文摘

Vehicle-assisted数据卸载显著减轻问题的设想移动数据流量的爆炸性增长。然而,由于车辆的机动性高,频繁的通信链路中断,这是非常具有挑战性的有效优化协作出售的车辆。在本文中,我们利用软件定义网络的概念(SDN)和提出一个软件定义协作卸载(SDCO)异构车载网络的解决方案。特别是,SDCO可以有效地管理卸载基于集中式卸载控制器节点和路径。卸载控制器配有两个特定功能:混合路径协作意识(HPC)和基于源协作(GSC)。HPC负责往返时间的基础上,选择合适的路径丢包率、带宽和路径,而GSC优化卸载节点根据最小顶点覆盖有效卸载。提供仿真结果证明SDCO可以取得更好的卸货效率比最先进的解决方案。

1。介绍

随着汽车技术的重大进步,互联网的车辆(IoV)是在不久的将来成为一个标准的特性,车辆配备先进的通讯设备,交换数据和信息通过vehicle-to-everything (V2X)通信1,2]。通过IoV技术,大量的新兴丰富运输车辆应用程序发生的生态系统,例如实时高清导航,车轮上的多媒体服务,自动驾驶系统(3,4]。然而,这些应用程序和服务需要一个指数升级的移动数据,应该有效地支持的车载网络。

许多无线通信技术开发支持潜在的车辆的场景。例如,专用短程通信(简称DSRC)进行有效的实时车辆之间的信息交换(5]。无线接入车载环境(波)已经被应用于Vehicle-to-Infrastructure (V2I)通信6]。长期演进(LTE)有能力支持车载通讯在广泛7,8]。不足为奇的是,手机网络技术发挥了重要作用在提供无处不在的和可靠的互联网接入移动车辆。然而,如今的LTE网络难以满足当前移动数据的需求。车辆数据的爆炸性增长,LTE网络很容易超载和降低nonvehicular和车辆用户的经验。

因此,简单地使用单一类型的访问技术远远不能满足所有车辆的需求服务。研究人员认为解决减轻核心网络的流量其他无线网络9,10]。这个解决方案可以有效地减少核心网络的传输路径的拥塞。图1描述了三个典型的卸载场景在异构车载网络,从宏观交通卸载通过小单元基站,基站特设网络(没有基站),分别和无线接入点。例如,WiFi卸载可以缓解拥堵在蜂窝网络提供数据通过无线访问的蜂窝基站(11]。统计数据显示,超过60%的手机流量可以通过WiFi网络卸载。

最近,第五代(5 g)移动通信系统也设计集成网络、计算和存储资源为一个可编程和统一的基础设施。不仅仅是一个进化的移动宽带网络也是一种协作生态系统异构通信技术。因此,数据卸载通过各种通信技术中已考虑到5 g部署。有了这个特性,5 g的巨大潜力提供大量访问,可靠性高,覆盖全球,和非常低的延迟等具有挑战性的情况下车辆网络。

然而,有效地把车辆的数据是一个具有挑战性的问题。在车辆的环境中,数据卸载机会由于异构无线的有限覆盖技术和高机动车辆的12]。车辆和卸载点之间的连接时间(例如,无线接入点和小细胞基站)可能非常短;因此,将高度动态内容源和传播路径。因此,这样的动态、服务质量(QoS)需求是很难保证的。

软件定义网络(SDN)提供了一种很有前途的和可参考的方法由于集中式控制的特点,全球的决定,和高执行权力。我们之前的工作已经调查了一个名为智能标识网络的新网络范式(SINET),提出了一种SINET定制解决方案软件定义车载网络(SINET-V) [13,14]。基于这样一个SINET-V架构,在本文中,我们提出一个软件定义协作卸载(SDCO)解决方案,有一个集中的软件定义控制器在全球范围内分发卸载政策中车辆节点异构车载网络。具体来说,混合路径协作意识(HPC)和基于源协作(GSC)被认为是在卸载控制器。HPC负责往返时间的基础上,选择合适的路径丢包率、带宽和路径,而GSC优化卸载节点根据最小顶点覆盖有效卸载。下面几节详细讨论这些特定功能。

本文的其余部分组织如下。节2,我们分析卸载管理相关工作。节3提议,我们描述SDCO解决方案和优化模型。在部分4和5中,我们详细描述了特定功能协作卸载:hybrid-awareness路径协作和基于源的合作。仿真结果验证的性能SDCO节6。最后,我们得出结论本文并讨论未来的工作部分7。

