检索结果-内蒙古大学图书馆

湖南科技大学学报（自然科学版） 2022年第1期37卷 100-108页

作者：尚坤豪符琦巴冰湖南科技大学计算机科学与工程学院湖南湘潭411201

在车辆边缘计算框架中,当车辆处于行驶状态时,需要和不同的路边单元(Rode Side Unit, RSU)进行连接,此时必然存在RSU的切换.文章着力于减少车辆在RSU切换过程中任务所需的完成时间.针对这个问题,提出相邻RSU协同工作的通信结构,并基于... 详细信息

在车辆边缘计算框架中,当车辆处于行驶状态时,需要和不同的路边单元(Rode Side Unit, RSU)进行连接,此时必然存在RSU的切换.文章着力于减少车辆在RSU切换过程中任务所需的完成时间.针对这个问题,提出相邻RSU协同工作的通信结构,并基于车辆和RSU之间的距离设计了一种求解车辆在RSU通信覆盖范围内剩余行驶时间的算法.当前RSU利用车辆的剩余行驶时间决定是否将计算任务进行卸载.若需要卸载,当前RSU就将任务卸载给车辆将要连接的下一个RSU,利用下一个RSU进行任务的计算,最终将计算结果返回给目标车辆.最后,利用Veins框架将OMNet++和SUMO结合在一起进行仿真实验.对仿真结果进行分析后可知:相较于相邻RSU没有进行协同工作的场景,文章提出的RSU协作通信结构和算法在任务的完成时间上改善了25%.

关键词： RSU协作消息转发任务卸载车辆边缘计算车联网

来源：评论

学校读者我要写书评

暂无评论

无人机辅助边缘计算系统中时延和能耗联合优化研究

无人机辅助边缘计算系统中时延和能耗联合优化研究

引用

作者：葛梦霞东华大学

学位级别：硕士

边缘计算(Edge Computing,EC)是一种新的去中心化范式,为终端用户在网络边缘提供数据计算、存储和应用服务,可以有效地降低数据处理时延和减少带宽压力。但是,在应对一些特殊情况,比如山区、灾后和高峰时段的路况交通等特殊场景,一般部... 详细信息

边缘计算(Edge Computing,EC)是一种新的去中心化范式,为终端用户在网络边缘提供数据计算、存储和应用服务,可以有效地降低数据处理时延和减少带宽压力。但是,在应对一些特殊情况,比如山区、灾后和高峰时段的路况交通等特殊场景,一般部署于移动基站的边缘服务器往往表现欠佳。而近年来,随着无人机(Unmanned Aerial Vehicle,UAV)商用的增加,在通信领域的应用引起了越来越多学者的关注和研究。无人机可以携带通信和计算模块,利用其易部署、高机动性和高度的优势,与地面上的基础设施协作,扩展无线网络的服务覆盖范围并节省基站部署成本。由于处理器和电池等约束,终端设备的计算能力受到限制,所以如何有效的减少系统能耗成本的同时保证服务质量是无人机辅助边缘计算系统中的一个关键问题。本文针对无人机辅助移动边缘计算(Mobile Edge Computing,MEC)系统中的多用户系统成本优化问题和无人机辅助车辆边缘计算(Vehicular Edge Computing,VEC)系统中的多车辆任务卸载优化问题进行了研究,并分别提出了每个问题对应的求解优化算法。本文的主要工作总结如下:第一,针对无人机辅助MEC系统中的系统成本优化模型,本文考虑了由一架无人机协同多个边缘服务器共同为特定区域的多用户服务的场景,本文以系统时延和能耗的加权和作为系统成本,构建了一个以任务卸载、资源分配和无人机位置为优化变量的最小化系统成本的优化目标。本文将优化目标解耦为两个子问题,通过半正定松弛的方法获得卸载决策和资源分配方案,以及通过连续凸逼近近似的方法获得无人机的最优位置,然后给出了一种可以有效的节省系统资源的联合优化算法。最后进行仿真实验,通过和其他几种基准方案比较,验证本文提出的联合优化算法的可行性和有效性,并分析了各种系统参数对于系统成本的影响。第二,针对无人机辅助VEC系统中的多车辆任务卸载优化问题,本文考虑了单时隙内车辆之间的服务公平性,构建了最小化所有车辆用户中最大成本的优化目标。本文将原问题分解为两个子问题分别求解,然后通过迭代更新来联合优化各个子问题从而得到原优化问题的解。本文基于半正定松弛、二分法和连续凸优化的思想,设计了一种迭代联合优化算法求出原问题的可行次优解。最后利用MATLAB仿真工具验证联合优化算法的可行性和有效性。

