车辆内容预缓存和宽带分配的联合优化方法及装置制造方法及图纸

本发明专利技术提供了一种车辆内容预缓存和宽带分配的联合优化方法及装置，包括：确定文件状态、获取各车辆的车辆状态、获取各车辆之间的通信时间在所述当前时隙内的分布、获取车辆所即将经过的路边单元集合、获取路边单元所服务的车辆集合、获取车辆的通信范围内的相邻车辆集合、获取每个路边单元和所述各车辆的剩余缓存容量，并输入至预设的神经网络模型，得到由所述预设的神经网络模型输出的车辆内容预缓存结果和带宽分配比例。本发明专利技术能够得到车辆内容预缓存结果和带宽分配比例，从而解决对车辆用户所请文件进行预缓存以及信道带宽分配的问题，进而使得内容的获取能够很好地满足高速移动的车辆用户的需求。移动的车辆用户的需求。移动的车辆用户的需求。

【技术实现步骤摘要】
车辆内容预缓存和宽带分配的联合优化方法及装置


[0001]本专利技术涉及计算机
，尤其涉及一种车辆内容预缓存和宽带分配的联合优化方法及装置。

技术介绍

[0002]5G网络的高速性和高响应性为车联网提供了更为理想的基础设施和通信环境，促进车联网向更加智能化的方向发展。5G网络与车联网的结合，在给用户带来如车载地图、视频和游戏等更加丰富体验的同时，也使车辆用户请求内容的数量越来越多。现有网络架构下，用户请求的内容通常是由服务供应商通过核心网发送给用户，较长的通信距离以及有限的回程链路容量，为实现车联网用户的理想体验带来了挑战。
[0003]随着移动边缘计算(MEC)快速发展，边缘缓存技术通过将用户需要的内容缓存在靠近用户的边缘服务器上，来减少用户从核心网络远距离获取数据的时间。该技术充分利用边缘基站的缓存资源，避免了热点文件的重复请求，减少了现有网络的流量负荷，降低网络拥塞，提高任务时延。在车联网场景中，不同于相对静止的用户，边缘缓存技术需要考虑更加动态的环境。第一，处于高速移动中车辆会在基站之间频繁切换，其通信质量和服务效率较低。第二，车辆的高速移动导致数据传输失败和数据重复传输，增加网络的负载，造成网络资源浪费。设计针对车联网用户的边缘缓存模型，是满足车载网络低延迟高稳定要求的一种可行方案。
[0004]移动边缘缓存旨在将流行内容缓存在无线网络的边缘，以便这些内容可以直接从边缘服务器而不是远程云传输。通过主动下载内容到边缘基站或用户，不仅可以大大减少回程链路上的负载，而且可以显著增加通信成本。由于车辆用户的移动性，无线信道表现出更多的不确定性。因此，如何在移动场景中设计一个合理的缓存方案是非常重要的。然而，目前移动场景缓存策略的研究还存在一些不足。一方面，大多数研究只考虑缓存成本或传输成本的优化。另一方面，更多的研究倾向于将IoV作为一个静态的边缘缓存环境，这些研究很少全面考虑缓存和传输成本，也很少考虑车辆移动性对系统的影响。因此，设计移动场景下的系统成本优化策略具有重要意义。