2。相关的工作

目前,许多研究工作已经开始向实现高效异构车载通信以合作的方式。在我们以前的工作,一个协作车辆边缘计算框架介绍了命名为CVEC支持更多的可伸缩的车辆服务和应用程序(15]。陈等人提出了一种新颖的软件定义网络的体系结构开发的车辆(SD-IoV)和一个集中的车辆连接管理方法保证QoS (16]。郑等人提出了一种多层和soft-defined HetVNET与更灵活的配置能力(17]。东等人分析了节能的问题在异构集群管理车辆网络(18]。张等人提出了一个软件定义space-air-ground集成的网络体系结构,以支持不同的车辆服务19]。然而,上面的最新研究主要集中在总体架构设计异构车载网络还没有分析具体卸载机制。

在卸载管理方面,刘等人提出了一个计算卸载使用边缘计算激励机制提供计算普及网络的边缘附近的手机用户(20.]。程等人讨论了大数据的数据卸载技术驱动的车辆网络(21]。允许等人做了一个调查移动数据卸载从技术和业务两方面的观点22]。卓等人提出了一个激励机制激励用户卸载手机流量用最小的成本(23]。尽量减少激励成本、来源与大型卸载潜力和延迟容忍首选的解决方案。李等人专注于量化研究移动数据卸载通过WiFi接入的性能(24]。辛格等人建立了一个通用和驯良的模型来分析数据卸载在异构网络25]。此外,陈等人排队模型用于分析机会WiFi卸载在车载网络(26]。Rebecchi等人做了一个完整的调查在蜂窝网络数据卸载技术,包括分类移动数据卸载,nondelayed卸载,延迟卸货,评估移动数据卸载,和开放的挑战9]。然而,很少有作品如何在异构网络场景中不同卸载方案之间的合作。

由于这些努力,已经取得了一些进展理解车载网络的协作卸载。然而,仍然有一些挑战有待克服由于棘手的车载环境的特征。本文利用SDN的优点,提出了一种SDN-based协作把异构的车载网络,它可以在全球范围内有效地卸载策略分发给车辆节点。

3所示。系统建模和问题公式化

3.1。系统建模

典型的卸载是使用本地通信将基站的投机取巧的交通。邻近的同行可以相互通信而不使用网络基础设施和可以从对方获取预期的内容。它可以支持动态调整用户设备的访问模式,然后进行宏观基站的数据流量小的基站。

在SDCO,我们使用一个集中的软件定义控制器在全球范围内分发卸货车辆节点的政策。本设计旨在保证传输的可靠性,避免大量分布式协商延迟。它还可以改善整个网络的吞吐量和减轻移动数据流量拥塞的问题。图2显示了SDCO系统架构。基于此体系结构中,我们将关注如何控制器使得高效优化卸载策略。

3.2。问题公式化

典型的卸载允许用户通过其他用户在网络覆盖,继电器数据间接访问数据资源的基站。此外,卸载方案允许具有特定的QoS需求的问题,特别是与高速流动保障问题访问宏基站以避免频繁的交接。我们把这个问题作为一个0 - 1线性规划问题,确定最佳来源和首选为每个用户访问模式,例如,选择基站或中继节点。目标是最大化的访问用户卸载一些用户小基站,这样系统可以服务更多的问题。基于上述考虑,优化模型定义如下: 表示二进制变量描述基站之间的连接状态()和中继节点(),0表示没有连接,1与连接。表示二进制变量描述用户的连接状态和 ,0与连接没有连接和1。表示二进制变量描述之间的连接状态和 ,0与连接没有连接和1。在公式(1),显示用户的数量通过中继节点连接到网络。公式(2)- (5)的约束。在公式(2)表明用户和中继节点的最大数量的基站可以联系 ,也就是说,基站的容量。公式(3)和(4)表明,每个用户节点只能与一个基站或继电器节点最多。

如果一个用户节点需要连接到一个基站通过中继节点,用户必须从基站的覆盖范围,所以它是有限的公式(5)。指示是否的范围内吗 ,1意味着它是在其范围内,和0意味着它不是。指示是否的范围内吗 ,1意味着它是在其范围内,和0意味着它不是。

要解决这个优化问题,贪婪搜索可用于实现卸载问题的优化解决方案。然而,这可能是一项非常耗时的任务实现全局优化的解决方案,特别是对大规模的场景。在实际操作中,控制器可以了解更多的信息,如动态拓扑,流动痕迹,连接关系,等等。因此,在这项工作中,我们提出了两种机制协助控制器卸载决策。一个是混合路径协作意识(HPC)函数,另一个是基于源协作(GSC)函数。他们两人将在以下部分中详细。

4所示。混合路径意识协作功能

控制器与全球网络信息将促进更有效地合作。SDCO采用HPC机制来解决合作的路径问题。不同于其他现有的解决方案,HPC机制是基于一种新的混合路径度量,称为 。这条路径度量能够综合描述状态的路径通过考虑三种不同的参数:往返时间(RTT),丢包率(损失),和路径的带宽(BWT)。在初始阶段,控制器可以获得实时路径状态的路径通过传感节点和通知。然后,控制器将检查路径是否状态大于一个阈值来确定是否添加路径的路径调度列表(PSL)。此外,控制器将监控的每个路径的状态变化PSL然后触发更新维护列表。如果变化超过一个阈值 ,这条路在PSL将被更新。图3说明了HPC的过程机制。下面,我们详细介绍混合路径协作意识。

