基于MPLS的软件定义车联网主动式故障恢复机制

在软件定义车联网(SDIV)通信场景中，链路故障快速恢复是保证车端信息服务质量的关键技术之一。为此，提出一种基于MPLS的主动式故障恢复机制。在发生链路故障时，由故障链路上游交换机将备份路径信息封装至数据包头的MPLS标签中，转发过程中交换机匹配数据包头MPLS标签中信息进行转发；同时，考虑链路负载、可用带宽等性能指标，周期性地为拓扑中的每条链路更新备份路径。实验结果表明，与现有方法相比，所提机制有效降低了备份路径流表存储开销、数据丢包数量和恢复时延，可实现面向车端信息传输链路故障的快速恢复。     

基于时延和能耗的SD-DCN的路由优化算法

为了更好地实现数据中心网络的节能,基于交换机链路速率级的能耗特点,基于软件定义网络技术,提出一种Floyd-Warshall动态规划和局部重路由的节能服务质量路由优化算法.控制器在保障流的时延性能前提下,采用流在空间和时间上均衡传输的策略,依次为每个流计算传输路径和传输速率;在选路失败的情况下,尽量用较少的开销提高网络的接受率.仿真结果表明,该算法有效地降低了能耗,同时提高了网络流的接受率.     

异构蜂窝网络中基于雾节点协作贡献度的计算卸载算法

通过雾计算可将基于云的服务拓展至无线网络边缘和多种场景。针对密集异构蜂窝网络雾计算系统中的协作计算卸载问题，提出一种基于雾节点协作贡献度的计算卸载算法。首先，对协作可行性、协作公平性和协作稳定性进行了建模设计；其次，定义了协作贡献度和协作贡献比系数；然后，结合雾节点的剩余计算容量阈值和协作贡献度阈值，在满足任务可容忍的最大时延约束下，提出以任务执行能耗和用户支付成本的加权和最小化为目标的优化问题，使用外部罚函数法和方向加速法(Powell法)得到最优卸载决策。仿真结果表明，所提算法在各种任务参数和时延约束下能够有效降低执行任务的总开销，并且能够在协作可行性、协作公平性之间进行权衡处理。     

基于SDN/NFV的电力物联网时延敏感业务编排方法

软件定义网络(software-defined networking, SDN)和网络功能虚拟化(network function virtualization, NFV)为电力物联网业务编排提供了实现方法。针对电力物联网时延敏感业务编排问题，首先，提出基于SDN/NFV的电力物联网业务编排架构，满足定制化需求。然后，考虑多虚拟网络功能(virtual network function, VNF)嵌入、服务功能链(service function chain, SFC)有序性、以及电磁干扰影响，提出基于升价匹配的多阶段多对一VNF嵌入(pricing matching-based multi-phase many to one VNF embedding, PMVE)算法，在每个阶段实现不同SFC链上排序相同的VNF集合与物理节点集合间的匹配，从而最小化业务服务总时延。最后，通过算例验证了方法的可行性和有效性，仿真结果表明，相较于传统的双边匹配算法，所提算法可降低业务服务总时延29.9%、降低平均等待时延36.1%,保障电力物联网时延敏感业务需求。     

确定性网络跨域传输架构与DRL流量调度算法

针对时间敏感网络的跨域传输问题，提出了确定性跨域传输架构和基于深度强化学习(DRL)的调度算法。确定性跨域传输是一种融合循环队列转发与确定性网际互连协议的广域确定性组网架构，通过定义跨域周期映射函数，建立基于时隙的确定性传输通道，保障有界的传输时延；基于DRL的时隙路径联合在线调度算法，定义DRL状态、动作和奖励，以收益和最大化为目标对不同收益的业务流进行调度。实验结果表明，所提跨域传输架构和调度算法可以保障端到端的确定性传输，显著提高了流量调度收益值，以保障重要流量的传输。     

网络连通度约束下低开销的拓扑控制

为实现网络开销与网络连通度的权衡设计,分别基于链路添加和链路删除提出2个启发式的拓扑构建算法.通过采用网络图的代数连通度,并定义无线链路的连通度开销比这一新的拓扑度量,计算每条链路在拓扑优化中的权值.所提的启发式算法可根据该链路权值进行无线链路的添加或删除.设计了若干网络开销函数,以满足不同的网络场景.仿真结果表明,所提的启发式算法能够生成低开销的网络拓扑,同时满足给定的连通度约束.     

