【摘 要】
：
随着第五代通信系统（Fifth Generation Mobile Communication,5G）的到来,车联网开始蓬勃发展,传统云计算（Cloud Computing,CM）的高延时特性等,已经不能满足车联网中的各种智能应用的要求,如自动驾驶、智能娱乐、智能交通等。为了解决这些智能应用对数据的计算、存储和通信的新要求,移动边缘计算（Mobile Edge Computing,MEC）应运而生
论文部分内容阅读
随着第五代通信系统（Fifth Generation Mobile Communication,5G）的到来,车联网开始蓬勃发展,传统云计算（Cloud Computing,CM）的高延时特性等,已经不能满足车联网中的各种智能应用的要求,如自动驾驶、智能娱乐、智能交通等。为了解决这些智能应用对数据的计算、存储和通信的新要求,移动边缘计算（Mobile Edge Computing,MEC）应运而生,MEC将计算下沉,可以有效缓解计算压力。因此,为了解决车联网中产生的大量延迟敏感数据,本文考虑通过MEC使计算节点靠近用户,以此来支持车联网系统的运行,并通过引入拍卖机制来激励车辆和边缘节点参与到车联网系统的信息交互中,以此来提高整个系统的效率。本文针对车联网中的资源分配问题,提出了两种拍卖机制来实现资源提供商和资源需求方之间成功匹配对数最大化的目标,本文具体的研究内容如下:本文针对要解决的问题提出了两种解决方案,第一种方案是针对边缘节点作为资源提供方和车辆只能作为资源需求方的情况,提出了使车联网系统成功匹配对数最大化的拍卖机制;第二种方案是针对边缘节点作为资源提供方和车辆既可以作为资源需求方也可以作为资源提供方的情况,提出了使车联网系统成功匹配对数最大化的拍卖机制。在资源分配问题上,前者使用了近似算法,后者使用了贪心策略算法以及优先满足不符合RSU距离约束的车辆（PMV-not-MRD）算法;在价格支付问题上,前者采用最低成功竞价算法,后者使用对应下一个卖家要价算法来计算支付价格。同时,本文证明了两种机制都满足个体理性和真实性等经济学特性。通过实验,本文分别对两种拍卖机制的成功匹配对、买卖双方以及车联网系统整体的效用等指标进行了评估,与传统算法ICAM相比,实验结果表明,本文提出的拍卖机制能够有效的最大化车联网系统成功匹配对,可以为车联网系统提供有效的资源分配策略。
其他文献
为采取针对性措施有效预防手术室火灾，笔者通过百度、消防主管机关官方网站、CNKI数据库和中国国家图书馆搜集资料，共获得2000—2019年全国手术室火灾案例9起，把火灾资料数据输入Excel2007进行统计分析，结果显示9起综合医院手术室火灾造成1人受伤和1人死亡，涉及6个等级的9家医院、6个月份、8个时段、7个起火部位和3种直接原因，具体分析发现火灾数据在4类分组中各具特点，文章根据统计结果提出
教育在当下的社会发展中逐渐受到越来越多的关注，那么教育在日后的发展中如何更好地适应，推动幼儿以及学生的全面发展需要引起当下教育工作者的高度重视。教育首先从幼儿教育开始，在幼儿教育中，幼儿的成长与发展是极为重要的，幼儿教育作为整个教育阶段的基础，需要幼儿教师及时进行教育教学方式的创新，以便能够更好地为幼儿日后的发展打下坚实的基础。在当下的幼儿教育中，创意艺术活动的组织与发展能够在很大程度上帮助幼儿塑
