没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
本文围绕车载网络高效协作内容分发面临的关键挑战,如通信延迟、网络资源稀缺等,提出了一种基于多目标灰狼优化算法的模糊聚类策略及结合联盟形成博弈的车载网络内容分发技术。模糊聚类算法用于选定最佳中继节点,确保内容有效传送,并借助联盟形式博弈优化非中继节点组成最佳通信群,提高整个网络性能;通过理论分析验证,仿真显示本方案可优化车联网的内容传播效能。适合从事边缘计算、网络工程及相关技术领域的专业人员使用和探索。应用场景主要是面对大规模车联网数据传输的需求,解决车载边缘计算中的网络拥堵等问题,提升信息的及时传播效果。
资源推荐
资源详情
资源评论
1
基于多目标灰狼算法优化的模糊聚类和联盟博弈的车联网协作内
容分发策略
摘要:为了应对新兴的车辆应用和指数增长的数据导致通信、计算和存储资源需求的增加,以及对响应时间和网络带宽的严
格性能要求等挑战,移动边缘计算被视为一个有前途的解决方案。车辆边缘计算将车辆网络集成到 MEC 中从而形成一个新型计算
范式。然而,连接车辆的数量和通信资源有限,如何设计和实现高效的内容分发策略,满足车辆应用的服务质量需求,仍然是一
项非常具有挑战性的工作。本文提出了一种基于多目标灰狼优化算法的模糊聚类策略和联盟形成博弈的车载网络内容分发策略,
旨在优化车载网络的内容分发。该策略首先通过多目标灰狼优化算法优化模糊聚类的中心寻找最优中继车辆,然后利用联盟形成
博弈模型为非中继车辆选择最优联盟。模拟结果表明,该策略有效地提升了车载网络的性能。
关键词:内容分发;多目标灰狼算法;模糊聚类;联盟形成博弈
1 引言
随着无线通信技术和物联网技术的发展,近年来,车联网(Internet of Vehicles,IoV)技术已被提出并被视为汽车和运输技
术未来发展的重要方向之一。
IoV
的出现,旨在实现车辆与可能与之相关的所有实体之间的信息交换。车联网将车辆、传感器、
行人、移动设备和互联网与先进的通信和网络技术连接起来,这些技术可以增强道路安全,改善道路交通管理,并支持沉浸用户
体验[1-3]。车联网的迅速发展也催进了智能车载服务的广泛使用,例如自动驾驶、娱乐应用、智能导航、智能停车等。新兴的车
辆应用和指数增长的数据自然导致通信、计算和存储资源需求的增加,以及对响应时间和网络带宽的严格性能要求。为了应对这
些挑战,移动边缘计算(
Mobile Edge Computing
,
MEC
)被视为一个有前途的解决方案。
MEC
将强大的计算和存储能力从远程云
推到靠近车辆用户的网络边缘,从而实现低延迟和带宽消耗
[4]
。
车辆边缘计算(Vehicular edge computing,VEC)将车辆网络集成到 MEC 中从而形成一个新型计算范式。在 VEC 网络中,
计算节点可以部署在蜂窝塔、路边单元(Road-Sides Unit,RSU)和连接的车辆中。计算任务首先卸载到计算节点进行处理。计算
任务后,通过基础设施将结果内容分配给车辆。另外,连接的车辆本身可以被视为边缘节点并增强了缓存能力,因此有缓存的连
接车辆可以被视为中继节点,通过车辆对车辆(
Vehicle-to-Vehicle
,
V2V
)通信存储和传播预取内容,增强了网络的扩展性。在高
速车辆自组织网络(Vehicular ad hoc networks, VANETs)中,中继通信与协作通信技术扮演着至关重要的角色,这些技术不仅提升了
车辆之间的信息传递效率,还显著增强了整体通信网络的可靠性和稳定性:1)利用中继技术,车辆能够有效地克服通信距离的约
束。在高速行驶的情况下,由于车辆间的相对速度快,直接的通信可能会遭受信号衰减和干扰。通过建立中继节点,车辆可以在
通信路径中增设额外的
"
跳点
"
,这些跳点能够接收、转发和增强信号,进而确保信息能在更远的距离内传播。这种方式不仅扩大
了通信的覆盖面,也降低了信息丢失的风险,使得车辆之间的实时数据交换更为流畅和安全。2)利用协作通信技术,车辆能在动
