物联网

车联网中基于MEC的计算任务卸载策略研究

发布时间:2021-01-10 18:47:19 所属栏目:物联网 阅读:

【摘要】:随着汽车制造业和物联网的快速发展,出现了许多新型的应用和技术,如自动驾驶、智能交通等,给人们的生活带来了许多便利。同时这些应用处理相关数据需要大量的存储和计算资源,并对通信网络服务质量提出了更高的要求。现有的车联网无法满足这些新型车载应用对计算资源和时延等方面的需求,为此引入了移动边缘计算(Mobile Edge Computing,MEC)技术。目前,车联网与MEC结合的相关研究引起了学术界和工业界的广泛重视。车辆移动会影响MEC的数据卸载过程,导致网络场景和资源分配变得更为复杂,随之带来了许多待解决的问题。MEC服务器一般部署在路边基站上,其服务范围会受到基站无线通信范围的影响。因此,车辆的移动性可能会导致计算任务卸载出现中断。此外,还可以通过车辆间通信的方式将计算任务卸载到其他有空闲计算资源的车辆中。如何对车联网中的多种卸载方式进行选择也是一个值得深入研究的问题。本文主要工作概括如下:针对车辆向路边MEC服务器进行计算任务卸载时,由于车辆移动导致卸载中断的问题,提出了一种车联网中避免传输中断的自适应计算任务卸载策略。在问题建模中考虑了许多实际环境的影响因素,包括车速的动态变化、小区的覆盖范围、数据传输的速率和计算资源等,并根据这些影响因素动态调整相应的卸载策略,在避免卸载中断的前提下,最小化完成计算任务的时延。为了更好地适应车速变化,将计算任务切分成许多个小的任务单元,每个任务单元既可以留在本地执行计算,也可以被卸载到MEC服务器上。然后考虑车辆实时车速以及所处的小区带宽、信道等通信影响因素和计算资源,得出一个合适的任务单元数量预分配方案。最后,使用部分卸载方式对这些预分配到的任务单元进行卸载,计算出单个小区内卸载到MEC服务器进行计算的任务单元数量占该小区内预分配的任务单元总数的最佳比例。仿真结果证明,所提的自适应计算任务卸载策略在时延和能耗方面的性能良好,可以有效的防止卸载过程中出现中断。针对基于MEC的车联网中如何利用多种卸载方式高效地完成一个计算任务,提出了一种基于时延最小化的联合卸载策略,综合考虑车辆本地、协作车辆和MEC服务器的计算资源,进行问题建模,得到最优的计算任务执行方案,最小化完成计算任务的总时延,并提高资源的利用率。充分考虑了实际车联网场景的限制条件,如车辆间相对速度、计算资源分布不规则、带宽、路径损耗等影响因素。首先将计算任务分为三部分,分别对应上述的三种计算资源。然后,通过分析卸载顺序对总时延的影响,提出了两种联合卸载模式。在不同的环境下,两种联合卸载模式的性能不同,从中选择较优的一种使用。此外,还提出了一种针对协作车辆间卸载的分布式算法,根据车联网网络拓扑结构和计算任务大小寻找出一条最优的车辆间卸载的数据传输路由。仿真结果表明,所提的联合卸载策略可以有效地降低完成计算任务的时延,提高计算资源的利用率。