CN112367640B - 基于移动边缘计算的v2v模式多任务卸载方法及系统 - Google Patents

基于移动边缘计算的v2v模式多任务卸载方法及系统 Download PDF

Info

Publication number
CN112367640B
CN112367640B CN202011240911.3A CN202011240911A CN112367640B CN 112367640 B CN112367640 B CN 112367640B CN 202011240911 A CN202011240911 A CN 202011240911A CN 112367640 B CN112367640 B CN 112367640B
Authority
CN
China
Prior art keywords
task
unloading
vehicle
vehicle user
rsu
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011240911.3A
Other languages
English (en)
Other versions
CN112367640A (zh
Inventor
武贵路
陆波
丁文杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ictehi Technology Development Jiangsu Co ltd
Jiangnan University
Original Assignee
Ictehi Technology Development Jiangsu Co ltd
Jiangnan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ictehi Technology Development Jiangsu Co ltd, Jiangnan University filed Critical Ictehi Technology Development Jiangsu Co ltd
Priority to CN202011240911.3A priority Critical patent/CN112367640B/zh
Publication of CN112367640A publication Critical patent/CN112367640A/zh
Application granted granted Critical
Publication of CN112367640B publication Critical patent/CN112367640B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于移动边缘计算的V2V模式多任务卸载方法及系统，包括：构建车辆系统网络；根据车辆系统网络中多跳V2V链路指示器模型，车辆用户获取数据传输时的V2V可靠链路；车辆用户根据V2V可靠链路向其所在路段的RSU所属MEC服务器发送任务卸载请求,所述MEC服务器利用满足时延下的任务卸载开销模型求解最优多任务卸载策略；所述MEC服务器将所述最优多任务卸载策略发送至RSU,所述RSU将最优多任务卸载策略发送至车辆用户，所述车辆用户按照所述最优多任务卸载策略卸载相应任务。其最大限度地降低任务计算成本，提升车联网服务性能，整个过程规范、易操作。

Description

基于移动边缘计算的V2V模式多任务卸载方法及系统
技术领域
本发明涉及无线通信科学技术领域，具体涉及一种基于移动边缘计算的V2V模式多任务卸载方法及系统。
背景技术
随着全球车辆用户的急剧增长和车辆用户越来越多的服务需求，车联网网络承受更多的网络高传输带宽需求、高传输可靠性及强数据处理能力等业务数据挑战。车联网增强型网络能力扩展对于未来车联网技术及智能交通系统的发展至关重要，直接影响人们正常生产生活出行安全。急剧增长的车辆用户服务需求引发的爆炸性通信数据量处理是当前车联网必须要解决的关键问题之一。有效的数据处理策略可以降低数据处理时间，提升数据传输效率，这对于车联网各具体应用场景至关重要，尤其是时延敏感型车联网应用场景。在目前车联网硬件结构系统条件下，传统车联网技术无法对车辆用户多服务需求形成的大数据量进行及时有效地处理，这非常不利于车联网产业化应用地发展。
发明内容
