2848621