摘要：针对车联网中消息多样性与多模态的混合传输需求,多网络介质融合已成为构建车联网网络的必然趋势.如何根据通信需求优化网络资源已成为车联网中亟待解决的问题.基于传统网络协议,本文针对数据链路层协议中调度算法,提出了异构车联网逻辑链路控制层(Logical Link Control,LLC)链路调度算法(HetVNETs Link Scheduling Algorithm in LLC,HLSA).该算法将车联网中交通流密度、数据报文优先级和链路通信状态作为参数,对车联网中不同链路进行调度.首先,根据车联网协议标准,本文定义了四种数据优先级.同时,定义了RTT因子和拥塞因子对数据链路层协议中各个路径状态进行表征.并且,设计了链路相似度(Data Priority-based Link Similarity,DPLS)为分发数据报文提供调度依据.该相似度利用路径中待交互数据报文的优先级与已缓存的数据报文优先级的相似度进行统计.其次,利用Pareto最优计算出IEEE 802.11p链路中非安全短消息数据报文的最大分发频率上界.基于DPLS和该最大分发频率上界,最终设计并实现了面向数据报文优先级的链路调度算法,并根据理论分析,给出算法的时间复杂度为O(n).最后,根据稀疏、中等、密集和极度密集四种交通拥塞场景进行大量实验验证,证明了HLSA算法相对于现有算法,在面向安全与非安全数据报文混合传输场景中数据链路层链路调度算法的有效性.

摘要：多核系统的广泛应用提高了任务的并发性,同时也带来了任务核间通信这一额外开销.对于具有数据关联性的任务,核间通信会极大地影响任务的调度长度和实时性.结合车联网多任务混合并发的应用特点,针对多核系统中任务响应实时性问题,该文提出了一种面向车联网应用的数据关联性任务调度算法(DTSV).首先,根据车联网协议标准中针对车联网应用相关的三类数据及其特性进行了描述与分析.车联网应用中任务被分为安全关键类、交通效率类和安全无关类,每类任务都包含大量参数.有些参数并不仅存在于一个任务中,而会同时被多个任务所应用.因此,在车联网中,任务之间存在着大量的数据关联性.基于常用关联性任务模型以及车联网中任务特性,定义了一种基于车联网应用的数据关联性模型.其次,根据任务相关性模型给出了任务关联性评价函数,该评价函数的建立主要依据与计算型任务有关的所有通信型任务,生成一个多维的向量,以表示任务与内核中任务之间的强弱关联关系.再次,根据上述关联性模型和评价函数设计了基于此评价函数的关联性任务调度算法,通过将数据关联性较强的任务分配到同一个内核,以减少任务执行过程中核间通信量.算法分为初始化阶段和运行阶段.算法的初始化阶段主要解决了车联网系统启动时大量周期性任务的分配问题,能够明显地减少周期性任务的周期调度长度.算法的运行阶段主要解决了车联网系统运行中随机产生的非周期性任务的分配问题,考虑到非周期性任务的特性,算法能够在一定程度上提高其实时性.同时,在算法的运行阶段,通过对非周期性任务的数据关联的预处理,更进一步提高了非周期性任务的实时性.最后,通过实验将DTSV与传统多核任务调度算法做出了比较,结果显示DTSV平均能够缩短10.6%整体任务调度长度,同时非周期性任务的响应时间平均能够减少33.5%.实验证明,DTSV相对于传统多核调度算法,针对具有数据关联性的周期性任务以及非周期性任务都能有效地降低其核间通信延时,缩短任务调度长度,提高任务响应实时性.