一种基于移动车辆的内容分层边缘缓存策略制造技术

本发明专利技术公开了一种基于移动车辆的内容分层边缘缓存策略，包括：从边缘服务器中获取信息；使用FCM聚类算法对基站覆盖范围区域内的车辆进行聚类；通过车辆历史请求内容与车辆当前请求内容预测车辆偏好内容，并对偏好内容进行更新；计算历史请求内容的热度值，将热度值大于或等于阈值的历史请求内容作为盛行内容；将边缘服务器的缓存空间划分为三层，层缓存偏好内容，层缓存盛行内容，层为协作缓存空间；当边缘服务器的层协作缓存空间已满时，通过OSA优化选择算法在边缘计算网络空间找到协作概率值最大的可用边缘服务器进行协作缓存；本发明专利技术通过对内容进行分层缓存，可以有效减少缓存冗余，增大缓存空间利用率。间利用率。间利用率。

【技术实现步骤摘要】
一种基于移动车辆的内容分层边缘缓存策略


[0001]本专利技术涉及计算机边缘计算领域，特别是涉及一种基于移动车辆的内容分层边缘缓存策略。

技术介绍

[0002]随着网络技术和移动智能设备的增加，数据流量呈指数级增长，传统缓存形式是将内容缓存于云端，当用户请求内容时，容易产生传输时延，通信堵塞问题，因此降低了用户体验度（QoE）。研究发现将内容下放到靠近用户端的边缘服务器很大程度上减少以上问题。进一步，则要考虑缓存容量、边缘计算负载，且要考虑如何缓存内容、缓存哪些内容，现有技术中已有不少缓存策略，大部分侧重于流行内容，而较少考虑到偏好内容与流行内容存在交集，且忽略偏好内容的更新缓存策略，进行内容缓存操作时也仅考虑到距离因素，较少选择临近的最优边缘服务器进行分层缓存。
[0003]公开号为CN109921997A，名称为一种命名数据网络缓存方法、缓存器和存储介质，通过先判断节点所处的状态，根据节点所处的状态和待定兴趣表获取节点对于分类兴趣包的偏好度，根据待定兴趣表获取分类数据包的当地流行度；根据偏好度和当地流行度计算获取缓存概率；将缓存概率与缓存概率阈值比较，决定是否缓存，虽然得到更好的缓存空间利用率，且提高数据命中率，但是在预测区域流行内容时，缺少考虑各个内容的特征差异，且没有考虑偏好内容和流行内容之间存在重叠部分，一定程度上存在数据冗余情况，用户体验感会降低。
[0004]公开号为CN112637908A，名称为一种基于内容流行度的细粒度分层边缘缓存方法，通过建立边缘缓存模型，边缘缓存模型包括核心网络、M个MBS和N个SBS，核心网络中有内容提供商和云服务器，再进行边缘内容的缓存，最后进行性能指标测量，性能指标包括总传输花销、总时间延迟，缓存命中率和QoE值，虽然能够实现较低的传输成本和时间延迟，以及较高的缓存命中率和QoE值；但是较少考虑分层缓存的空间分配问题，且没有考虑当本地存储已满时如何选择以及选择哪一个临近的边缘服务器进行缓存使负载和时延达到最优状态，一定程度上会造成资源分配效率低，缓存空间利用率较低，从而导致用户体验感较差。

