近年來,隨著移動通信技術(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)運而生。作為信息化城市發(fā)展的高級形態(tài),智慧城市以物聯(lián)網(wǎng)（Internet of Things,IoT）、云計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)化城市運營,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)到實時空氣質(zhì)量監(jiān)測,數(shù)以億計的IoT設(shè)備無時無刻不在產(chǎn)生數(shù)據(jù),以支持城市系統(tǒng)的運行。此外,新型網(wǎng)絡(luò)應(yīng)用（如:移動高清視頻、虛擬現(xiàn)實/增強現(xiàn)實（VR/AR））在豐富人們生活的同時,也產(chǎn)生了巨大的移動網(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、存儲和計算資源有限,無法應(yīng)對這些激增數(shù)據(jù)的即時傳輸、存儲和處理需求,這樣會極大地降低城市的運行效率。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、存儲和計算等資源方面存在冗余。針對數(shù)據(jù)和計算密集型業(yè)務(wù),在目標網(wǎng)絡(luò)資源受限的情況下,可以利用其他網(wǎng)絡(luò)中的空閑資源對其進行補充,以實現(xiàn)對業(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)負載遷移研究現(xiàn)狀
        1.2.2 計算負載遷移研究現(xiàn)狀
        1.2.3 面臨挑戰(zhàn)
    1.3 研究內(nèi)容和創(chuàng)新點
    1.4 論文章節(jié)安排
第二章 混合異構(gòu)網(wǎng)絡(luò)及負載遷移關(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 車載云計算
    2.4 負載遷移求解過程
    2.5 本章小結(jié)
第三章 基于虛擬運營商的數(shù)據(jù)負載遷移策略
    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)運營商盈利模式
        3.2.4 虛擬運營商盈利模式
    3.3 虛擬運營商流量決策
        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 流量成本與銷售價格
        3.4.3 服務(wù)收入與利潤
        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)負載遷移機制
    4.1 引言
    4.2 問題描述
        4.2.1 系統(tǒng)概述
        4.2.2 車輛移動模型
        4.2.3 QoE評價模型
        4.2.4 數(shù)據(jù)存儲模型
    4.3 基于優(yōu)化的存儲資源分配方法
        4.3.1 車輛移動模擬
        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
    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)點數(shù)目影響
    4.5 本章小結(jié)
第五章 基于車載云的計算負載遷移機制
    5.1 引言
    5.2 問題描述
        5.2.1 系統(tǒng)概述
        5.2.2 車輛移動模型
        5.2.3 計算業(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 基于改進遺傳算法的任務(wù)調(diào)度機制
        5.3.1 算法綜述
        5.3.2 基于統(tǒng)計優(yōu)先的重調(diào)度機制
    5.4 計算和通信資源聯(lián)合調(diào)度機制
        5.4.1 基于時序拓展圖的任務(wù)調(diào)度機制
        5.4.2 基于深度增強學(xué)習(xí)的任務(wù)調(diào)度機制
    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 負載遷移決策
        5.5.3 平均業(yè)務(wù)響應(yīng)時延
        5.5.4 系統(tǒng)穩(wěn)定性
        5.5.5 TEG和DRL遷移機制性能對比
    5.6 本章小結(jié)
第六章 全文總結(jié)
參考文獻
致謝
攻讀博士期間完成的論文專利以及參與的項目



本文編號：3184732