APP下载

基于马尔科夫优化的移动边缘计算车载网络任务卸载

2021-11-10李沁颖曹青松

济南大学学报(自然科学版) 2021年6期

李沁颖,曹青松

(江西科技学院 a. 信息工程学院,b. 智能工程学院,江西南昌 330098)

车载网络利用车辆与车辆(vehicle to vehicle,V2V)[1]、车辆与基础设备(vehicle to infrastructure,V2I)[2]、车辆与互联网(vehicle to network,V2N)[3]等方式进行无线通信,以保证车辆驾驶的安全性和提高交通通行的效率,实现路况预测和协同驾驶;但是集中式车载网络受到通信距离的限制,不能高效地利用网络资源,并且传输与计算也无法满足移动设备用户需求,因此移动边缘计算(mobile edge computing,MEC)车载网络引起广泛关注。将MEC引入车载网络,令车载数据下沉至网络边缘和本地设备[4-5],协助车载系统迅速分析决策[6],极大地节省了网络资源的容量,同时也提高了车辆的服务质量(quality of service,QoS)。此外,考虑车辆用户对实时通信的需求和车辆计算资源能力有限[7],MEC车载网络将分布密集的计算任务资源部分或全部分配至网络边缘进行计算卸载[8],以降低计算成本,改善计算性能,缓解数据传输过程的丢包、延迟问题。Zhang等[9]考虑MEC车载网络中车辆移动性,采用契约理论设计了最优计算卸载策略的资源分配方案,结果表明,MEC车载网络能够有效提高车辆任务的计算效率。为了提高任务计算结果的可靠性,Zhang等[10]利用MEC服务器接收车载节点任务信息,以预测车载节点可通信区域,从而提出目标服务器的计算卸载方案。Huang等[11]针对网络频繁切换带来的负担问题,将蜂窝网络中的车辆通信业务卸载到车载网络中的V2V通信路径,为车辆数据传输提供了新方案。Chen等[12]研究多用户无线卸载问题,利用分布式博弈理论,设计基于移动边缘云计算的任务卸载方法,综合考虑了多信道无线通信环境。……

登录APP查看全文