关键词：无人机移动边缘计算车辆边缘计算半正定松弛连续凸逼近

来源：评论

学校读者我要写书评

暂无评论

车联网中基于车队特征的计算与任务调度策略研究

车联网中基于车队特征的计算与任务调度策略研究

引用

作者：胡昕宇电子科技大学

学位级别：硕士

随着无线技术与物联网技术的进步,智能汽车快速发展,也带来了车载应用需求的大幅度增长。一些新兴的、具有计算密集和延迟敏感特征的车联网业务的出现,对车联网(Internet of Vehicle,IoV)的计算与任务调度提出了新的挑战。车辆边缘计算(... 详细信息

随着无线技术与物联网技术的进步,智能汽车快速发展,也带来了车载应用需求的大幅度增长。一些新兴的、具有计算密集和延迟敏感特征的车联网业务的出现,对车联网(Internet of Vehicle,IoV)的计算与任务调度提出了新的挑战。车辆边缘计算(Vehicular edge computing,VEC)将是一个有效的解决方案,通过将云服务下沉至移动网络边缘,既满足车辆计算资源的扩展需求,也能够在任务卸载过程中实现快速交互。然而,单个车辆的计算能力是有限的,且车辆在车联网中具有高机动性,对此,由智能车辆以相同的驾驶模式组成的车队(platoon)可以组合车辆的资源并保持车辆间的相对稳定,将有效缓解这些问题,为利用车载计算资源执行计算任务提供一种有前景的范式。论文分析了车联网和基于车队的边缘计算的背景与意义,介绍了国内外研究现状,在探究车联网中任务调度、资源分配和车队的相关理论基础之上,对基于车队特征的计算与任务调度策略进行研究。本文的具体工作如下:(1)提出了一种基于稳定车队的车辆边缘计算机制,该机制利用车队和边缘计算支持的路边单元(Roadside Unit,RSU)的计算能力,解决在单一车辆资源有限、路旁资源不均匀和车辆高速移动等情况下,车辆行进过程中的VEC问题,拟在任务调度过程中最小化系统任务执行的延迟成本和能量消耗。所建模型考虑了实际环境的影响,也考虑了通信资源的限制。利用深度确定性策略梯度(deep deterministic policy gradient,DDPG)设计了一种学习算法,该算法能有效地确定目标卸载服务器,并获得最优的计算与通信资源调度策略。数值结果表明,与基准算法相比,该算法显著降低了延迟和能量消耗。(2)提出了一种基于动态车队的车辆边缘计算机制,在现有车辆边缘计算的基础上,对稳定车队做了一个改进,进一步考虑在车队动态形成的情况下的车辆边缘计算问题。所建模型仍然考虑到实际环境中资源的时变性、车辆的动态性和车队特性,主要目标为最大化车辆的效用。首先设计了一种基于契约的激励机制,激励车辆加入车队。在车队形成之后,设计任务调度和资源分配方案,将RSU作为服务器,将车队作为服务器和向RSU传输任务中继节点。最后结合凸优化算法,根据优化问题设计了进行仿真,与其他方案对比。所设计的契约能够激励车辆的参与,所提出的任务卸载和资源分配方案是能够提高车辆的效用。

关键词：车辆边缘计算任务卸载资源分配车队

来源：评论

学校读者我要写书评

暂无评论

基于信息年龄的车联网资源分配方法研究

基于信息年龄的车联网资源分配方法研究

引用

作者：何威深圳大学

学位级别：硕士

车联网涵盖了车辆与车辆(Vehicle to Vehicle,V2V)、车辆与网络(Vehicle to Network,V2N)等多种连接形式,已成为未来自动驾驶与智能交通应用的重要支撑技术。车辆编队与协作驾驶等增强型车联网应用需要车辆及时掌握周围车辆的实时状态信... 详细信息