基于移动边缘计算的车联网卸载策略研究

随着车载设备的快速发展和日益增大的数据量,车联网在计算能力及通信能力方面面临着巨大的挑战.传统云计算虽然可以弥补车载设备计算资源的不足,但由于云服务器距离车辆终端较远,因此,难以满足一些对时延敏感的业务的需求,基于此问题,引入了移动边缘计算.首先,构建了基于5G的"车-边-云"协同网络架构,在该架构中融合了SDN等多种新兴技术,可以实现对车、边缘设备、云三方面资源的统一调度;其次,在此架构下建立了基于卸载时延的通信计算模型,并采用了基于改进烟花算法的计算任务卸载策略,其中,对烟花算法的改进主要是针对爆炸火花的产生方式及下一代烟花的选择方法,在改进之后,烟花可以实现在不同方向和不同维度的全方位搜索;最终,通过基于改进烟花算法的任务卸载策略,各个任务可以选择在最佳的卸载节点进行卸载,从而保证了时延最小化.仿真结果表明,在所提协同架构下,基于改进烟花算法的卸载策略可显著降低时延.当任务量为5 Mb时,所提卸载策略相比于其它卸载策略在降低时延性能上至少提高10％.     

一种基于分组交换的低时延路由算法

针对现有延迟可容忍网络路由算法在SV分组发送和数据分组交换过程中存在的冗余问题,提出了一种基于分组交换的延迟可容忍网络路由算法——PEA(Packet exchange algorithm)。PEA算法通过调整数据分组发送顺序及SV分组发送方式,加快了数据分组交换,降低了分组端到端时延。仿真结果表明,在相同消息传输成功率的条件下,PEA算法比Epi-demic算法具有更低的端到端时延。     

面向车联网自动驾驶的边缘智能多源数据处理

在车联网场景中,智能车辆受限于自身有限的感知范围和计算资源,难以实现高可靠性的自动驾驶.针对上述问题,提出了面向车联网自动驾驶的边缘智能多源数据处理方法,通过发掘网络中节点的空闲资源,提高系统的吞吐量,利用网络中的分布式数据,提高神经网络的推断准确率.为了解决车辆节点数据传输的耦合问题,构建了3层网络模型,对网络中的数据传输进行调度,并将原车辆节点一一映射为一个虚拟节点集合,对节点的数据传输进行解耦,从而把原问题转化为最小费用最大流的问题,实现了对自动驾驶网络计算、通信资源的高效分配.仿真结果表明,相比于本地处理的方案,所提方案可提升150%的系统吞吐量和12%的系统能效.     

5G蜂窝网辅助的车载自组网数据传输机制与路由算法

针对车联网中不同种类数据的传输需求,该文提出一种V2V和5G蜂窝网络结合的混合消息传输机制及路由算法。将车联网中的数据包分为时延敏感型和非敏感型两种类型,利用5G蜂窝网低时延、高可靠性、网络覆盖范围广的优势,高效传输时延敏感型的数据消息。由于自组网比高性能的5G蜂窝网具有更低的成本,因此针对时延非敏感型数据包设计了一种基于公交车辅助的路由算法。为降低通信链路断开机率,提出邻居表的更新时间预测机制,通过大量的仿真实验验证了该方案的有效性。实验结果表明,该方案可以提高数据包的传输成功率,降低端到端传输时延,减小端到端的传输跳数。     

