车联网边缘缓存部署方案研究

摘要

随着通信技术的发展和智能设备的普及，爆炸式的流量增长给移动互联网带来了前所未有的挑战。边缘缓存技术作为车联网进行数据信息共享和分发的一项关键技术，在一定程度上可以减轻数据访问压力，降低网络通讯量，提升数据访问性能。然而现有的边缘缓存架构和缓存策略存在一定的局限性，使得车联网边缘缓存面临一系列的挑战。如何利用边缘缓存技术构建面向车联网应用的缓存架构，以及如何在架构中合理高效地管理资源，是车联网相关研究的关键所在。鉴于此，本论文提出了面向车联网应用的分层缓存架构，并对各层的资源管理与优化进行了深入的研究。主要研究内容和创新性归纳如下：　　(1)面向车联网应用的缓存架构设计　　本论文首先对车联网当前的缓存结构以及缓存策略进行了总结。在此基础上，提出了面向车联网应用的分层缓存架构，架构自上而下分别为内容服务器层、二级节点层、边缘节点层。之后分别从技术实现角度、缓存内容角度、用户移动性角度分析了该缓存架构的特点，最后对架构的执行流程进行了分析。基于此缓存架构，本论文进一步提出后续三章要解决的问题。　　(2)基于遗传算法以及改进轮询算法的内容传送策略研究　　在前述分层缓存网络架构的基础上，本论文研究了内容服务器与基站之间的内容传送问题。首先对内容服务器与基站之间的内容传送问题进行了分析和建模，明确了系统的优化目标为最小化内容服务器到基站之间的传输延时，之后基于该目标本文提出了基于遗传算法及改进轮询算法的内容传送策略，并分别对两种算法进行了分析和设计。最后通过仿真实验，比较不同参数下两种算法的性能，验证了所提方法均能最大化服务器带宽使用率，使得所有基站满足其内容需求的传送时间最小。　　(3)基于深度强化学习的单缓存节点内容更新策略研究　　针对单缓存节点的内容更新问题，本论文首先对单缓存节点下的内容更新问题进行了数学化描述和马尔科夫决策过程建模，其次，针对最大化用户下载缓存命中率问题，设计基于演员-评论家(Actor-Critic, AC)的缓存更新算法，并对AC算法的网络结构进行了设计。最后通过仿真实验与其他基准算法进行了对比，结果表明，所提算法能够更好的提升用户下载的缓存命中率。　　(4)基于深度强化学习的多缓存节点内容更新策略研究　　在前面研究的基础上，本论文进一步研究了多缓存节点内容更新问题。首先，提出问题优化目标为最小化用户下载的平均时延，考虑在多RSU(Road Side Unit)场景中，车辆在每个RSU停留时间内可下载的内容数量有限，给出了一种基于马尔科夫决策过程的数学化描述模型。其次，设计了一种基于深度确定性策略梯度(Deep Deterministic Policy Gradient, DDPG)的求解算法。最后给出了离线和在线测试方法，通过与基准算法进行对比，验证了所提算法能够有效提升用户下载的缓存命中率和降低用户下载的平均时延。

目录

声明

第1 章绪论

1.1 研究背景

1.2 国内外研究现状

1.2.1 缓存架构

1.2.2 缓存策略

1.2.3 论文研究的必要性

1.3.1 论文主要内容

1.3.2 论文章节安排

第2 章车联网边缘缓存架构设计与分析

2.1 分层缓存架构设计

2.2.1 架构特点分析

2.2.2 系统执行流程

2.3 本章小节

第3 章车联网缓存节点内容传送策略研究

3.1 问题背景

3.2 系统模型

3.3 算法设计

3.3.1 遗传算法设计

3.3.2 RRB算法设计

3.4.1 仿真参数设置

3.4.2 仿真结果分析

3.5 本章小结

第4 章单缓存节点内容更新策略研究

4.1 问题背景

4.2.1 网络模型

4.2.2 马尔科夫决策过程建模

4.3 算法设计

4.3.1 Actor-Critic算法模型设计

4.3.2 Actor-Critic算法实现流程

4.4.1 仿真参数设置

4.4.2 对比算法

4.4.3 仿真结果分析

4.5 本章小结

第5 章多缓存节点内容更新策略研究

5.1 问题背景

5.2.1 网络模型

5.2.2 马尔科夫决策过程建模

5.3 算法设计

5.3.1 DDPG算法网络结构设计

5.3.2 DDPG算法流程分析

5.4.1 仿真参数设置

5.4.2 仿真结果分析

5.5 本章小结

结论与展望

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果