车联网涵盖了车辆与车辆(Vehicle to Vehicle,V2V)、车辆与网络(Vehicle to Network,V2N)等多种连接形式,已成为未来自动驾驶与智能交通应用的重要支撑技术。车辆编队与协作驾驶等增强型车联网应用需要车辆及时掌握周围车辆的实时状态信息,因而对V2V状态交互链路的信息新鲜度提出了严苛需求。另一方面,V2N链路通常承载信息娱乐服务等非安全类业务传输,其往往对信息传输速率需求较高。车联网资源分配凭借强大的网络干扰协调能力,在管理V2V与V2N链路的服务质量方面潜力巨大。然而,快速变化的信道质量使得基站难以实时收集各链路的完美信道状态信息,对车联网集中式资源分配优化构成重大挑战。以信息年龄(Age of Information,AoI)为信息新鲜度的度量,本文研究车联网中的资源分配方法,主要研究内容如下。 (1)本文分析了先到先服务规则下D/Geo/1排队系统中的AoI,使用排队理论推导了D/Geo/1排队系统的平均AoI与AoI中断概率的封闭形式表达式。通过仿真实验,比较了仿真实验结果与理论分析结果,验证了所得的平均AoI与AoI中断概率表达式的准确性。通过在V2V链路中引入包重传机制,本文将V2V链路建模为D/Geo/1排队系统。 (2)本文在异构业务传输场景中研究了基于AoI的车联网资源分配方法。文中通过联合分配包到达间隔、功率与频谱,分别在保证所有V2V链路AoI中断概率与平均AoI的前提下,最大化所有V2N链路总的平均信息传输速率。通过将原问题等价分解为两个子问题,得到了最优的资源分配方法。仿真结果表明,所提出的方案能在保证V2V链路信息新鲜度的同时提高V2N链路的信息传输速率。 (3)本文在车辆边缘计算场景中研究了基于AoI的车联网资源分配方法。文中使用车辆边缘计算技术将任务部分卸载至边缘服务器,在保证V2V链路AoI中断概率的同时,最小化所有V2N链路的最大任务完成时延。通过将原问题分解成两个子优化问题,提出了一种基于二分与匈牙利算法的方法进行求解。仿真结果表明,所提出的方案在保证V2V链路信息新鲜度的同时,降低了V2N链路的任务完成时延。

关键词：车联网信息年龄资源分配车辆边缘计算

来源：评论

学校读者我要写书评

暂无评论

车联网中具有公平性约束的依赖型任务卸载调度策略研究

车联网中具有公平性约束的依赖型任务卸载调度策略研究

引用

作者：孙小凯合肥工业大学

学位级别：硕士

随着车辆信息化和智能化水平的快速提升,各类功能复杂的车载应用正不断涌现。这些应用在提升人们的驾驶安全和驾乘体验的同时,也对车辆的计算和存储资源提出了更高的要求。然而,车辆本地有限的资源无法满足应用的运行需求,从而极大地限... 详细信息

