没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
1 引言
近年来,车联网
作为汽车、电子、信息通信、交通管理等行业深度融合的
新型产业形态,在人工智能和信息通信技术的推动下向着智能化、网联化方向
演进,成为经济和社会新的增长点。在移动边缘计算
技术的赋能下,车联网
可支撑高精度地图和复杂交通情况等相关数据的处理和分析,为智能驾驶、无
人驾驶等应用提供高可靠、低时延的服务。针对具有高算力需求和低时延约束
的车联网衍生业务,车辆用户由于自身计算能力有限,会要求将其关联的计算
任务卸载至具有更高算力的邻近边缘服务器完成计算迁移。因此,在智能交通
的发展趋势下,车联网中的边缘计算迁移具有强劲的技术发展需求
。
相较于传统蜂窝网络的边缘计算迁移,车联网的高密度、高动态环境对边
缘计算迁移的应用提出了重大挑战。一方面,动态的交通流量使网络拓扑结构
不断发生变化,从而导致边缘计算迁移决策复杂化;另一方面,当大量车辆同
时涌入某路段时,容易造成邻近的边缘服务器负载过多而较远的边缘服务器空
闲的情况出现,且车辆在排队等待服务过程中可能已经移动至该边缘服务器的
服务范围之外。因此,如何针对动态变化的交通流量,合理利用有限的计算资
源来提高边缘计算迁移率成为车联网中亟待解决的关键技术问题。
针对上述问题,国内外研究学者提出了一系列车联网边缘计算迁移方案。
为了合理利用边缘服务器计算资源,文献
针对固定交通流量的场景设计了一
种适用于多用户多边缘计算服务器场景下的联合负载均衡和任务卸载方案,保
证了各服务器之间有关任务处理时延的公平性,但该方案不适用于动态变化的
交通场景。文献
研究基于路侧单元调度的合作博弈计算迁移方案,有效提高
了计算资源利用率,但未考虑交通环境变化对资源利用率的影响。文献
考虑
在计算资源负载不均的情况下,利用遗传算法实现对不同优先级的计算任务执
行迁移策略,进而提高了边缘计算迁移率,但未考虑对边缘计算资源的充分利
用。特别地,文献
考虑多用户竞争有限计算资源的情况下,设计了一种基于
单边拍卖模型的计算迁移方案,以同时降低计算任务服务时延和能量消耗,但
该卸载方案仍未考虑边缘服务器端的计算资源利用率。除此之外,针对车联网
高动态网络环境,文献
,
,
,
,
提出一系列基于强化学习的边缘
计算迁移方案,旨在最大化车联网系统的长期收益(如时延、能耗等),同时
满足多样化的车联网应用需求,但未考量计算资源利用率的问题。根据上述文
献可知,尚未有研究考虑交通流量的动态变化对边缘计算迁移性能的影响。
本文的研究目标是探索如何利用交通流量预测信息来辅助设计车联网的边
缘迁移方案,同时实现边缘计算迁移率和资源利用率的最大化。在此目标下,
本文首先以城市车联网为例,分别建立了边缘计算迁移模型和交通流量预测模
型;其次,设计考虑任务优先级且表征计算迁移率和计算利用率的效用函数,
以及建立对应的双目标优化问题;再次,通过结合双边拍卖理论,将问题转化
为车辆与边缘计算服务器之间的资源拍卖问题,再通过分别设计车辆与边缘计
算服务器的报价函数,采用 拍卖算法,进而完成边缘计算迁移;最后,
通过仿真验证所提方案可以同时显著提升边缘计算迁移率和资源利用率。
2 系统模型
网络模型
考虑如图
所示的城市车联网模型,该模型包含由 个双向多车道路段组成
的十字交叉路口,每个路段上有若干移动车辆匀速行驶。各路段上等间隔均匀
部署 个路侧单元( !),每个 均配置一个车联网边缘
计算("#$%&'()*! ()服务器,负责为本路段车辆同时提供
通信和计算资源。
假设系统可划分为等间隔的资源分配周期,且在每个周期内有随机数量的
车辆进入各路段。在总周期内,进入各路段的车辆总数记为 。假设每辆车仅
携带一个计算任务。由于车辆计算能力有限,故需要将其计算任务卸载至邻近
的 来完成计算。为此,车辆首先需要与 通信请求获取计算资源,然
