Content Download in Vehicular networks in Presence of Noisy Mobility Prediction

这位作者Fancesco Malandrino净说大实话，喜欢埋各种坑

一开头就讽刺cellular network：Thanks to new cellular technologies, spearheaded by the much-vaunted blazing speeds of LTE-Advanced consumers are lulled into the false conviction that every information content is always readily available onto their tablets or smartphones.啧啧，真敢说。。。。

好了，言归正传。我的理解是，这哥们发现了max-min算法，为了将这个算法应用在vehicular下载（挖了个大坑），开始各种挖小坑填大坑

1、比如，定义一个V2I和V2V的连接模型Fog-of-War，而不是根据content popularity来决定缓存策略。模型由什么时间产生连接、连接持续时间以及数据传输率影响，并假定每个影响因素都服从高斯分布（正态分布），因素间独立同步。用Fog-of-War模型来仿real vehicle mobility trace and the contact between vehicle and RSU.并不知道用什么方法证明了模型的可靠性，并分析出模型对数据下载率的影响(有点NB)。

2、将模型抽象为连接概率图，图中的连接有权值。b is the estimated maximum amount of data that can flow over the link during that time step，p is contact probability.

image

3、根据图，分别从RSU角度和relay vehicle来make optional decisions.在RSU方面：

image

好像没有给出明确的解决方案；在relay vehicle: 最大化传输时间

image

image

用max-min fair allocation+ water-fill appraoch 解决。

1、介绍max-min fairness：http://blog.51cto.com/muhuizz/1925330

给一组用户分配资源，用户具有等价的权利获取资源，但实际上，一些用户可能获取较少的资源就能够满足需要，这样看来，他们对资源的获取又不是完全等价的，不适合平分资源，因此有最大最小公平算法。

不带权

image

带权：

image

扩展DRF（dominant resource fairn+ess）：一种针对不同资源类型的max-min fairness

主要思路：在多环境下一个用户的资源分配由用户的dominant share（主导份额的资源）决定。dominant share是在所有已经分配给哟用户的多种资源，占据最大份额的一种资源。DRF试图最大化所有用户中最小的dominate share。