本发明要解决的技术问题是提供一种基于移动边缘计算的V2V模式多任务卸载方法及系统，其
为了解决上述技术问题，本发明提供了一种基于移动边缘计算的V2V模式多任务卸载方法，包括以下步骤：
S1、构建车辆系统网络，所述车辆系统网络包括依次连接的MEC服务器、RSU、车辆用户端,多个所述车辆用户端之间通过V2V传输链路连接；
S2、根据车辆系统网络中多跳V2V链路指示器模型，车辆用户获取数据传输时的V2V可靠链路；
S3、车辆用户根据V2V可靠链路向其所在路段的RSU所属MEC服务器发送任务卸载请求,所述MEC服务器利用满足时延下的任务卸载开销模型求解最优多任务卸载策略；
S4、所述MEC服务器将所述最优多任务卸载策略发送至RSU,所述RSU将最优多任务卸载策略发送至车辆用户，所述车辆用户按照所述最优多任务卸载策略卸载相应任务。
作为优选的，所述S1和S2之间还包括：
设定时间阈值，若卸载任务消耗的时间大于时间阈值，向所述MEC服务器发送任务卸载请求，进入下一步；否则，所述车辆用户的本地计算卸载任务。
作为优选的，所述时间阈值为动态阈值，所述动态阈值的设定是依据历史数据量业务变化利用ARMA预测获得网络中多任务数据随时间变化的吞吐量。
作为优选的，所述时间阈值为静态阈值，所述静态阈值r(t)＝a，其中，a为常数。
作为优选的，所述S2包括：
任务传输阶段，车辆用户卸载任务i通过V2V通信模式，经历H跳传输至前方与某一路段RSU通信车辆，每一跳时间消耗为ti,hop，则任务i在传输过程总时间消耗为ti,trans＝H·ti,hop，相应任务计算成本为ci,trans；
利用圆环理论，任务类型i选择车辆系统网络中某一条V2V通信链路传输成功的概率为
Figure BDA0002768321920000031
其中，λ为车辆用户密度，
Figure BDA0002768321920000032
R为车辆用户通信范围，n为车辆用户数目。
作为优选的，所述S3包括:
在任务上载阶段，某一路段RSU覆盖范围内车辆将任务i上传至RSU，这一过程时间消耗为ti,up，相应任务计算成本为ci,up；
在任务处理阶段，MEC服务器接收到RSU在任务上载阶段所接收的任务i，对其进行处理，这一过程时间消耗为ti,cope，相应任务计算成本为ci,cope；
在任务下载阶段，车辆用户行驶至任务i所在MEC服务器所在路段时，通过RSU接收MEC服务器刚好处理完成的任务计算结果，这一过程时间消耗为ti,down，相应任务计算成本为ci,down；
车辆系统网络中车辆用户采用基于MEC的V2V传输模式完成任务卸载时，其卸载任务i时的总时间消耗为
ti＝H·ti,trans+ti,up+ti,cope+ti,down；
任务i通过V2V传输模式卸载所需总计算成本为
ci＝H·ci,trans+ci,up+ci,cope+ci,down；
在车辆系统网络中车辆用户多任务卸载时延限制条件下，满足多任务卸载过程计算成本最小，建立相应目标函数为
Figure BDA0002768321920000041
其中，采用博弈理论求解所得Pi,j为V2V传输模式下最优多任务卸载策略。
作为优选的，所述S3中采用多任务卸载策略时，卸载任务的总时间消耗包括任务传输所花费时间、任务上载所花费时间、任务处理所花费时间和任务下载所花费时间；多任务卸载阶段所产生的任务开销包括任务传输时计算成本、任务上载时计算成本、任务处理时计算成本和任务下载时计算成本。
作为优选的，本地计算资源能够依据车辆系统网络中不同应用场景定义时间阈值，所述时间阈值包括动态阈值和静态阈值。
本发明公开了一种基于移动边缘计算的V2V模式多任务卸载系统，通过上述的V2V模式多任务卸载方法构建。
作为优选的，还包括云计算资源存储单元，所述云计算资源存储单元与多个MEC服务器连接。
本发明的有益效果：
本发明中，MEC服务器计算方式是车辆用户选择一条可靠性V2V通信链路传输某一类型任务至行驶前方某一路段RSU所属MEC服务器进行处理，且在车辆行驶至该路段时直接接收MEC服务器处理后的任务结果，其中多任务中每一类型任务所选择的MEC服务器则由传输过程中所建立时延受限条件下任务计算成本为目标函数的优化问题确定，从而最大限度地降低任务计算成本，提升车联网服务性能，整个过程规范、易操作，符合车联网基于MEC技术处理海量数据的实际应用情况。
附图说明
图1为本发明中基于移动边缘计算的V2V模式多任务卸载方法操作执行流程图；
图2为本发明系统网络示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
