预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共20页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115942389A(43)申请公布日2023.04.07(21)申请号202211023513.5(22)申请日2022.08.25(71)申请人南京邮电大学地址210003江苏省南京市鼓楼区新模范马路66号(72)发明人朱琦陈晓奇(74)专利代理机构南京纵横知识产权代理有限公司32224专利代理师刘艳艳(51)Int.Cl.H04W28/14(2009.01)H04W4/029(2018.01)G06N3/0442(2023.01)G06N3/08(2023.01)权利要求书4页说明书11页附图4页(54)发明名称一种基于用户位置预测的移动边缘缓存方法及装置(57)摘要本发明公开了一种基于用户位置预测的移动边缘缓存方法,该方法针对多基站缓存场景,将一部分文件缓存在具有存储功能的移动边缘网络的节点中,使得用户请求这些被缓存的文件时,可以直接通过边缘节点获得,而无需通过回程链路向服务器发送请求,避免了文件的重复传输,缓解了运营商回程链路的压力。同时引入用户位置预测机制,采用LSTM模型对用户位置进行预测,获得某一时间段内基站服务区域的用户群体,并计算得到文件请求分布。在缓存容量的限制下,通过优化全局缓存策略,构建了运营商缓存收益最大化问题,简化为背包问题,采用动态规划算法求得每个时刻每一基站缓存策略的最优解。有效降低回程链路开销,提高运营商的缓存收益。CN115942389ACN115942389A权利要求书1/4页1.一种基于用户位置预测的移动边缘缓存方法,其特征在于,包括:根据用户历史位置信息,利用基于LSTM的用户位置预测模型预测下一时刻用户位置信息;根据预测得到的下一时刻用户位置信息,结合当前时刻用户偏好信息,构建移动边缘场景下运营商缓存收益最大化问题P1;将运营商缓存收益最大化问题P1简化为优化子问题P2;对优化子问题P2采用动态规划求解得到基站的最优缓存策略,并根据用户的请求更新下一时刻用户偏好信息;根据求解得到基站的最优缓存策略,基站实施文件的移动边缘缓存。2.根据权利要求1所述的基于用户位置预测的移动边缘缓存方法,其特征在于,根据用户历史位置信息,利用基于LSTM的用户位置预测模型预测下一时刻用户位置信息,包括:获取带有时间标签的用户历史位置信息作为数据集;对数据集进行数据预处理,得到训练集和测试集;利用所述训练集和测试集对基于LSTM的用户位置预测模型进行训练优化,得到训练好的基于LSTM的用户位置预测模型;将前N个时刻的位置信息输入训练好的基于LSTM的用户位置预测模型,根据模型的输出得到预测的后一时刻的用户位置信息。3.根据权利要求2所述的基于用户位置预测的移动边缘缓存方法,其特征在于,其中所述预处理包括缺失数据填充、独热one‑hot编码和滑窗切割。4.根据权利要求3所述的基于用户位置预测的移动边缘缓存方法,其特征在于,所述缺失数据填充包括:设t时刻的用户位置信息缺失,而时间间隔最近的具有位置信息的时刻为t′,那么t时刻该用户缺失位置信息的处理方法如下:|t‑t′|≤10min,t时刻的用户位置信息与t′时刻保持一致;|t‑t′|>10min,寻找历史数据中t时刻出现频次最大的位置信息,对t时刻的用户位置数据进行填充。5.根据权利要求3所述的基于用户位置预测的移动边缘缓存方法,其特征在于,所述独热one‑hot编码包括:在缺失数据填充完成后,对位置和所在星期数据进行one‑hot编码,编码后的每一时刻的特征维数为该用户原始数据集中的位置数加星期数。6.根据权利要求1所述的基于用户位置预测的移动边缘缓存方法,其特征在于,构建移动边缘场景下运营商缓存收益最大化问题P1,包括:基站集合为系统内共有F个文件,文件集合为共有U个用户,用户集合用户支付单价为v,运营商所需花费的回程链路单位开销为b;某一用户从接入基站j获取文件运营商的收益分为两种情况:(1)用户接入的基站j缓存了请求的文件,用户直接从接入的基站下载该文件;用户直接获得该文件且运营商无需支付回程链路开销,运营商的收益为Lfv;(2)用户接入的基站j没有缓存请求的文件,则运营商需要付出额外的回程链路开销,2CN115942389A权利要求书2/4页通过云端获取文件后再发送给用户,此时运营商的收益为Lf(v‑b);得到在时段运营商的收益R(t)为:其中,为t时刻基站j所在区域内文件f的缓存策略变量;为t时刻,基站j所在区域内文件f被请求次数的均值,计算公式为:为在t时刻出现在基站j覆盖范围内的用户集合,通过模型预测得到的下一时刻用户位置信息来确定;为t时刻用户u对文件f的偏好,即用户u向基站请求文件f的概率;设t=0时刻所有用户对所有文件的初始偏好为满足:设每个用户的初始偏好都服从Zipf分