[发明专利]一种物联终端多级边缘节点主动缓存方法、设备及介质

权利要求书

1.一种物联终端多级边缘节点主动缓存方法，其特征在于，包括如下步骤：

步骤S1，采用一阶马尔科夫模型对节点的移动概率进行预测；

步骤S2，通过移动概率计算熵值衡量移动性预测的不确定性，并根据熵值对内容在网络中预取和缓存的位置做出判断；

其中，所述通过移动概率计算熵值衡量移动性预测的不确定性的具体过程为：

步骤S21，根据初始状态w下，根据节点L_i到其邻近节点集合N_i的转移概率计算熵值h；

步骤S22，判断熵值h是否小于既定阈值h^*，若熵值h小于既定阈值h^*，则进行步骤S23，若熵值h大于既定阈值h^*，则进行步骤S25；

步骤S23，累加N_i中连接到同一上级节点的转移概率，作为上级节点的转移概率；

步骤S24,根据聚合后的转移概率集合，重新计算熵值h，进行步骤S22；

步骤S25，选择转移概率最高的节点作为预取节点缓存内容；

步骤S3，根据判断的节点下一跳位置，提前缓存内容至节点。

2.如权利要求1所述的方法，其特征在于，在步骤S1中，所述马尔科夫模型具体为以下公式：

其中，其中X(L_i，L_j)是车辆从L_i移动到L_j的次数，而Z(L_i)是车辆在L_i的总数，从训练数据集的移动轨迹中检索X和Z，X是车辆从一个节点移动到另一个节点的次数，Z是车辆在一个节点的总数；

因此，

其中，L＝{L₁,L₂,…,L_n}代表构成的一组状态，p_ij为转移概率，N_i表示节点L_i到其邻近节点L_j的集合。

3.如权利要求1所述的方法，其特征在于，在步骤S21中，所述初始状态w具体为包含了网络中每一个节点其到达所有潜在下一跳节点的转移概率集合。

4.如权利要求3所述的方法，其特征在于，在步骤S21中，根据以下公式利用转移概率计算熵值h：

其中，H[P]是转移概率集合P对应的熵值h，P＝{P₁,P₂,…,P_n}，n是转移概率集合中转移概率最大序列数，p_i是转移概率序列数为i时对应的转移概率集合中的转移概率。

5.如权利要求4所述的方法，其特征在于，在步骤S2中，所述根据熵值对内容在网络中预取和缓存的位置做出判断具体为在网络树状结构中的子节点垂直向上聚合转移概率到父节点，直到满足熵值的阈值，能够向上聚合的下级节点必须连接到同一上级节点。

6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。