随着车辆信息化和智能化水平的快速提升,各类功能复杂的车载应用正不断涌现。这些应用在提升人们的驾驶安全和驾乘体验的同时,也对车辆的计算和存储资源提出了更高的要求。然而,车辆本地有限的资源无法满足应用的运行需求,从而极大地限制了应用的性能。车辆边缘计算(Vehicular Edge Computing,VEC)的出现为解决上述问题提供了一种可行的方案。其将计算、存储资源部署在车辆网络(Vehicular Networks,VNs)的边缘,从而为车辆用户提供低时延、高可靠的计算服务。计算卸载作为VEC的关键技术之一,通过将车载应用中的部分任务迁移到边缘节点上执行,有效解决了车辆在计算性能和存储容量等方面的不足。然而,在复杂的车联网环境中,如何合理高效地为车载任务分配计算、存储等资源一直是VEC领域研究的热点和难点问题。为了解决上述问题,本文分析了高车辆密度和低车辆密度场景下车载应用的特点,并分别基于集中式和分布式卸载模式,研究了VNs中依赖任务的卸载调度策略。本文的主要工作如下: (1)针对低车辆密度场景下的依赖任务卸载调度问题,本文提出了一种基于反向调整机制的公平性卸载调度算法。首先,为了解决由任务之间的依赖关系带来的执行顺序约束问题和多应用同时调度产生的公平性问题,该算法提出了一种面向应用内和应用间任务的两级排序策略,用于确定任务的调度优先级;然后,将任务贯序卸载调度过程建模为马尔可夫决策过程(Markov Decision Process,MDP),并使用Q学习方法进行求解;最后,为了克服启发式排序策略基于经验构造的弊端,提出了一种反向迭代调整机制。其根据应用的预计完成时间对排序策略进行迭代调整,以获得最优的任务调度序列。仿真结果表明,与基准算法相比,该算法显著提高了调度的公平性并减少了平均应用完成时间。 (2)针对高车辆密度场景下的依赖任务卸载调度问题,本文提出了一种基于路边单元(Road-side Unit,RSU)的分布式任务卸载调度架构。考虑到多个RSU的决策会相互产生影响,因此将RSU协同决策问题建模为部分可观测的马尔科夫博弈问题,并提出了一种基于多智能体深度强化学习的任务卸载调度算法对上述模型进行求解。在该算法中,所有RSU共享一个全局观测的批判者网络,以克服环境不稳定性的问题。同时,每个RSU利用批判者网络训练各自的行动者网络,以实现策略的分布式执行。此外,该算法还采用了注意力机制,通过从其他智能体的观测-动作对中选取重要的信息来构造每个智能体评判网络的输入,从而提高算法的扩展性。仿真结果表明,该算法可以有效地提高任务的卸载效用和调度公平性。综上所述,本文分别针对低车辆密度和高车辆密度场景下的依赖任务卸载调度问题提出了两种不同的算法。仿真结果表明,两种算法均取得了优异的性能表现,显著减少了应用的完成时间并提高了算法的调度公平性。本文的研究工作及所得成果,不仅可以推动车辆智能化水平的提升,还为智能交通系统的建设提供了坚实的技术支持,具有重要的理论和实践意义。

关键词：车辆边缘计算卸载调度反向调整注意力机制多智能体深度强化学习

来源：评论

学校读者我要写书评

暂无评论

车联网中基于边缘计算的通信与计算资源联合分配方法研究

车联网中基于边缘计算的通信与计算资源联合分配方法研究

引用

作者：黄智锋深圳大学

学位级别：硕士

随着车联网的发展,诸如自动驾驶、虚拟现实和动态高精度地图导航等计算密集且延迟苛刻的新型业务不断涌现,这给计算能力有限的车辆带来了巨大挑战。作为一种新兴的计算模式,移动边缘计算在网络边缘为移动用户提供计算和存储服务,允许移... 详细信息

随着车联网的发展,诸如自动驾驶、虚拟现实和动态高精度地图导航等计算密集且延迟苛刻的新型业务不断涌现,这给计算能力有限的车辆带来了巨大挑战。作为一种新兴的计算模式,移动边缘计算在网络边缘为移动用户提供计算和存储服务,允许移动用户将计算任务卸载到边缘节点上执行,有效地降低了移动业务交付的端到端时延。基于以上优势,相关学者提出了在车联网中应用移动边缘计算,构建车辆边缘计算(Vehicular Edge Computing,VEC),以解决车辆计算能力不足以及传统云计算方案中接入时延较长和回程网络拥堵等问题。然而,VEC面对的是局部网络,分布式部署的边缘节点通信和计算资源相对有限,如何在保证服务质量的前提下,通过合理的资源分配提升网络性能是VEC计算卸载面临的关键挑战之一。因此,本文对VEC网络中任务卸载的资源分配问题展开了研究,具体的研究内容概括为:针对部分任务卸载模型,文中探讨了如何合理地分配VEC网络中通信和计算资源,以实现多车高效地协作完成一个计算任务的问题,并提出了一种基于完成时延最小化的资源分配方案。具体地,文中证明了在完成时延取定值的情况下,求解可行性的问题是凸优化问题,并采用二分法求解一系列凸优化可行性问题得到全局最优解。特别地,对于协作车辆计算能力相等的情况,文中首先通过注水算法获得了传输速率最大化的功率分配方案,然后根据凸优化理论推导出了最优资源分配的闭式解。仿真结果表明,所提方案能够显著降低任务的完成时延。针对整体任务卸载模型,文中研究了VEC网络中多辆车与单个MEC服务器之间任务卸载的资源分配问题。具体地,文中定义了完成任务的总成本为完成该任务所需的时延和能耗的加权和,并联合考虑了通信和计算资源等限制条件,以最小化完成所有任务的总成本为目标,建立优化问题。由于该问题是一个混合整数非线性规划问题,传统优化方法难以求解。因此,本文将该优化问题建模为马尔科夫决策过程,并提出了基于QLearning和Deep Q Network的解决方案。仿真结果表明,这两种方案均有效降低了完成所有任务的总成本。

