车载自组织网络环境下基于软件定义网络的数据协作调度算法

针对车载自组织网络(VANET)中路侧单元(RSU)应答车辆请求效率低下的问题,提出基于软件定义网络(SDN)的数据调度算法SDDS。首先,依据车辆状态信息生成策略冲突图,并求解其最大权重独立集,实现单个周期内被应答请求数目最大化;其次,通过分析数据在车辆节点中的冗余度对系统服务能力的影响确定最优参数,设计了一种基于地理位置的协助车辆挑选机制;最后,分析跨区切换车辆的特点和影响多RSU协作的因素,提出一种基于冲突避免的多RSU协作机制;此外,提出了新的评价指标——服务效能来评价系统的整体服务质量。仿真实验中,相比请求数目优先算法(MRF)和协作数据分发算法(CDD),SDDS的服务效能最高增幅达到15%和20%。仿真结果表明,SDDS能显著提高调度系统的服务效率和质量。

基于软件定义网络的车载网络路由

软件定义车载网络(Software Defined Vehicular Networks,SDVN)能够从鸟瞰的角度观察网络,能够寻找更优化的路由,传递更多的数据包。然而,由于车载网络的动态性,控制平台不可能拥有所有网络信息。考虑到这些因素,针对SDVN,提出新的混合车载网络路由框架(Hybrid Vehicular Networks Routing Framework,HVNRF)。该框架旨在寻找稳定多条短路由,完成多个数据包的传递。HVNRF将总体网络问题构造出最小成本约束流量问题,其涉及到最大流量问题和最小成本流量问题,并以低时间复杂度方式解决此问题。仿真结果表明,提出的HVNRF框架优于现存的SDVN和VANET路由方案。

一种软件定义车载自组织网络的QoS路由算法

车载自组织网络(VANET)是由移动车辆节点组成的移动自组织网络(MANET),其不依赖基础设施即可建立通信链路实现通信。由于车辆的高机动性和无线通信资源的限制,VANET难以保障车辆业务的服务质量(QoS)。针对该问题,引入软件定义网络(SDN),提出一种适用于软件定义车载自组织网络(SDN-VANET)的多约束QoS路由算法。利用SDN控制转发分离的优势保障各业务的QoS,SDN控制器会根据车辆业务的截止日期对业务实现顺序调度,并基于蛙跳算法设计自适应中继节点选择算法(AH-SFLA),SDN控制器根据QoS指标和全局拓扑信息计算数据在传输链路上的适度值,以此为基准搜索优化路径。在此基础上设置备选链路机制和QoS资源消耗阈值共同实现路由维护,减少网络故障发生的概率。联合Mininet-wifi和SUMO搭建SDN-VANET环境,并将AH-SFLA路由算法与IGA、IICSFLA进行对比验证分析。实验结果表明,与IGA和IICSFL相比,AH-SFLA在平均端到端延迟指标上分别提高了57.74%和46.6%,丢包率平均降低了29.9%和18.6%,标准化路由开销提升了36.93%和27.2%,能有效保证VANET中的QoS。

基于SDN的新型车载网络架构研究

针对传统车载网络(IVN)静态部署存在的网络集中化管理程度不高、交互性以及灵活性不强等问题,设计了新型IVN架构;同时针对新型IVN架构下存在的网络时延问题,建立了低时延优化机制。首先,引入软件定义网络技术并结合IVN本身,设计了包含转发平面、控制平面、应用平面的新型IVN架构;其次,以最小化交换机到控制器的总时延为优化目标,通过采用k-medoids算法为控制器挑选最优位置,降低IVN时延;最后,对该低时延优化机制进行了实验验证,结果表明:该机制能较好地降低IVN总时延,与optimal k-means算法相比,k-medoids算法具有更好的优化性能。

面向时空特征评估的SDVN信任管理机制

车载自组织网络(vehicular ad-hoc network,VANET)在提高交通效率和解决行车安全方面有着广阔的应用前景,但其发展的同时也带来了挑战。随着智能车辆的增加,现有架构不能满足车辆的快速增长需求,同时VANET的开放性也助长了车辆的恶意竞争。使用软件定义车载网络(software-defined vehicle network,SDVN)架构以提升车联网的网络性能,并基于此架构设计了一种信任评估与信任管理机制。信任评估方法考虑车辆的时空特征来限制和标准化车辆的行为,提高了车辆恶意行为检测的准确性。此外,该机制设计了一种基于联盟链Hyperledger Fabric的信任管理方法,借助区块链来实现车辆的数据安全,提高了信任值更新和查询的效率。实验分析表明,所提出的信任管理机制能够在SDVN网络中保证消息的一致性和安全性,缩短了共识时间,提高了信任管理的整体效率。

基于软件定义网的从蜂窝网到IEEE802.11p的V2I数据卸载

本论文提出了一种基于软件定义网(SDN)切换决策的预测控制方案。在所提的方案中,当具有蜂窝网络接口和ieee802.11p网络接口的车辆连接到蜂窝网时,SDN控制器通过车辆所报告的速度、地理位置、方向以及RSU所报告的位置信息指示车辆是否需要在当前网络环境下继续下载。

