车联网与移动边缘计算下的时延可容忍数据传输优化

"基于车联网和移动边缘计算的时延可容忍数据传输1" 本文主要探讨了随着物联网和车联网为代表的智慧城市迅速发展，网络数据传输和计算面临的挑战以及如何有效分配网络资源的问题。研究者提出了一种创新的网络架构，该架构结合了车联网和物联网，旨在处理时延可容忍的数据传输和计算任务，以应对海量数据带来的压力。 移动边缘计算（Mobile Edge Computing, MEC）是解决这一问题的关键技术，它将云计算的能力推至网络边缘，更接近终端用户，从而减少延迟，提高服务质量。在这种架构中，由于需要兼容多种网络标准和协议，软件定义网络（Software Defined Networking, SDN）的应用显得尤为重要。SDN通过可编程控制原理，实现了对网络资源的集中管理和灵活调度，为多标准、多协议的融合提供了可能。 文章进一步将时延可容忍数据在软件定义车联网中的传输和计算节点选择过程建模为部分可观测马尔科夫决策过程（Partially Observable Markov Decision Process, POMDP）。POMDP模型能够优化系统性能，以最小化网络开销和最短数据计算处理时间为目标进行决策。这种方法的优势在于能动态适应环境变化，同时确保在满足传输时延要求的情况下，提高数据计算效率和传输到达率。 通过仿真实验，研究对比了提出的方案与其他已有方案，结果显示，新方法可以显著降低系统开销，缩短数据计算执行时间，提升数据计算效率。这表明在保证服务质量的同时，该方法对于时延可容忍数据的传输具有较高的可靠性和效率。 关键词涉及车联网、物联网、时延可容忍数据、移动边缘计算和软件定义网络，涵盖了当前信息技术领域的热点话题。研究得到了国家自然科学基金的支持，并由相关领域的专家指导，具有较高的学术价值和实践意义。