余 意 李 松 王艷芬

(*中國礦業(yè)大學(xué)信息與控制工程學(xué)院 徐州 221116)

(**徐州市智能安全與應(yīng)急協(xié)同工程研究中心 徐州 221008)

0 引言

車聯(lián)網(wǎng)(Internet of vehicle,IoV)使用無線通信、傳感探測等技術(shù)將服務(wù)器、路邊單元(road side unit,RSU)和車載單元等設(shè)備連接,采集車輛、道路、環(huán)境等信息,通過車與車、車與路、車與人之間的信息交互和共享,使車與基礎(chǔ)設(shè)施之間智能協(xié)同與配合,最終實(shí)現(xiàn)車輛智能化控制、智能交通管控和智能動(dòng)態(tài)信息服務(wù)的一體化網(wǎng)絡(luò)[1-2]。

隨著智能網(wǎng)聯(lián)汽車數(shù)量的快速增長[3],交通信息的不及時(shí)傳輸會(huì)導(dǎo)致更高頻次的交通擁堵和交通事故,從而降低人們的出行效率[4]。作為5G 通信中的關(guān)鍵技術(shù),V2V(vehicle-to-vehicle)通信使得道路上的鄰近車輛可直接建立連接[5],實(shí)現(xiàn)車輛在道路上的信息共享,如車輛自身狀態(tài)信息、道路預(yù)警和事故調(diào)查的信息等。通過在車輛網(wǎng)中引入緩存,車輛將交通狀態(tài)等信息緩存到本地,并經(jīng)由V2V 通信與其他鄰近車輛共享,既可以實(shí)現(xiàn)安全高效的行駛,也能夠有效降低車輛網(wǎng)基礎(chǔ)設(shè)施的通信數(shù)據(jù)量[6]。

文獻(xiàn)[7]將V2V 通信與緩存結(jié)合,來有效控制車聯(lián)網(wǎng)多跳中的數(shù)據(jù)流量,減少車輛出行和數(shù)據(jù)通信的成本;為緩解車聯(lián)網(wǎng)下多媒體業(yè)務(wù)廣泛應(yīng)用而給系統(tǒng)帶來的流量負(fù)擔(dān)和能源消耗,文獻(xiàn)[8]針對V2V、V2R(vehicle-to-RSU)的混合通信模式,提出一種用于信息娛樂服務(wù)的能量感知緩存方案,實(shí)現(xiàn)了更高的節(jié)能效果和更低的平均訪問延遲。文獻(xiàn)[9]通過評(píng)估車輛的社區(qū)相似性和隱私等級(jí)設(shè)計(jì)了一種動(dòng)態(tài)概率緩存方案并提出了基于內(nèi)容流行度的緩存部署車輛選擇方案,有效減少平均時(shí)延并增加緩存命中率。

隨著智能物聯(lián)網(wǎng)設(shè)備數(shù)量的急劇增長,設(shè)備間的社交關(guān)系的挖掘與利用逐漸成為無線通信研究中的熱點(diǎn)[10-12]。社交網(wǎng)絡(luò)將網(wǎng)絡(luò)信息空間與現(xiàn)實(shí)信息空間相連接,并產(chǎn)生包含了傳播信息和社交行為等維度的數(shù)據(jù),這些數(shù)據(jù)可用于輔助IoT 設(shè)備間的通信。文獻(xiàn)[13]將車聯(lián)網(wǎng)與在線社交網(wǎng)絡(luò)相結(jié)合提出一種用于社交車聯(lián)網(wǎng)的信任感知通信架構(gòu)以保證車輛提供信息的準(zhǔn)確度。文獻(xiàn)[14]則基于社交關(guān)系提出一種物聯(lián)網(wǎng)場景下的安全內(nèi)容共享方案,避免共享內(nèi)容被不受信任的用戶攔截,實(shí)現(xiàn)內(nèi)容分發(fā)安全性和用戶體驗(yàn)的折中。文獻(xiàn)[15]將社交關(guān)系應(yīng)用于車聯(lián)網(wǎng)中來預(yù)測車輛移動(dòng)軌跡,從而有效減少了交通堵塞。

