本发明涉及网络通信技术领域，尤其涉及一种基于缓存分布感知的概率缓存算法。
背景技术：
随着移动物联网、物联网和无线传感网络技术的广泛使用，车联网的作用和优势也越来越重要和显著，并逐渐成为社会关注的焦点。vanet的高动态的拓扑动态性、高速的节点移动性及数据类型的多样性等特有属性，使得vanet中对节点请求的快速响应面临新的挑战。车辆发出的请求经由若干路侧单元在服务器处获取内容，并沿原路径返回。多次的请求转发导致了较长的响应时延，降低了用户体验。因此一种智能高效的缓存机制是现在急需的。
缓存技术，即将内容预先存储在距离用户近的节点上，节点可以直接进行内容访问，而不需要从远处的服务器获取内容。缓存技术不仅可以减少用户对内容的访问时间，还可以减少网络间重复性流量，从而优化网络传输质量。而基于点对点通信的tcp/ip网络，灵活性差，不利于缓存技术的实施。所以我们以内容为中心的数据命名网络(nameddatanetworking,ndn)为基础设计新的缓存算法。
当前的缓存算法主要分成两类：基于全局的和分布式的两种类型。前者的优势是可以从全局获得最优的缓存方案，实现网络中缓存空间的高效利用，缺点在于进行全局缓存决策需要掌握大量网络信息以及较长的计算时间。后者的优势在于算法复杂度低，所需信息量少，适应性强，但是该方式对内容流行度的判断容易出现较大偏差，稳定性不足。
技术实现要素：
本发明的目的在于克服现有技术的不足，提供一种基于缓存分布感知的概率缓存算法。
本发明采用的技术方案是：
一种基于缓存分布感知的概率缓存算法，所述缓存算法应用于vanet中的路侧单元，其包括以下步骤：
步骤s1：统计阶段：路侧单元节点接收来自车辆和其他路侧单元的请求包和数据包，记录每个请求包的请求内容id、对应的周期和请求跳数、上一跳节点id，记录当前已缓存内容的id、已统计周期个数和相对缓存间隔大小，并计算已缓存内容的平均加权请求频率；
步骤s2：路侧单元接收到数据内容datam后，计算数据内容datam的加权流行度gm；当已缓存该数据内容datam，基于已统计信息更新数据内容datam的相对流行度gm；
步骤s3：提取数据内容datam中的缓存间隔dm，计算数据内容datam在传递路径上的相对缓存间隔大小wm；当数据内容datam已被缓存，基于已统计信息更新其相对缓存间隔wm；
步骤s4：路侧单元结合待缓存数据内容datam的相对流行度gm和相对缓存间隔wm计算数据内容datam的缓存概率pm，pm的计算方法如下：
pm＝gm·ρm
(1)；
步骤s5：路侧单元以缓存概率pm缓存数据内容datam，当成功缓存数据内容datam，则清除数据包中的缓存间隔字段并转发数据，否则缓存间隔字段加1并转发数据。
进一步地，步骤s1中，所述路侧单元节点与其他路侧单元节点和服务器之间通过有线电缆连接，与车辆间的通信方式是无线通信，路侧单元节点作为转发节点接收和转发车辆的请求，服务器包括网络中的所有内容。
进一步地，步骤s1中，所述路侧单元统计阶段为整个网络运行阶段，统计信息的替换遵循先入先出算法。
进一步地，步骤s1中，所述路侧单元统计过程中，只对已缓存数据内容datam进行已统计周期个数、相对缓存间隔大小和平均加权请求频率的记录。
进一步地，请求包包括内容如下：请求内容id、上一请求节点id和请求跳数，且请求包每转发一次，请求跳数加1；数据包包括内容如下：数据内容id和缓存间隔，其中缓存间隔表示当前节点与上一缓存节点间的距离，数据包每被转发一次，缓存间隔加1，当数据内容datam被中间路侧单元节点缓存，则缓存间隔重置为0。
进一步地，步骤s2还包括如下步骤：
步骤s21：路侧单元通过统计的请求个数及请求跳数，计算数据内容datam的平均加权请求频率fm，所述内容加权请求频率fm通过如下方式获取：
其中xm,k为请求rm＝[rm,1,rm,2,…,rm,n]中rm,k的请求跳数，rm在rsui处的请求集合，tfirst为首次收到数据内容datam的请求周期编号，tnow为当前周期编号，随着时间的推移逐渐增大，计算所有已缓存内容的平均加权请求频率，得到最大的平均加权请求频率fmax；
步骤s22：所述算法中内容加权流行度gm的取值范围是0-1，通过如下方式获取：
步骤s23：所述算法中已缓存内容加权流行度的更新方法如下：
其中fmax为更新后已缓存数据中加权平均请求频率的最大值，fm,c为当前周期的内容请求频率，lm为该内容已被统计的周期数，fm,o为当前周期以前所统计加权请求频率。
进一步地，步骤s3中若datam未缓存，其相对间隔大小wm通过如下方法获得：
其中d为网络中两路侧单元节点间的最大间隔跳数；
当数据内容datam已缓存，其相对间隔大小wm通过如下方法获得：
其中dn为第n个到达路侧单元的数据内容datam的数据包中记录的缓存间隔，共有n个数据内容datam的数据包到达路侧单元。
