一种停车场云存储资源的调度计算方法与流程

本发明涉及车联网以及云存储资源调度技术领域，具体涉及一种停车场云存储资源的调度计算方法。

背景技术：

随着经济和社会的快速发展，人民的生活水平也在日益提高，私家车数量也在快速增长，而停车场作为一个与汽车不可分割的一个配套场景，在生活中充当着越来越重要的角色，而随着科技的进步，越来越多的车辆上都开始装有车载计算机等智能设备，在日常的生活中我们不难发现，停车场中长时间充斥着各种车辆，并且这些车辆都处于停滞状态，这样导致车辆上车载计算机中的硬盘、内存等存储资源处于闲置状态，如今的现实生活中还没有有效的方法对这样的问题进行解决。

虚拟化技术是云计算的核心技术之一，云数据中心通过该技术将计算资源以及存储资源等抽象为虚拟化的资源，构建成动态的虚拟资源池，向用户提供按需服务，因此，资源调度成为云计算的关键技术，但是，云计算系统的资源具有很高的动态性和异构性，因此，研究高效的云计算资源调度策略，尤其是抽象出合理的资源调度模型，并利用较好的算法来实现云计算的资源的有效调度，更大程度的满足用户的需求，对切实提高云计算服务有着重要的意义。而对于不同用户发出的不同存储资源请求，比如文档、表格等小型文件，电影、游戏等大型文件，目前还没有寻求到较好的自适应调度方法，所以要确立一个根据不同存储资源请求的云计算调度算法来满足不同用户的需求尤为重要。

技术实现要素：

本发明的目的提供一种停车场云存储资源的调度计算方法，解决上述现有技术问题中的一个或者多个。

根据本发明的一种停车场云存储资源的调度计算方法，包括以下步骤：

步骤一：公云服务器接受用户车辆节点发出的存储资源请求信号，所述存储资源请求信号包括所述用户车辆节点需要的存储资源大小以及所述存储资源的类型，所述存储资源类型这里指需要存储的文件的种类；

步骤二：所述公云服务器根据接受到的请求信号，通过云计算调度算法计算车辆节点的信任值、停车时间覆盖率、虚拟机使用率以及当前车辆节点所承载的任务数来选取符合请求信号的若干候选服务车辆节点；

步骤三：若干候选服务车辆节点根据上述计算结果来知晓各自自身需要提供的虚拟机的个数，之后公云服务器通过调度，将数据保存于若干候选服务车辆节点的所述虚拟机当中；

步骤四：所述公云服务器向所述服务车辆节点发出服务信号，同时向所述用户车辆节点发出反馈信号，使得所述服务车辆节点与所述用户车辆节点进行信号连接，车辆存储资源共享网络形成，服务开始；

步骤五：车辆存储资源共享网络中，当某一服务车辆节点离开或者终止服务时，终止服务的车辆向所述公云服务器发出告知信号，所述公云服务器将原暂存于终止服务车辆节点中的数据迁移到公云本地的缓冲池当中，所述公云服务器重新计算获取符合请求的服务车辆节点，然后将所述存放于缓冲池中的数据发送给新的服务车辆节点，重新建立新的车辆存储资源共享网络；

步骤六：所述公云服务器对所述车辆存储资源共享网络中的服务车辆节点进行信任值更新。

本发明所提供的一种停车场云存储资源的信任计算方法，其步骤简洁，使用方便，能合理利用闲置存储资源，能避免网络恶意攻击，使得整个停车场的安全性能更好，运用云计算调度算法来满足不同用户的需求。

在一些实施方式中，公云服务器与车辆节点之间的信号发送与接收，所述公云服务器与车辆节点之间通过rsu(roadsideunit，路侧单元)进行信号的发送与接收，所述停车场被划分成若干区域，每个区域的中心都设置有rsu，所述车辆节点以无线方式发送信号给自身所在区域的rsu，所述rsu再将信号以有线方式通过电缆发送给所述公云服务器，同样的，所述公云服务器将信号发送给车辆存储资源共享网络中的车辆节点所在的rsu，之后所述rsu再将信号发送到所在区域中的车辆节点上，目的在于可以避免距离带来的通讯影响，使得整个停车场中的车辆节点都可以通过各个区域中rsu之间的连接实现相互通讯。

