论文部分内容阅读
随着车载智能终端的快速普及,移动网络数据将迎来爆发性增长,如何解决其带来的蜂窝网络数据过载问题也得到了更多关注。其中,蜂窝网络与车载自组网相结合的异构车联网时延移动数据卸载通过把时延数据卸载到车载自组网中传递,能够有效解决智能车载终端发展带来的数据过载问题同时,更加契合了未来智能交通发展的需求。然而,目前不同场景下的时延数据卸载仍然有不少理论问题需要解决,主要为节点协同合作场景下单类型移动网络数据卸载中的初始数据投放节点选择问题和有限辅助节点场景下多类型移动网络数据卸载中的不同类别数据投放选择问题。因此,本文将对这两个不同场景下卸载问题进行研究,提出了两种分别对应两个不同场景的数据卸载算法。主要工作内容如下:(1)基于车辆运动估计的异构车联网移动网络数据卸载算法。该算法主要解决节点协同合作场景下的单类型移动网络数据卸载问题,通过结合车辆节点运动的方向性以及受道路限制特点,提出一种车辆节点之间数据传递的概率估计算法,然后通过概率估计建立一个系统卸载效用函数来代表不同初始数据投放节点集合所带来的期望卸载量,最后通过贪心算法获取系统卸载效用函数最大时对应的初始数据投放节点集合。(2)基于数据卸载增益的异构车联网多类型移动网络数据卸载算法。该算法主要解决有限辅助节点场景下的多类型移动网络数据卸载问题,通过结合不同节点的数据请求矩阵以及车辆节点之间的数据传递概率估计,建立了多类型数据系统卸载效用函数,然后通过对效用函数的函数特性分析证明其为次模函数,最后提出了基于数据卸载增益的数据投放选择算法,得到不同辅助节点中不同数据的投放选择集合。(3)采用SUMO+MOVE及NS2仿真软件分别对两种场景下的数据卸载算法进行仿真分析,并将这两种算法分别与TOMP算法和随机选择算法、GA算法和随机投放算法进行对比分析。从仿真结果可以看出,这两种算法在各自解决的卸载场景下都具有较好的卸载比例以及平均时延,从而验证了这两种算法在各自场景下具有更好的卸载效果。