论文部分内容阅读
如今,云计算技术越来越多的应用于保护应用程序的数据以及动态地提供、配置资源。然而,移动终端的快速发展产生了大量的数据和巨大的资源服务需求。对延迟敏感的用户提供服务时,云计算的服务模式很难满足高移动性、低延迟和位置感知等方面的需求,这导致用户对服务的满意度下降。因此,移动边缘计算的概念和运用得以快速发展。这种新型的范式能够将云端的服务进行延伸,在本地进行通信和资源管理,可实现低延迟并支持移动性。物联网的飞速发展导致对高效的资源管理体系的需求日益迫切,所以移动边缘计算被看做是解决这一问题的关键技术。如何满足用户的应用需求并且保证资源服务的高效率也成为移动边缘计算研究的重点。因此,论文选择资源管理作为研究的课题,将移动边缘计算和车联网结合,研究资源管理的方法,考虑车辆高移动性的特性和用户的多用户服务质量(QoS)属性,提出了基于Stackelberg博弈的资源管理框架和基于车辆自组网的多路边单元(RSU)协同V2V的资源管理方法。具体内容如下。1.本文结合移动边缘计算(MEC)和车联网(Io V)提出了一个特定的车辆边缘资源管理框架,该框架由边缘节点(FN),数据服务代理商(DSA)和汽车组成。设计了动态服务区划分算法,以平衡DSA的负载并提高服务质量。提出了一种基于Stackelberg博弈模型的资源分配框架,利用分布式迭代算法分析了FN的定价问题和DSA的数据资源策略。仿真结果表明,所提出的框架能够保证DSA向FN申请资源的分配效率,减少服务的延迟。该框架实现了参与者的最佳策略和完美的纳什博弈均衡。2.研究基于车辆自组网多RSU协同车到车通信(V2V)的集群资源管理方案。提出了一种基于迁移率预测的高效聚类算法(MPCA)。MPCA的基本思想是首先使用区域划分算法将整个区域划分为不同大小的区域,这样每一辆车都可以预测自己的寿命和成为当前区域的簇头的成本。MPCA引入了一种称为车辆寿命值的新组合度量标准来描述车辆对集群稳定性和成本的影响。所提出的MPCA算法选择车辆寿命值最大的车辆作为当前区域的簇头并且分析了提高MPCA整体性能的参数集。此外,本文还通过仿真的方法对MPCA进行了性能评估,并与现有的两种车辆自组网(VANET)聚类方案进行了比较。仿真结果与分析结果吻合较好,证明了MPCA能够以较高的预测精度显著提高聚类体系结构的稳定性并减小数据服务的时延。