車聯(lián)網(wǎng)中內(nèi)容緩存可有效減小RSU 的服務(wù)壓力以及節(jié)省車輛的通信資源,但卻增大了車輛的存儲(chǔ)資源消耗;利用社交關(guān)系和緩存聯(lián)合優(yōu)化車聯(lián)網(wǎng)中通信資源和存儲(chǔ)資源消耗的研究相對較少。

受以上研究啟發(fā),本文構(gòu)建了車聯(lián)網(wǎng)場景下的基于社交關(guān)系的內(nèi)容共享模型以權(quán)衡車輛的通信資源和存儲(chǔ)資源消耗,在滿足車輛內(nèi)容獲取請求下,最小化系統(tǒng)的內(nèi)容獲取代價(jià)。將內(nèi)容獲取代價(jià)最小化問題構(gòu)建成車輛的內(nèi)容獲取的策略選擇問題,并將策略選擇轉(zhuǎn)化成一個(gè)局部合作博弈,通過分析該博弈的納什均衡,進(jìn)而提出基于社交關(guān)系的局部協(xié)作緩存算法(social-based local cooperative caching algorithm,SLCCA)求得系統(tǒng)的內(nèi)容獲取代價(jià)最小下的博弈策略。

1 系統(tǒng)模型

本文構(gòu)建了車聯(lián)網(wǎng)場景下的基于社交關(guān)系的內(nèi)容共享模型,本節(jié)從物理域和社交域2 個(gè)維度描述該模型。

1.1 物理域

如圖1 所示的車聯(lián)網(wǎng)系統(tǒng)中,該區(qū)域部署有單個(gè)RSU,區(qū)域中有N輛車,車輛集合可記為N={1,2,3,…,N},編號(hào)0 表示RSU。車輛i∈N 的最大存儲(chǔ)空間記為Ki,系統(tǒng)中的車輛都具備V2V 通信能力。車輛請求獲取的內(nèi)容包括其他車輛的狀態(tài)信息、路況信息等,這些信息既可以通過V2R 通信鏈路獲取,也可以通過V2V 通信鏈路獲取。為避免V2V 鏈路和V2R 鏈路之間產(chǎn)生同頻干擾,車聯(lián)網(wǎng)系統(tǒng)中的V2V 通信使用專有頻譜。

圖1 物理域系統(tǒng)模型圖

車輛可請求的內(nèi)容集合記為F={1,2,3,…,L},內(nèi)容f∈F大小為Zf,RSU 有集合F中的所有內(nèi)容的緩存。在包含τ個(gè)時(shí)隙的時(shí)間段T={t1,t2,…,tk,…,tτ} 內(nèi),集合N 中車輛會(huì)針對不同內(nèi)容發(fā)起請求,并且一輛車最多只對一則內(nèi)容發(fā)起請求。車輛的內(nèi)容請求狀態(tài)矩陣記為,其中=0 表示在時(shí)隙tk車輛i沒有對內(nèi)容f發(fā)起請求,反之則表示車輛i對內(nèi)容f發(fā)起了請求。根據(jù)歷史記錄,車輛本地緩存有集合F中的一部分,車輛在時(shí)隙tk的內(nèi)容緩存狀態(tài)矩陣記為,其中=0表示車輛i在時(shí)隙tk未緩存內(nèi)容f,反之則表示車輛i緩存有內(nèi)容f。

假設(shè)車輛在時(shí)間段T內(nèi)不會(huì)出現(xiàn)大幅度位置變化,時(shí)隙tk內(nèi)車輛i的地理位置坐標(biāo)記為,車輛i和車輛j間地理距離由式(1)計(jì)算。

V2V 的最大通信距離記為dth,若≤dth,稱車輛i和車輛j互為鄰居車輛,則車輛i可與車輛j建立V2V 連接。時(shí)隙tk下車輛i的鄰居車輛中緩存有內(nèi)容f的車輛集合記為,一個(gè)時(shí)隙里一輛車至多只能與一輛車建立V2V 連接。

如果車輛i緩存有內(nèi)容f,則車輛無需向其他車輛或RSU 請求該內(nèi)容;如果車輛i未緩存內(nèi)容f,車輛i可從緩存有該內(nèi)容的鄰居車輛或RSU 處獲取該內(nèi)容。