在一些实施方式中，所述存储资源类型分为三个种类：

(1)高等级事件，如一些文本文件，数据文件，所占存储空间大小∈(0，10m]；

(2)中等级事件，如一些视频文件，声音文件，所占存储空间大小∈(10m，100m]；

(3)低等级事件，如一些电影文件，游戏文件，所占存储空间大小∈(100m，+∞]。

在一些实施方式中，候选服务车辆节点的选取，对候选服务车辆节点的信任值、虚拟机使用率以及当前车辆节点所承载的任务数进行一轮筛选。

(1)车辆节点承载任务数低于阈值停车场中所有车辆节点可以承载的最大任务数为tmax，选取此时承载的任务数<tmax的车辆节点。

(2)车辆节点信任值区间选取将上述(1)中选取出来的候选车辆节点按照信任值的大小从高到低进行排序，这里所述的信任值是车辆节点的历史记录中得来的，最近n天的信任值存放于公云服务器当中，这里的n是一个定值，信任值与每次车辆节点提供服务的存储空间大小以及提供服务的时间有关。

这一串有序信任值数据中最大值为dtrmax，最小值为dtrmin，之后找出信任值这一有序数据的中位数dtr1，然后计算出在dtr1与dtrmax之间的中位数dtr2，并且计算出在dtrmin与dtr1之间的中位数dtr3，这样，车辆节点通过信任值的大小就被分成了四份。

⑤车辆节点信任值间于dtrmax与dtr3之间的为低信任值节点，

低信任值节点信任值∈[dtrmin，dtr3)；

⑥车辆节点信任值间于dtr3与dtr1之间的为较低信任值节点，

较低信任值节点信任值∈[dtr3，dtr1)；

⑦车辆节点信任值间于dtr1与dtr2之间的为较高信任值节点，

较高信任值节点信任值∈[dtr1，dtr2]；

⑧车辆节点信任值间于dtr2与dtrmax之间的为高信任值节点，

高信任值节点信任值∈[dtr2，dtrmax]。

根据不同用户车辆节点的请求选取不同信任值的节点：

④请求为高等级事件：选取高信任值节点和较高信任值节点；

⑤请求为中等级事件：选取较高信任值节点和较低信任值节点；

⑥请求为低等级事件：选取较低信任值节点和低信任值节点。

(3)虚拟机容量足够大

通过上述(1)、(2)选取出来的候选节点中剩余存储空间中所有虚拟机个数要足够大于服务所需要提供的虚拟机个数，在此说明，这里所说的存储空间资源大小被看成以块为单位的虚拟机，这样做的目的可以使每块存储空间相互独立，减少恶意攻击带来的损失。若候选节点中剩余存储空间中所有虚拟机个数要小于服务所需要提供的虚拟机个数，则任务终止，提示用户任务失败。

在一些实施方式中，车辆节点的停车时间覆盖率和虚拟机使用率，在所述停车场环境中的每一个车辆节点都会将自身的停车时间记录于所述公云服务器当中，所述时间记录表将一天24小时划分成四个时间段，0时至6时为夜间停车时间段，6时到12时为早间停车时间段，12时到18时为午间停车时间段，18时到24时为晚间停车时间段，以最近n天为记录，将所述车辆节点在这最近n天中的停车状态记录于停车时间表中，之后在所述公云服务器选取服务车辆节点的时候，会通过停车时间表计算出当前时间段与下一个时间段所有车辆的停车时间覆盖率，列出了车辆节点i的若干天停车时间表，假设当前时间为10时，则选取早间停车时间段与午间停车时间段计算出候选服务车辆节点的停车时间覆盖率。在此说明，下文中所有公式的推导以及环境的背景都假设当前时间为10时，其他时间的计算方法都与下文中描述的方法一致。所述虚拟机使用率是指将每个车辆节点中的存储区域划分成以块为单位的虚拟机，而其中未使用的块数占总块数的比值称为虚拟机使用率。

在一些实施方式中，云计算调度算法，所述云计算调度算法综合了候选服务车辆节点的信任值、停车时间覆盖率、虚拟机使用率以及当前车辆节点所承载的任务数，根据上述三种不同的等级事件请求给出相适应的调度安排。