关键词：车联网移动边缘计算车辆边缘计算 Deep Q Network

来源：评论

学校读者我要写书评

暂无评论

区块链架构下车载自组织网络数据安全共享和身份认证研究

区块链架构下车载自组织网络数据安全共享和身份认证研究

引用

作者：赖家铭江西理工大学

学位级别：硕士

近年来,随着5G技术、云计算、人工智能、物联网、区块链等高新技术的不断涌现,汽车行业的发展进入了快车道。车载自组织网络是无线移动自组织网络研究领域的热点,它为创建安全高效的交通环境提供了新的契机。然而,作为一个信息交互频繁... 详细信息

近年来,随着5G技术、云计算、人工智能、物联网、区块链等高新技术的不断涌现,汽车行业的发展进入了快车道。车载自组织网络是无线移动自组织网络研究领域的热点,它为创建安全高效的交通环境提供了新的契机。然而,作为一个信息交互频繁的开放网络,车载自组织网络中传输数据的安全性、可靠性难以得到保证,并且缺乏针对跨车企身份认证难题的解决方案。本文主要研究内容: (1)设计了一种基于区块链和可追溯环签名的数据安全共享方案,对传输的消息进行安全保护。区别于传统的环签名算法,可追踪环签名算法是结合双线性对设计的,可以实现条件隐私保护。为了提高系统的效率,本方案引入车辆边缘计算,通过将大部分计算任务通过边缘节点卸载到云服务器来减轻车载单元和路边单元的负担。此外,部署在区块链中智能合约会实时监测系统中的虚假信息,并从权威机构中获取必要数据用于追溯消息的发送者。安全性和性能分析表明,本方案更加安全和高效。 (2)为了解决跨车企的身份认证问题,提出了一种基于区块链的跨车企身份认证方案。通过引入联盟区块链来建立分布式信任并实现跨车企的信息共享,以解决车企担忧核心数据泄露的问题。考虑到车辆获取道路交通信息的需求,通过使用公有区块链存储这些消息来解决这一问题。所提的方案不使用计算复杂的双线性配对和映射到点的哈希,并通过边缘计算进一步降低系统延时。安全性分析和性能评估表明,所提方案比现有方案在安全性、计算开销和通信开销上有更好的性能。本文通过区块链技术解决车载自组织网络数据存储中心化的问题,将区块链技术与密码学算法相结合,保障用户隐私安全,并创新性的提出了一种跨车企的身份认证框架。通过与其他方案对比,本文所提方案在性能等方面存在较大优势,更适合用于车辆通信。

关键词：车载自组织网络区块链可追溯环签名椭圆曲线密码算法车辆边缘计算

来源：评论

学校读者我要写书评

暂无评论

基于合同激励的车联网计算卸载与任务调度研究

基于合同激励的车联网计算卸载与任务调度研究

引用

作者：潘梦真中南大学

学位级别：硕士

物联网技术与无线技术快速发展,对智能汽车发展起到了积极的促进作用,车载应用需求随之快速增长。车联网业务逐渐呈现出延迟敏感与计算密集属性,对车联网的计算与任务调度提出了新的挑战,车辆边缘计算将是一个有效的解决方案。由于单个... 详细信息

