發(fā)布時間：2023-11-04 10:57

　　移動邊緣計算技術(Mobile Edge Computing,MEC)為聯(lián)網車輛等移動終端提供了具有IT服務和云計算能力的邊緣網絡環(huán)境,具有低時延、本地感知等諸多優(yōu)勢,是5G網絡的核心技術之一。車聯(lián)網領域依托MEC技術構建全新的產業(yè)鏈,通過本地化的應用部署模式,在極短時間內完成行駛數據的獲取和傳輸,能夠為“智能交通”作出巨大貢獻�；贛EC技術的車聯(lián)網應用能夠為現(xiàn)有的車聯(lián)網環(huán)境帶來巨大變革,受到行業(yè)和學術界的廣泛關注。然而,基于MEC技術的車聯(lián)網應用在移動性管理方面存在巨大挑戰(zhàn)。MEC技術帶來極大便利的同時,對部署于邊緣網絡中的應用提出了移動性要求,即車聯(lián)網應用在不同MEC服務器之間的遷移。車聯(lián)網的應用場景使得移動性管理復雜化,主要體現(xiàn)在:聯(lián)網車輛的高速移動性意味著更頻繁的應用遷移,產生的遷移時延嚴重影響了車輛用戶體驗;車聯(lián)網應用涉及人身安全、駕駛體驗和互聯(lián)網服務等多方面,現(xiàn)有的應用遷移策略無法滿足其多樣化的性能需求。針對頻繁遷移產生大量遷移時延的問題,本文提出了基于車輛軌跡預測的應用預遷移方法。通過預測聯(lián)網車輛未來的行駛軌跡,基于預測結果和虛擬機在線遷移技術,在聯(lián)網車輛到達目標區(qū)域之...

【文章頁數】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
注釋表
第1章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 MEC發(fā)展歷史及研究熱點
        1.2.2 IoV演進及發(fā)展動向
    1.3 主要研究內容及章節(jié)安排
        1.3.1 主要研究內容
        1.3.2 章節(jié)安排
第2章 相關技術分析
    2.1 移動軌跡預測技術
        2.1.1 移動模型概述與分析
        2.1.2 移動軌跡預測算法
    2.2 VM遷移技術
        2.2.1 動態(tài)遷移技術
        2.2.2 靜態(tài)遷移和鏡像同步
        2.2.3 多VM遷移
    2.3 MEC應用遷移研究
        2.3.1 應用遷移機制
        2.3.2 MDP遷移策略
    2.4 本章小結
第3章 基于車輛軌跡預測的應用預遷移方法研究
    3.1 引言
        3.1.1 需求和技術分析
        3.1.2 基于軌跡預測的應用遷移模型
    3.2 行駛軌跡樣本集構建算法
        3.2.1 車輛行駛數據收集
        3.2.2 數據處理與柵格化重構
    3.3 基于ELM的應用預遷移方法
        3.3.1 車輛軌跡的SLFN預測模型
        3.3.2 ELM算法求解模型參數
        3.3.3 MEC應用預遷移方法
    3.4 測試結果與分析
    3.5 本章小結
第4章 基于MEC的IoV應用預遷移策略研究
    4.1 基于MEC的IoV系統(tǒng)
        4.1.1 IoV應用分類
        4.1.2 基于MEC的IoV服務框架
    4.2 IoV應用遷移模型
        4.2.1 應用性能指標模型
        4.2.2 IoV應用遷移模型
        4.2.3 應用遷移優(yōu)化目標
    4.3 IoV應用預遷移策略的求解及優(yōu)化
        4.3.1 基于動態(tài)規(guī)劃的多應用動態(tài)遷移算法
        4.3.2 軌跡預測負面影響的規(guī)避算法
        4.3.3 IoV應用優(yōu)先級算法
        4.3.4 基于優(yōu)先隊列的多應用遷移算法
    4.4 測試結果與分析
    4.5 本章小結
第5章 總結與展望
    5.1 論文總結
    5.2 未來展望
參考文獻
致謝
攻讀碩士學位期間從事的科研工作及取得的成果



本文編號：3860168