1.2 社交域

車輛獲取到請求內(nèi)容需要付出一定的代價(jià),包括通信資源和存儲(chǔ)資源消耗。由于自身資源的有限性,車輛的使用者具有理性和自私的特點(diǎn),并不會(huì)主動(dòng)貢獻(xiàn)自己的通信資源或存儲(chǔ)資源。將社交關(guān)系引入到車聯(lián)網(wǎng)中可激勵(lì)具有緊密社交關(guān)系的車輛間建立連接并進(jìn)行內(nèi)容共享,還能通過分析車輛間的社交行為實(shí)現(xiàn)信任管理,以保證內(nèi)容共享過程的可靠性。本文系統(tǒng)模型中的車輛社交屬性包括內(nèi)容偏好程度、親密度、路徑相似度和信譽(yù)度。

車輛獲取到請求內(nèi)容付出的代價(jià)與車輛對內(nèi)容的偏好程度有關(guān),若車輛i對內(nèi)容f感興趣,則車輛i認(rèn)為獲取到內(nèi)容f更有價(jià)值。車輛i在時(shí)隙tk內(nèi)對內(nèi)容f的偏好程度服從齊夫分布,即式(2),車輛對內(nèi)容的偏好程度記為矩陣。

親密度描述了車輛間的聯(lián)系強(qiáng)度,根據(jù)歷史記錄,在過去δ個(gè)時(shí)間段里,車輛i和車輛j之間的連接次數(shù)記為CTij,δ,第q次連接所持續(xù)的時(shí)長記為CDij,δ,q,q≤CTij,δ。時(shí)隙tk內(nèi),車輛i和車輛j間的親密度由式(3)計(jì)算[16]。

路徑相似度可用于表示車輛感興趣內(nèi)容之間的相似性。車輛的路徑由一系列按時(shí)間排序的位置組成,δ個(gè)時(shí)間段里車輛i的路徑記為Tri,δ={(Li,1,t1),(Li,2,t2),…,(Li,h,th),…,(Li,δ,tδ)},(Li,h,th) 表示車輛i在時(shí)刻th時(shí)的位置Li,h。時(shí)隙tk內(nèi),車輛i和車輛j間的路徑相似度由式(5)計(jì)算[17]。

其中,‖·‖為兩點(diǎn)坐標(biāo)的歐氏距離。

信譽(yù)度描述了車輛之間可信任程度,為提高獲取內(nèi)容的安全性以及內(nèi)容共享成功率,車輛通常選擇與信譽(yù)度高的車輛建立V2V 連接。時(shí)隙tk內(nèi),車輛i對車輛j的信譽(yù)度通過式(6)計(jì)算[16]。

其中,SRij,δ表示過去δ個(gè)時(shí)間段內(nèi)車輛j向車輛i傳輸內(nèi)容的成功率,可用式(7)描述。

其中,CSij,δ表示車輛j成功將車輛i請求的內(nèi)容發(fā)送給車輛i的次數(shù)。

綜合考慮上述3 個(gè)維度的社交屬性,車輛i和車輛j之間的社交強(qiáng)度sij由式(8)定義。

其中,ω1、ω2和ω3分別是3 個(gè)維度社交屬性的權(quán)重,且ω1+ω2+ω3=1。

2 問題構(gòu)建

在上述車聯(lián)網(wǎng)內(nèi)容共享模型中,由于在內(nèi)容獲取時(shí)需要占用相應(yīng)通信資源和存儲(chǔ)資源,每輛汽車在獲得內(nèi)容時(shí)需要付出一定的代價(jià),系統(tǒng)中車輛的內(nèi)容獲取總代價(jià)取決于車輛社交屬性、車輛的內(nèi)容緩存狀態(tài)以及獲取內(nèi)容方式。在上述模型中,車輛i有3 種內(nèi)容請求方式。

(1)車輛i本地緩存有內(nèi)容f,其無需建立通信鏈路請求該內(nèi)容,內(nèi)容獲取代價(jià)=0。

(2)車輛i與RSU 建立V2R 連接,車輛i需要付出從RSU 獲取內(nèi)容的通信代價(jià),若車輛i選擇將內(nèi)容緩存在本地,則還需要付出內(nèi)容存儲(chǔ)代價(jià)。

