近年來,隨著移動(dòng)通信技術(shù)的發(fā)展,以及城市信息化應(yīng)用水平的提高,智慧城市的建設(shè)應(yīng)運(yùn)而生。作為信息化城市發(fā)展的高級(jí)形態(tài),智慧城市以物聯(lián)網(wǎng)（Internet of Things,IoT）、云計(jì)算等新一代信息技術(shù)為基礎(chǔ),通過系統(tǒng)、整合的方式優(yōu)化城市運(yùn)營(yíng),能夠?qū)崿F(xiàn)合理的資源配置,為人們提供更高的生活質(zhì)量。智慧城市中,從智能交通系統(tǒng)到實(shí)時(shí)空氣質(zhì)量監(jiān)測(cè),數(shù)以億計(jì)的IoT設(shè)備無時(shí)無刻不在產(chǎn)生數(shù)據(jù),以支持城市系統(tǒng)的運(yùn)行。此外,新型網(wǎng)絡(luò)應(yīng)用（如:移動(dòng)高清視頻、虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)（VR/AR））在豐富人們生活的同時(shí),也產(chǎn)生了巨大的移動(dòng)網(wǎng)絡(luò)流量。傳統(tǒng)單一網(wǎng)絡(luò)結(jié)構(gòu)受基礎(chǔ)設(shè)施數(shù)量的限制,帶寬、存儲(chǔ)和計(jì)算資源有限,無法應(yīng)對(duì)這些激增數(shù)據(jù)的即時(shí)傳輸、存儲(chǔ)和處理需求,這樣會(huì)極大地降低城市的運(yùn)行效率。智慧城市是建立在蜂窩網(wǎng)、無線局域網(wǎng)和車聯(lián)網(wǎng)（Internet of Vehicles,IoV）等多種網(wǎng)絡(luò)組成的混合異構(gòu)通信網(wǎng)絡(luò)之上,不同網(wǎng)絡(luò)結(jié)構(gòu)在通信、存儲(chǔ)和計(jì)算等資源方面存在冗余。針對(duì)數(shù)據(jù)和計(jì)算密集型業(yè)務(wù),在目標(biāo)網(wǎng)絡(luò)資源受限的情況下,可以利用其他網(wǎng)絡(luò)中的空閑資源對(duì)其進(jìn)行補(bǔ)充,以實(shí)現(xiàn)對(duì)業(yè)務(wù)的快速響應(yīng)。因此,智慧城市可持續(xù)發(fā)展的... 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：136 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
縮略語表
第一章 緒論
    1.1 研究背景
        1.1.1 智慧城市的浪潮
        1.1.2 負(fù)載遷移應(yīng)用前景
    1.2 研究現(xiàn)狀和挑戰(zhàn)
        1.2.1 數(shù)據(jù)負(fù)載遷移研究現(xiàn)狀
        1.2.2 計(jì)算負(fù)載遷移研究現(xiàn)狀
        1.2.3 面臨挑戰(zhàn)
    1.3 研究?jī)?nèi)容和創(chuàng)新點(diǎn)
    1.4 論文章節(jié)安排
第二章 混合異構(gòu)網(wǎng)絡(luò)及負(fù)載遷移關(guān)鍵技術(shù)
    2.1 引言
    2.2 混合異構(gòu)網(wǎng)絡(luò)
        2.2.1 蜂窩網(wǎng)
        2.2.2 無線局域網(wǎng)
        2.2.3 車聯(lián)網(wǎng)
    2.3 負(fù)載遷移關(guān)鍵技術(shù)
        2.3.1 車聯(lián)網(wǎng)邊緣緩存
        2.3.2 車載云計(jì)算
    2.4 負(fù)載遷移求解過程
    2.5 本章小結(jié)
第三章 基于虛擬運(yùn)營(yíng)商的數(shù)據(jù)負(fù)載遷移策略
    3.1 引言
    3.2 問題描述
        3.2.1 系統(tǒng)概述
        3.2.2 用戶需求建模
        3.2.3 網(wǎng)絡(luò)運(yùn)營(yíng)商盈利模式
        3.2.4 虛擬運(yùn)營(yíng)商盈利模式
    3.3 虛擬運(yùn)營(yíng)商流量決策
        3.3.1 古諾模型
        3.3.2 斯塔克伯格模型
    3.4 仿真結(jié)果與分析
        3.4.1 數(shù)據(jù)流量分配
        3.4.2 流量成本與銷售價(jià)格
        3.4.3 服務(wù)收入與利潤(rùn)
        3.4.4 領(lǐng)導(dǎo)者流量決策
    3.5 本章小結(jié)
第四章 基于邊緣緩存的視頻數(shù)據(jù)負(fù)載遷移機(jī)制
    4.1 引言
    4.2 問題描述
        4.2.1 系統(tǒng)概述
        4.2.2 車輛移動(dòng)模型
        4.2.3 QoE評(píng)價(jià)模型
        4.2.4 數(shù)據(jù)存儲(chǔ)模型
    4.3 基于優(yōu)化的存儲(chǔ)資源分配方法
        4.3.1 車輛移動(dòng)模擬
        4.3.2 視頻文件劃分
        4.3.3 播放碼率調(diào)節(jié)
        4.3.4 優(yōu)化問題描述
        4.3.5 算法設(shè)計(jì)
    4.4 仿真結(jié)果與分析
        4.4.1 視頻碼率分配結(jié)果
        4.4.2 用戶組成影響
        4.4.3 緩存空間影響
        4.4.4 緩存節(jié)點(diǎn)數(shù)目影響
    4.5 本章小結(jié)
第五章 基于車載云的計(jì)算負(fù)載遷移機(jī)制
    5.1 引言
    5.2 問題描述
        5.2.1 系統(tǒng)概述
        5.2.2 車輛移動(dòng)模型
        5.2.3 計(jì)算業(yè)務(wù)模型
        5.2.4 業(yè)務(wù)響應(yīng)模型
        5.2.5 優(yōu)化問題描述
    5.3 基于改進(jìn)遺傳算法的任務(wù)調(diào)度機(jī)制
        5.3.1 算法綜述
        5.3.2 基于統(tǒng)計(jì)優(yōu)先的重調(diào)度機(jī)制
    5.4 計(jì)算和通信資源聯(lián)合調(diào)度機(jī)制
        5.4.1 基于時(shí)序拓展圖的任務(wù)調(diào)度機(jī)制
        5.4.2 基于深度增強(qiáng)學(xué)習(xí)的任務(wù)調(diào)度機(jī)制
    5.5 仿真結(jié)果與分析
        5.5.1 車輛和業(yè)務(wù)模擬
        5.5.2 負(fù)載遷移決策
        5.5.3 平均業(yè)務(wù)響應(yīng)時(shí)延
        5.5.4 系統(tǒng)穩(wěn)定性
        5.5.5 TEG和DRL遷移機(jī)制性能對(duì)比
    5.6 本章小結(jié)
第六章 全文總結(jié)
參考文獻(xiàn)
致謝
攻讀博士期間完成的論文專利以及參與的項(xiàng)目



本文編號(hào)：3184732