英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料

车辆作为大数据的载体：减小道路地图空间和高效的数据分配

Benjamin Baron^loz;, Promeacute;theacute;e Spathis^loz;, Herveacute; Rivano^＊,

and Marcelo Dias de Amorim^loz;,dagger;

摘要

我们提倡使用数据穿梭模型，将大量可延迟数据从互联网下载到有数据储存功能的标准车辆中。我们首先提出了一种嵌入算法，计算覆盖在上面的道路基础设施。我们的目标是简化道路基础设施的代表性，因为原始地图太复杂，无法处理。在此覆盖范围内，每个逻辑链接从基础道路基础设施映射多个延伸的道路。我们制定的数据传输分配问题作为一个新的线性规划模型，确定去除覆盖最合适的逻辑路径的数据传输请求。我们使用法国实际道路交通数据来评估我们的建议。数值结果表明，我们能够满足每周的数据总要求在Pb级范围，使用带宽大于10 Gb每秒，占有20%的市场份额，并且每车存储容量仅为1Tb。

介绍

我们提出来一种颠覆性的卸载服务模型来处理高带宽需求背景服务的增长，这种增长已经将互联网的基础设施利用逼至极限（如维护活动，数据迁移和在线备份。）我们的服务利用的背景互联网流量的延迟容忍性质，提供大量的超过传统的道路基础设施的数据。通过交通来缓解互联网拥堵同时提供可靠和强大的传输。我们的想法是利用越来越多汽车交通，而这仍然是最常用的运输方式。我们认为给电动汽车配备数据功能是汽车行业近期发展的一部分。因此车辆就作为数据运载工具，将大量数据从生产商的数据库分配至目标地点。我们考虑这样一个模型，电动汽车分别在充电站和更换站充电或者更换耗完电的电池。在我们的模型中，我们建议这些站点作为传输数据的地方，车辆可以储存或分配数据（全过程对于司机来说都是透明的）。这样，车辆通过在站点装卸数据从而轮流载着数据驶向目标位置。

相关建议建议将数据装载在其他交通媒介中，例如飞机，邮政系统，甚至鸟。这些方法可以节省互联网带宽，甚至与其他的解决方案如租用专用线相比，可以降低成本。然而，他们未能实现大规模传输，只能用在非常特殊的情况下。如同我们将在文章下面展示的那样，我们的解决方案更有雄心，能够达到每秒几个Gb,每周全球的数据量达到1Pb。

我们观点目前一个主要的挑战是如何在道路基础设施上分配数据传输需求。我们提供了一个对于这个问题的数学优化公式。我们首先提出一种映射算法，创建道路基础设施上的覆盖网络。覆盖网络中的节点通过虚拟连接，对应于基层道路基础设施的多种连接方式。每个虚拟链路的特点是一组属性，如延迟，容量和数据丢失。卸载覆盖网络提供可以分配到一个特定的数据传输资源的一个抽象观点。第二，我们制定的数据传输分配问题作为一个新的线性规划模型，确定卸载网络中，由逻辑链接连接的卸载站点组成的最优逻辑路径。

我们使用法国实际的道路交通统计，提供数值结果。卸载点根据确保所有数据传输请求的全覆盖来决定。通过限制满足延迟要求的物理路径，进一步缩小搜索空间。

总之，我们在本文中的主要贡献是：

减小空间。我们设计了一种映射算法，创建了减小道路基础设施复杂性以及给底层资源的相关表示的卸载覆盖。

数据传输。我们将数据传输分配问题看做特殊的线性规划问题。该模型提供了卸载覆盖中对于一个给定的数据传输要求的最优逻辑路径。

系统容量。我们使用法国主干道道路实测数据评价卸载服务的数据传输分配问题。数字结果令人印象深刻，一周时间内可能的数据需求量达到1Pb。

规则

我们考虑了一个将传统互联网和车流量相结合的双峰数据服务模型。我们的卸载服务旨在解决互联网在传输大流量可延迟数据时的带宽限制问题。我们假设车辆具有一定的数据储存功能并且有可以为车辆提供装卸数据站点位置的网络。卸载站点可以作为充电站或者电池更换站。正如特斯拉电动汽车正在进入欧洲和北美市场。在卸载点，数据可以传输到车辆的储存装置或者之后根据车辆的目的地交换到预储存装置。

这种卸载服务通过在道路基础设施上车辆行驶轮流携带数据至目的地来减轻互联网背景流量压力。因此，背景流量不会阻碍弹性和互动的流量，对于延迟和吞吐量这有更严格的限制。这项服务进一步提供了大容量数据的稳定传输，因为这种传输是通过不同方向成倍的车辆来传播。最后，我们假定司机无法获得储存的数据内容，而且数据是加密的，以防任何人阅读。

卸载服务模型和符号定义

我们介绍的问题是两重的：（1）提出一种映射算法来创造道路基础设施上的卸载覆盖网络。（2）用线性规划模型来模拟数据传输分配问题，使得卸载覆盖的收益最大化。

1. 卸载覆盖

道路基础设施由一个有向图表示，G^R = (N^R, L^R)。N^R和L^O分别指节点系列，（交叉点和车辆可以充电或者更换电池的节点）和道路的链接。

道路基础设施的很多属性被考虑在内，例如从初始位置至目的地的车流量，容量，自由流动速度和一段路的行驶时间。我们引入一个卸载覆盖，在道路基础设施的简化表示中集成这些特性。卸载覆盖是道路基础设，施上的点到卸载点的双向映射，同时是在站点和连接卸载站点之间的逻辑链路的物理路径的映射。

