一种车载网络中利用路边停放车辆的协作缓存方法

本发明涉及通信，具体涉及一种车载网络中利用路边停放车辆的协作缓存方法。

背景技术：

1、随着多媒体和车载网络的快速发展，除了传统的信息外，图片、音频、视频等大型多媒体内容也需要通过车载网络进行传输。这些多媒体内容对于提高司机的驾驶体验非常重要，然而车载网络的缓存能力是有限的，因此如何合理的缓存和有效的传输这些内容成为一种挑战。

2、传统的车载网络中的缓存方法，不考虑移动车辆、路边单元rsu和路边停放车辆之间的协作，这使得整个网络的内容请求时延和成本很高，也不考虑对请求内容作流行度的预测，这导致内容的请求成功率很低。因此应该考虑移动车辆、rsu和路边停放车辆之间的协作缓存，将内容协同分配在缓存节点、rsu和路边停放车辆中，以此提高网络中缓存内容的多样性，减少冗余，降低内容获取的时延和成本。同时应该对车辆请求内容进行流行度的预测，让缓存节点、rsu和路边停放车辆中缓存更有可能被请求的内容，从而提高内容的请求成功率。

技术实现思路

1、发明目的：为了克服现有技术的不足，本发明的目的是提供一种车载网络中利用路边停放车辆的协作缓存方法，车辆可以从缓存节点、路边单元rsu和路边停放车辆中获取请求内容，应用该方法，可以有效降低内容请求时延和成本，同时可以提高车载网络中的内容成功交付率。

2、技术方案：为解决上述技术问题，本发明采用的技术方案为：

3、第一方面，本发明提供一种车载网络中利用路边停放车辆的协作缓存，包括：

4、步骤s1、根据车辆的社会相似性和中心性从移动车辆中选择合适的车辆作为缓存节点；

5、步骤s2、构建移动车辆从缓存节点、路边停放车辆或路边单元rsu获取内容的交付机制；

6、步骤s3、根据移动车辆从缓存节点、路边停放车辆或路边单元rsu获取内容的交付机制，构建缓存放置策略优化模型；

7、步骤s4、根据历史请求信息，采用lstm神经网络对内容请求数进行预测，根据预测的内容请求数的大小将内容进行排序后输入齐夫分布，获得请求内容流行度；

8、步骤s5、基于缓存放置策略优化模型和请求内容流行度，构建缓存命中率h最大化的优化问题p1；

9、步骤s6、采用遗传算法对优化问题p1进行求解，得到最优的缓存放置策略。

10、在一些实施例中，步骤s1包括：

11、s101、根据车辆的社会相似性和中心性计算每个车辆的选择性se；se＝α·ss+β·ce，其中ss为车辆与周围的邻居车辆的社会相似性、ce为车辆的中心性，α、β为加权因子；

12、s102、如果车辆i的选择性大于车辆j的选择性，那么车辆i为缓存节点，车载网络中的缓存节点达到阈值时，节点选择过程结束。

13、进一步地，在一些实施例中，计算每个车辆的选择性se，包括：

14、se＝α·ss+β·ce

15、其中ss为车辆与周围的邻居车辆的社会相似性、ce为车辆的中心性，α、β为加权因子；

16、

17、其中wk是属性sak的重要性，wk越大说明有更多的节点和vr,j之间有共同的属性，l是节点vr,j具有的社会属性总数；

18、

19、其中ck为第k个属性的数量；

20、中心性ce为度中心性dc和紧密性中心性cc之和；

21、ce＝dc+cc

22、

23、

24、其中是节点vr,j和其邻居节点vr,i的链接，是节点vr,j和其邻居节点vr,i之间距离的倒数。

25、在一些实施例中，步骤s2包括：

26、在城市道路场景下，每个十字路口都放置有一个路边单元rsu，总共有nr个rsu；在长度为l的城市道路上随机分布着个移动车辆，在路边停放着个车辆，移动车辆在请求内容时，从路边单元rsu和缓存节点中获取内容，或向路边停放车辆发出请求，rsu的缓存容量为srsu，移动车辆和路边停放车辆的缓存容量分别为和移动车辆表示为路边停放车辆表示为路边单元rsu表示为r，请求内容为q(q∈{1,2,3,...,q})；

27、当移动车辆需要获取内容时，先向周围1跳范围的缓存节点发出内容请求，若缓存节点包含该内容，则直接将内容返回给请求车辆；否则会将内容请求转发给路边停放车辆，若路边停放车辆缓存有该内容，则将该内容发送给缓存节点车辆，缓存节点再将内容转发给请求车辆；

28、若缓存节点和路边停放车辆都没有缓存该内容，移动车辆向路边单元rsu发出内容请求，如果rsu缓存有该内容，则将内容返回给请求车辆，否则本次内容请求失败。

29、在一些实施例中，步骤s3包括：

30、定义缓存放置矩阵为表示路边单元rsu中缓存有内容q，表示缓存节点中包含内容q，表示路边停放车辆中含有内容q，若未缓存内容q，则aq,:＝0；

31、同一个内容在一条道路范围内只能被缓存一次，rsu、缓存节点和路边停放车辆中不能重复缓存，即：

32、

33、其中nr、分别为路边单元rsu、缓存节点移动车辆、路边停放车辆的个数。

34、在一些实施例中，步骤s4、根据历史请求信息，采用lstm神经网络对内容请求数进行预测，根据预测的内容请求数的大小将内容进行排序后输入齐夫分布，获得请求内容流行度；