技术实现思路

[0005]针对现有技术中存在的问题，本专利技术实施例提供一种车辆内容预缓存和宽带分配的联合优化方法及装置。
[0006]第一方面，本专利技术实施例提供一种车辆内容预缓存和宽带分配的联合优化方法，包括：
[0007]获取各车辆发送的内容任务请求，并基于所述任务请求确定文件状态{p
f
(t),z
f
(t)}；所述任务请求包括文件f的流行度p
f
(t)和文件f的数据量大小z
f
(t)，t表示当前时隙；
[0008]获取所述各车辆的车辆状态{i
n
(t),v
n
(t)}；所述车辆状态{i
n
(t),v
n
(t)}包括车辆n的位置坐标i
n
(t)和车辆n的速度v
n
(t)，n为正整数；
[0009]获取所述各车辆之间的通信时间在所述当前时隙内的分布X(t)；
[0010]获取车辆n所即将经过的路边单元RSU集合R
n
(t)、RSU
r
所服务的车辆集合N
r
(t)和车辆n的通信范围内的相邻车辆集合N
n
(t)；RSU
r
表示所述路边单元RSU集合R
n
(t)中的一个路边单元r；
[0011]获取每个路边单元和所述各车辆的剩余缓存容量余缓存容量其中，表示每个路边单元的剩余缓存容量，表示所述各车辆的剩余缓存容量；
[0012]将所述文件状态{p
f
(t),z
f
(t)}、所述各车辆的车辆状态{i
n
(t),v
n
(t)}、所述各车辆之间的通信时间在所述当前时隙内的分布X(t)、所述车辆n所即将经过的路边单元RSU集合R
n
(t)、所述RSU
r
所服务的车辆集合N
r
(t)、所述车辆n的通信范围内的相邻车辆集合N
n
(t)、所述每个路边单元和所述各车辆的剩余缓存容量输入至预设的神经网络模型，得到由所述预设的神经网络模型输出的车辆内容预缓存结果和带宽分配比例其中，为向即将经过的路边单元中缓存内容f的比例或向通信范围内的相邻车辆中缓存内容f的比例；所述预设的神经网络模型为采用文件状态{p
f
(t),z
f
(t)}样本、各车辆的车辆状态{i
n
(t),v
n
(t)}样本、各车辆之间的通信时间在所述当前时隙内的分布X(t)样本、车辆n所即将经过的路边单元RSU集合R
n
(t)样本、RSU
r
所服务的车辆集合N
r
(t)样本、车辆n的通信范围内的相邻车辆集合N
n
(t)样本、每个路边单元和所述各车辆的剩余缓存容量样本作为输入数据，以及，采用与输入数据对应的车辆内容预缓存结果和带宽分配比例作为输出数据，基于深度强化学习算法进行训练得到的。
[0013]进一步地，所述预设的神经网络模型，还包括：
[0014]所述预设的神经网络模型根据输入数据：所述文件状态{p
f
(t),z
f
(t)}、所述各车辆的车辆状态{i
n
(t),v
n
(t)}、所述各车辆之间的通信时间在所述当前时隙内的分布X(t)、所述车辆n所即将经过的路边单元RSU集合R
n
(t)、所述RSU
r
所服务的车辆集合N
r
(t)、所述车辆n的通信范围内的相邻车辆集合N
n
(t)、所述每个路边单元和所述各车辆的剩余缓存容量确定与所述输入数据对应的车辆内容预缓存结果
[0015]基于所述与所述输入数据对应的车辆内容预缓存结果确定内容预缓存变量
[0016]基于所述内容预缓存变量通过拉格朗日乘子法确定带宽分配比例
[0017]进一步地，所述基于所述内容预缓存变量通过拉格朗日乘子法确定带宽分配比例具体包括：
[0018]基于所述内容预缓存变量通过第一关系模型确定带宽分配比例其
中，所述第一关系模型为：
[0019][0020]其中，表示不包含车辆n
r
的集合N
r
中第j辆车的内容预缓存变量。
[0021]进一步地，所述预设的神经网络模型根据输入数据：所述文件状态{p
f
(t),z
f
(t)}、所述各车辆的车辆状态{i
n
(t),v
n
(t)}、所述各车辆之间的通信时间在所述当前时隙内的分布X(t)、所述车辆n所即将经过的路边单元RSU集合R
n
(t)、所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆内容预缓存和宽带分配的联合优化方法，其特征在于，包括：获取各车辆发送的内容任务请求，并基于所述任务请求确定文件状态{p
f
(t)，z
f
(t)}；所述任务请求包括文件f的流行度p
f
(t)和文件f的数据量大小z
f
(t)，t表示当前时隙；获取所述各车辆的车辆状态{i
n
(t)，v
n
(t)}；所述车辆状态{i
n
(t)，v
n
(t)}包括车辆n的位置坐标i
n