(1)高等级事件调度算法：

综合计算上述四个关联变量之后，候选服务车辆节点i所得的综合值w(i)用公式表示为：

且0＜w(i)≤1

其中dtr(i)表示候选服务车辆节点i的信任值大小，且0＜dtr(i)≤1，η(i)表示候选服务车辆节点i的停车时间覆盖率大小，且0＜η(i)≤1，vu(i)表示候选服务车辆节点i的虚拟机使用率大小，且0＜vu(i)≤1，ta(i)表示候选服务车辆节点i当前所承载的任务个数，且0≤η(i)≤tmax，所述高等级事件为文本、数据等所占存储空间不是很大的类型事件，而这类文件的安全性相对是用户所看重的，所以综合值w(i)与信任值dtr(i)的关联度最大，而对停车时间覆盖率η(i)的关联度有所减弱，所存储的文件相对较小，所以综合值w(1)对虚拟机使用率vu(i)和当前所承载的任务个数ta(i)关联度相对最小，上述公式可以确切反应这些特征。

所以候选服务车辆节点i在此次任务中所需要提供虚拟机个数占总共需要提供的虚拟机个数的比值用公式表示为：

且0＜p(i)≤1

其中k表示此次任务中候选车辆节点的数量为k个。

则候选服务车辆节点i需要提供服务的虚拟机个数nu(i)用公式表示为：

nu(i)＝「ntotal*p(i)]，且0＜nu(i)＜ntotal，nu(i)为正整数

上式中ntotal表示此次任务总共需要车辆节点提供的虚拟机的总个数。

之后候选服务车辆节点按照信任值dtr(i)的大小进行从高到低排序，从信任值最高的节点开始选取一个虚拟机块的地址，然后信任值第二高的节点选取一个虚拟机块的地址，……，直到第k个车辆节点选取一个虚拟机块的地址，之后回到信任值最高的车辆节点再选取一个虚拟机块的地址，依次轮询，直到车辆节点选取的虚拟机块个数达到自身所需要提供的虚拟机个数，则此车辆节点退出轮询，若某一车辆节点所剩的虚拟机个数小于任务所需要其提供的虚拟机个数，则当该车辆节点没有多余的虚拟机地址后，将本该存放于该车辆节点的虚拟机从信任值最高的节点开始轮询放置，最终总共找到ntotal个虚拟机块后，寻址结束，公云服务器调度数据存放于刚刚找到的候选节点的虚拟机块中，调度结束，车辆存储资源共享网络开始工作。

(2)中等级事件调度算法：

综合计算上述四个关联变量之后，候选服务车辆节点i所得的综合值w(i)用公式表示为：

且0＜w(i)≤1

其中dtr(i)表示候选服务车辆节点i的信任值大小，且0＜dtr(i)≤1，η(i)表示候选服务车辆节点i的停车时间覆盖率大小，且0＜η(i)≤1，vu(i)表示候选服务车辆节点i的虚拟机使用率大小，且0＜vu(i)≤1，ta(1)表示候选服务车辆节点i当前所承载的任务个数，且0≤η(i)≤tmax，所述中等级事件为视频、音乐等所占存储空间稍大的类型事件，而这类文件在使用时的流畅性相对是用户所看重的，所以综合值w(i)对信任值dtr(i)和停车时间覆盖率η(i)的关联性基本一致，而对虚拟机使用率vu(i)和当前所承载的任务个数ta(i)关联度相对最小，上述公式可以确切反应这些特征。

所以候选服务车辆节点i在此次任务中所需要提供虚拟机个数占总共需要提供的虚拟机个数的比值用公式表示为：

且0＜p(i)≤1

其中k表示此次任务中候选车辆节点的数量为k个。

则候选服务车辆节点i需要提供服务的虚拟机个数nu(i)用公式表示为：

nu(i)＝「ntotal*p(i)]，且0＜nu(i)＜ntotal，nu(i)为正整数

上式中ntotal表示此次任务总共需要车辆节点提供的虚拟机的总个数。

之后候选服务车辆节点按照停车时间覆盖率η(i)的大小进行从高到低排序，从停车时间覆盖率最高的节点开始选取一个虚拟机块的地址，然后停车时间覆盖率第二高的节点选取一个虚拟机块的地址，……，直到第k个车辆节点选取一个虚拟机块的地址，之后回到停车时间覆盖率最高的车辆节点再选取一个虚拟机块的地址，依次轮询，直到车辆节点选取的虚拟机块个数达到自身所需要提供的虚拟机个数，则此车辆节点退出轮询，若某一车辆节点所剩的虚拟机个数小于任务所需要其提供的虚拟机个数，则当该车辆节点没有多余的虚拟机地址后，将本该存放于该车辆节点的虚拟机从停车时间覆盖率最高的节点开始轮询放置，最终总共找到ntotal个虚拟机块后，寻址结束，公云服务器调度数据存放于刚刚找到的候选节点的虚拟机块中，调度结束，车辆存储资源共享网络开始工作。