35、lstm神经网络包括遗忘门、输入门和输出门；

36、遗忘门ft的作用是决定细胞状态ct-1是否被遗忘，定义为：

37、ft＝σ(ufxt+wfht-1+bf)

38、其中，ht-1是上一层的最终隐藏状态，xt为当前输入，为上一时刻每个内容的请求数，记为x(t)＝{x1(t),x2(t),...,xq(t)}，σ(·)为非线性激活函数，bf为偏置矩阵，uf和wf为权重矩阵，ft的取值在[0,1]之间；

39、输入门it的作用是决定新增信息是否加入当前细胞状态ct中，定义为：

40、it＝σ(uixt+wiht-1+bi)

41、

42、细胞状态的更新与ft和it有关，更新公式如下：

43、

44、输出门ot的作用是输出当前层的最终隐藏状态，定义为：

45、ot＝σ(uoxt+woht-1+bo)

46、ht＝ot×tanh(ct)

47、其中，bi、bc、bo为偏置矩阵，ui、uc、uo和wi、wc、wo为权重矩阵，tanh(·)是非线性激活函数；ht是最终输出的结果，为预测的本时刻每个内容的请求数，记作h(t)＝{h1(t),h2(t),...,hq(t)}；

48、将预测后的内容根据请求数的大小进行排序，作为齐夫分布的输入eq，以此获得更准确的内容流行度p＝[p1,p2,p3,...,pq]；

49、车辆请求内容的流行度遵循齐夫分布，则内容q(q∈{1,2,3,...,q})的流行度为：

50、

51、其中s为齐夫分布的参数，eq是内容q请求次数的排序。

52、在一些实施例中，步骤s5包括：缓存命中率h最大化的优化问题p1：

53、

54、

55、

56、

57、

58、

59、其中，p为请求内容流行度矩阵，为缓存放置矩阵，nr、分别为路边单元rsu、缓存节点移动车辆、路边停放车辆的个数；rsu的缓存容量为srsu，移动缓存节点和路边停放车辆的缓存容量分别为和sq为内容q的大小；aq,x、aq,y、aq,z为缓存放置矩阵的子矩阵；

60、第一个约束是为了保证同一个内容q不可以被重复缓存，第二个到第四个约束是缓存容量约束，确保缓存的内容的总大小不超过rsu、缓存节点和路边停放车辆的缓存容量。

61、在一些实施例中，步骤s6、采用遗传算法对优化问题p1进行求解，得到最优的缓存放置策略，包括：

62、s601、初始化缓存放置方案，计算每种方案的缓存命中率；

63、s602、进行选择、交叉和变异操作，并保存每一代中的最优个体，也即每一代中最优的缓存放置方案；

64、选择操作是为了挑选优秀的个体，在选择过程中，定义选择概率ps为个体适应度值与总体适应度值之比：

65、

66、其中n为种群数量，fit为适应度函数，定义为：

67、fit＝h

68、在选择过程完成之后，根据交叉率pc进行交叉操作，在当前种群中选择两个染色体，然后寻找一个交叉点将两条染色体的基因进行交叉，形成新的后代；交叉是在满足缓存容量约束条件下将缓存放置矩阵的某两行进行交换，从而改变缓存的内容，得到不同的缓存命中率，避免陷入局部最优；

69、变异操作是根据变异率pv将一个染色体上的某个基因发生突变，即对当前基因进行取反，将1变成0，将0变成1，这样每一轮遗传都会有新的染色体出现，即会有新的适应度值出现；假设缓存放置矩阵的某一列有b个1，变异是将这b个1变成0，然后在同一列中随机选取b行，将0变成1，从而改变缓存的内容，达到与交叉相同的目的；

70、s603、当迭代达到预设最大次数时，停止迭代，找出缓存命中率最大的缓存放置方案，并记录此时的缓存命中率。

71、第二方面，本发明提供了一种车载网络中利用路边停放车辆的协作缓存装置，包括处理器及存储介质；

72、所述存储介质用于存储指令；

73、所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。

74、第三方面，本发明提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述方法的步骤。

75、有益效果：

76、本发明与现有技术相比，其显著优点是：

77、1、本发明以缓存命中率最大化为优化目标，采用遗传算法的思想，对缓存放置方案进行优化，以得到缓存命中率最大的缓存放置方案。

78、2、本发明给出了一种缓存节点选择方法，可以选出更适合缓存内容的移动车辆，避免了缓存冗余。

79、3、本发明给出了一种协作缓存方法，将内容协同缓存在缓存节点、rsu和路边停放车辆中，有效降低了内容获取时延和成本，同时也提高了内容请求的成功率。