| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 国内外车载信息服务研究现状 | 第13-14页 |
| 1.2.2 国内外云计算技术研究现状 | 第14-16页 |
| 1.3 研究内容与主要工作 | 第16-17页 |
| 1.4 论文的内容结构 | 第17-19页 |
| 第2章 相关工作 | 第19-31页 |
| 2.1 基于云计算的车载信息系统概述 | 第19-22页 |
| 2.2 使用车载信息服务具有的时间特征 | 第22-23页 |
| 2.3 面向车载信息服务的云数据中心关键技术 | 第23-30页 |
| 2.3.1 虚拟化技术 | 第23-26页 |
| 2.3.2 虚拟机在线迁移技术 | 第26-29页 |
| 2.3.3 虚拟机动态整合技术 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 面向车载信息服务的云数据中心 | 第31-39页 |
| 3.1 面向车载信息服务的云数据中心网络结构 | 第31-34页 |
| 3.1.1 车载云 | 第31页 |
| 3.1.2 路侧云 | 第31-32页 |
| 3.1.3 核心云 | 第32-34页 |
| 3.2 面向车载信息服务的云数据中心层次模型 | 第34-35页 |
| 3.3 典型基于云计算的车载信息服务 | 第35-38页 |
| 3.3.1 核心云支持的交通诱导服务 | 第35-36页 |
| 3.3.2 核心云支持的车辆故障处理服务 | 第36-37页 |
| 3.3.3 路侧云支持的车载视频监控服务 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 一种面向车载信息服务的虚拟机动态整合算法 | 第39-54页 |
| 4.1 一种面向车载信息服务的虚拟机动态整合算法 | 第39-44页 |
| 4.1.1 能耗模型 | 第39-40页 |
| 4.1.2 迁移收益参数EMP的定义 | 第40页 |
| 4.1.3 基于时间特征的迁移收益参数TEMP的定义 | 第40-41页 |
| 4.1.4 一种迁移开销感知的虚拟机动态整合算法 | 第41-43页 |
| 4.1.5 一种面向车载信息服务的虚拟机动态整合算法 | 第43-44页 |
| 4.2 仿真实验与结果分析 | 第44-52页 |
| 4.2.1 实验参数 | 第45页 |
| 4.2.2 评价指标 | 第45页 |
| 4.2.3 实验结果与分析 | 第45-52页 |
| 4.3 本章小结 | 第52-54页 |
| 总结 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第61-62页 |
| 附录B 攻读硕士学位期间所参与的项目 | 第62页 |