我们用有向图G^O = (N^O, L^O)表示卸载覆盖。N^O和L^O分别指对应站点的卸载站点系列和卸载站点之间的逻辑连接。逻辑链路的特点是一个逻辑的加权平均出行时间t（i，j），总容量c（i，j），和数据泄漏的L（i，j），即数据丢失对逻辑链路的比例（i，j）isin; L^O。在图1，我们展示了一个可能实现的覆盖在法国道路基础设施之上一个例子。

B.数据传输分配问题

我们考虑数据传输要求时，定义R^st，数据必须从卸载源点sisin;N^O，至目标卸载点tisin;N^O，并且以最小的延迟时间T^st，和允许泄露L^st。我们用所有来源和目的地的请求组成的矩阵来表示R。允许泄露0lt;L^st≦1,指传输过程中允许丢失的数据比例。最后，我们定义B^st为s和t之间的数据传输总量（包括重复数据）。

我们假设所有的卸载站点复制数据给多个外出的车。对于一个给定的R^st，当位于逻辑连接(i, j) isin; L^O时，每个卸载站点复制数据rho;^st(i, j)次（即相同数据位于rho;^st(i, j)台车上）。这种复制对于减小数据损失L（i，j）和满足最大允许数据丢失L^st是必要的。

给定一个要求的R^st，我们的服务服从于收益因子ϓ^ST和操作成本alpha;_i。ϓ^ST指使用卸载服务相比使用互联网将数据从s送到t成本的减小。不失一般性，我们假设ϓ^ST与传输数据容量线性相关。（即，对于对于1bt的数据，我们使用卸载模型时，相比使用互联网传输，节省ϓ^ST）。alpha;_i指在卸载站点i，为了处理从进来的车辆上卸载下来的数据储存问题的操作成本。

在下面的论述中，我们把数据分配问题作为一个线性优化问题。我们定义收益为使用卸载服务传输B^st的数据获得的收入与在卸载站点处理这些数据的花费之间的差值。这个问题的目的是在允许延迟时间T^st和容量c（i，j）的限制下使收益最大化。

卸载覆盖的映射

逻辑连接（i，j）isin;L^O，（见第三部分A）由传递时间t(i, j)，总容量c（i，j），和数据泄露L（i，j）定义。下面，我们考虑两点之间的O-D流动，即从点i isin; N^S到点j isin; N^S的流动。令r为i到j之间可行路径的数量，及不会原路返回的路径。r的值取决于我们考虑的交通分配的算法。（如，全部或没有，沃德罗普平衡或者戴尔随机分配）。

1. 逻辑连接传输时间

对于一段道路(a, b) isin; L^R，令v_ab为名义容量（单位时间内的车流量），c_ab为容量（单位时间内的车流量），t_ab（0）为自由流动当量传递时间，（即，当v_ab=0时）。传递时间由BPR（公路局）给出，公式定义为

， （1）

在这里alpha;和beta;是BPR参数，取决于道路形状，（一般采用alpha;=0.15分钟而beta;=4.0）。

我们从公式中可以推断出（1）实际道路p传输时间，定义为t_p，是路径包含路段的所有传输时间的总和。（我们不考虑节点的任何延迟）：

. （2）

根据公式（2），通过i和j之间r条实际路径上的实验，我们推断出平均传输时间的表达式，每条道路p上交通流量v_p的加权平均。

（3）

在这里，Pij是i和j之间的所有简单实际道路（即，没有自行车的道路）。

B.逻辑连接的能力

覆盖连接（i，j）isin;L^O的运输能力c（i，j）取决于卸载点i和j之间简单道路的交通流量的总和（即，单位时间在道路p上从i到j的车辆数）。同时取决于提供卸载服务车辆的市场占有率和每辆车的储存量。

（4）

C.逻辑连接的泄露

逻辑连接（i，j）isin;L^O泄漏量L（i，j）（取值范围0到1），代表在卸载点i和j之间丢失的数据比例。如果更多的载有数据的车辆过早地离开道路，泄露就会增加（例如，车辆在未到卸载点就离开高速公路或者发生事故）。

卸载服务收益最大化

我们定义p为逻辑简单道路（即，没有任何自行车），为逻辑链接链接起来的一系列卸载点。我们定义P^st为s和t之间所有逻辑简单道路的系列。

我们根据经验在逻辑路径pisin;P定义传输时间t（p）为构成道路p的逻辑连接上传输时间的总和，和道路每个站点的等待时间t_i。

（5）

我们定义f（p）为在给定要求的R^st条件下在逻辑道路pisin;P^st上产生的流量（针对吞吐量而言）。对于相同的请求，B^st的数据的传输受允许延迟时间T^st的限制，不取决于数据的复制过程。因此，延迟约束对两个模型是相同的。在s和t之间传输Bst的延迟时间，相当于在所有s和t之间的逻辑道路上传输这么多数据持续时间之和。而这些道路上实验得出的平均传输时间是每条道路流量的加权平均。延迟限值表示为：

（6）

公式（6）不是线性表示，这在解决线性优化问题时会带来困难。但是，它可以被改写成如下线性表达形式。

（7）

在我们考虑的模型中，卸载点储存和复制数据。考虑给定的请求R^st，以及允许泄露L^st和s和t之间的道路pisin;P^st，如果rho;^st(i, j)f(p)的数据通过覆盖连接(i, j) isin; p传输，f(p)的数据在目标卸载点被接收。这里，复制指数rho;^st(i, j)是根据每个卸载点i计算出来，这些卸载点将数据传输至位于逻辑连接(i, j) isin; L^O远处的卸载点j。L^st和L（i，j）之间的函数关系如下：

（8）

逻辑连接(i, j) isin; L^O表示在数据请求R^st下，在逻辑连接(i, j)上从卸载点

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[139407]，资料为PDF文档或Word文档，PDF文档可免费转换为Word