技术实现思路

[0005]为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种基于移动车辆的内容分层边缘缓存策略，该方法包括：S10.从边缘服务器中获取车辆信息、边缘服务器信息、车辆请求内容信息；S20.使用FCM聚类算法对基站覆盖范围区域内的车辆进行聚类，得到车辆类簇；S30.基于所述车辆类簇，结合车辆历史请求内容与车辆当前请求内容预测车辆偏好内容，创建偏好内容集合，将所述偏好内容存入所述偏好内容集合中；S40.对所述偏好内容集合中的偏好内容进行更新；
S50.对历史请求内容进行特征分析，计算所述历史请求内容的热度值，创建盛行内容集合，将所述热度值大于或等于阈值的历史请求内容作为盛行内容存入所述盛行内容集合；S60.将边缘服务器的缓存空间划分为三层，层缓存所述偏好内容集合，层缓存所述盛行内容集合，层为协作缓存空间；S70.当边缘服务器的层协作缓存空间已满时，发出协作缓存请求，通过OSA优化选择算法在边缘计算网络空间找到协作概率值最大的可用边缘服务器进行协作缓存；所述边缘服务器部署于基站上；所述车辆信息包括车辆在基站覆盖范围内的行驶时间信息、平均行驶速度；所述边缘服务器信息包括缓存容量、信道长度、传输距离、传输速度；所述车辆请求内容信息包括历史请求内容、当前请求内容、内容分类集合；所述阈值为0.75；所述协作缓存空间，表示缓存自身以及其它边缘服务器层缓存空间溢出的偏好内容和盛行内容；所述三层缓存空间划分比例为4：4：2；所述边缘计算网络空间，表示所有边缘服务器所组成的区域；所述可用边缘服务器，表示以发出协作缓存请求的边缘服务器半径5km内，协作缓存空间容量大于所述协作缓存请求所需容量的边缘服务器。
[0006]进一步地，所述S20，包括：S21.初始化车辆集合X，通过FCM聚类算法将车辆聚为m个类簇，从所述车辆集合中随机抽取m个车辆作为初始聚类中心C；S22.计算所述车辆的隶属度关系值；S23.根据所述隶属度关系值更新所述初始聚类中心，得到更新后的聚类中心；S24.计算车辆与所述更新后的聚类中心的距离；S25.构建聚类目标函数，若所述目标函数值最小，则表示所述更新后的聚类中心为最佳类簇；S26.计算最小优化目标函数值；S27.判断所述最小优化目标函数值是否小于阈值ε，若是，聚类结束；若否，重新选取基站覆盖范围内的车辆进行聚类；所述车辆集合，其中n为车辆总数，初始聚类中心，其中m为正整数，m、n为大于或等于1的正整数；所述隶属度关系值的计算公式如下：
；其中，为隶属度关系值，且，为车辆在基站覆盖范围行驶时间，为车辆在基站覆盖范围内平均行驶速度，为模糊值；所述更新初始聚类中心的计算公式如下：；其中，为更新后的聚类中心，为隶属度关系值，；所述距离的计算公式如下：；其中，为车辆与聚类中心的距离；所述聚类目标函数的计算公式如下：；其中，为聚类目标函数，为距离的权重，为距离聚类中心的距离大于3km的个别远距离零散车辆，1<k<n；所述最小优化目标函数值的计算公式如下：；所述阈值ε大小为0.001。
[0007]进一步地，所述S30，包括：S31.通过车辆的历史请求内容和内容分类集合建立车辆历史分类矩阵；S32.计算一个请求周期内当前请求内容和历史请求内容之间的相似度，若所述相似度大于阈值，则归为相似类；S33.将全部请求周期内所有当前请求内容与所有历史请求内容进行相似度计算，创建相似类集合，将所述相似类存入相似类集合中；S34.计算每个车辆对所述相似类集合中所有相似类的偏好评分；
S35.创建偏好评分集合，将所述车辆的相似类按照偏好评分的大小进行降序排序，存入所述偏好评分集合；S36.判断所述车辆的相似类的偏好评分是否大于或等于所有相似类偏好评分的平均值，若是，则为偏好内容，创建偏好内容集合，将车辆全部请求周期内的所有偏好内容存入所述偏好内容集合中；若否，则不进行保存操作；所述车辆历史分类矩阵表示为：；其中，为第n辆车的车辆历史请求内容，为第m个内容分类的类别，m、n为大于或等于1的正整数，表示车辆的历史请求内容是否属于类别，属于类别则为1，否则为0；所述请求周期以时间为作为一轮请求周期，阈值；所述相似度的计算公式如下：；其中，为相似度，为每一轮请求周期内车辆的当前请求内容，为每一轮请求周期内车辆的历史请求内容，表示车辆的当前请求内容是否属于类别，属于类别则为1，否则为0；所述相似类集合，其中为相似类；所述偏好评分的计算公式如下：；其中，为偏好评分，为车辆对相似类里内容的总请求次数，为车辆对所有相似类中内容请求次数的平均值，为车辆对相似类的请求次数，为车辆对所有相似类请求次数的平均值；所述所有相似类评分的平均值的计算公式如下：；其中，为所有相似类的偏好评分的和，为所有相似类的个数；所述全部请求周期内的所有偏好内容的计算公式如下：
；其中，为第i个请求周期，T为全部请求周期， 为第i个请求周期的偏好内容。