(3)低等级事件调度算法：

综合计算上述四个关联变量之后，候选服务车辆节点i所得的综合值w(i)用公式表示为：

且

即且0＜w(i):

其中dtr(i)表示候选服务车辆节点i的信任值大小，且0＜dtr(i)≤1，η(i)表示候选服务车辆节点i的停车时间覆盖率大小，且0＜η(i)≤1，vu(i)表示候选服务车辆节点i的虚拟机使用率大小，且0＜vu(i)≤1，ta(i)表示候选服务车辆节点i当前所承载的任务个数，且0≤η(i)≤tmax，所述低等级事件为电影、游戏等所占存储空间较大的类型事件，而这类文件对存储空间的使用多，为了使车辆节点的存储空间负载均衡，优先考虑虚拟机使用率wu(i)对综合值w(i)的影响，而综合值w(i)对信任值dtr(i)的关联度则相对最小，上述公式可以确切反应这些特征。

所以候选服务车辆节点i在此次任务中所需要提供虚拟机个数占总共需要提供的虚拟机个数的比值p(i)用公式表示为：

且0＜p(i)≤1

其中k表示此次任务中候选车辆节点的数量为k个。

则候选服务车辆节点i需要提供服务的虚拟机个数nu(i)用公式表示为：

且0＜nu(i)＜ntotal，nu(i)为正整数

上式中ntotal表示此次任务总共需要车辆节点提供的虚拟机的总个数。

之后候选服务车辆节点按照虚拟机使用率vu(i)的大小进行从低到高排序，从虚拟机使用率最低的节点开始选取一个虚拟机块的地址，然后虚拟机使用率第二低的节点选取一个虚拟机块的地址，……，直到第k个车辆节点选取一个虚拟机块的地址，之后回到虚拟机使用率最低的车辆节点再选取一个虚拟机块的地址，依次轮询，直到车辆节点选取的虚拟机块个数达到自身所需要提供的虚拟机个数，则此车辆节点退出轮询，若某一车辆节点所剩的虚拟机个数小于任务所需要其提供的虚拟机个数，则当该车辆节点没有多余的虚拟机地址后，将本该存放于该车辆节点的虚拟机从虚拟机使用率最低的节点开始轮询放置，最终总共找到ntotal个虚拟机块后，寻址结束，公云服务器调度数据存放于刚刚找到的候选节点的虚拟机块中，调度结束，车辆存储资源共享网络开始工作。

附图说明

图1为本发明的一种停车场云存储资源的调度计算方法的流程图；

图2为本发明的实施例提供的停车场内部设施图；

图3为本发明的实施例提供的车辆节点i最近n天内停车时间表图；

图中：1、停车场区域，2、车辆节点，3、rsu覆盖区域，4、rsu，5、公云服务器，6、电缆。

具体实施方式

下面结合说明书附图，对本发明进行进一步详细的说明。

如图1至图2中所示，一种停车场云存储资源的调度计算方法，包括以下步骤：

步骤一：公云服务器5接受用户车辆节点2发出的存储资源请求信号，存储资源请求信号包括用户车辆节点2需要的存储资源大小以及存储资源的类型，存储资源类型这里指需要存储的文件的种类；例如文本文件，声音文件，视频文件，可执行文件等。

步骤二：公云服务器5根据接受到的请求信号，通过云计算调度算法计算车辆节点2的信任值、停车时间覆盖率、虚拟机使用率以及当前车辆节点2所承载的任务数来选取符合请求信号的若干候选服务车辆节点2；

步骤三：若干候选服务车辆节点2根据上述计算结果来知晓各自自身需要提供的虚拟机的个数，之后公云服务器5通过调度，将数据保存于若干候选服务车辆节点2的虚拟机当中；

步骤四：公云服务器5向服务车辆节点2发出服务信号，同时向用户车辆节点2发出反馈信号，使得服务车辆节点2与用户车辆节点2进行信号连接，车辆存储资源共享网络形成，服务开始；