本发明中的名词解释：路侧单元(Road Side Unit,RSU)；移动边缘计算(MobileEdge Computing,MEC)服务器。
参照图1-图2所示，本发明的公开了一种基于移动边缘计算的V2V模式多任务卸载方法，包括以下步骤：
步骤一、构建车辆系统网络，所述车辆系统网络包括依次连接的MEC服务器、RSU、车辆用户端,多个所述车辆用户端之间通过V2V传输链路连接。
如图2所示，考虑车联网中车辆与车辆(Vehicle-to-Vehicle,V2V)通信传输模式，车联网中任何行驶车辆用户需要卸载任务时，便可以通过多跳V2V通信链路将任务数据传输至前向行驶方向某一路段RSU所属移动边缘计算(Mobile Edge Computing,MEC)服务器进行处理，网络系统架构模型中包括车辆用户、RSU、MEC服务器、通信链路等网络元素。数据传输链路包括任务数据V2V传输链路(短划线)、任务数据上载至RSU链路(短划线)、RSU与MEC服务器连接链路(实线)、RSU与RSU连接链路(实线)和RSU传输至车辆用户链路(虚线)。本发明所述车联网中V2V通信传输模式可以为多种类型，包括但不局限于V2V直接通信和间接通信等。
考虑车联网中车辆沿行驶车道处于行驶状态，行驶车道分为固定长度为L的路段，且每个路段中间L/2位置处部署有RSU，其通信范围为L/2。每个RSU上部署有一个相应MEC服务器，且相邻RSU之间距离为L，彼此之间通过可通过无线链路或有线链路连接。车联网中车辆用户始终包含S种待处理任务服务请求。
车辆用户执行多任务卸载过程分为四个阶段：任务传输、任务上载、任务处理和任务下载。其中，任务传输是指将车辆用户将简单处理后的某一类型任务数据经V2V通信模式前向传输过程；任务数据传输至某一车辆时，由其传输至RSU的通信过程称为任务上载；MEC服务器接收RSU发送的某一车辆用户任务数据进行计算处理的过程称为任务处理；任务下载是指RSU将MEC服务器处理后任务计算结果中转至车辆用户之间的通信过程。
车辆用户所卸载多任务类型不同，其计算任务文件大小表示为ri(ti,max)，例如语音、视频、命令等业务类型数据，其中，i表示任务类型，ti,max表示相应任务有效所能够容忍的最大时延。
车辆用户多任务处理时依据任务类型进行相应分类。假设每一类型任务占总任务比重为ρi，i∈S，则满足
Figure BDA0002768321920000061
考虑车联网实际应用场景，针对车辆用户多任务数据量与自身阈值之间的关系，判断车辆用户采用本地计算方式或MEC服务器计算方式处理多任务数据，用于满足车联网不同工作需求。
静态阈值设定：车辆用户依据实际工程经验或历史实验数据确定，标记为常数值恒等式，即
r(t)＝a
动态阈值设定：车联网实际应用场景中，车辆数目不断发生变化，相应拓扑结果也不断发生变化。对车联网中车辆用户数据，依据ARMA模型实时预测多任务数据量，即
r(t)＝ARMA(p,q)
其中，ARMA(p.q)阶数，p，q由AIC准则函数确定，依据具体车联网应用场景，根据车辆用户历史数据，理论推导选择合适的p，q工作数值，用于ARMA模型建立，本专利不再做详细推导阐述。
对于车辆用户任务类型i，完成相应卸载过程所需时间为ti，则车辆用户选择任务计算方式为
如果，
ti≤r-1(t)
采取本地计算方式，否则，
ti＞r-1(t)
则采取MEC服务器计算方式。
车辆用户对多任务数据执行卸载时，可以预先进行初始数据处理等操作，如数据采集、数据压缩等。
步骤二、根据车辆系统网络中多跳V2V链路指示器模型，车辆用户获取数据传输时的V2V可靠链路。
考虑车辆始终处于行驶状态，车辆用户卸载任务时选择行驶方向前方某一RSU作为任务计算访问接入，期间共经历j跳V2V链路传输，定义j＝0表示车辆用户执行本地计算方式处理多任务，否则，车辆用户执行MEC服务器计算方式处理多任务。
在任务传输阶段，车辆用户卸载任务i是通过V2V通信模式，经历H跳传输至前方与某一路段RSU通信车辆，每一跳时间消耗为ti,hop，则任务i在传输过程总时间消耗为ti,trans＝H·ti,hop，相应任务计算成本为ci,trans。利用圆环理论，任务类型i选择车联网中某一条V2V通信链路传输成功的概率为
Figure BDA0002768321920000081
其中，λ为车辆用户密度，
Figure BDA0002768321920000082
R为车辆用户通信范围，n为车辆用户数目。
