论文部分内容阅读
随着移动互联网的蓬勃发展和车辆自组织网络(Vehicular Ad Hoc Networks, VANETs)研究的不断进步,VANETs的功能已经从最初的支持交通管理和维护交通安全转变为了为车辆用户提供便捷的互联网服务。在这种新的趋势下,命名数据网络(Named Data Networking,NDN)相比于传统的TCP/IP网络在移动性支持、多网寻址和网内存储的上的优势,使得VANETs与NDN融合来提升面向汽车用户的互联网内容分发效率成为目前研究的热门趋势。但是在新的网络架构下,车辆在复杂的无线异构网络环境下如何从路边网络中获取原始的互联网数据成为VANETs与NDN相结合的一大障碍,这也成为本文研究的重点。得益于数据为中心的思想,VANETs和NDN融合后,网络异构造成的数据异质问题不复存在,所以数据下载问题简化为车辆如何选择路边网络,以及车辆如何利用NDN的优势高效下载数据。本文对这两个关键步骤进行了研究。针对网络选择问题,本文使用斯坦伯格博弈模型把网络和车辆分为领导者和跟随者两种角色,通过量化车辆的带宽需求以及对网络的偏好,和网络的定价规则,提出了多终端多网络选择模型(Multi-End-User Multi-Networks Selective Model,MEUMNS),利用最大化车辆和网络的效用找到了双方的最佳策略,仿真结果证明MEUMNS能够有效的指导双方调整自己的行为策略。车辆确定网络选择方案后,针对数据下载的问题,受现有方案的启发,本文根据NDN的特点提出了优先回应激励机制(Prior-Respose-Incentive-Mechanism, PRIM )鼓励车辆分别下载目标数据的一部分然后在网络中分享来完成合作下载。为了保证合作下载的顺利完成和实现对自私车辆的隔离,PRIM修改了 NDN的核心组件和算法,然后使用重复博弈理论分析参与者的收益,通过确定纳什均衡,指导参与者在合作中应该采取的策略。从网络模拟器NS-3上获取的仿真结果显示:PRIM在满足车辆数据需求的前提下,能够以较少的延时代价实现对自私车辆的惩罚和减少数据的重复下载。