原文传递
高速公路场景下边缘车联网任务卸载策略研究
| 论文题名： | 高速公路场景下边缘车联网任务卸载策略研究 |
| 关键词： | 边缘计算;车联网;任务卸载;深度强化学习;高速公路 |
| 摘要： | 随着5G网络、工业信息化技术的进一步发展，智能辅助驾驶、智能识别等新兴应用喷涌而出，为新时代的美好生活助力。自动驾驶等车载应用需要消耗大量的资源，占用大量车载设备的算力，低延迟、高效率的需求响应是上述应用的关键。边缘车联网（VehicularEdgeComputingNetworks,VECNs），通过移动边缘计算（MobileEdgeComputing,MEC）技术将云计算下沉到边缘端，通过车联网技术（Vehicle-to-everything,V2X）将有计算需要的汽车和其他可服务车辆、影响汽车的服务设备（路侧设施、云端等）进行通讯，极大地缩短任务的传输距离，提升任务卸载效率。 然而，在现实条件下，边缘车联网内存在很多干扰因素等不确定性，例如：山脉对信号的阻挡、任务卸载时拥堵情况、设备动态变化的可用计算资源等。上述干扰在高速公路场景下显得更加明显。在高速公路场景下，车辆的移动速度加快，路侧RSU的部署较为稀疏。然而，高速公路场景下一些特征，例如:不同车型的车辆行驶在不同的道路，为边缘车联网的高效设计提供新的思路。 针对高速公路下车联网任务卸载问题，本文主要研究内容如下： （1）提出了一种根据在高速公路上行驶的任务车辆、路侧RSU以及货车行驶信息搭建的任务卸载方案模型。车辆在高速公路上快速行驶中产生了各种计算任务，可以自行计算，也可以对RSU和协作货车进行任务卸载。由于车辆的快速行驶和回传时限要求，需要在有效的通信距离内完成任务卸载。同时，车辆由于在高速行驶中，每次不同的任务卸载都会面对不同的网络拓扑结构，局面复杂。本文对三种任务卸载方案的延迟、能耗和金钱成本分别进行分析，确定优化的目标函数，得到联合优化问题。然后，通过深度强化学习的方式，求解所述联合优化问题，得到优化的任务卸载方案。 （2）提出了一类高速公路下多个车辆任务协作卸载模型，车辆可以利用附近车辆作为中继，对超过通信距离范围的RSU或协作货车任务卸载。本文综合多车辆卸载模型下车辆的延迟、能耗和花费三者共同确定目标函数，得到优化的任务卸载方案。 （3）在进行任务卸载时，由于不同车辆在某一时刻的目标卸载设备可能会相同，造成拥挤。为此，本文根据高速公路下多智能体边缘车联网任务卸载模型，引入博弈论原理，对同一时刻不同情况（包括：竞争与合作）的车辆卸载行为进行优化，找到一个阶段性的全局最优平衡点，从而进一步减少卸载延迟和能耗、开销花费的方案。 |
| 作者： | 梁国铭 |
| 专业： | 电子信息 |
| 导师： | 杨超;张斌 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东工业大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
