[发明专利]一种基于马尔科夫转移概率的车联网边缘缓存方法

说明书

本发明公开了一种基于马尔科夫转移概率的车联网边缘缓存方法，根据马尔科夫转移概率建立车辆的移动模型，在移动模型中计算单个车辆用户的请求时延，接着以最小化车辆平均请求时延为目标提出一个缓存策略函数，最后基于次模函数的贪心算法求解最优问题，确定缓存策略。本发明考虑了移动车辆同时请求多个文件的情况，并对车辆转移进行了合理建模，基于次模函数的贪心算法确定的缓存策略能有效完成车辆平均请求时延最小化的目标。

技术领域

本发明属于车联边缘网络技术领域。

背景技术

随着物联网设备的大力推广和边缘计算的发展，越来越多的云端数据被卸载到边缘服务器中进行缓存和处理。边缘上的数据缓存与处理可以为用户提供无缝的在线内容流传输，因为边缘设备通常比云服务器更靠近用户，相比于直接从云服务器下载数据，边缘服务器可以更快地向用户提供内容。车联网作为物联网应用的一部分，也因数据的边缘化计算和边缘化缓存而得到了快速的发展。

边缘缓存可以在网络边缘为车联网数据提供类似云的存储资源，为车辆用户提供高效率的近端缓存服务。由于网络边缘上部署了大量具有缓存功能的智能设备，并且这些设备相比云端更靠近移动用户，因此，车联网应用程序便无需经过回程链路即可检索这些数据，从而大大减少了数据传输距离，降低了请求数据的延迟时间；并节省了边缘服务器的能耗，降低了物联网设备的能源成本。

但是，边缘设备的存储空间有限，很难将这些数据完全存储在边缘服务器中。并且由于每天生成的网络内容的数量快速增长，用户数量也在增长，导致了车联网数据呈指数增长。因此，迫切需要一种更有效地缓存策略来缓存数据内容，以使大量的用户可以享受无缝的在线内容流。

目前的车联网缓存方案并未对车辆转移对缓存系统延迟的影响进行合理的考虑，并且大多数方案只考虑了车辆用户每次只请求一个文件，但在现实生活中，车辆用户可能从移动通信基站(MBS)目录里同时选择多个文件。

发明内容

发明目的：为了解决上述现有技术存在的问题，本发明提供了一种基于马尔科夫转移概率的车联网边缘缓存方法。

技术方案：本发明提供了一种基于马尔科夫转移概率的车联网边缘缓存方法，具体包括如下步骤：

步骤1：构建异构的蜂窝区域，该区域包括缓存容量为F的移动通信基站MBS，N个缓存助手和U个车辆；

步骤2：基于马尔科夫转移概率建立N*N维的单个车辆移动模型；

步骤3：根据步骤2中的车辆移动模型计算单个车辆的请求时延，以最小化车辆的平均请求时延为目标，构建缓存策略函数；

步骤4：根据构建的缓存策略函数构建次模函数，基于次模函数的贪心算法确定车联网边缘缓存策略。

进一步的，MBS位于蜂窝区域的中心，缓存助手位于MBS的周围；蜂窝区域内的U个车辆均能够与MBS连接；位于第j个缓存助手信号覆盖区域的车辆能够与该第j个缓存助手连接，j＝1,2,…N。

进一步的，所述步骤2中车辆移动模型为：

该模型中p₀表示下一个时刻车辆未离开第n个缓存助手信号所覆盖区域的概率，p₁为下一个时刻车辆转移到与第n个缓存助手相邻的缓存助手信号所覆盖区域的概率，p₀+2p₁＝1，n＝1,2…,N。

进一步的，所述步骤3中构建单个车辆的请求时延的具体方法为：