异构网络融合场景下车联网的移动性管理和资源管理

摘要：针对异构网络融合场景下车联网的特点,研究了车联网中的移动性管理技术和资源管理技术。在介绍物联网及车联网基本概念的基础上,分析了车联网中异构网络融合的应用场景,通过研究车联网中的通信设备、通信形式、组网方式等,提出了车联网的网络架构。与一般异构网络相比,车联网中车辆移动速度快,造成车辆接入公共网络时频繁切换的问题,为此,研究了车联网中的移动性管理技术。车联网中通信设备以及通信形式的多样化带来了多样化的业务需求,针对不同优先级业务提出了车联网中基于优先级的资源管理技术,即在异构网络的资源管理中必须保证高优先级业务在资源分配、接入控制、网络选择等方面始终处于优先状态。     

基于价位和模糊逻辑的异构网络资源管理算法

结合模糊逻辑控制和多因素优化,提出了一种基于价位和模糊逻辑的异构网络资源管理算法.该算法将网络定价作为移动用户接入的参数,利用市场经济的价格杠杆原理对资源进行管理和控制.仿真结果显示本方法能够有效地均衡网络间负载,降低网络拥塞概率,提高网络资源的收入.     

基于车辆行为分析的智能车联网关键技术研究

车联网通信系统中通信节点的高移动性、移动行为的复杂性,使得此场景下通信业务呈现数据实时交互性强、空时分布不均、尺度多变、规律复杂的特征,导致传统的车联网网络部署、资源调配难以有效满足用户的差异化服务质量需求。因此,迫切需要设计“车-人-路-云”泛在互联的智能异构车联网网络,通过充分挖掘车辆行为数据的潜在价值,精准预测、刻画车辆行为的空时分布特性,以提升车联网资源利用率、改善车联网服务性能。该文全面梳理了国内外在车辆行为分析、网络部署与接入以及资源优化方面的相关工作,重点阐述了智能车联网关键使能技术,即如何借助先进的人工智能、数据分析技术,探索车联网中车辆行为的空时分布特性,建立车辆行为预测模型,进行智能化网络部署与多网接入、动态资源优化管理,实现高容量、高效率的智能车联网通信。     

车联网络数据传输优化问题研究

车联网络中移动节点数据的实时采集和有效传输是智能交通系统中的基础.本文在分析原有移动感知网络数据传输存在不足的基础上,描述了车联网络数据传输的模型,重点分析了数据传输过程中所产生的数据冲突问题,利用构建移动聚集树的方法来消除树间的冲突,并采用仿真实验验证此种方法的数据延时较小.     

基于用户个性化服务质量的蜂窝车联网与车载自组织网异构车联网资源分配方法

蜂窝车联网(C-V2X)与车载自组织网络(VANET)的异构融合能够有效提高网络容量.然而,不同网络在非授权频段上共存而引起的信道冲突会导致系统吞吐量降低和用户接入时延增大,无法满足车联网用户对服务质量(QoS)的需求.针对该问题,该文提出一种基于用户个性化QoS需求的时频资源分配方法.首先,分别对C-V2X 和 VANET 的吞吐量和时延进行建模分析,刻画用户数据传输时间配置与吞吐量和时延的数学关系;然后,基于上述模型构建吞吐量-时延联合优化函数,根据用户的个性化QoS需求实现异构网络中吞吐量和时延的优化;最后,提出一种基于改进多目标粒子群优化的时延-吞吐量联合优化算法(DT-JOA)进行求解.仿真结果表明,该文所提网络资源分配算法可以有效地保证用户的个性化QoS需求,提升异构网络综合性能.     

基于用户个性化服务质量的蜂窝车联网与车载自组织网异构车联网资源分配方法

蜂窝车联网(C-V2X)与车载自组织网络(VANET)的异构融合能够有效提高网络容量。然而,不同网络在非授权频段上共存而引起的信道冲突会导致系统吞吐量降低和用户接入时延增大,无法满足车联网用户对服务质量(QoS)的需求。针对该问题,该文提出一种基于用户个性化QoS需求的时频资源分配方法。首先,分别对C-V2X 和 VA...     

分层异构网络无线资源管理技术探讨

随着通信技术的不断发展,用户随时随地获得高质量无线业务体验的需求造成网络的分层异构覆盖特征越来越明显.对分层异构网络中的无线资源管理关键技术进行了探讨,利用无线资源管理技术可以极大地提高分层异构无线网络环境下的传输速率并节约能量.     

一种用于优化VLC/WiFi异构网络资源的动态比例公平算法

为了提高可见光通信（VLC）/Wi Fi异构网络中的资源利用率,提出了一种动态比例公平（PF）算法。该算法通过引入补偿因子α来优化用户的优先级。首先,理论推导了VLC/Wi Fi异构网络的吞吐量、资源利用率和公平性指数等关键性能指标;然后,使用Mat l ab软件进行仿真,构建了一个VLC/Wi Fi异构网络系统;最后,将动态PF算法、PF算法以及最大载干比（Max C/I）算法在吞吐量、资源利用率、公平性以及访问延迟概率等方面的性能进行了对比。仿真结果表明：动态PF算法的吞吐量高于PF算法,并且远高于Max C/I算法;这3种算法的资源利用率均较高,均不低于0.96;动态PF算法的公平性指数约为0.97,优于其它2种算法,并且访问延迟概率较低。     

