• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Mobility-Aware Service Caching in Mobile Edge Computing for Internet of Things
【2h】

Mobility-Aware Service Caching in Mobile Edge Computing for Internet of Things

机译：物联网移动边缘计算中的移动感知服务缓存

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The mobile edge computing architecture successfully solves the problem of high latency in cloud computing. However, current research focuses on computation offloading and lacks research on service caching issues. To solve the service caching problem, especially for scenarios with high mobility in the Sensor Networks environment, we study the mobility-aware service caching mechanism. Our goal is to maximize the number of users who are served by the local edge-cloud, and we need to make predictions about the user’s target location to avoid invalid service requests. First, we propose an idealized geometric model to predict the target area of a user’s movement. Since it is difficult to obtain all the data needed by the model in practical applications, we use frequent patterns to mine local moving track information. Then, by using the results of the trajectory data mining and the proposed geometric model, we make predictions about the user’s target location. Based on the prediction result and existing service cache, the service request is forwarded to the appropriate base station through the service allocation algorithm. Finally, to be able to train and predict the most popular services online, we propose a service cache selection algorithm based on back-propagation (BP) neural network. The simulation experiments show that our service cache algorithm reduces the service response time by about 13.21% on average compared to other algorithms, and increases the local service proportion by about 15.19% on average compared to the algorithm without mobility prediction.
机译：移动边缘计算架构成功解决了云计算中的高延迟问题。但是，当前的研究集中在计算分流上，而缺乏关于服务缓存问题的研究。为了解决服务缓存问题，尤其是对于Sensor Networks环境中具有高移动性的场景，我们研究了移动感知服务缓存机制。我们的目标是最大限度地增加由本地边缘云服务的用户数量，并且我们需要对用户的目标位置进行预测，以避免无效的服务请求。首先，我们提出一种理想的几何模型来预测用户运动的目标区域。由于在实际应用中很难获得模型所需的所有数据，因此我们使用频繁的模式来挖掘本地移动轨迹信息。然后，通过使用轨迹数据挖掘的结果和建议的几何模型，我们可以对用户的目标位置进行预测。基于预测结果和现有服务缓存，服务请求通过服务分配算法转发到相应的基站。最后，为了能够在线训练和预测最受欢迎的服务，我们提出了一种基于反向传播（BP）神经网络的服务缓存选择算法。仿真实验表明，与没有移动性预测的算法相比，我们的服务缓存算法与其他算法相比，平均减少了约13.21％的服务响应时间，并使本地服务比例平均增加了约15.19％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号