态的交通环境中共享信息和资源。这意味着,车辆能够彼此传递实时的交通情况、路面变化、事故预警等关键信息,以实现信息
的互联互通。在这种合作模式下,车辆不仅可以获取自身周边环境的实时数据,还可以通过网络获取更广泛的交通信息,从而做
出更精准的驾驶决策。这种信息共享的模式显著地提高了交通效率,减少了交通堵塞和事故的发生率,提升了整体的道路安全性。
本文提出的策略,利用多目标灰狼算法来优化模糊聚类中心,寻找到一组最优的中继车辆,然后通过联盟形成博弈构建 V2V 通信
的网络拓扑结构实现协作通信。
论文的其余部分组织如下:第二节讨论了近年相关工作及已有的研究;第三节介绍了相关算法原理和模型构建;第四节详述
了多目标灰狼算法优化的模糊聚类和联盟形成博弈算法的设计与分析;第五节讨论了实验的结果和比较;第六节对本文进行总结。
2 相关研究工作
在车辆边缘计算中,内容分发通常有三种方式:① 基于 V2I 的内容分发,其中车辆通过道路通信基础设施实现内容检索;
② 基于 V2V 的内容分发,其中内容分发是通过车辆之间的 V2V 通信实现;③ 协作式内容分发(即结合 V2V 和 V2I 通信),当
内容交付过程在
V2I
通信后尚未完成时,使用合作的
V2V
通信
[7]
。当前,有多种技术可用于内容分发来提高车辆间互联网内容分
2
发的效率,如边缘服务器存储和分发、数据压缩和编码、网络拓扑优化等。
例如,Deng 等人[8]提出了一种基于命名数据的高效车辆间互联网内容分发,将新兴的命名数据网络念应用于 V2V 通信,提
出了一个简单的车辆之间直接交换大型内容分发机制。该机制利用定制的车载自组织网络(
Vehicular Ad Hoc Networks
,
VANETs
)
模块,可以在战略层执行多源供应、智能响应和断点恢复,以提高
VANETs
中服务请求者的体验质量。
Li
等人
[9]
在此基础上,重
新设计内容分发过程,提出了两种创新机制,包括自适应切换和分段随机行走方法,重新设计的机制不仅提高了传输效率,还降
低了数据包的冗余。这些内容分发机制是通过优化数据的获取和使用来提高内容分发的效率。而 Gao 等人[10]通过数据重新编码
的方式来优化内容分发的效率,提出了基于分批稀疏编码的基础设施到车辆(
I2V
)和车辆对车辆(
V2V
)联合通信方案。
对于中继技术的研究,尹等人[11]提出了一种基于中继技术的车载无线通信系统,该系统实现对组网内车辆的实时信息进行
分析,车辆之间的通信能够自适应中继传输,保证了车辆之间通信的连续性和信息的共享与传播。Rong 等人[12]提出了一种用于具有
多源车辆(SV)和中继车辆(RV)的 VANET 的中继车辆选择算法。强调 SV 和 RV 在接力选择中的合作和竞争关系,建立了一
个合作博弈模型。并应用了改进的
Kuhn-Munkres
算法,实现所有
SV
和
RV
的联合支付函数的最大化,获得了最佳的中继车辆选
择。除此之外,还有许多学者研究使用博弈模型的激励方案[13][14],但是大多数中基于中继车辆传播内容的传输能力来选择中继车
辆的问题还没有得到足够的重视。对此 Yi 等人[15]开发了一种基于边缘计算的车辆内容传播框架,作者综合考虑一个网络在下载
阶段和中继阶段两个阶段的运行。在下载阶段,选择具有最低出价和所需传输能力的车辆,根据其轨迹、机动性和交通状况进行
评估,从边缘计算设备下载内容。在中继阶段,中继车辆在行驶中通过
V2V
通信将内容传递给对内容感兴趣的其他车辆。
与选择中继车辆不同,Luo 等人[16]更专注于信息内容存储提出了一种受算法启发的智能内容分发方案。在文中,作者通过
基于模糊逻辑的方法来选择最合适的内容副本车辆,以帮助内容分发。
对车辆之间通信的网络拓扑结构的优化也是提高内容分发效率的有力手段。
Luo
等人
[17]
考虑了高速公路
VANETs
场景下
V2V 之间的文件传输,针对车辆移动性快,车辆之间的连接不稳定的问题,提出了一种新的基于集群的文件传输解决方案。当车