步骤五：车辆存储资源共享网络中，当某一服务车辆节点2离开或者终止服务时，终止服务的车辆向公云服务器5发出告知信号，公云服务器5将原暂存于终止服务车辆节点2中的数据迁移到公云本地的缓冲池当中，公云服务器5重新计算获取符合请求的服务车辆节点2，然后将存放于缓冲池中的数据发送给新的服务车辆节点2，重新建立新的车辆存储资源共享网络；

步骤六：公云服务器5对车辆存储资源共享网络中的服务车辆节点2进行信任值更新。

本发明所提供的一种停车场云存储资源的信任计算方法，其步骤简洁，使用方便，能合理利用闲置存储资源，能避免网络恶意攻击，使得整个停车场的安全性能更好，运用云计算调度算法来满足不同用户的需求。

公云服务器5与车辆节点2之间的信号发送与接收，公云服务器5与车辆节点2之间通过rsu4(roadsideunit，路侧单元)进行信号的发送与接收，停车场被划分成若干区域，每个停车场区域1的中心都设置有rsu4，行程rsu覆盖区域3，车辆节点2以无线方式发送信号给自身所在区域的rsu4，rsu4再将信号以有线方式通过电缆6发送给公云服务器5，同样的，公云服务器5将信号发送给车辆存储资源共享网络中的车辆节点2所在的rsu4，之后rsu4再将信号发送到所在区域中的车辆节点2上，目的在于可以避免距离带来的通讯影响，使得整个停车场中的车辆节点2都可以通过各个区域中rsu4之间的连接实现相互通讯。

存储资源类型分为三个种类：

(1)高等级事件，如一些文本文件，数据文件，所占存储空间大小∈(0，10m]；

(2)中等级事件，如一些视频文件，声音文件，所占存储空间大小∈(100m，100m]；

(3)低等级事件，如一些电影文件，游戏文件，所占存储空间大小(100m，+∞]。

在一些实施方式中，候选服务车辆节点2的选取，对候选服务车辆节点2的信任值、虚拟机使用率以及当前车辆节点2所承载的任务数进行一轮筛选。

(1)车辆节点2承载任务数低于阈值停车场中所有车辆节点2可以承载的最大任务数为tmax，选取此时承载的任务数<tmax的车辆节点2。

(2)车辆节点2信任值区间选取将上述(1)中选取出来的候选车辆节点2按照信任值的大小从高到低进行排序，这里的信任值是车辆节点2的历史记录中得来的，最近n天的信任值存放于公云服务器5当中，这里的n是一个定值，信任值与每次车辆节点2提供服务的存储空间大小以及提供服务的时间有关。

这一串有序信任值数据中最大值为dtrmax，最小值为dtrmin，之后找出信任值这一有序数据的中位数dtr1，然后计算出在dtr1与dtrmax之间的中位数dtr2，并且计算出在dtrmin与dtr1之间的中位数dtr3，这样，车辆节点2通过信任值的大小就被分成了四份。

①车辆节点2信任值间于dtrmax与dtr3之间的为低信任值节点，低信任值节点信任值∈[dtrmin，dtr3)；

②车辆节点2信任值间于dtr3与dtr1之间的为较低信任值节点，较低信任值节点信任值∈[dtr3，dtr1)；

③车辆节点2信任值间于dtr1与dtr2之间的为较高信任值节点，较高信任值节点信任值∈[dtr1，dtr2)；

④车辆节点2信任值间于dtr2与dtrmax之间的为高信任值节点，高信任值节点信任值∈[dtr2，dtrmax]。

根据不同用户车辆节点2的请求选取不同信任值的节点：

①请求为高等级事件：选取高信任值节点和较高信任值节点；

②请求为中等级事件：选取较高信任值节点和较低信任值节点；

③请求为低等级事件：选取较低信任值节点和低信任值节点。

(3)虚拟机容量足够大

通过上述(1)、(2)选取出来的候选节点中剩余存储空间中所有虚拟机个数要足够大于服务所需要提供的虚拟机个数，在此说明，这里所说的存储空间资源大小被看成以块为单位的虚拟机，这样做的目的可以使每块存储空间相互独立，减少恶意攻击带来的损失。若候选节点中剩余存储空间中所有虚拟机个数要小于服务所需要提供的虚拟机个数，则任务终止，提示用户任务失败。