4.1。路径度量的计算

在本节中,我们定义一个新的路径指标来综合描述质量的路径。每个路径依赖三个链接的指标参数:RTT,损失,BWT。

一般,需要考虑RTT和损失评估链路质量。在此基础上,我们进一步修订。我们相信有密切关系的路径带宽和质量的路径。路径带宽反映了最大吞吐量的链接在一个单位时间内所能达到的水平。因此,有必要正确反映的实际情况综合考虑上述因素的路径。

在下面,我们将路径作为一个整体可用的车辆用户和服务提供者之间的路径,见公式(6)。我们定义的路径度量 ,见公式(7),(8)和(9)。它很容易看到,更好的质量,更大的度量值是多少。

在公式(7),代表的RTT值 , 路径的带宽吗 ,和丢包率吗 。此外, , ,和都是正的常数小于1由每个参数的重量。例如,如果每个路径影响路径的RTT质量比其他两个参数,将占到最大的比例相比和 。下面给出了一个计算方法的价值 , ,和在这篇文章中。

我们介绍波动强度的定义,它反映了一个路径参数的影响系数。如果路径参数有很大波动强度,这意味着这个路径参数大大影响路径。在本文中,我们计算的价值 , ,和利用每条路径的抖动强度参数。首先,三个参数由min-max规范化标准化公式所示(10)。然后,标准偏差的因素用于指示所示的波动强度公式(11);表示参数的标准偏差被定义为均值。最后,公式(12)的计算方法 , ,和。

使用上面的知识,每个路径的路径度量可以通过公式(7)。此外,卸载控制器将不断监控和更新每个路径的路径度量。如果有需要发送数据包,可用路径会根据路径度量计划。后,就会显示详细的调度策略。

4.2。路径的合作政策

把控制器将指导每辆车用户选择合适的路径根据路径管理。可用的信息包括序列路径和路径度量这些路径。质量的路径计算基于公式(7)。在那之后,可用的路径列表可以获得。我们把 作为一个整体可用的路径和路径度量的排序。的的价值比 。更好的质量,更大的路径度量值。

在HPC机制、参数提出了路径选择阈值。一方面,路径 可视为可用路径。换句话说,路径 将废弃的暂时确保数据包能够发送第一个通过更好的路径。另一方面,是动态的时间吗 。当 ,路径调度列表更新,参数是切换阈值。如果链接质量略有不同 、路径调度序列不会更新。这个设计能够减少链接交换的数量,确保稳定的路径安排。

应该注意的是,和可以通过许多实验的经验。在发送数据之前,调度策略将选择路径的路径根据数组的顺序 。数组中的第一个将最好的路径。在这里,一个高效的查找方法可以用来匹配传递路径(27]。控制器可以根据其选择最佳路径积分环节质量,可以避免盲目轮询轮循机制。

具体路径调度算法所示1。

上面的HPC函数引导控制器选择最优路径车辆用户的流量负载平衡。之后,我们将进一步考虑如何确定卸载节点的数量,并选择最优的方式。

5。基于源协作功能

高效卸载依赖于一组合适的卸载来源,可以快速地将数据内容分发给订阅节点通过一个特设网络。一个直观的想法是选择其他用户连接的节点有高概率的卸载来源。

我们认为源合作减少卸载节点为所有车辆节点的数量在目标地区。因此,源选择策略可以利用图的最小顶点覆盖集的概念理论。这意味着我们选择最小顶点覆盖设置为卸载源连接网络的所有节点。为了解决卸载源选择问题通过使用最小顶点覆盖集,我们首先需要将网络拓扑两偶图。两偶图转换的过程一个顶点的顶点集分为两套分离集。划分是基于事实两个顶点与边的关系在一组不存在。因此,网络拓扑结构可以转化为两偶图。

制定这个问题,我们让 是一个无向图。顶点可以分成两个不相交的子集 和每条边 图中有两个顶点相关联和属于这两个不同的顶点集(在 , 在)。然后,图转移两偶图。

定理1。有必要和足够的无向图来判断两偶图,是吗至少有两个顶点,所有循环长度。
让是由两部分构成的图 。 和代表两个子集 。这两个和不是空的,所以呢至少有两个顶点。如果任何一个循环在吗 ,让 ,在那里必须出现在或 。例如: 让所有的循环甚至有一个长度,让是一个连通图。不失一般性,如果没有关系,我们可以讨论下列条件为每个连接的分支 。的顶点是和边的集合 ,这 , 将构建和 。取 并设置 或路径来甚至有一个 。自 ,显然不是空的。现在我们应该证明不是空的,两条边的或在 。自 和是一个连通图,必须有相邻的顶点;取作为一个例子;然后 ;因此不是空的。
另一方面,假设有边缘 , 。然后,路径来甚至有一个长度,或 ;否则,路径来甚至有一个长度,或 。在这两种情况下,总是有一个奇怪的封闭路径长度来这与假设矛盾。因此,它是不可能的边缘 让两个和在 。