車輛與RSU 間的地理距離越小,意味著車輛獲取內(nèi)容的通信代價(jià)越低。為了簡單起見,本節(jié)中的通信代價(jià)可認(rèn)為是由于路徑損耗帶來的代價(jià),記通信距離d帶來的路徑損耗為F(d),單位路徑損耗下的通信成本記為BL,那么通信距離d帶來的通信代價(jià)可記為F(d)·BL。在該方式下,車輛i從RSU獲取內(nèi)容的通信代價(jià)可以建模為·BL。

車輛i對內(nèi)容f的緩存選擇記為∈{0,1},=0 表示車輛i選擇不緩存內(nèi)容f到本地,反之表示緩存到本地。記單位容量大小內(nèi)容的緩存放置成本為α,車輛i將內(nèi)容f緩存至本地的存儲(chǔ)代價(jià)表示為Zfα。

考慮到上述車輛對不同內(nèi)容有不同的偏好,車輛i的內(nèi)容獲取代價(jià)可用式(9)計(jì)算。

(3)車輛i與車輛j∈建立V2V 通信,車輛i需要付出與車輛j進(jìn)行V2V 通信的代價(jià),若車輛i選擇將內(nèi)容緩存在本地,則還需要付出存儲(chǔ)代價(jià)。在該方式下,車輛i的V2V 通信代價(jià)與車輛之間的地理距離和社交強(qiáng)度相關(guān)。根據(jù)式(1)和式(8),結(jié)合車輛地理距離和社交關(guān)系,車輛i和車輛j之間的社交加權(quán)距離可由式(10)計(jì)算。

由式(10)可知,當(dāng)車輛間的地理距離越小或社交關(guān)系越緊密時(shí),越小,意味著車輛獲取內(nèi)容的通信代價(jià)越小。根據(jù)前面分析,車輛i從RSU 獲取內(nèi)容的通信代價(jià)建模為·BL。

考慮到車輛對不同內(nèi)容有不同的偏好,車輛i的內(nèi)容獲取代價(jià)可用式(11)計(jì)算。

依據(jù)式(9)、(11),車輛i獲取到內(nèi)容f的內(nèi)容獲取代價(jià)可用式(12)計(jì)算。

本文的優(yōu)化問題定義為最小化時(shí)間T內(nèi)系統(tǒng)的總內(nèi)容獲取代價(jià),用式(13)表示。

其中限制條件式(13.3)表示所有內(nèi)容占用的存儲(chǔ)空間不得超過車輛自身的存儲(chǔ)空間大小。如果自身的存儲(chǔ)空間不足以容納請求的新內(nèi)容,則通過最近最少使用(least recently used,LRU)算法進(jìn)行內(nèi)容更新[18]。

由式(12)可知,鄰居車輛的緩存狀態(tài)會(huì)影響車輛i在時(shí)隙tk的選擇。若有較多的鄰居車輛有內(nèi)容f的緩存,車輛i可以選擇與更多不同的車輛建立V2V 通信,相應(yīng)可減少系統(tǒng)的內(nèi)容獲取代價(jià);反之車輛i在tk時(shí)的策略也會(huì)影響其他車輛的選擇,從而影響系統(tǒng)的內(nèi)容獲取代價(jià)。為最小化車輛在時(shí)間段T內(nèi)的內(nèi)容獲取代價(jià)之和,車輛之間需要進(jìn)行協(xié)作緩存,部分車輛貢獻(xiàn)自身的存儲(chǔ)資源將請求的內(nèi)容緩存在本地,使得其他車輛可經(jīng)由V2V 通信獲取到請求的內(nèi)容,以權(quán)衡系統(tǒng)下車輛的通信資源消耗和存儲(chǔ)資源消耗。

優(yōu)化問題式(13)是一個(gè)NP-hard 問題[19]。本文將上述基于社交屬性的車輛間協(xié)作緩存問題建模成基于社交屬性的協(xié)作緩存博弈問題,并將時(shí)間段T分為博弈過程、內(nèi)容獲取與共享過程,車輛作為博弈的參與者決定獲取請求內(nèi)容的途徑以及是否將請求的內(nèi)容保存到本地,在時(shí)間段T的前若干個(gè)時(shí)隙里通過多輪博弈得到優(yōu)化問題式(13)的最優(yōu)策略集。

