车载网络环境下基于雾计算模式的适应性数据收集技术研究

Recent years the Vehicular Ad-Hoc Network (VANET) has increasingly integrated with the cloud computing technologies. As a basic network operation, data gathering is becoming more and more important; yet there also exists some challenging problems such as unstable networks, large amount of varied data, high real-time requirements and etc. This project is to optimize the data gathering process in the VANET based on the newly emerged "fog computing" paradigm as well as making full use of the storage and processing capabilities of roadside facilities; and to propose efficient and adaptive data gathering mechanisms based on vehicles, roads, and vehicle-vehicle, vehicle-road collaborations. The data gathering process would also help to optimize the interfaces between VANET and the traditional cloud platform. The main research contents include 1) fog-node-based filtering and optimal selection of data to upload, 2) context-aware adaptive data upload methods, 3) fog-node-based data upload scheduling and collaborating methods, as well as 4) application-semantic-based "fog-cloud" collaborative storage. The proposed research will improve the efficiency and adaptability of the data gathering in VANET, and provide a unified and collaborative data services for applications of higher level. It will contribute to the integration of VANET and the traditional cloud platform and forming a real "vehicular cloud", and will promote the development of networking, intelligent and diverse aspects of the transportation and vehicular systems.

近年来，车载网络与云计算技术的结合日趋紧密。作为车载网络应用的基础性操作，数据收集的重要性不断增强，但也存在数据量大、种类多样、网络不稳定、实时性要求高等诸多挑战。本项目将基于“雾计算”这一新型计算模式，充分利用路边设施的计算和存储能力来优化车载网络环境下的数据收集过程，提出高效的基于车、路，以及车-车、车-路之间协同的适应性数据收集机制，并在此过程中通过雾节点来优化车载网络与传统云平台之间的接口。主要研究内容包括：1）基于雾节点的数据过滤和最优选择方法，2）上下文相关的适应性数据上传方法，3）基于雾节点的数据上传调度和协同方法， 4）基于应用语义的“雾端-云端”协同存储方案。研究成果将提高车载网络数据收集的效率和适应性，为上层应用提供统一高效的数据服务；将有利于车载网络与传统云平台融合为协调统一的 “车辆云”平台，推动道路交通和车辆系统在网络化、智能化和应用多样化等方面的发展。

项目基于“雾计算”这种新型的计算模式，结合典型的智能交通的典型应用，研究高效的基于车、路，以及车-车、车-路之间协同的适应性数据收集技术，构建车载网络环境下的基础性数据收集模块，为上层应用提供统一高效的数据服务。项目组从车载网络的数据收集、查询处理、大规模交通数据的分析和挖掘、雾计算与传感云融合、雾计算架构的数据安全保护、信任评估机制等方面取得了研究进展。项目的主要研究成果包括：.1）提出一种基于雾计算模式的，针对VANET应用的适应性数据收集协议和框架，可集成到车载网络框架中；.2）在数据收集的关键技术方面，提出了基于过滤器的数据收集框架，提出了车载网络环境下基于雾节点的两阶段事件驱动的数据收集方法和基于可自由移动节点的数据收集框架，提出了自适应的“云辅助”查询处理方案和用于车辆传感器网络的隐私保护查询处理方案。结合真实数据集构建仿真实验平台验证算法的正确性和有效性；.3）基于大数据分析的智能交通应用和数据挖掘研究方面，提出了城市“交通库仑定律”的概念，以对城市中出租车与乘客之间的关系进行建模，并在此基础上提出了高效的出租车路线推荐的方案；提出一种基于深度神经网络的公交到站时间预测算法和出租车叫车需求的预测算法，算法采用基于深度学习的时空组件、属性组件和融合组件进行预测。.4）实现了基于边缘计算架构的数据安全保护框架、数据收集方法和信任评估机制，提出了基于边缘的数据半外包存储模型，设计了基于记录准则的细粒度信任评估和服务选择机制，提高物联网-云系统的安全性和效率。此部分内容与研究课题密切相关，可用于指导未来项目的继续研究。...项目共发表论文44篇，获得5项国家发明专利，培养研究生7名，项目部分成果还获得了福建省科技进步二等奖，超目标完成了相关的研究任务。本项目聚焦在车载网络环境下的数据收集，属于基础性应用研究，未来可以在智能交通、智慧城市等领域进行高效的数据收集，并作为子模块嵌入到智能交通和车载网络应用中。