在一些实施方式中，车辆节点2的停车时间覆盖率和虚拟机使用率，在停车场环境中的每一个车辆节点2都会将自身的停车时间记录于公云服务器5当中，时间记录表将一天24小时划分成四个时间段，0时至6时为夜间停车时间段，6时到12时为早间停车时间段，12时到18时为午间停车时间段，18时到24时为晚间停车时间段，以最近n天为记录，将车辆节点2在这最近n天中的停车状态记录于停车时间表中，之后在公云服务器5选取服务车辆节点2的时候，会通过停车时间表计算出当前时间段与下一个时间段所有车辆的停车时间覆盖率，如图3所示，列出了车辆节点2i的若干天停车时间表，假设当前时间为10时，则选取早间停车时间段与午间停车时间段计算出候选服务车辆节点2的停车时间覆盖率。在此说明，下文中所有公式的推导以及环境的背景都假设当前时间为10时，其他时间的计算方法都与下文中描述的方法一致。虚拟机使用率是指将每个车辆节点2中的存储区域划分成以块为单位的虚拟机，而其中未使用的块数占总块数的比值称为虚拟机使用率。

在一些实施方式中，云计算调度算法，云计算调度算法综合了候选服务车辆节点2的信任值、停车时间覆盖率、虚拟机使用率以及当前车辆节点2所承载的任务数，根据上述三种不同的等级事件请求给出相适应的调度安排。

(1)高等级事件调度算法：

综合计算上述四个关联变量之后，候选服务车辆节点2i所得的综合值w(i)用公式表示为：

且0＜w(i)≤1

其中dtr(i)表示候选服务车辆节点2i的信任值大小，且0＜dtr(i)≤1，η(i)表示候选服务车辆节点2i的停车时间覆盖率大小，且0＜η(i)≤1，vu(i)表示候选服务车辆节点2i的虚拟机使用率大小，且0＜vu(i)≤1，ta(i)表示候选服务车辆节点2i当前所承载的任务个数，且0≤η(i)≤tmax，高等级事件为文本、数据等所占存储空间不是很大的类型事件，而这类文件的安全性相对是用户所看重的，所以综合值w(i)与信任值dtr(i)的关联度最大，而对停车时间覆盖率η(i)的关联度有所减弱，所存储的文件相对较小，所以综合值w(i)对虚拟机使用率vu(i)和当前所承载的任务个数ta(i)关联度相对最小，上述公式可以确切反应这些特征。

所以候选服务车辆节点2i在此次任务中所需要提供虚拟机个数占总共需要提供的虚拟机个数的比值用公式表示为：

且0＜p(i)≤1

其中k表示此次任务中候选车辆节点2的数量为k个。

则候选服务车辆节点2i需要提供服务的虚拟机个数nu(i)用公式表示为：

且0＜nu(i)＜ntotal，nu(i)为正整数

上式中ntotal表示此次任务总共需要车辆节点2提供的虚拟机的总个数。

之后候选服务车辆节点2按照信任值dtr(i)的大小进行从高到低排序，从信任值最高的节点开始选取一个虚拟机块的地址，然后信任值第二高的节点选取一个虚拟机块的地址，……，直到第k个车辆节点2选取一个虚拟机块的地址，之后回到信任值最高的车辆节点2再选取一个虚拟机块的地址，依次轮询，直到车辆节点2选取的虚拟机块个数达到自身所需要提供的虚拟机个数，则此车辆节点2退出轮询，若某一车辆节点2所剩的虚拟机个数小于任务所需要其提供的虚拟机个数，则当该车辆节点2没有多余的虚拟机地址后，将本该存放于该车辆节点2的虚拟机从信任值最高的节点开始轮询放置，最终总共找到ntotal个虚拟机块后，寻址结束，公云服务器5调度数据存放于刚刚找到的候选节点的虚拟机块中，调度结束，车辆存储资源共享网络开始工作。

(2)中等级事件调度算法：

综合计算上述四个关联变量之后，候选服务车辆节点2i所得的综合值w(i)用公式表示为：

且0＜w(i)≤1

其中dtr(i)表示候选服务车辆节点2i的信任值大小，且0＜dtr(i)≤1，η(i)表示候选服务车辆节点2i的停车时间覆盖率大小，且0＜η(i)≤1，vu(i)表示候选服务车辆节点2i的虚拟机使用率大小，且0＜vu(i)≤1，ta(i)表示候选服务车辆节点2i当前所承载的任务个数，且0≤η(i)≤tmax，中等级事件为视频、音乐等所占存储空间稍大的类型事件，而这类文件在使用时的流畅性相对是用户所看重的，所以综合值w(i)对信任值dtr(i)和停车时间覆盖率η(i)的关联性基本一致，而对虚拟机使用率vu(i)和当前所承载的任务个数ta(i)关联度相对最小，上述公式可以确切反应这些特征。