3 局部協(xié)作緩存方案

3.1 協(xié)作緩存博弈

由上述分析可知,車輛i獲取內(nèi)容f時(shí)的決策既包含從何處獲取,也包含是否將內(nèi)容緩存到本地。記該博弈為G={N,S,u},其中N是參與博弈的所有車輛的集合;S是所有參與博弈的車輛的策略集合,車輛i獲取內(nèi)容f的策略記為si,f=(Ci,f,Gi,f),S={si|i∈N},si={si,f|f∈F};u是參與博弈車輛的效用函數(shù)。

由式(12)可知,在決策si下,車輛i的內(nèi)容獲取代價(jià)之和costi可用式(14)表示。

考慮到車輛間的協(xié)作,對于車輛i、策略為si下的效用函數(shù)ui定義為自身的內(nèi)容請求代價(jià)和其鄰居車輛的內(nèi)容請求代價(jià)之和。

式(15)中等號(hào)右側(cè)第2 部分表示車輛i的鄰居車輛的內(nèi)容請求代價(jià)之和。

優(yōu)化問題式(13)可轉(zhuǎn)化為在博弈階段求得一個(gè)策略集合,使得所有車輛的效用函數(shù)之和最小,即優(yōu)化如下問題:

3.2 納什均衡分析

在上述博弈G中,對于任意車輛i∈N,優(yōu)化問題式(16)下整體最優(yōu)策略中車輛i的策略記為,如果車輛i單方面將自己的策略由改為而無法提升自己的效用,即式(17)無法成立,則博弈G的策略是一個(gè)純策略的納什均衡。

滿足式(18)的博弈稱為嚴(yán)格勢力場博弈,其中Φ(·) 是博弈的勢函數(shù),文獻(xiàn)[20]表明嚴(yán)格勢力場博弈至少存在一個(gè)純策略的納什均衡點(diǎn)。

對于上述博弈G,構(gòu)造勢函數(shù)Φ(·),用式(19)表示。

車輛i將其策略由改為,且,那么勢函數(shù)的變化量可用式(20)表示。

由式(18)可知,上述博弈G是一個(gè)嚴(yán)格勢力場博弈,因此該博弈至少存在一個(gè)納什均衡點(diǎn),且在有限策略集合下,勢函數(shù)最小值點(diǎn)就是純策略納什均衡。

3.3 求解算法

根據(jù)上述討論與分析,針對建模的基于社交屬性的協(xié)作緩存博弈,受文獻(xiàn)[21]啟發(fā),本文提出基于社交關(guān)系的局部協(xié)作緩存算法。在初始化階段,所有的車輛先默認(rèn)自己的策略為從RSU 獲取到請求內(nèi)容并且不緩存請求內(nèi)容,且將t1時(shí)隙的相關(guān)參數(shù)作為初始化參數(shù),具體為。決策迭代過程分為3 個(gè)階段:第1 階段為車輛選擇,在這一階段中車輛i都是按照1/N的概率隨機(jī)選擇,選擇車輛后計(jì)算車輛i在第l次博弈中的代價(jià)costi(l) 和效用函數(shù)值ui(l);第2 階段為策略探索階段,車輛i主動(dòng)隨機(jī)產(chǎn)生新策略,其他車輛被動(dòng)更改策略,若車輛i在新策略下不緩存內(nèi)容到本地,那么其他從車輛i獲取內(nèi)容的車輛將策略更改為從RSU 獲取且不緩存到本地,根據(jù)式(12)和式(15),車輛i確定新策略下的效用函數(shù)值;第3 階段為策略更新階段,在這一階段中,車輛i按照式(21)、式(22) 和式(23)對其策略進(jìn)行更新,式中β為調(diào)節(jié)因子,并更新本次迭代時(shí)的緩存狀態(tài)矩陣Cl。

上述算法描述如算法1 所示。

本文SLCCA 算法的復(fù)雜度取決于單個(gè)車輛的鄰居車輛數(shù)量。最差的情況下,所有的車輛都互相為鄰居車輛,且對于任意車輛i,ci,f=0,ri,f=1,?f∈F,在最多有N輛汽車和L個(gè)請求內(nèi)容的情況下,車輛i請求的內(nèi)容最多有2N種策略,上述算法的最差時(shí)間復(fù)雜度為O(LN2);最好的情況下,對于任意車輛i,其鄰居車輛集合為空,即沒有鄰居車輛,那么上述算法的最好時(shí)間復(fù)雜度為O(LN);平均情況下,對于任意車輛i,有輛車是其鄰居車輛,在有L個(gè)請求內(nèi)容情況下,車輛i請求的內(nèi)容最多有2N種策略,那么上述算法的平均時(shí)間復(fù)雜度也為O(LN2)。

