近年來,云計算已經在計算機很多領域普及,云計算即通過網絡來提供計算,存儲等功能。隨著互聯(lián)網的發(fā)展,越來越多的需求是向移動云計算（Mobile Cloud Computing,MCC）轉變,即可以在移動的環(huán)境中應用云計算。但是,MCC使用也有局限性,例如移動設備中的資源受限,網絡帶寬和延遲不能滿足要求,以及安全問題等,這就需要將集中式云計算向移動邊緣計算（Mobile Edge Computing,MEC）轉變,將移動計算、網絡控制和存儲功能推送到網絡邊緣。由于靠近用戶終端側,MEC具有較低的網絡時延、較高帶寬的特點,很適合可直接訪問實時網絡信息的服務環(huán)境,比如車聯(lián)網場景是MEC的較熱門的應用場景。然而,基于MEC的車聯(lián)網在移動性管理方面有著巨大的挑戰(zhàn),主要體現(xiàn)在:高速移動車輛意味著應用頻繁的遷移,造成的服務高時延嚴重影響用戶體驗;虛擬機（Virtual Machine,VM）遷移涉及服務器選擇,遷移時間優(yōu)化等方面,而當前VM遷移算法的較高遷移時間無法滿足當前需求。較頻繁的服務遷移會造成很高的服務時延,為確保服務器能夠對車輛提供穩(wěn)定的服務,提高用戶體驗,本文將數(shù)據挖掘算法引入移動預測方案... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

隱馬爾可夫模型

重慶郵電大學碩士學位論文第2章相關MEC技術分析14圖2.2VM遷移基本順序步驟0：預復制：在執(zhí)行遷移之前，選擇目標服務器B。步驟1：預定：選擇了目標VM之后，對VM進行預復制預定。步驟2：迭代：將要遷移的VM迭代進行復制。一個周期后，復制那些在前一個階段弄臟的頁面。步驟3：停止并開始復制：將需要遷移的VM進行掛起，復制到目標服務器。步驟4：承諾：服務器B已經獲得A的VM，并承諾后續(xù)B服務器為用戶服務。步驟5：激活：激活服務器B上遷移的虛擬機，并繼續(xù)對用戶進行服務。2.2.3VM實時遷移算法服務器對用戶進行服務，可能會面臨過載情況，達不到較好的性能，浪費網絡資源。這時需要將服務的用戶數(shù)據以及應用狀態(tài)從當前服務的VM遷移到未過載服務器的VM上。在車聯(lián)網場景下，安全業(yè)務，導航業(yè)務，視頻等服務業(yè)務是極其重要的，在遷移過程中，可能是單個VM，也可能時多個VM需要遷移，首先要進行VM的選擇，避免造成不必要的遷移。如果同時需要多個VM進行遷移，則需要考慮這多個VM是并行遷移還是順序遷移。當確定要遷移的VM后，則要對這些虛

重慶郵電大學碩士學位論文第3章車聯(lián)網場景移動預測20圖3.2MEC服務器和車輛軌跡示意圖3.1.3軌跡分類本節(jié)根據預測區(qū)域的稠密程度劃分為幾個預測區(qū)域，以便進行比較。不同車輛用戶在不同的日期，時間會有不同的位置信息，日期和時間是影響用戶移動軌跡的關鍵因素。為了更準確地預測車輛的位置信息，將不同日期和時間的單個用戶的位置信息作為研究對象。然后通過不同時段將軌跡劃分為幾組。聚類是對物體不同的數(shù)據特征進行分組，每一組中的數(shù)據具有很高的相似性，不同組之間的數(shù)據差異性卻較大。本節(jié)劃分出幾個預測區(qū)域和時間段，然后，基于每個時段將用戶的軌跡分類為組。最后，根據每個在預測區(qū)域的軌跡來預測用戶的未來位置。聚類的基本思想是：預先定義聚類數(shù)目和中心，在迭代過程中根據數(shù)據不斷調整樣本簇，來提高聚類的準確度，達到最優(yōu)的結果，本章使用K均值的方法，該方法的特點是，邏輯簡單，收斂速度快，效率高。本節(jié)首先選擇一組位置作為集群的中心12{,,,,,}jKMmmmm，其中(,)jjjMxy表示中心位置。12{,,,,,}iNLllll表示車輛軌跡的位置坐標，其中(,)iiilxy表示車輛的位置。然后，定義車輛在每個位置到集群中心的距離。22(,)()()ijijijdlmxxyy(3.1)式中，(,)ijdlm——位置il和中心jm的距離

【參考文獻】：
期刊論文
[1]面向5G的MEC系統(tǒng)關鍵技術[J]. 宋曉詩,閆巖,王夢源.  中興通訊技術. 2018(01)
[2]5G車聯(lián)網展望[J]. 王良民,劉曉龍,李春曉,楊睛,楊衛(wèi)東.  網絡與信息安全學報. 2016(06)
[3]車聯(lián)網的關鍵技術及研究進展[J]. 頓文濤,趙玉成,王力斌,李勉,馬斌強,袁超,袁志華.  農業(yè)網絡信息. 2015(08)



本文編號：3114181