论文部分内容阅读
多接入边缘计算(Multi-access Edge Computing,MEC)是伴随 5G而来的一项技术,MEC通过将资源下沉到网络边缘,极大的降低了时延、缓解了终端计算压力,在各领域得到了广泛应用。随着MEC服务器的应用部署,其在车联网领域面临的问题及挑战也受到了越来越多关注,如用户关联问题、移动管理问题、资源分配问题等。无人机(Unmanned Aerial Vehicle,UAV)作为一种能够灵活部署且价格低廉的飞行器,很好的扩展了边缘计算的覆盖范围,在MEC中受到了广泛关注。然而,在前人的研究中,很少考虑到在车联网中应用UAV,实现数据的灵活传输。同时,基于当前复杂的车载网络环境,网络节点异构化已成为必然的发展趋势。因此,在有限且异构的网络边缘节点资源下,如何利用MEC技术进行时变网络中视频内容的传输,提高车辆用户(Vehicular Users,VUEs)的用户体验(Quality of Experience,QoE),实现VUE与资源节点的动态关联,仍然是当前国内外车联网领域的研究热点与难点。本文针对UAV辅助通信的车载异构网络环境,重点研究在有限的计算、缓存、通信及能量资源下,VUE与资源节点的长期关联问题。主要研究内容包括:(1)研究基于MEC的UAV辅助车联网中单用户接入策略。我们通过将缓存和计算资源下沉到路边单元(Road Side Units,RSU)、UAV、宏基站(Marco Base Station,MBS)等网络边缘节点,构建了一个基于MEC的用户关联方案。基于链路的时变性和资源节点在通信、计算、缓存方面的异构性,通过视频传输能力和可靠性两个指标描述资源节点的可用性和用户可获得的QoE,以最大化用户QoE为目标建立多资源约束下的多时隙VUE关联模型。考虑到多时隙下VUE关联问题为NP-hard问题,我们将其转化为最短路径问题并寻找次优解。仿真结果表明,相对于其他关联机制,我们的模型和算法能够有效提高用户QoE。(2)研究基于MEC的UAV辅助车联网中多用户接入策略。考虑用户及环境状态以及车载网络中资源的时变性,首先利用马尔科夫过程(MDP)描述用户请求接入引起的节点数量变化、车辆移动造成的距离变化、小尺度衰落导致的信道状况的变化情况。其次,充分考虑到负网络外部性特性,以最大化VUE可获取数据为目标建立用户效用函数。最后,采用动态规划算法实现长期关联策略的求解,同时,利用仿真与已有模型及算法作比较,证明了所提算法的有效性。