4 仿真結(jié)果與分析

本節(jié)對上述提出的SLCCA 算法進(jìn)行了仿真實(shí)驗(yàn)和性能分析。仿真實(shí)驗(yàn)中,路徑損耗模型簡化為F(d)=d-α,α為路徑損耗指數(shù)并設(shè)置為4,RSU 的覆蓋半徑為300 m,車輛總數(shù)量為20～50 輛,車輛存儲(chǔ)空間均為100 MB,單個(gè)請求內(nèi)容大小均為5 MB,最大V2V 通信距離為90～150 m,3 個(gè)維度社交屬性的權(quán)重均為1/3,單位路徑損耗的通信成本為0.1,內(nèi)容緩存放置成本為0.5。仿真過程中將本文策略與RSU 策略、隨機(jī)緩存和貪婪緩存等方案進(jìn)行對比。

RSU 策略:若車輛的本地沒有請求內(nèi)容的緩存,則與RSU 建立V2R 連接獲取請求內(nèi)容,并且獲取的內(nèi)容不緩存到本地。

隨機(jī)策略:所有車輛等概率隨機(jī)選擇獲取請求內(nèi)容的策略,可以選擇V2V 通信獲取到請求的內(nèi)容,也可以從RSU 獲取到請求的內(nèi)容,車輛是否將請求內(nèi)容緩存到本地也是等概率隨機(jī)的。

貪婪策略:所有車輛只考慮最小化自身的請求代價(jià)而不考慮系統(tǒng)整體的請求代價(jià)。

圖2 描述了不同策略下車輛的平均內(nèi)容獲取代價(jià)與不同車輛數(shù)量之間的變化關(guān)系,其中V2V 最大通信距離dth=120 m。在RSU 策略下,車輛只能與RSU 建立V2R 連接獲取到請求內(nèi)容并且不緩存到本地,隨著車輛數(shù)量的增加,車輛的平均內(nèi)容獲取代價(jià)也會(huì)增加。在隨機(jī)策略下,車輛對獲取內(nèi)容途徑和內(nèi)容緩存的選擇都是隨機(jī)的,但車輛選擇到整體最優(yōu)策略概率較小,車輛平均內(nèi)容獲取代價(jià)整體隨著車輛數(shù)量的增加而增加。在貪婪策略下,每輛車僅針對自身的內(nèi)容獲取代價(jià)做出最優(yōu)選擇,部分車輛選擇從RSU 獲取,部分車輛從鄰居車輛經(jīng)由V2V獲取,且獲取的內(nèi)容不緩存到本地。隨著車輛數(shù)量的增加,本地有請求內(nèi)容緩存的車輛數(shù)量會(huì)增加,車輛平均請求代價(jià)整體以較緩趨勢增加。在本文策略下,車輛不僅會(huì)考慮自身的內(nèi)容獲取代價(jià),也會(huì)考慮整體內(nèi)容獲取代價(jià)而選擇性地將內(nèi)容緩存到本地,其他車輛可經(jīng)由V2V 通信獲取到請求內(nèi)容。隨著車輛的增加,選擇緩存請求內(nèi)容到本地的車輛會(huì)增加,因此車輛平均內(nèi)容獲取代價(jià)隨著車輛數(shù)量的增加而增加。仿真結(jié)果表明,在相同車輛數(shù)量下,相較于其他3 種策略,本文策略的性能有優(yōu)勢。