虚实映射误差条件下数字孪生辅助的无人机网络计算任务卸载及资源自适应优化机制

为了解决动态时变的无人机（Unmanned Aerial Vehicle, UAV）网络环境下,智能终端设备有限的计算和存储资源不能满足资源密集型任务需求,以及高传输时延和低可靠连接的问题,本文使用数字孪生技术在地面基站（Base Station, BS）构建无人机、智能终端以及无线网络环境的孪生网络模型,以对无人机网络运行状态进行模拟和仿真。进而,基于构建的孪生网络模型设计智能终端设备计算任务卸载机制。在满足智能终端设备计算任务最大容忍延迟的条件下,智能终端设备选择将计算任务全部卸载到无人机,或者在本地进行计算。然后,将计算卸载问题建模为马尔科夫决策过程,建立联合无人机悬停点、计算任务卸载决策、无人机计算资源分配的自适应资源优化模型,实现最大化无人机效用函数的目标。考虑孪生网络模型与真实无人机网络的虚实映射误差,提出近端策略优化算法（Proximal Policy Optimization,PPO）,求解自适应资源优化模型。仿真结果表明,与已有方案对比,所提算法可以有效提高无人机的效用。同时,在适应虚实映射误差方面优于传统深度强化学习算法。     

5G蜂窝物联网关键技术分析

讨论了蜂窝物联网（C-IoT）技术的现状,针对增强机器类通信和窄带物联网技术标准,提出了2种现网快速部署方案,并进一步指出了C-IoT面向第5代移动通信系统（5G）的演进路径,包括网络功能虚拟化、软件定义网络、移动边缘计算和大数据分析等关键技术以及面临的安全风险.对关键技术以及解决方案进行了详细分析,结果表明,5G C-IoT可有效扩展C-IoT业务能力.     

一种新的并行分类算法

提出一种建立在由独立的处理器构成的计算机网络（例如由Ｔｒａｎｓ－ｐｕｔｅｒ构成的计算机网络）上的并行分类算法，用以解决分布式数据库的分类计算问题。本文基于并行算法应与并行计算的拓扑结构相匹配的思想，设计了一种旨在减小处理器之间通讯开销的网络结构。在这样一种并行计算环境中，每个处理器运行同样的程序，计算负载均匀分布在每个处理器中，因而算法具有高度的并行性。同时这种基本结构还可以灵活地不断扩展，且随着网络的不断扩大，该并行算法的并行加速性更高。     

改进多种群进化算法求解移动边缘计算中任务调度问题

移动边缘计算通过在靠近用户端的网络边缘部署服务器,为用户提供低时延的网络通信服务和类似云的计算服务。移动设备通过网络接入点将任务卸载到边缘服务器进行处理,能够有效地减少移动设备的能耗以及任务的完成时间。然而,用户在卸载任务时需要支付一定的通信成本。本文在构建包含多个用户和多个边缘计算节点的移动边缘计算环境的基础上,建立了最小化移动设备的任务完成时间、能耗以及通信成本的数学模型。为了解决上述问题,本文提出了一种改进多种群进化算法的任务调度优化算法。该调度算法通过优化卸载决策和资源分配决策来达到降低移动设备综合成本的目的。大量仿真实验说明,该任务调度算法与其他几种的任务调度算法相比,能够更有效地降低移动设备的综合成本。     

