[00105640]车联网跨层设计基础理论与关键技术

该项目为国家自然科学基金资助重点项目（项目批准号：61331009）。

为了有效利用有限的车联网无线资源给用户提供高质量业务，该项目展开了相关的跨层优化计，主要研究成果如下：

1. 多业务资源优化分配方法：提出了异构车联网系统架构，便于不同业务的自适应信道接入。利用 LTE 网络进行广域覆盖，支持时延不敏感的业务；用 DSRC 网络支持本地时延敏感

的消息传输。基于此架构，首先提出了混合链路层，用于完成协作传输和多域资源管理等功能；其次引入了软件定义网络（Software-defined Network，SDN）和虚拟化技术，提出车联网服务的灵活分层云架构以及分级控制层结构，其中分层云架构包括车辆微云、本地云、远端云，而分级控制由主级控制器和次级控制器组成，控制器间由南北和东西接口连接。分析了异构车联网的上行传输性能，首先，提出了基于簇的传输方案，所提方案能够有效的降低信令的开销和用户切换的频率；然后，针对所提传输方案提出了基于排队论理论分析模型， 模型中引入马尔科夫链来描述信道的动态特性；之后，为了降低所提分析模型的求解复杂度， 引入了模型分解和定点迭代的方案，把指数型的复杂度简化为线性复杂度，从而得到了不同调度方案下的性能指标，如时延、吞吐量、丢包率等。

2. 多业务异构网络协同跨层方法：针对异构车联网，首先引入协同跨层通信技术，以提高异构车联网的传输性能；其次，在考虑到不同业务的 QoS 要求，以及传输信道的变化，分别以最大化系统吐吞量方案（Maximum Sum Throughput，MST）和最大化系统效用函数方案

（Maximum Sum Utility，MSU）为优化目标，将网络中链路分配和资源分配问题建模为一个非凸优化问题。提出一种分层云协作网络架构，能够高效利用异构车联网中多域资源（包括通信、计算及存储等资源）等。在该架构下，移动车辆可将其计算任务卸载到相应云层中执行，力求提高网络的处理能力。

该项目重点研究了如何协同分配计算通信资源来最大化系统的长期平均回报，通过将问题建模成马尔科夫动态决策过程来优化决策机制。在考虑了网络资源、节点社会关系等限制条件，采用连续时间马尔科夫决策方法建立了车辆间的资源分配模型，并利用值迭代算法获得最优的策略。所提出的资源分配策略，使得车辆可以将本地的处理任务迁移到其他车辆中， 以达到提升用户体验的效果。