辆请求文件时,将评估资源车辆和目标车辆之间的传输能力。如果请求的文件可以通过直接的 V2V 连接成功传输,文件传输将由
资源和目的地本身完成。否则,将形成一个集群来帮助文件传输。
在本文中提出的基于多目标灰狼算法优化的模糊聚类和联盟形成博弈的内容分发策略是一种协作式的分发策略。我们首先通
过多目标灰狼算法优化的模糊聚类算法来寻找最优的中继车辆,然后利用联盟形成博弈构建车辆通信的网络拓扑结构,以实现内
容分发效率的提高。
3
系统模型
3.1 网络模型
图 1 车辆网协作式内容分发模型
图 1 为车联网协作式内容分发的通信模型,在车辆网中,协作式内容分发策略是一种高效的信息广播方法。这种策略涉及将
车辆聚合成为簇,然后选择簇内最适合的车辆作为中继节点,负责收集和分发交通信息。当需要广播实时消息,如道路安全警告、
交通状况更新等,中继节点可以快速地将信息传递给整个簇内的车辆。这种策略避免了所有车辆都需要直接与远程服务器或基础
3
设施节点通信,从而降低了网络的拥塞和延迟。
路边单元(Road Side Unit,RSU)在车联网中起着重要的角色,可以用于收集,处理和发送各种类型的信息。假设一个路段
内的所有车辆为
,对车辆分簇后有簇头车辆和簇成员车辆,簇头车辆担任中继车辆的任务,负责收集和
转发
RSU
分发的消息,将簇成员车辆与非簇内成员统称为非中继车辆,可以将中继车辆和非中继车辆分别表示为
和
,则有
。在 RSU 将监控到的信息,如车辆信息、交通信息、
环境信息等分发给行驶的车辆时,RSU 先将信息分发给簇头车辆 R,也就是中继车辆,再由中继车辆转发给簇成员车辆或其他非
中继车辆
NR
,当携带消息的车辆驶离出
RSU
覆盖范围,也会继续将消息转发给其他车辆。
3.2 通信模型
3.2.1 路径损耗
在
VANETs
中,
V2R
通信和
V2V
通信都是使用无线通信技术进行信息交换,并且车辆搭载的车载单元有一定的缓存能力。
在本文中,我们考虑将一段设有路边单元的路段为通信环境,暂不探究车辆的缓存空间。在高速公路环境中通常是开阔的环境,
建筑物和其他障碍物相对较少,所以我们使用大尺度衰减模型来描述信号传播特性。在 V2R 通信阶段,我们只考虑一个 RSU 的
覆盖区域,所以使用自由空间传播模型就可以满足需求。自由空间传播模型中接收信号的功率计算方法为,
λ
(1)
自由空间路径损耗定义为
,以分贝(dB)为单位可表示为,
λ
(2)
其中,
是发射功率;
是发射机天线增益;
是接收机天线增益;
d
是发射机与接收机的距离;λ则是波长。
在 V2V 通信阶段,考虑到路段长度较长或者环境复杂性较高等因素,我们使用双线地面反射模型。双线地面反射模型的接收
信号的功率计算方法为,
(3)
双线地面反射模型路径损耗以分贝(dB)为单位可表示为,
(4)
其中,
和
分别是是发射和接收天线的高度。但是,双线地面反射模型在描述短距离情况的的效果并不准确。相比自由空
间模型在描述短距离时更加有效。因此,引入一个临界距离
:
λ
(5)
当
d<
时,将使用双线地面反射模型;
d>
时,用自由空间模型
;
当
d=
时,两者给出的结果相同。
3.2.2 链路状态
在车联网的协作式内容分发中,考虑链路状态除了路径损耗以外的其他因素,也是至关重要的。虽然路径损耗是影响信号强
度的主要因素,但其他链路状态参数,如信道质量、信噪比和信道容量等,也直接影响到内容分发的性能。如果我们只考虑路径
损耗,可能会忽略其他影响传输性能的重要因素。例如,即使两个节点之间的路径损耗较小,但如果这个信道的干扰严重,或者
由于其他原因导致信道质量差,那么信道容量可能会很低,从而导致实际的数据传输速率远低于预期。
剩余10页未读,继续阅读
资源评论
pk_xz123456
- 粉丝: 1726
- 资源: 523
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功