物联网技术与无线技术快速发展,对智能汽车发展起到了积极的促进作用,车载应用需求随之快速增长。车联网业务逐渐呈现出延迟敏感与计算密集属性,对车联网的计算与任务调度提出了新的挑战,车辆边缘计算将是一个有效的解决方案。由于单个汽车系统的计算能力非常有限,并且汽车具有高机动性特征。考虑到在高速公路等应用场景中V2V传输往往因频繁切换而不可靠以及市区场景停车场中的停放车辆拥有丰富且空闲的资源,本文探讨分析了基于合同激励的车联网计算卸载与任务调度,此外,还分析了合同激励在停车场环境下的任务卸载和资源的联合优化。本文研究包括以下内容:(1)制定了基于高速公路场景下的车辆边缘计算卸载与回收机制。针对车队中智能网联汽车(ICV)的速度变化,提出了一种任务卸载和回收方案,该方案可以降低因为链路断开导致任务处理失败的概率。考虑到多任务卸载系统,在分析车队成员资源分配与子任务流激励的过程中,通过Stackelberg博弈(UDTF-UV)来进行分析,特别是考虑到车队成员在车队中的机动性,本次博弈考虑了任务回收,保证了整个子任务流程的完整性,提高了任务效率。同时提出了一种基于深度学习的优化方案来解决子任务流的价格策略,通过共同优化价格决策和计算资源分配来最大化参与者收益。(2)提出了一种市区场景下基于合同激励的车辆边缘计算机制,首先设计了一种基于合同激励机制,激励停车场中具有闲置计算资源的停放车辆加入RSU辅助。基于合同激励机制来激励停车场停放车辆(PV)贡献其闲置的车载资源。PV根据其停车时间以及剩余能量的加权可以分为不同的类型。然后,将设计的合同激励方案分配给不同类型的PV。为了实现激励机制,研究了合同激励优化问题,以最大化服务提供者的效用。为了优化合同激励,使用拉格朗日乘子法解决简化问题。所设计的契约能够激励停车场中具有闲置计算资源的停放车辆的参与,所提出的任务卸载和资源分配方案能够提高车辆的效用。

关键词：车辆边缘计算任务卸载资源分配车队停车场

来源：评论

学校读者我要写书评

暂无评论

基于车载边缘计算网络的任务动态卸载方法研究

基于车载边缘计算网络的任务动态卸载方法研究

引用

作者：魏炜华长安大学

学位级别：硕士

随着车辆自组织网络和车联网的快速发展,车辆边缘计算已成为一个研究热点,因为它为车联网中的车辆节点因自身计算资源有限而无法处理大量复杂数据的问题提供了潜在解决方案。车辆边缘计算的核心是将车辆节点无法处理的复杂数据转移到具... 详细信息

随着车辆自组织网络和车联网的快速发展,车辆边缘计算已成为一个研究热点,因为它为车联网中的车辆节点因自身计算资源有限而无法处理大量复杂数据的问题提供了潜在解决方案。车辆边缘计算的核心是将车辆节点无法处理的复杂数据转移到具有空闲计算资源的车辆节点或位于网络边缘的服务器进行处理。由于边缘服务器资源的有限性、车辆节点的高移动性和车辆信誉的不确定性,在时延约束内成功完成计算密集型任务是具有挑战性的。因此,如何利用车辆边缘网络中的空闲资源提高资源利用率以及如何设计低时延的任务卸载方案是本文的研究重点。本文的主要研究内容如下: 1.针对车联网中车辆节点的高移动性和车辆信誉的不确定性,提出了基于动态信誉值的任务卸载方案。通过建立信誉评估矩阵来计算车辆节点当前的信誉值,并联合考虑车辆信誉值、链路稳定性、可用计算资源、车辆相对距离和相对速度等重要指标,选择附近综合性能高的车辆作为提供任务计算服务的车辆。为了满足任务车辆时延约束同时降低完成任务的时延,应用启发式算法将任务分解为多个子任务卸载给对应的服务车辆。最后,通过联合仿真实验验证了所提出的方法在降低时延和提高资源利用率方面的有效性。 2.在上述工作的基础上,针对如何优化VEC网络中车辆和VEC服务器的计算资源分配以减少时延的问题,提出了基于分布式博弈论的资源分配与任务卸载方案。通过以减少全网用户的总时延为优化目标,将所研究的问题公式化为混合整数非线性规划问题。为解决混合整数非线性规划问题,采用凸差规划将其解耦为三个子问题,并通过启发式算法、拉格朗日对偶分解法和博弈论得到了每个问题的最优解。最后通过仿真实验验证了所提方案在降低车辆边缘计算网络全网累计时延的有效性。 3.本文将动态信誉值任务卸载方案与分布式博弈论的资源分配与任务卸载策略进行集成,实现了一个基于车辆边缘计算网络的任务卸载模拟系统。通过对该系统的各个功能进行测试,验证了所设计系统的有效性。