空间co-location模式挖掘的目标是发现空间特征集的子集,这些特征的实例在地理空间中频繁相邻出现。然而,在许多实际情况中,空间特征的实例不仅包含空间位置信息,还包含属性信息。现有的大多数co-location模式挖掘算法只关注特征的空间位置信息,而忽略了其属性信息。虽然已经有一些研究使用一型模糊隶属度函数挖掘模糊co-location模式,但这种隶属函数存在很大的不确定性。为了解决这个问题,
得益于计算机网络传输速度的飞快提高,现实世界中实体之间的信息流通日益频繁,大数据时代就此来临。图结构数据建模作为研究实体间交互、组织等关系特征的一种常用方法,在数据挖掘、分析等领域具有重要意义。此外,由于神经网络在特征编码上的强大优势,已提出许多针对图结构数据的神经网络模型在推荐系统、知识图谱等图下游任务上取得巨大成功。作为图数据分析处理的首要环节,图表示学习旨在对实体节点的属性和行为关系进行特征
＜正＞3～6岁是培养幼儿动手能力和大脑技能的关键时期,同时也是培养幼儿创造力和想象力的重要时期。幼儿园创意艺术活动是一种幼儿教学活动,它以幼儿技能发展和个性发展为核心,以教师指导为基础,以课程主体为线索,通过多种艺术表现形式的结合,促进幼儿创意艺术能力的发展。幼儿创意艺术活动属于创意教育的范畴。教师在幼儿教育中开展创造性的艺术活动,有利于锻炼幼儿的思维能力,挖掘幼儿的创造潜能,促进幼儿更好地发展。
当前各式各类的统计结果和科研记录的内容大量出现,数据量不断地提升。如何在这种大数据的背景之下,有效地针对不同类型数据进行分析和研究,从海量的数据中提取有用的知识成为时代当务之急的问题。数据挖掘就是顺应这种需要应运而生发展起来的数据处理技术。聚类就是观察分析各种抽象对象,或者是各种实际对象的规律和特征,并将其中具有一些相似性的目标进行分类分析,目前已逐渐成为一种非常有效的数据挖掘分析方法。然而现有的
太阳射电频谱观测是研究太阳爆发的重要手段,太阳射电爆发蕴含着太阳活动的重要信息。太阳射电频谱分为多种类型,对应不同的物理事件。随着射电频谱仪的发展,观测数据呈海量趋势,人工检测和分类太阳射电频谱已难以满足研究工作的需求。因此,如何高效迅速地从这些海量信息中自动检测出太阳射电爆发并对其分类,对于后续科学研究与空间天气预警和预报显得十分重要。本文利用卷积神经网络和迁移学习方法设计网络模型去分类太阳射电
5G技术的飞速发展和移动智能设备的日益普及,极大地推动了各种基于位置的服务（Location Based Services,LBS）的应用和发展,也产生了海量刻画用户日常行为的用户移动轨迹数据。其中,用户签到数据因其独有特点,使得研究者能够从多个维度对用户的移动行为进行研究分析,让基于用户签到数据的用户位置预测逐渐成为当前研究热点。由于用户签到是用户根据自身需求所进行的一种自发行为,充满了不确定性
随着信息技术的日益发达,网络空间中的数据快速增长,大量数据重复问题产生,而文本匹配是解决这些问题的必备技术,被广泛应用于各种应用系统,比如信息检索、信息流推送、智能问答系统等。文本匹配在英文领域取得了很好的效果,但受语义、结构复杂,词性、情感多样等因素制约,在中文领域仍需深入探究。针对中文文本匹配,本文基于深度学习,开展了如下工作:（1）提出了多粒度内外相关的残差模型,挖掘中文的深度语义信息。首先
盐雾试验、湿热试验存在检测试验周期较长、数据的重复性差等缺点，根据防锈油的性能研究需求，将电化学工作站中的腐蚀试验测试方法应用于防锈油的防锈性能研究中，探究防锈油的电化学性能与盐雾试验、湿热试验数据的相关性。在盐雾试验、湿热试验的基础上，进一步采用电化学循环伏安法研究防锈油的性能，验证了电化学方法研究防锈油的性能与盐雾试验、湿热试验的结果一致性。在实际研究防锈油性能时提高了评估检测效率。