[发明专利]一种基于内容关联度的车联网雾节点内容缓存方法

说明书

本发明公开了一种基于内容关联度的车联网雾节点内容缓存方法，属于无线通讯技术领域。本发明提供了一种在雾节点上进行内容缓存的策略，采用关联分析和车辆内容进行预测，使得雾节点可以根据即将到达的车辆请求过的历史信息预取下一时刻更大概率会被请求的内容。在考虑内容关联性条件下，本发明挖掘出内容之间潜在的关联，并根据关联分析的结果进行内容预测，在车辆即将到达的下一个雾节点上提前缓存内容，提高了雾节点的缓存命中率。本发明将内容关联度纳入缓存的决策考量因素，综合内容流行度与内容关联度在雾节点上的影响，求取出到达时间更接近当前时间的内容进行缓存，进而有效解决在雾节点缓存中不考虑内容间关联性的问题，提高缓存命中率。

技术领域

本发明属于无线通讯技术领域，特别涉及一种基于内容关联度的车联网雾节点内容缓存方法。

背景技术

雾缓存是在云服务器与用户设备之间引入了中间层——雾节点进行内容缓存的技术，雾层相对于云层更接近移动设备，可以更快的完成交付。雾节点与用户的距离往往只有一跳，当用户向雾节点请求某些内容时，如果恰好该内容在雾节点中被缓存了，可以大大提高请求的交付速度，降低用户的请求时延，这对于提高用户的数据访问率是有价值的。

考虑到部署成本的原因与节点大小限制，雾节点的存储容量较为有限，有一定的缓存约束，如何选取合适的内容存储在雾节点上是亟待解决的问题。在车联网环境中，雾节点的部署受到地理位置的影响较大，覆盖范围内的内容流行度有很大差异，这是因为雾节点通常部署在不同的区域，而缓存的内容具有一定的地理特征。同时，由于部署成本等原因，雾节点的部署并不能覆盖全部的路况，相邻的雾节点之间往往存在间隙，这就为雾节点的预取缓存提供了可能。

内容的流行程度往往与地理位置息息相关，所以不同的雾节点处内容的请求概率也有所差异，往往使用内容流行度这一概念形容内容被请求的概率。根据Zipf定律，内容出现的次数往往与内容在频率列表中的排名成反比，所以根据雾节点范围内的内容排名和Zipf参数可以大致估计出内容的请求概率。目前通用的雾节点缓存策略是存储流行度较高的内容，即在频率列表中排名靠前的内容被优先缓存在雾节点上。

关联分析是数据挖掘中通用的发掘出有用规则的方法，可以发现内容之间的潜在联系。在车联网环境下，车辆在雾节点范围内可能不止请求一个内容，那么在同一个雾节点范围内的请求内容之间也一定存在某种关联。通过使用关联分析可以挖掘出这种内容之间的关联度并进行内容的预取缓存。

目前，针对车联网中雾节点缓存的研究主要有以下两种：

一是通过车辆速度和道路交通密度来分析车辆请求内容的特征，提出了一种基于交叉熵得动态内容缓存方案，用于解决动态环境下车辆通过何种方式在何处获取内容复制品这一问题。

二是提出了集中控制基站和分布式控制基站的概念，在总体容量约束条件下建立了一种基站间协同存储的方法，降低了移动设备的请求时延。

传统的雾缓存研究考虑的是内容请求只受到内容流行度的影响，而忽略了内容之间的潜在关联。所以本发明的目的在于挖掘出内容之间的关联信息，并将其运用于雾节点的缓存策略中，在满足容量约束的条件下，尽可能的提高请求的命中率。

发明内容

本发明的目的在于解决车联网条件下考虑内容之间存在一定关联的条件下雾节点综合考量内容流行度和关联度进行缓存的问题，针对该问题提出了一种基于内容关联度的车联网雾节点内容缓存方法。

一种基于内容关联度的车联网雾节点内容缓存方法，应用于具有雾节点部署的道路环境，各所述雾节点间存在间隙，所述雾节点的上层部署关联服务器，所述方法包括以下步骤：

S1、当车辆进入雾节点A的通信范围时，所述车辆产生内容请求需求，所述车辆向所述雾节点A发送请求内容信息；