关键词：车辆边缘计算车联网任务卸载动态信誉值博弈论

来源：评论

学校读者我要写书评

暂无评论

基于智能网联车协作的计算任务高效卸载机制研究

基于智能网联车协作的计算任务高效卸载机制研究

引用

作者：张照扬电子科技大学

学位级别：硕士

过重的回程链路负载和过长的响应延迟使得传统的云计算架构很难满足车联网应用对高带宽和低时延的需求。相对于云计算,移动边缘计算(Mobile Edge Computing,MEC)将计算处理下沉到网络边缘侧,这样可以极大减小计算时延,使其成为车联网应... 详细信息

过重的回程链路负载和过长的响应延迟使得传统的云计算架构很难满足车联网应用对高带宽和低时延的需求。相对于云计算,移动边缘计算(Mobile Edge Computing,MEC)将计算处理下沉到网络边缘侧,这样可以极大减小计算时延,使其成为车联网应用部署的主流解决方案。在此基础上,近年来许多研究工作开始关注如何利用道路中具有闲置计算资源的车辆作为服务车辆来协助执行任务计算,形成对网络侧边缘服务器的有力补充。然而车辆高速移动造成的网络拓扑快速变化,可能会导致严重的卸载可靠性问题,成为制约车辆协作卸载方案可行性的主要因素。因此本文围绕车辆协作条件下的可靠计算任务卸载问题展开研究。现有大量研究中,对于可靠卸载的保障主要集中讨论如何在考虑V2V(Vehicle-to-Vehicle)链路持续性的基础上,实现有时延约束的车辆协作卸载问题。本文在此基础上,通过RSU(Road-side Unit)中继卸载任务或计算结果的方式有效扩展车辆协作卸载的服务范围。为此本文提出了一种多模式联合的车辆协作卸载机制,能够在保障卸载可靠的同时实现对闲置计算资源更充分的利用。该机制以RSU作为调度中心和中继通信节点,将覆盖范围的所有车辆作为整体进行优化,联合任务卸载方式和计算结果反馈方式建立了四种模式。基于该机制本文建立了以最小化所有任务平均完成时延为目标的优化问题,该优化问题综合考虑了模式决策、可靠性约束、任务卸载比例和资源分配等因素。由于原始优化问题模型是非线性整数规划,本文将其解耦成两个子问题。针对任务卸载比例及资源分配子问题,将其转化为DC(Difference of Convex)问题并采用concave-convex方法求解。针对模式决策子问题,采用遗传算法求解。最后通过仿真验证了所提机制的性能。另一方面,本文研究了更具复杂性的车辆移动场景中的协作卸载,在该场景中无法准确获取V2V链路的持续时间。为此,本文提出了一种基于任务复制的车辆协作卸载机制。通过对V2V链路的动态持续时间进行概率建模,本文将任务复制思想应用到采用固定子任务分割模型的车辆协作卸载中,通过计算冗余来增强该场景下的卸载可靠性。基于该机制本文建立了以最小化任务完成时延为目标的优化问题,该优化问题考虑了子任务卸载决策和可靠性约束等因素。由于原始优化问题模型是一个非线性整数规划,本文采用遗传算法来求解。最后通过数值仿真验证了所提的基于任务复制的车辆协作卸载机制的有效性。

关键词：可靠卸载协作卸载车辆边缘计算凸规划遗传算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：