基于SDN的车联网多MEC动态负载均衡算法

车载自组织网络(VANET)承载的数据规模呈现爆炸性增长趋势。针对车联网中在线卸载场景下,多边缘服务器(MEC)负载不均衡导致车辆卸载成功率严重下降问题,提出一种基于软件定义网络(SDN)的车联网多MEC动态负载均衡算法DFPC。该算法结合排队论中先到先服务和有优先权的服务两种方式,SDN控制器通过一定的等待时延定时收集当前批任务,利用改进的K-means聚类算法快速对多维任务分类,优先入队紧急度相对高的任务;再利用SDN控制器定时收集的MEC上下文信息,实现卸载任务在多个MEC之间分配的动态反馈调节,解决了多MEC之间动态负载不均衡问题,充分利用MEC的计算资源,最终提升了整体车辆卸载成功率。为了验证DFPC算法在真实动态场景下的有效性,设计一种多MEC接入的在线卸载框架MOLF,通过低成本硬件部署模式完成在线卸载场景下负载均衡性能测试。实验结果表明,相比基准方案,DFPC算法平均卸载成功率提升了28%,平均负载方差降低了73%。

基于隐马尔可夫模型的高速公路路由算法

在VANET高速公路场景中,由于车辆高速运动导致车辆和车辆、车辆和RSU之间所构成的网络拓扑频繁改变,使得绝大多数路由协议需要及时更新自己的邻居表来指定路由。针对邻居选择错误会导致数据不断重发、传输时延高且不可靠等现象,文章提出SDN-NDHM算法解决邻居选择错误的问题。算法利用典型的GPSR算法思想,运用HMM来预测高速运动节点的下一时刻位置信息,并且利用SDN来修正预测值、集中管理和调度网络资源。通过MATLAB的仿真实验表明,该算法与经典的GPSR改进算法相比能更好判断车辆节点的加入和离开,并且拥有更好的平均邻居正确率和更高的吞吐量。

车载网络的新趋势——车载以太网

在汽车新四化(电动化、网联化、智能化、共享化)和软件定义汽车的浪潮下,汽车产业正经历着一场深刻的架构变革。分布式的架构已无法满足日益复杂的汽车功能需求,汽车架构正在朝着域架构、跨域架构和集中式架构加速演进。

移动边缘计算在车载网中的应用综述

移动边缘计算(MEC)技术将IT服务环境与云计算技术在网络边缘结合以提高边缘网络的计算和存储能力,减少网络操作和服务交付时延;应用MEC的车载网络可以满足车辆对服务延时和通信可靠性的严格要求,提升车辆用户的服务质量(Qo S)。对移动边缘计算在车载网中的应用进行分析研究,首先概述MEC的基本概念及架构、典型应用场景;然后介绍MEC在车载网中的应用、基于软件定义网络(SDN)的车载网MEC研究现状以及车载网MEC应用实例;最后给出了车载网中部署MEC所要面临的问题和挑战,并对该领域未来的研究方向进行了展望。

SDN在车载网中的应用综述

随着车载应用、移动设备和物联网的快速发展,开发处理车载网大数据的高效架构已成为未来智慧城市关注的重要问题。然而,车载网复杂且不灵活的架构面临一系列挑战,如高移动性、间歇性连接、应用程序的异构性。在这种背景下,软件定义网络(Software Defined Network,SDN)可编程和灵活的网络架构,在有线网络管理和异构无线通信中受到学术界和工业界的广泛关注。在车载网中应用SDN可以提高灵活性、可靠性、可编程性和可扩展性,增强车载网提供应用和服务的能力,提高用户服务质量。文中首先描述了SDN的体系结构,然后从架构和数据传播角度出发概括了软件定义车载网络(Software Defined Vehicular Networks,SDVN)的研究进展,随后概述了结合移动边缘计算(Mobile Edge Computing,MEC)的SDVN研究现状,接着讨论了SDVN存在的问题和挑战,最后介绍了SDVN的应用前景。

智能汽车的入侵检测系统安全研究

车联网应用是典型的关联系统应用,智能汽车不仅其内部组件之间有网络连接,而且通过道路单元和其他汽车与外部世界也发生着关系。在很多场景下,内部网络和外部网络的数据包会经过相同的硬件,仅仅通过软件定义的规则进行隔离,任何错误的配置都可能将汽车内部组件暴露给黑客,从而导致灾难性的后果。提出巡航控制场景下的两种隐蔽攻击方法,研究智能汽车的自适应巡航控制系统在隐蔽攻击下的安全性,并提出一种新颖的入侵检测和补偿机制来发现和处理这些攻击。入侵检测系统引擎使用神经网络识别器去动态估算系统输出,并与巡航系统的输出进行比对。如果监测到任何异常,内置的补偿控制器将会激活并接管系统控制权。大量的模拟仿真实验表明,新方案反应快速且有效。

VEC中多边缘节点协作卸载与资源分配算法

针对车载边缘计算(VEC)中任务计算成本高和边缘节点负载不均衡的问题,将软件定义网络(SDN)与多边缘计算相结合,构建了“端-多边-云”3层软件定义车载边缘计算模型,并提出了一种新的协作卸载和资源分配算法。使用SDN控制器从全局角度获取网络信息,对任务卸载和资源分配进行统一调度。将改进的k-means算法用于确定任务的初始卸载决策,将任务分别分配到本地簇、边缘节点簇和云服务器簇中。此外,利用深度Q网络算法获得了边缘节点簇中任务最优的卸载决策、卸载比例和资源分配策略。仿真实验结果表明,相较于对比算法,用所提算法使任务的计算成本降低了18.6%以上,提高了22.9%以上的边缘节点资源利用率,并实现了边缘节点间的负载均衡。