基于上述分析,一旦我们得到某种网络拓扑的知识,我们可以考虑将网络拓扑两偶图。

如果有多个卸载来源协助数据内容的传播,顶点覆盖问题是要找到一个顶点覆盖给定的无向图的最小大小。这个问题是一个np完全问题的决定。它可能很难找到一个最优顶点覆盖图 。因此,我们可以使用启发式算法来找到一个算法顶点覆盖,这是一组合作的来源。这个过程是在一个软件定义控制器进行的。

图4介绍了源选择的流程图,在控制器主要包括四个步骤:

(1)起始时间 ,控制器决定了每个网络节点的连接根据收集到的网络节点信息,将整个网络划分为多个子集。

(2)根据细分结果,控制器选择最初的源随机在每个子集。最初的源节点的特征子集中的每个节点可以与源通信。

(3)可能有许多不同的初始源节点根据前的步骤。在这种情况下,最优的卸载源需要在每个子集选择根据限制条件。最优卸载应保证交付的数据来源来在很短的时间内。

(4)重复步骤(3),直到选择卸载源节点保持一样的最后一个迭代,并退出程序。在这种情况下,总卸载源数应该是一个固定值 。

6。仿真结果

我们进行的一组模拟验证的可行性和效率下SDCO NS-3开源网络模拟器。在我们的实验中,我们使用的路线流动模型来模拟车辆的网络。的路线流动模型可以生成现实的移动痕迹通过查询Google maps API的方向。从谷歌地图服务,获得信息,允许模拟器生成现实的根据实际位置和公路网络流动的痕迹。

我们评估提议的SDCO解决方案的性能和先进的解决方案,通过比较典型的(TYP)卸载机制,RSRP / RSRQ卸载机制(28]。卸载源选择的都是用户节点,终端节点在这个实验中。我们比较三个方案的剥离性能的卸载源数量和卸载效率。实验结果如图5,6,7。

如图5,卸载源的数量明显减少而TYP机制。出售的数量来源SDCO总是最低的,和TYP永远是最高的。RSRP / RSRQ机制性能温和,有点比飞机之一。在这个图中,当车辆节点的数量小于或等于10,飞机的卸载来源和SDCO几乎是相同的。当车辆节点的数量增加超过10,卸载源的数量SDCO变得明显不同于其他两种机制。这是因为SDCO采用GSC方法保证交付质量最少的卸载来源。

数据6和7显示的卸货效率三个卸载机制与不同数量的车辆节点。卸货效率是卸载总交通流量的比值。在图6,我们可以看到卸货效率上升的总体趋势车辆节点数量的增加在所有三个卸载机制。节点的数量小于100时,飞机的区别和RSRP / RSRQ并不明显,但SDCO比他们做得更好。节点的数量超过100时,SDCO的优势更加突出。与RSRP / RSRQ机制相比,SDCO达到卸货效率平均提高了18%。飞机原因是机制转移更多的车辆节点请求继电器节点(无线接入点)比RSRP / RSRQ机制。SDCO机制能促进车辆之间的通信节点和通信节点和卸载源。

当节点的数量增加了600,卸货效率保持在57%在所有三个机制。图7显示了卸货效率有一个饱和状态,在三个卸载机制几乎没有区别。这是因为有太多的节点,导致一个高密度的网络。因此,任何一个的三个解决方案适用于卸载,和协作操作打小对性能的影响。指出,当一些交通是卸载从基站到其他中继节点、基站将会有更多的资源来处理高优先级请求进一步改善用户的体验。

7所示。结论和未来的工作

本文提出了一种软件定义协作卸载解决异构车载网络,SDCO命名。特别是SDCO采用集中式软件定义控制器全球管理卸货车辆节点的政策。此外,混合路径协作意识和基于源协作进一步引入优化传输路径和卸载来源选择。提供了仿真结果证明SDCO的数量可以达到更好的改善卸载源和卸载效率。未来的工作,更有效的卸载控制功能应设计基于车辆节点的协作,如类似的合作。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是由中国国家自然科学基金(国家自然科学基金委)(号。61602030,61702439,91638204),(没有国家重点研发项目。2016 yfe0122900),中央大学的基础研究基金(没有。2016 rc036),山东省自然科学基金、中国(没有。ZR2017BF018),中国学术委员会和自然科学和工程研究理事会(NSERC),加拿大。