所以候选服务车辆节点2i在此次任务中所需要提供虚拟机个数占总共需要提供的虚拟机个数的比值用公式表示为：

且0＜p(i)≤1

其中k表示此次任务中候选车辆节点2的数量为k个。

则候选服务车辆节点2i需要提供服务的虚拟机个数nu(i)用公式表示为：

且0＜nu(i)＜ntotal，nu(i)为正整数

上式中ntotal表示此次任务总共需要车辆节点2提供的虚拟机的总个数。

之后候选服务车辆节点2按照停车时间覆盖率的大小进行从高到低排序，从停车时间覆盖率最高的节点开始选取一个虚拟机块的地址，然后停车时间覆盖率第二高的节点选取一个虚拟机块的地址，……，直到第k个车辆节点2选取一个虚拟机块的地址，之后回到停车时间覆盖率最高的车辆节点2再选取一个虚拟机块的地址，依次轮询，直到车辆节点2选取的虚拟机块个数达到自身所需要提供的虚拟机个数，则此车辆节点2退出轮询，若某一车辆节点2所剩的虚拟机个数小于任务所需要其提供的虚拟机个数，则当该车辆节点2没有多余的虚拟机地址后，将本该存放于该车辆节点2的虚拟机从停车时间覆盖率最高的节点开始轮询放置，最终总共找到ntotal个虚拟机块后，寻址结束，公云服务器5调度数据存放于刚刚找到的候选节点的虚拟机块中，调度结束，车辆存储资源共享网络开始工作。

(3)低等级事件调度算法：

综合计算上述四个关联变量之后，候选服务车辆节点2i所得的综合值w(i)用公式表示为：

且

即且0＜w(i)：

其中dtr(i)表示候选服务车辆节点2i的信任值大小，且0＜dtr(i)≤1，η(i)表示候选服务车辆节点2i的停车时间覆盖率大小，且0＜η(i)≤1，vu(i)表示候选服务车辆节点2i的虚拟机使用率大小，且0＜vu(i)≤1，ta(i)表示候选服务车辆节点2i当前所承载的任务个数，且0≤η(i)≤tmax，低等级事件为电影、游戏等所占存储空间较大的类型事件，而这类文件对存储空间的使用多，为了使车辆节点2的存储空间负载均衡，优先考虑虚拟机使用率vu(i)对综合值w(i)的影响，而综合值w(i)对信任值dtr(i)的关联度则相对最小，上述公式可以确切反应这些特征。

所以候选服务车辆节点2i在此次任务中所需要提供虚拟机个数占总共需要提供的虚拟机个数的比值p(i)用公式表示为：

且0＜p(i)≤1

其中k表示此次任务中候选车辆节点2的数量为k个。

则候选服务车辆节点2i需要提供服务的虚拟机个数nu(i)用公式表示为：

且0＜nu(i)＜ntotal，nu(i)为正整数

上式中ntotal表示此次任务总共需要车辆节点2提供的虚拟机的总个数。

之后候选服务车辆节点2按照虚拟机使用率vu(i)的大小进行从低到高排序，从虚拟机使用率最低的节点开始选取一个虚拟机块的地址，然后虚拟机使用率第二低的节点选取一个虚拟机块的地址，……，直到第k个车辆节点2选取一个虚拟机块的地址，之后回到虚拟机使用率最低的车辆节点2再选取一个虚拟机块的地址，依次轮询，直到车辆节点2选取的虚拟机块个数达到自身所需要提供的虚拟机个数，则此车辆节点2退出轮询，若某一车辆节点2所剩的虚拟机个数小于任务所需要其提供的虚拟机个数，则当该车辆节点2没有多余的虚拟机地址后，将本该存放于该车辆节点2的虚拟机从虚拟机使用率最低的节点开始轮询放置，最终总共找到ntotal个虚拟机块后，寻址结束，公云服务器5调度数据存放于刚刚找到的候选节点的虚拟机块中，调度结束，车辆存储资源共享网络开始工作。

以上所述仅是本发明的优选方式，应当指出，对于本领域普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干相似的变形和改进，这些也视为发明保护之内。