[0008本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于移动车辆的内容分层边缘缓存策略，其特征在于，包括：S10.从边缘服务器中获取车辆信息、边缘服务器信息、车辆请求内容信息；S20.使用FCM聚类算法对基站覆盖范围区域内的车辆进行聚类，得到车辆类簇；S30.基于所述车辆类簇，结合车辆历史请求内容与车辆当前请求内容预测车辆偏好内容，创建偏好内容集合，将所述偏好内容存入所述偏好内容集合中；S40.对所述偏好内容集合中的偏好内容进行更新；S50.对历史请求内容进行特征分析，计算所述历史请求内容的热度值，创建盛行内容集合，将所述热度值大于或等于阈值的历史请求内容作为盛行内容存入所述盛行内容集合；S60.将边缘服务器的缓存空间划分为三层，层缓存所述偏好内容集合，层缓存所述盛行内容集合，层为协作缓存空间；S70.当边缘服务器的层协作缓存空间已满时，发出协作缓存请求，通过OSA优化选择算法在边缘计算网络空间找到协作概率值最大的可用边缘服务器进行协作缓存；所述边缘服务器部署于基站上；所述车辆信息包括车辆在基站覆盖范围内的行驶时间信息、平均行驶速度；所述边缘服务器信息包括缓存容量、信道长度、传输距离、传输速度；所述车辆请求内容信息包括历史请求内容、当前请求内容、内容分类集合；所述阈值为0.75；所述协作缓存空间，表示缓存自身以及其它边缘服务器层缓存空间溢出的偏好内容和盛行内容；所述三层缓存空间划分比例为4：4：2；所述边缘计算网络空间，表示所有边缘服务器所组成的区域；所述可用边缘服务器，表示以发出协作缓存请求的边缘服务器半径5km内，协作缓存空间容量大于所述协作缓存请求所需容量的边缘服务器。2.如权利要求1所述的一种基于移动车辆的内容分层边缘缓存策略，其特征在于，所述S20包括：S21.初始化车辆集合X，通过FCM聚类算法将车辆聚为m个类簇，从所述车辆集合中随机抽取m个车辆作为初始聚类中心C；S22.计算所述车辆的隶属度关系值；S23.根据所述隶属度关系值更新所述初始聚类中心，得到更新后的聚类中心；S24.计算车辆与所述更新后的聚类中心的距离；S25.构建聚类目标函数，若所述目标函数值最小，则表示所述更新后的聚类中心为最佳类簇；S26.计算最小优化目标函数值；S27.判断所述最小优化目标函数值是否小于阈值ε，若是，聚类结束；若否，重新选取基站覆盖范围内的车辆进行聚类；所述车辆集合，其中n为车辆总数，初始聚类中心，其中m为正整数，m、n为大于或等于1的正整数；
所述隶属度关系值的计算公式如下：；其中，为隶属度关系值，且，为车辆在基站覆盖范围行驶时间，为车辆在基站覆盖范围内平均行驶速度，为模糊值；所述更新初始聚类中心的计算公式如下：；其中，为更新后的聚类中心，为隶属度关系值，；所述距离的计算公式如下：；其中，为车辆与聚类中心的距离；所述聚类目标函数的计算公式如下：；其中，为聚类目标函数，为距离的权重，为距离聚类中心的距离大于3km的个别远距离零散车辆，1<k<n；所述最小优化目标函数值的计算公式如下：；所述阈值ε大小为0.001。3.如权利要求1所述的一种基于移动车辆的内容分层边缘缓存策略，其特征在于，所述S30包括：S31.通过车辆的历史请求内容和内容分类集合建立车辆历史分类矩阵；S32.计算一个请求周期内当前请求内容和历史请求内容之间的相似度，若所述相似度大于阈值，则归为相似类；S33.将全部请求周期内所有当前请求内容与所有历史请求内容进行相似度计算，创建
相似类集合，将所述相似类存入相似类集合中；S34.计算每个车辆对所述相似类集合中所有相似类的偏好评分；S35.创建偏好评分集合，将所述车辆的相似类按照偏好评分的大小进行降序排序，存入所述偏好评分集合；S36.判断所述车辆的相似类的偏好评分是否大于或等于所有相似类偏好评分的平均值，若是，则为偏好内容，创建偏好内容集合，将车辆全部请求周期内的所有偏好内容存入所述偏好内容集合中；若否，则不进行保存操作；所述车辆历史分类矩阵表示为：；其中，为第n辆车的车辆历史请求内容，为第m个内容分类的类别，m、n为大于或等于1的正整数，表示车辆的历史请求内容是否属于类别，属于类别则为1，否则为0；所述请求周期以时间为作为一轮请求周期，阈值；所述相似度的计算公式如下：；其中，为相似度，为每一轮请求周期内车辆的当前请求内容，为每一轮请求周期内车辆的历史请求内容，表示车辆的当前请求内容是否属于类别，属于类别则为1，否则为0；所述相似类集合，其中为相似类；所述偏好评分的计算公式如下：；其中，为偏好评分，为车辆对相似类里内容的总请求次数，为车辆对所有相似类中内容请求次数的平均值，为车辆对相似类的请求次数，为车辆对所有相似类请求次数的平均值；所述所有相似类评分的平均值的计算公式如下：；其中，为所有相似类的偏好评分的和，为所有相似类的个数；所述全部请求周期内的所有偏好内容的计算公式如下：
；其中，为第i个请求周期，T为全部请求周期， 为第i个请求周期的偏好内容。4.如权利要求1所述的一种基于移动车辆的内容分层边缘缓存策略，其特征在于，...

【专利技术属性】
技术研发人员：马勇，陈凯微，邹健，赵涵，刘志全，郭晶晶，夏云霓，
申请(专利权)人：江西师范大学，
类型：发明
国别省市：