圖2 車輛平均內(nèi)容獲取代價(jià)-車輛數(shù)量

圖3 描述了不同策略下車輛的平均內(nèi)容獲取代價(jià)與不同的V2V 通信距離之間的變化關(guān)系,其中車輛數(shù)量N=50。在RSU 策略下,車輛只與RSU 建立V2R 連接獲取請求內(nèi)容,在車輛數(shù)量固定下,車輛的平均內(nèi)容獲取代價(jià)不隨V2V 通信距離變化而變化。在隨機(jī)策略下,車輛的請求內(nèi)容獲取途徑和請求內(nèi)容的緩存都是隨機(jī)的,車輛平均請求代價(jià)本沒有明顯變化規(guī)律,但隨著V2V 通信距離的增加,向其他車輛請求建立連接時(shí)有更高幾率獲取到請求內(nèi)容,車輛的平均內(nèi)容獲取代價(jià)隨之減少。在貪婪策略下,車輛僅針對自身內(nèi)容獲取代價(jià)做出最優(yōu)選擇,隨著V2V 通信距離的增加,可與其他車輛共享本地緩存內(nèi)容的車輛的數(shù)量也會(huì)增加,車輛的平均內(nèi)容獲取代價(jià)隨之減少。在本文策略下,車輛的策略選擇同時(shí)考慮自身內(nèi)容獲取代價(jià)和整體內(nèi)容獲取代價(jià),部分車輛通過選擇緩存請求內(nèi)容到本地,隨著V2V 通信距離增加,可共享給其他車輛,車輛的平均內(nèi)容獲取代價(jià)隨著V2V 通信距離增加而減小。仿真結(jié)果表明,在相同V2V 通信距離限制下,相較于其他3 種策略,本文策略的性能有優(yōu)勢。

圖3 車輛平均內(nèi)容獲取代價(jià)-最大V2V 通信距離

圖4 描述了本文策略下車輛的平均內(nèi)容獲取代價(jià)與博弈次數(shù)之間的變化關(guān)系,其中車輛數(shù)量N=50,V2V 最大通信距離dth=120 m。隨著博弈次數(shù)的增加,車輛逐步做出更有利于減小車輛平均內(nèi)容獲取代價(jià)的策略,一定次數(shù)博弈后,車輛的平均內(nèi)容獲取代價(jià)不會(huì)隨著博弈次數(shù)的增加而改變。理論分析和仿真結(jié)果表明本文策略有較好的收斂性。

圖4 車輛平均內(nèi)容獲取代價(jià)-博弈次數(shù)

表1 描述了不同策略的平均時(shí)間耗費(fèi),其中測試環(huán)境為AMD Ryzen 7 4800U Windows10,軟件版本為Matlab 2021a,V2V 最大通信距離dth=120 m,車輛數(shù)量N=20,測試次數(shù)為50 次。在RSU 策略下,車輛只與RSU 建立V2R 連接獲取請求內(nèi)容,因此得到結(jié)果只需要耗費(fèi)極少的時(shí)間。在隨機(jī)策略下,車輛的請求內(nèi)容獲取途徑和請求內(nèi)容的緩存都是隨機(jī)的,因此得到結(jié)果只需要耗費(fèi)較少的時(shí)間。在貪婪策略下,車輛僅針對自身內(nèi)容獲取代價(jià)做出最優(yōu)選擇,因此得到結(jié)果也只需要耗費(fèi)較少的時(shí)間。在本文策略下,車輛的策略選擇需要同時(shí)考慮自身內(nèi)容獲取代價(jià)和整體內(nèi)容獲取代價(jià),得到結(jié)果需要耗費(fèi)較多的時(shí)間。但由圖2 和圖3 仿真結(jié)果可知,本文策略是在時(shí)間耗費(fèi)和性能上的折中。

表1 不同策略的平均時(shí)間耗費(fèi)

5 結(jié)論

為應(yīng)對智能網(wǎng)聯(lián)汽車場景下的大數(shù)據(jù)量和海量連接等特點(diǎn),實(shí)現(xiàn)安全高效的行駛以及降低核心網(wǎng)的數(shù)據(jù)流量,本文構(gòu)建了車聯(lián)網(wǎng)場景下的內(nèi)容共享模型。建模了基于車輛社交關(guān)系的內(nèi)容獲取代價(jià)最小化問題,通過優(yōu)化車輛選擇獲取請求內(nèi)容的途徑以及是否將請求內(nèi)容緩存到本地來減小車輛的平均內(nèi)容獲取代價(jià)。將建模的優(yōu)化問題轉(zhuǎn)化為車輛間的局部協(xié)作緩存博弈問題,通過分析博弈的納什均衡,提出基于社交關(guān)系的局部協(xié)作緩存算法求得優(yōu)化問題的最優(yōu)解。仿真結(jié)果表明,本文提出的基于社交關(guān)系的局部協(xié)作緩存算法可有效降低系統(tǒng)的平均內(nèi)容獲取代價(jià)。