(t)和车辆n的速度v
n
(t)，n为正整数；获取所述各车辆之间的通信时间在所述当前时隙内的分布X(t)；获取车辆n所即将经过的路边单元RSU集合R
n
(t)、RSU
r
所服务的车辆集合N
r
(t)和车辆n的通信范围内的相邻车辆集合N
n
(t)；RSU
r
表示所述路边单元RSU集合R
n
(t)中的一个路边单元r；获取每个路边单元和所述各车辆的剩余缓存容量获取每个路边单元和所述各车辆的剩余缓存容量其中，表示每个路边单元的剩余缓存容量，表示所述各车辆的剩余缓存容量；将所述文件状态{p
f
(t)，z
f
(t)}、所述各车辆的车辆状态{i
n
(t)，v
n
(t)}、所述各车辆之间的通信时间在所述当前时隙内的分布X(t)、所述车辆n所即将经过的路边单元RSU集合R
n
(t)、所述RSU
r
所服务的车辆集合N
r
(t)、所述车辆n的通信范围内的相邻车辆集合N
n
(t)、所述每个路边单元和所述各车辆的剩余缓存容量输入至预设的神经网络模型，得到由所述预设的神经网络模型输出的车辆内容预缓存结果和带宽分配比例其中，为向即将经过的路边单元中缓存内容f的比例或向通信范围内的相邻车辆中缓存内容f的比例；所述预设的神经网络模型为采用文件状态{p
f
(t)，z
f
(t)}样本、各车辆的车辆状态{i
n
(t)，v
n
(t)}样本、各车辆之间的通信时间在所述当前时隙内的分布X(t)样本、车辆n所即将经过的路边单元RSU集合R
n
(t)样本、RSU
r
所服务的车辆集合N
r
(t)样本、车辆n的通信范围内的相邻车辆集合N
n
(t)样本、每个路边单元和所述各车辆的剩余缓存容量样本作为输入数据，以及，采用与输入数据对应的车辆内容预缓存结果和带宽分配比例作为输出数据，基于深度强化学习算法进行训练得到的。2.根据权利要求1所述的车辆内容预缓存和宽带分配的联合优化方法，其特征在于，所述预设的神经网络模型，还包括：所述预设的神经网络模型根据输入数据：所述文件状态{p
f
(t)，z
f
(t)}、所述各车辆的车辆状态{i
n
(t)，v
n
(t)}、所述各车辆之间的通信时间在所述当前时隙内的分布X(t)、所述车辆n所即将经过的路边单元RSU集合R
n
(t)、所述RSU
r
所服务的车辆集合N
r
(t)、所述车辆n的通信范围内的相邻车辆集合N
n
(t)、所述每个路边单元和所述各车辆的剩余缓存容量确定与所述输入数据对应的车辆内容预缓存结果基于所述与所述输入数据对应的车辆内容预缓存结果确定内容预缓存变量基于所述内容预缓存变量通过拉格朗日乘子法确定带宽分配比例
3.根据权利要求2所述的车辆内容预缓存和宽带分配的联合优化方法，其特征在于，所述基于所述内容预缓存变量通过拉格朗日乘子法确定带宽分配比例具体包括：基于所述内容预缓存变量通过第一关系模型确定带宽分配比例其中，所述第一关系模型为：其中，表示不包含车辆n
r
的集合N
r
中第j辆车的内容预缓存变量。4.根据权利要求2所述的车辆内容预缓存和宽带分配的联合优化方法，其特征在于，所述预设的神经网络模型根据输入数据：所述文件状态{p
f
(t)，z
f
(t)}、所述各车辆的车辆状态{i
n
(t)，v
n
(t)}、所述各车辆之间的通信时间在所述当前时隙内的分布X(t)、所述车辆n所即将经过的路边单元RSU集合R
n
(t)、所述RSU
r
所服务的车辆集合N
r
(t)、所述车辆n的通信范围内的相邻车辆集合N
n
(t)、所述每个路边单元和所述各车辆的剩余缓存容量确定与所述输入数据对应的车辆内容预缓存结果具体包括：利用马尔科夫决策过程，所述预设的神经网络模型根据输入数据：所述文件状态{p
f
(t)，z
f
(t)}、所述各车辆的车辆状态{i
n
(t)，v
n
(t)}、所述各车辆之间的通信时间在所述当前时隙内的分布X(t)、所述车辆n所即将经过的路边单元RSU集合R
n
(t)、所述RSU
r
所服务的车辆集合N
r
(t)、所述车辆n的通信范围内的相邻车辆集合N
n
(t)、所述每个路边单元和所述各车辆的剩余缓存容量确定与所述输入数据对应的车辆内容预缓存结果5.一种车辆内容预缓存和宽带分配的联合优化装置，其特征在于，包括：第一获取模块，用于获取各车辆发送的内容任务请求，并基于所述任务请求确定文件状态{p
f
(t)，z
f
(t)}；所述任务请求包括文件f的流行度p
...

【专利技术属性】
技术研发人员：陈昕，郭东超，马腾，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：