面向车辆边缘计算的任务合作卸载

随着物联网技术和人工智能技术的飞速发展，车辆边缘计算越来越引起人们的注意。车辆如何有效地利用车辆周边的各种通信、计算和缓存资源，结合边缘计算系统模型将计算任务迁移到离车辆更近的路边单元，已经成为目前车联网研究的热点。由于车辆应用设备有限的计算资源，车辆用户的任务计算需求无法满足，需要充分利用车辆周边的计算资源来计算任务。本文研究了车辆边缘计算中任务的合作卸载机制，以最小化车辆任务的计算时延。首先，设计了任务合作卸载的三层系统架构，考虑了车辆周边停泊车辆的计算资源以及路边单元的计算资源，组成云服务器层、停泊车辆合作集群层和路边单元合作集群层的三层架构。通过路边单元合作集群和停泊车辆合作集群的合作卸载，充分利用系统的空闲计算资源，进一步提高了系统的资源利用率。然后，基于k-聚类算法的思想提出了路边单元合作集群划分算法对路边单元进行合作集群的划分，并采用块连续上界最小化的分布式迭代优化方法设计了任务合作卸载算法,对终端车辆用户的任务进行卸载计算。最后，通过将本文算法和其他算法方案的进行实验对比，仿真结果表明，本文算法在系统时延和系统吞吐量方面具有更好的性能表现，可以降低23%的系统时延，并且能提升28%的系统吞吐量。     

云边协同光量子物联网架构及资源分配

在物联网(IoT)技术领域,通过云计算与边缘计算的协同,构建云边协同IoT可以显著减少核心网络中的流量负载以及IoT业务的服务时延。然而,传统密码学技术无法抗衡量子计算机的攻击,IoT的数据传输安全倍受威胁。量子密钥分发技术的应用,能够增强云边协同IoT安全能力。为了提升云边协同IoT的安全,基于量子密钥分发设计了一种云边协同光量子IoT安全体系架构,以及内嵌量子密钥服务的IoT网关模型与工作流程。同时,在该架构下,为了承载IoT业务并为其分发密钥,提出了面向业务密钥需求的节点密钥供应能力属性,以及节点密钥供应能力感知的密钥资源分配方法。仿真实验结果在密钥供应成功率、业务平均密钥消耗量和网络密钥利用率方面验证了所提方法的性能。与对比方法相比,所提方法能够显著提升密钥供应成功率。     

电动公交车锂电池远程监测系统设计与实现

为了提高电动汽车锂电池的实时监控能力和安全运行,节约电池维护成本,提出一种由车载信息采集器和上位机组成的电动汽车锂电池远程监控系统.车载信息采集器由微处理器、CAN总线控制器、GPS模块和GPRS模块组成.采集器通过CAN总线与电动汽车中央控制系统ECU相连接,将接收的锂电池信息和GPS数据,通过GPRS网络传输到上位机.上位机软件系统采用C++和Oracle数据库进行开发,对电池信息进行分析处理和电动汽车的定位,保证数据存储的稳定性和效率.本系统已进入试验阶段,实现对锂电池信息监测.试验结果表明系统稳定性好、成本低、可靠性高.     

移动性受限物联网应用中基于图论的高效数据采集策略

针对物联网数据采集应用,研究移动性受到限制的汇聚节点对数据采集性能和能量有效性造成的影响,提出能量有效的数据采集策略.基于图论基本原理对系统进行分析,建立借助方格的网络分层描述方法.提出数据采集中的能量分层优化HOEE问题,采用基于启发式算法的匹配算法来匹配节点方格,制定能耗均衡的数据包上报策略.NS-3仿真实验结果表明,HOEE数据采集策略具有优越性,与最短路径树、最大数据量最小路径以及随机采集策略相比,网络寿命能够有效提高约30%,维持较高的数据采集性能.在具有移动性受限的汇聚节点的物联网应用中使用HOEE数据采集策略,能够提高网络寿命,保证数据采集性能.     

无线传感器网络节能动态任务分配

为了延长网络生存期,减少网络能量消耗,在分析现有无线传感器网络任务分配机制的基础上,提出一种面向分层结构、多跳传感器网络的节能任务分配方法.该算法根据节点工作状态、剩余能量以及能耗,基于熵理论,建立代价函数,结合粒子群优化算法,实现优化任务分配策略.同时,针对无线传感网络动态变化使当前的任务分配策略可能不再是最优的情况,对任务进行动态调整.仿真实验结果表明该分配机制能有效减少无线传感网络计算时间和网络能耗,提高网络寿命.