發(fā)布時間：2021-11-17 21:38

　　聯(lián)網(wǎng)的車輛通過V2I（Vehicle-to-Infrastructure）鏈路與V2V（Vehicle-to-Vehicle）鏈路組成車輛自組織網(wǎng)絡(luò),由車載單元支持的移動應(yīng)用的大幅度增長給這項技術(shù)帶來了新的挑戰(zhàn)。將計算任務(wù)卸載到云被認(rèn)為是一種很有前景的方法,但因遠距離部署帶來的骨干網(wǎng)絡(luò)與回程網(wǎng)絡(luò)的容量限制和延遲波動,導(dǎo)致車輛QoS（Quality of Service）嚴(yán)重下降。移動邊緣計算（Mobile Edge Computing,MEC）通過在移動網(wǎng)絡(luò)邊緣提供了IT服務(wù)環(huán)境和云計算能力,既滿足車輛計算能力的擴展需求,也彌補了云計算時延較長的缺點。但是MEC有限的計算資源與MEC卸載系統(tǒng)的成本問題,會隨著車載終端數(shù)量的增加而嚴(yán)重限制任務(wù)卸載帶來的效益,而且頻譜資源的稀缺也是需要在任務(wù)卸載時考慮的棘手問題。綜上所述,本文在基于MEC的車聯(lián)網(wǎng)絡(luò)場景中,研究了任務(wù)卸載時應(yīng)該卸載到何處以及如何分配計算資源和無線資源的問題。主要工作有以下兩個方面:1.研究車聯(lián)網(wǎng)絡(luò)中車輛卸載請求任務(wù)時搜尋服務(wù)節(jié)點為其服務(wù)的匹配問題,構(gòu)建一個基于MEC的卸載框架,任務(wù)既可以卸載到MEC服務(wù)器以V2I形式通信,也... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 車載云技術(shù)研究現(xiàn)狀
        1.2.2 移動邊緣計算研究現(xiàn)狀
    1.3 本文主要工作
    1.4 本文組織結(jié)構(gòu)
第2章 MEC的技術(shù)概述
    2.1 MEC技術(shù)概述
        2.1.1 MEC平臺與標(biāo)準(zhǔn)
        2.1.2 MEC的技術(shù)特征
    2.2 MEC技術(shù)與5G關(guān)鍵技術(shù)的融合
        2.2.1 網(wǎng)絡(luò)切片技術(shù)
        2.2.2 C/U分離技術(shù)
        2.2.3 虛擬化技術(shù)
    2.3 MEC的應(yīng)用場景
        2.3.1 任務(wù)卸載
        2.3.2 數(shù)據(jù)服務(wù)
        2.3.3 業(yè)務(wù)優(yōu)化
    2.4 本章小結(jié)
第3章 車聯(lián)網(wǎng)中基于MEC的任務(wù)卸載策略研究
    3.1 引言
    3.2 車聯(lián)網(wǎng)場景下任務(wù)卸載問題描述
        3.2.1 系統(tǒng)分析
        3.2.2 通信模型
        3.2.3 計算模型
    3.3 基于層次分析法(AHP)組合拍賣模型
        3.3.1 層次分析法介紹
        3.3.2 問題形成
        3.3.3 多輪順序組合拍賣卸載機制
    3.4 仿真驗證與性能評估
    3.5 本章小結(jié)
第4章 基于MEC的通信模式選擇與資源分配策略研究
    4.1 引言
    4.2 系統(tǒng)模型和問題規(guī)劃
        4.2.1 通信模型
        4.2.2 傳輸速率與時延因子聯(lián)合建模
        4.2.3 問題形成
    4.3 基于V2X模式選擇的Q-learning資源分配
        4.3.1 基于改進K-means算法的通信模式選擇
        4.3.2 基于分布式無狀態(tài)Q-learning的資源分配
        4.3.3 Q-learning收斂性分析
    4.4 仿真驗證與性能評估
        4.4.1 仿真場景與參數(shù)分析
        4.4.2 仿真結(jié)果分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 全文工作總結(jié)
    5.2 研究工作展望
參考文獻
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻】：
期刊論文
[1]基于移動邊緣計算的V2X任務(wù)卸載方案[J]. 張海波,欒秋季,朱江,賀曉帆.  電子與信息學(xué)報. 2018(11)
[2]基于車聯(lián)云的資源動態(tài)部署方案[J]. 原帥,吳學(xué)文,朱曉凱.  計算機工程與設(shè)計. 2018(03)
[3]基于DTN的車載云計算卸載算法[J]. 李波,黃鑫,薛端,侯嚴(yán)嚴(yán),裴以建.  云南大學(xué)學(xué)報(自然科學(xué)版). 2018(02)
[4]車聯(lián)網(wǎng)綜述(英文)[J]. 楊放春,王尚廣,李靜林,劉志晗,孫其博.  中國通信. 2014(10)
[5]指數(shù)標(biāo)度與1-9標(biāo)度互不相容及其比較研究[J]. 呂躍進,張維,曾雪蘭.  工程數(shù)學(xué)學(xué)報. 2003(08)
[6]層次分析法中高階平均隨機一致性指標(biāo)（RI）的計算[J]. 洪志國,李焱,范植華,王勇.  計算機工程與應(yīng)用. 2002(12)



本文編號：3501684