论文部分内容阅读
随着移动大数据时代的到来,数据通信量急剧增加,无线通信面临前所未有的挑战与机遇。车联网(Internet of Vehicles,IoV)是移动互联网大背景下的产物,如何快速且可靠地完成车与车之间的通信(Vehicle-to-Vehicle,V2V),车与路边设施之间的通信(Vehicle-to-Road Side Unit,V2R),以及车与人之间的通信(Vehicle-to-Human,V2H),成为车联网研究中的一个重要挑战。缓存技术则是应对海量数据通信最有效的方式之一。本文主要研究车联网两个常见场景(V2R和V2V)的数据内容分发与缓存技术。首先,本文提出了一种高速公路场景下多路侧单元(Road Side Unit,RSU)协作缓存方案。通过系统数学建模,并用MATLAB搭建仿真平台,分析了本场景下RSU存储容量、车辆行驶速度、内容流行度倾斜度、RSU下载速度等主要参数对系统平均时延的影响,验证了多RSU协作缓存方案与单纯基于流行度缓存方案相比,能够降低系统中车辆用户的平均下载时延。其次,基于该高速公路场景下多RSU协作缓存的系统模型,分析对比了遍历算法、贪婪算法和替换算法的性能和复杂度,并提出一种改进的模拟退火算法。基于MATLAB的仿真研究表明,该改进算法在不过度牺牲系统性能的前提下,算法复杂度有较大降低。此外,本文基于内容中心网络(Content-Centric Network,CCN),提出了一种十字路口场景下车辆节点的分布式概率缓存方案,给出了该方案的算法流程,并提出一种动态流行度计算方法。基于此分布式概率缓存方案,通过MATLAB仿真分析了该十字路口场景下的车辆行驶情况,对主要性能参数进行了仿真分析,验证了该场景下分布式概率缓存方案在缓存碰撞概率、缓存利用率、系统平均时延以及系统平均跳数方面与CCN现有的缓存策略相比有一定的性能提升。