Key points are not available for this paper at this time.
Getrieben durch die evolutionäre Entwicklung der Automobilindustrie und der Mobilfunktechnologien ist eine zuverlässige Fahrzeugkonnektivität entscheidend, um zukünftige intelligente Transportsysteme (ITS) zu realisieren. In diesem Papier untersuchen wir, wie eine zuverlässige Inhaltsverteilung in D2D-basierten kooperativen Fahrzeugnetzwerken erreicht werden kann, indem die Vorhersage von Fahrzeugtrajektorien auf Basis von Big Data mit einer koalitionsbildenden Spiele-basierten Ressourcenallokation kombiniert wird. Zunächst wird die Fahrzeugtrajektorie basierend auf globalen Positionssystem- und geografischen Informationssystemdaten vorhergesagt, was entscheidend ist, um zuverlässige und langlebige Fahrzeugverbindungen zu finden. Dann wird die Bestimmung von Inhaltsverteilungsgruppen mit unterschiedlichen Lebensdauern als Koalitionsspiel formuliert. Wir modellieren die Nutzungsfunktion basierend auf der Minimierung der durchschnittlichen Netzwerkverzögerung, die gemäß dem Beitrag jedes Koalitionsmitglieds übertragbar ist. Der Merging- und Splitting-Prozess wird iterativ basierend auf Präferenzbeziehungen implementiert, und die endgültige Partition wird als konvergierend zu einem Nash-stabilen Gleichgewicht nachgewiesen. Schließlich bewerten wir den vorgeschlagenen Algorithmus basierend auf realen Karten und realistischen Fahrzeugverkehr. Numerische Ergebnisse zeigen, dass der vorgeschlagene Algorithmus eine überlegene Leistung in Bezug auf die durchschnittliche Netzwerkverzögerung und die Effizienz der Inhaltsverteilung im Vergleich zu anderen heuristischen Verfahren erzielen kann.
Zhou et al. (Fr,) haben diese Frage untersucht.