本发明采用以上技术方案，相较于现有技术，本发明具有以下有益效果：本发明所提供一种基于缓存分布感知的概率缓存算法，应用于vanet中的路侧单元，该方法为：本发明为分布式隐式协作缓存机制，算法复杂度低，自适应性高，通过请求包和数据包携带协作信息，协作开销小，基于请求跳数加权使得节点总是缓存匹配自身周围请求模式、对自身而言最有价值的数据，降低了用户请求内容的响应时延，提高了用户体验，考虑了缓存间隔大小，合理调节缓存密度，有效地控制了缓存冗余度，使vanet的整体性能得到显著提高。该算法能很好的解决车联网中快速响应用户请求的问题，使vanet的服务能力得到显著提高，稍经修改即可应用于嵌入式场合，具有非常广泛的应用前景。
附图说明
以下结合附图和具体实施方式对本发明做进一步详细说明；
图1为本发明一种基于缓存分布感知的概率缓存算法的场景示意图；
图2为本发明一种基于缓存分布感知的概率缓存算法的算法流程图。
具体实施方式
如图1或2所示，本发明公开了一种基于缓存分布感知的概率缓存算法，所述缓存算法应用于vanet中的路侧单元，其包括以下步骤：
步骤s1：统计阶段：路侧单元节点接收来自车辆和其他路侧单元的请求包和数据包，记录每个请求包的请求内容id、对应的周期和请求跳数、上一跳节点id，记录当前已缓存内容的id、已统计周期个数和相对缓存间隔大小，并计算已缓存内容的平均加权请求频率；
步骤s2：路侧单元接收到数据内容datam后，计算数据内容datam的加权流行度gm；当已缓存该数据内容datam，基于已统计信息更新数据内容datam的相对流行度gm；
步骤s3：提取数据内容datam中的缓存间隔dm，计算数据内容datam在传递路径上的相对缓存间隔大小wm；当数据内容datam已被缓存，基于已统计信息更新其相对缓存间隔wm；
步骤s4：路侧单元结合待缓存数据内容datam的相对流行度gm和相对缓存间隔wm计算数据内容datam的缓存概率pm，pm的计算方法如下：
pm＝gm·ρm
(1)；
步骤s5：路侧单元以缓存概率pm缓存数据内容datam，当成功缓存数据内容datam，则清除数据包中的缓存间隔字段并转发数据，否则缓存间隔字段加1并转发数据。
进一步地，步骤s1中，所述路侧单元节点与其他路侧单元节点和服务器之间通过有线电缆连接，与车辆间的通信方式是无线通信，路侧单元节点作为转发节点接收和转发车辆的请求，服务器包括网络中的所有内容。
进一步地，步骤s1中，所述路侧单元统计阶段为整个网络运行阶段，统计信息的替换遵循先入先出算法。
进一步地，步骤s1中，所述路侧单元统计过程中，只对已缓存数据内容datam进行已统计周期个数、相对缓存间隔大小和平均加权请求频率的记录。
进一步地，请求包包括内容如下：请求内容id、上一请求节点id和请求跳数，且请求包每转发一次，请求跳数加1；数据包包括内容如下：数据内容id和缓存间隔，其中缓存间隔表示当前节点与上一缓存节点间的距离，数据包被转发则缓存间隔加1，当数据内容datam被当前路侧单元节点缓存，则缓存间隔重置为0。
进一步地，步骤s2还包括如下步骤：
步骤s21：路侧单元通过统计的请求个数及请求跳数，计算数据内容datam的平均加权请求频率fm，所述内容加权请求频率fm通过如下方式获取：
其中xm,k为请求rm＝[rm,1,rm,2,…,rm,n]中rm,k的请求跳数，rm在rsui处的请求集合，tfirst为首次收到数据内容datam的请求周期编号，tnow为当前周期标号，随着时间的推移逐渐增大，计算所有已缓存内容的平均加权请求频率，得到最大的平均加权请求频率fmax；
步骤s22：所述算法中内容加权流行度gm的取值范围是0-1，通过如下方式获取：
步骤s23：所述算法中已缓存内容加权流行度的更新方法如下：
其中fmax为更新后已缓存数据中加权平均请求频率的最大值，fm,c为当前周期的内容请求频率，lm为该内容已被统计的周期数，fm,o为当前周期以前所统计加权请求频率。
进一步地，步骤s3中若datam未缓存，其相对间隔大小wm通过如下方法获得：
其中d为网络中两路侧单元节点间的最大间隔跳数；
当数据内容datam已缓存，其相对间隔大小wm通过如下方法获得：
其中dn为第n个到达路侧单元的数据内容datam的数据包中记录的缓存间隔，共有n个数据内容datam的数据包到达路侧单元。
本发明采用以上技术方案，相较于现有技术，本发明具有以下有益效果：本发明所提供一种基于缓存分布感知的概率缓存算法，应用于vanet中的路侧单元，该方法为：本发明为分布式隐式协作缓存机制，算法复杂度低，自适应性高，通过请求包和数据包携带协作信息，协作开销小，基于请求跳数加权使得节点总是缓存匹配自身周围请求模式、对自身而言最有价值的数据，降低了用户请求内容的响应时延，提高了用户体验，考虑了缓存间隔大小，合理调节缓存密度，有效地控制了缓存冗余度，使vanet的整体性能得到显著提高。该算法能很好的解决车联网中快速响应用户请求的问题，使vanet的服务能力得到显著提高，稍经修改即可应用于嵌入式场合，具有非常广泛的应用前景。