车联网中基于贝叶斯决策的垂直切换方法研究

车辆需要在车联网的异构无线网络环境下进行垂直切换,针对垂直切换技术普遍不能支持 WAVE, WiMAX和3G cellular间的垂直切换这一问题,提出了一种基于贝叶斯决策的垂直切换算法。首先,根据接入网络的信号强度、传输速率、误码率和网络阻塞率以及车辆终端的速度和运动趋势建立多条件相关的切换概率分布,计算出切换先验概率;然后通过贝叶斯决策算法计算后验概率并进行决策分类,从而选取最优网络接入。仿真实验结果表明,该算法不仅有效地实现WAVE,WiMAX和3G cellular无线接入技术之间的垂直切换,而且避免了乒乓效应,保证了网络及时更新。     

NB-IoT异频组网及优化策略研究

NB-IoT(窄带物联网)技术依附于800 MHz网络,射频带宽180 kHz,下行功率谱密度远大于LTE及CDMA网络,窄带特性及较强的功率谱密度导致单频组网下NB-IoT网络同频干扰现象严重。针对窄带同频干扰问题,提出异频组网策略,通过"双频组网策略、大间隔三频组网策略、无间隔三频组网策略"三种组网方式的验证及对比,提炼出一套适用于中国电信NB-IoT现网的异频组网策略,可以最大程度避免同频干扰,提升SINR(信干噪比)值改善用户感知。     

异构环境虚拟化资源管理相关研究

随着异构环境的数据处理平台的不断发展,平台系统内虚拟化资源管理的重要性日益凸显,吸引了越来越多研究人员的关注。传统高性能同构处理平台在可移植性、可重构性和可扩充性等方面远不能满足大量复杂数据处理的需要。从异构环境下虚拟化资源管理的角度出发,文中通过介绍异构软硬件虚拟化、资源管理策略的相关研究进展,对现有虚拟化资源管理策略进行了分析总结,并分析了未来异构环境虚拟化资源管理趋势。     

基于新型承载网的车联网组网架构研究

车联网低时延、大容量及灵活的组网需求,对承载网提出了更高的要求。基于此,在研究了新型承载网关键技术的基础上,提出了基于新型承载网车联网组网架构,可解决现有承载网技术的不足,满足车联网回传业务的快速、高效的访问需求。新型承载网架构采用转控分离的方式,符合未来网络的发展趋势,在满足车联网业务的同时,仍可承载传统业务,为大型园区以及城市一体化组网提供了可能。     

基于GLV模型的异构网络联合无线资源管理

为使不同的无线接入网络协同工作,实现异构无线网络的接纳控制,基于生态学种群竞争与异构无线网络资源管理的映射关系,提出了一种分布式联合无线资源管理(JRRM)算法。建立了基于Gause-Lotka-Volterra(GLV)的异构网络业务量预测模型,根据预测的业务量是否达到共存状态来调整网络参数,以使各网络的业务量达到稳定平衡状态。性能分析与仿真结果表明,该算法可以均衡各个网络的业务量,减少竞争对于网络的影响,使不同网络运营商均获得了一定收益。     

基于集中式接入网架构的异构无线网络资源管理技术研究

未来无线通信网络将是一个多种无线接入方式共存的异构网络,如何实现异构网络在频谱、软硬件资源等方面的融合是一个亟需解决的问题.现有方案受限于不同网络独立部署的架构,无法真正实现异构网络资源的融合.针对该问题,提出了一种新型的基于集中式接入网架构的异构网络融合平台,可以在集中式资源池基础上进行异构网络间处理资源及无线资源的共享与统一管理.基于该平台,进一步阐述了异构网络资源管理的关键技术,包括基站资源虚拟化、处理资源按需分配、动态频谱共享、网络覆盖优化及性能分析验证方法等,为未来异构网络融合研究提供了一种可行的方案.     

基于强化学习的异构无线网络资源管理算法

为了充分利用各种无线网络的资源,需要实现异构网络的融合,而异构网络的融合又面临接入控制与资源分配的问题。为此,提出一种基于强化学习的异构无线网络资源管理算法,该算法引入 D2D （device-to-device）通信模式,并可以根据终端不同的业务类型、终端移动性及网络负载条件等状态,选择合适的网络接入方式。同时,为降低存储需求,采用神经网络技术解决连续状态空间问题。仿真结果表明,该算法具有高效的在线学习能力,能够有效地提升网络的频谱效用,降低阻塞率,从而实现自主的无线资源管理。     

联合资源管理的异构无线网络垂直切换算法

针对资源有限的无线异构网络,关键问题是如何管理稀缺的无线资源(如带宽)来满足服务提供者和享受服务的用户的需求。提出一种联合带宽动态分配,准入控制的垂直切换算法,旨在提高运营商的利益最大化的同时兼顾用户的服务质量。仿真结果表明,该算法可以有效地提高带宽资源的利用率,有效降低阻塞率和掉话率,能够满足不同业务的切换要求,适合异构无线网络的多业务传输。     

基于5G的车联网组网架构研究

主要对基于5G的车联网组网架构进行研究,主要从车端、路端、网端、云端四个方面进行阐述,最后对车联网应用进行总结及展望。