后 之间通过宏基站进行信息交互并获取资源分配方案,最后车辆依据分配
方案完成任务卸载。
任务卸载模型
假设车辆的计算任务由计算任务的数据量大小、任务优先级、计算资源需
求量大小等特征表征。本文考虑的车辆边缘计算迁移过程可分为以下 个阶段。
图 1
图 1城市车联网系统模型
+车辆移动 。由于 的通信 覆盖范围有限,车辆需要移动至 指定的
覆盖范围内,才可将其任务卸载至对应的 "#$ 服务器上完成计算迁移。当
车辆 需移动至 , 处完成任务卸载时,车辆的移动时间 Tmoveij-,)% 可表
示为
Tmoveij=Lijvi (1)-,)%./,% 0+
其中,/
,
表示当前车辆 移动至 , 覆盖范围内所需移动距离,%
表示车
辆 的速度。
+任务上传。当车辆 已在 , 的覆盖范围内时,车辆可将计算任务上
传给对应的 "#$服务器 ,。本文假设多用户干扰已通过正交频分复用技术消除,
且车辆在任务上传时间内无线信道状态保持稳定
。考虑计算任务数据量大小动
态变化的情况,比如服从均匀分布 。此时,当车辆 将数据量大
小为 1
234 的计算任务上传至 , 所消耗的时间 Ttranij-,! 可表示为
Ttranij=DiBlb(1+PiGijσ2) (2)-,! .14'50678,9+ 0+
其中,4 表示无线传输链路带宽,7
表示车辆 的发射功率,8
,
表示车辆
与 , 之间的信道增益, 9
表示加性高斯白噪声的功率。
+任务执行。假设 "#$ 服务器 , 的计算能力可用 $7 速率
,
表征,即服
务器计算单位比特数据时所需 $7 运转周期数。另外,车辆 对计算资源的需
求量
表示车辆单位时间内对 $7 运转周期的需求量,假设计算资源需求量动
态变化,比如服从均匀分布 。 于 是 , 车 辆 的计算任务在分配的
"#$ 服务器 , 上执行计算所消耗的时间 Tcomij-,) 为
Tcomij=DiUjsi (3)-,).1, 0+
+结果反馈。当 "#$服务器执行完任务,需将任务执行的结果反馈至关
联车辆。但由于计算结果数据量一般较小,相较于任务上传和任务执行。其反
馈时间较短
,故本文忽略结果反馈占用的时间。
在上述完整在上述完整的任务卸载过程中,车辆 经过 Tmoveij-,)% 时间
移 动 至 分 配 的 "#$ 服 务 器 , 之 后 , 对 "#$ 服 务 器 , 的 占 用 时 间
Toccupyij-,*: 可表示为
Toccupyij=Ttranij+Tcomij=DiBlb(1+σ2PiGij)+DiUjsi
(4)-,*:.-,! 6-,).14'506978,+61, 0+
交通流量预测模型
剩余14页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3536
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- stm32 usb接口通信
- Chessmate是一款完全免费的国际象棋学习软件,支持引擎分析,学开局、残局、棋书解读、大数据分析等功能
- 总结整理的Android面试Java基础知识点面试资料精编汇总文档资料合集.zip
- .android_lq
- FDN5632N-VB一款SOT23封装N-Channel场效应MOS管
- 毛老板-2404250902.amr
- Java类加载流程(双亲委派)流程图.zip
- FDN5632-NL-VB一款SOT23封装N-Channel场效应MOS管
- 新目标大学英语(第二版)视听说教程 第1册 Unit 4 TOP课件.zip
- 自动驾驶-状态估计和定位之Error State EKF.pdf
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功