[发明专利]基于SDN和MEC的车联网移动性管理方法

说明书

本发明涉及车联网系统中无线短距离通信技术领域，特别涉及一种基于SDN和MEC的车联网移动性管理方法，包括根据基站是否能够提供服务对计算资源进行管理，即当基站能够提供服务，即车辆在线时，利用车辆到基础设备技术将部分任务上传到移动边缘计算服务器进行任务卸载的计算，利用李雅普诺夫优化将随机优化问题解耦为独立的每帧优化，构建乘法漂移函数并最小化漂移和惩罚函数之和的上限，得到移动车辆的CPU周期频率、发射功率和带宽的最优分配；当基站不能提供服务，即车辆离线时；通过车到车技术采用多跳路由算法获得最优的路径来卸载计算任务；本发明方法能保持可靠的通信并且最大限度地提高系统的通信容量。

技术领域

本发明涉及车联网系统中无线短距离通信技术领域，特别涉及一种基于 SDN和MEC的车联网移动性管理方法。

背景技术

随着无线通信和人工智能技术的飞速发展，物联网时代的车辆互联和智能化程度越来越高。车到车(V2V)、车辆到基础设备(V2I)和车辆到一切(V2X)通信可以利用IEEE802.11p、毫米波(mm-wave)甚至在对主蜂窝具有较高干扰的情况下复用蜂窝频率来实现用户通信。V2X通信时自动驾驶中必不可少的技术，可以显著提高道路安全性，更好地管理交通流量以减少汽油消耗和二氧化碳排放，实现众多应用等。如今，车载网络己成为交通系统的关键部分，使交通系统更加智能、安全和便捷。在越来越多的新型技术，列如，物联网(IoT)、增强现实 (AR)或者虚拟现实(VR)的推动下，移动网络面临着数据流量和连接数呈指数级增长的趋势。同时，一系列计算密集和对延迟敏感的新应用的出现给现有的车载网络提出了严峻的挑战。这些应用可能需要大量的计算资源，并且对时延敏感。移动边缘计算(MEC)相对于云计算能减少延迟。由此产生了车辆边缘计算网络。通过在靠近道路的小型路边单元(RSU)中部署边缘服务器，为资源受限的车辆提供额外的计算能力。

因此，将MEC和车载网络相结合已被视为一种辅助使能技术，并且近年来引起了很多关注。而且MEC和车载网络的结合已成为满足服务应用程序的低延迟和高带宽需求的趋势。

由于V2X通信中的车辆往往处于高速运动的情境中，因此V2X通信模式对于车辆的定位信息具有更加严格的要求。同时在高速运动的场景中，信道和通信环境也更为复杂，而车辆的高速移动性以及网络拓扑结构的快速变化，容易造成车辆间的通信不稳定。列如当基站突发意外时，导致车辆无法与基站进行无线通信，从而造成网络联通的不持续性。所以在基站突发意外的应用场景中，如何在避免车辆通信中断条件下分配通信与计算资源以及保障V2X通信的高可靠低时延服务是值得探讨的关键问题。

越来越多的车辆需要大规模部署车载自组织网(VANET)架构，由于当前架构缺乏灵活性，这成为一项艰巨的任务。SDN是一种新兴且有前途的解决方案，通过将控制平面与数据平面分离，简化了网络层数量转发并优化了网络级资源编排。网络的智能和状态也可以在逻辑上进行集中控制。另外借助SDN控制收集到的网络信息，列如车辆密度、车辆位置和移动性，SDN控制器如何动态、高效地分配和调度网络资源是SDN网络的关键挑战。

发明内容

为了解决上述问题，本发明提出一种基于SDN和MEC的车联网移动性管理方法，根据基站是否能够提供服务对计算资源进行管理，如图1，具体包括以下步骤：

当基站能够提供服务，即车辆在线时，利用车辆到基础设备技术将部分任务上传到移动边缘计算服务器进行任务卸载的计算，利用李雅普诺夫优化将随机优化问题解耦为独立的每帧优化，构建乘法漂移函数并最小化漂移和惩罚函数之和的上限，得到移动车辆的CPU周期频率、发射功率和带宽的最优分配；

当基站不能提供服务，即车辆离线时；通过车到车技术采用多跳路由算法获得最优的路径来卸载计算任务。

进一步的，利用李雅普诺夫优化将随机优化问题解耦为独立的每帧优化，构建乘法漂移函数并最小化漂移和惩罚函数之和的上限，得到移动车辆的CPU 周期频率、发射功率和带宽的最优分配包括：