由于車載應(yīng)用的普及和車輛數(shù)量的增加,路邊基礎(chǔ)設(shè)施的物理資源有限,當(dāng)大量車輛接入車聯(lián)網(wǎng)時能耗與時延同時增加,通過整合內(nèi)容分發(fā)網(wǎng)絡(luò)（CDN）和移動邊緣計算（MEC）的框架可以降低時延與能耗。在車聯(lián)網(wǎng)中,車輛移動性對云服務(wù)的連續(xù)性提出了重大挑戰(zhàn)。因此,該文提出了移動性管理（MM）來處理該問題。采用開銷選擇的動態(tài)信道分配（ODCA）算法避免乒乓效應(yīng)且減少車輛在小區(qū)間的切換時間。采用基于路邊單元（RSU）調(diào)度的合作博弈算法進行虛擬機遷移并開發(fā)基于學(xué)習(xí)的價格控制機制,以有效地處理MEC的計算資源。仿真結(jié)果表明,所提算法相比于現(xiàn)有的算法能夠提高資源利用率且減少開銷。 

【文章來源】：電子與信息學(xué)報. 2020,42(06)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

系統(tǒng)模型圖

[18]比較。隨著虛擬機個數(shù)的增加，所有方案的資源利用率都在增加，從圖5中可看出本文的方案可獲得比其他方案更高的資源利用率。該方案采用TCS的RSU調(diào)度機制，并通過合作博弈算法實現(xiàn)資源利用的增益。尤其是基于Q學(xué)習(xí)的方法可表3模擬參數(shù)表參數(shù)數(shù)值輸入數(shù)據(jù)的大小di,j300～1600kBσ2噪聲功率0.1～1.0GHzfCMEC服務(wù)器CPU周期頻率6GHzTth最大延遲容限6s迭代次數(shù)Idd600Pmax最大傳輸功23dBm傳輸帶寬W20MHz任務(wù)執(zhí)行時所需的CPU周期數(shù)ci,j0.1～1.0GHz圖2基站數(shù)目對切換時間的影響圖3車輛用戶的密度對平均時延的影響圖4不同負(fù)載大小下總時延的變化情況第6期張海波等：車聯(lián)網(wǎng)中整合移動邊緣計算與內(nèi)容分發(fā)網(wǎng)絡(luò)的移動性管理策略1449

櫻???方案的資源利用率都在增加，從圖5中可看出本文的方案可獲得比其他方案更高的資源利用率。該方案采用TCS的RSU調(diào)度機制，并通過合作博弈算法實現(xiàn)資源利用的增益。尤其是基于Q學(xué)習(xí)的方法可表3模擬參數(shù)表參數(shù)數(shù)值輸入數(shù)據(jù)的大小di,j300～1600kBσ2噪聲功率0.1～1.0GHzfCMEC服務(wù)器CPU周期頻率6GHzTth最大延遲容限6s迭代次數(shù)Idd600Pmax最大傳輸功23dBm傳輸帶寬W20MHz任務(wù)執(zhí)行時所需的CPU周期數(shù)ci,j0.1～1.0GHz圖2基站數(shù)目對切換時間的影響圖3車輛用戶的密度對平均時延的影響圖4不同負(fù)載大小下總時延的變化情況第6期張海波等：車聯(lián)網(wǎng)中整合移動邊緣計算與內(nèi)容分發(fā)網(wǎng)絡(luò)的移動性管理策略1449


本文編號：3072358