论文部分内容阅读
即将到来的5G时代主要面对三大场景,即增强型移动宽带、超高可靠超低时延通信和海量机器类通信。车联网作为“超高可靠超低时延”场景的代表,是公认的5G技术的垂直产业,与5G的深入耦合将推动车联网从单车智能到车路并举的转变。然而5G技术对各项通信性能指标均有着极严苛的要求,仅靠传统的车云网络无法真正实现对5G技术的支撑。本文针对基于5G微基站的多接入边缘计算车联网(5G Micro Base Station-based MEC-VANET Networks,MVN)开展研究,该网络通过在道路两边部署5G微基站,替代传统的路侧单元,从而为车辆终端提供更快更稳定的连接,并在微基站上引入多接入移动边缘计算设备单元对时延敏感信息进行实时处理,旨在降低时延、避免带宽资源浪费。本文对MVN网络模型下的拓扑优化和规模测算(Topology Optimization and Dimensioning,TOD)问题进行了较为深入的探索,为5G技术与车联网的融合和部署提供了理论依据和技术支撑。首先,本文研究了一种基于树形拓扑的MVN网络架构,为车联网提供低延迟、高稳定的连接,避免带宽资源的浪费。在此基础上,对基于MVN架构的TOD问题开展了较为深入的研究,为MVN网络在实际工程中的部署奠定了基础。其次,对拓扑结构、通信范围等影响MVN架构部署的因素作了综合的考虑后,将TOD问题进行数学建模,以最小化网络部署成本为优化目标,采用Gurobi求解器对TOD这一整数线性规划问题进行求解,并验证基于MVN架构的TOD问题的可行性以及可拓展性。最后,针对Gurobi求解器在大规模网络场景下求解时长过长甚至无法求解的问题,本文提出了一种基于MVN架构的贪心算法(MVN-based Greedy Algorithm,MGA)和一种基于MVN架构的启发式算法(MVN-based Heuristic Algorithm,MHA)以实现对TOD问题的快速求解,大量的仿真实验验证了 MHA求解TOD问题的优越性。本文接着对MHA算法进行改进,提出了一种基于MVN架构的容量资源配置算法(MVN-based Capacity Resource Allocation Algorithm,MCRAA)对拓扑和资源配置进行联合优化,在不同的区域部署不同种类的MEC元件,避免了MEC资源的浪费并进一步降低了网络的部署成本。