基于动态适应性的汽车互联网工作量模型应用
物联网（IoT）是新一代信息技术的重要组成部分，也是“信息化”时代的重要发展阶段。随着IoT技术的不断发展，车联网技术（IoV）也发生着巨大的变化。在IoV中，车辆作为传感器枢纽通过车载传感器或智能手机捕捉周边车辆、道路和环境的信息，并在信息网络平台上对多源采集的信息进行加工、计算、共享，实现在信息网络平台上对所有车辆的属性信息和静、动态信息进行提取和有效利用。但是信息的加工、计算、共享涉及巨大的数据量，难以对真实IoV系统的可行性进行测试。因此，本文提出了一个基于动态适应性的分析模型，来衡量参与IoV过程的各个子系统的工作负荷。
IoV系统有静态和动态2种类型的数据共享场景，静态利用V2H（车与人）进行数据通信；动态利用V2V（车与车）共享信息或V2I（车与路）的路边基础设施共享信息，动态数据是暂时的，并且使用时间戳进行跟踪。在此基础上，实时采集各个子系统的计算存储情况进行工作量评估，并根据负荷情况来制定虚拟资源调度策略以实现负荷均衡。将分析模型扩展到复杂场景下的工作量评估，为了满足动态适应性，需要大量调用分布式并发处理程序。
对本文提出的基于动态适应性的汽车互联网工作量模型进行模拟仿真，并设定了不同的场景进行各个子系统工作量的评估。仿真结果表明，该模型能够准确地模拟出IoV中各个子系统的工作量，这对于以后开展智能交通系统的广泛应用是很有帮助的。
刊名：Sensors（英）
刊期：2015年第15期
作者：Kazi Masudul Alam et al
编译：孙坚