步骤三、车辆用户根据V2V可靠链路向其所在路段的RSU所属MEC服务器发送任务卸载请求,所述MEC服务器利用满足时延下的任务卸载开销模型求解最优多任务卸载策略。
所述步骤三中采用多任务卸载策略时，卸载任务的总时间消耗包括任务传输所花费时间、任务上载所花费时间、任务处理所花费时间和任务下载所花费时间；多任务卸载阶段所产生的任务开销包括任务传输时计算成本、任务上载时计算成本、任务处理时计算成本和任务下载时计算成本。
在任务上载阶段，某一路段RSU覆盖范围内车辆将任务i上传至RSU，这一过程时间消耗为ti,up，相应任务计算成本为ci,up。
在任务处理阶段，MEC服务器接收到RSU在任务上载阶段所接收的任务i，对其进行处理，这一过程时间消耗为ti,cope，相应任务计算成本为ci,cope。
在任务下载阶段，车辆用户行驶至任务i所在MEC服务器所在路段时，通过RSU接收MEC服务器刚好处理完成的任务计算结果，这一过程时间消耗为ti,down，相应任务计算成本为ci,down。
最终，车联网中车辆用户采用基于MEC的V2V传输模式完成任务卸载时，其卸载任务i时的总时间消耗为：
ti＝H·ti,trans+ti,up+ti,cope+ti,down
同理，可得任务i通过V2V传输模式卸载所需总计算成本为
ci＝H·ci,trans+ci,up+ci,cope+ci,down
在车联网中车辆用户多任务卸载时延限制条件下，满足多任务卸载过程计算成本最小，建立相应目标函数为
Figure BDA0002768321920000091
其中，采用博弈理论求解所得Pi,j为V2V传输模式下最优卸载策略。
步骤四、所述MEC服务器将所述最优多任务卸载策略发送至RSU,所述RSU将最优多任务卸载策略发送至车辆用户，所述车辆用户按照所述最优多任务卸载策略卸载相应任务。
本发明中的一种基于移动边缘计算的V2V模式多任务卸载方法，当车联网中车辆用户需要处理任务数据时，车辆用户依据自身所具有计算资源情况、任务数据量、服务任务需求等因素综合考量与设定阈值的对比情况，从而判断采取本地计算方式或MEC服务器计算方式完成任务计算，其中所述MEC服务器计算方式是车辆用户选择一条可靠性V2V通信链路传输某一类型任务至行驶前方某一路段RSU所属MEC服务器进行处理，且在车辆行驶至该路段时直接接收MEC服务器处理后的任务结果，其中多任务中每一类型任务所选择的MEC服务器则由传输过程中所建立时延受限条件下任务计算成本为目标函数的优化问题确定，从而最大限度地降低任务计算成本，提升车联网服务性能，整个过程规范、易操作，符合车联网基于MEC技术处理海量数据的实际应用情况。
本发明还公开了一种基于移动边缘计算的V2V模式多任务卸载系统，通过上述的V2V模式多任务卸载方法构建。本发明的多任务卸载系统还包括云计算资源存储单元，所述云计算资源存储单元与多个MEC服务器连接。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (8)

1.一种基于移动边缘计算的V2V模式多任务卸载方法，其特征在于，包括以下步骤：
S1、构建车辆系统网络，所述车辆系统网络包括依次连接的MEC服务器、RSU、车辆用户端,多个所述车辆用户端之间通过V2V传输链路连接；
S2、根据车辆系统网络中多跳V2V链路指示器模型，车辆用户获取数据传输时的V2V可靠链路；
S3、车辆用户根据V2V可靠链路向其所在路段的RSU所属MEC服务器发送任务卸载请求,所述MEC服务器利用满足时延下的任务卸载开销模型求解最优多任务卸载策略；
S4、所述MEC服务器将所述最优多任务卸载策略发送至RSU,所述RSU将最优多任务卸载策略发送至车辆用户，所述车辆用户按照所述最优多任务卸载策略卸载相应任务；
其中，所述S2包括：
任务传输阶段，车辆用户卸载任务i通过V2V通信模式，经历H跳传输至前方与某一路段RSU通信车辆，每一跳时间消耗为ti,hop，则任务i在传输过程总时间消耗为ti,trans＝H·ti,hop，相应任务计算成本为ci,trans；
利用圆环理论，任务类型i选择车辆系统网络中某一条V2V通信链路传输成功的概率为
Figure FDA0003693005950000011
其中，λ为车辆用户密度，
Figure FDA0003693005950000021
R为车辆用户通信范围，n为车辆用户数目；
其中，所述S3包括：
在任务上载阶段，某一路段RSU覆盖范围内车辆将任务i上传至RSU，这一过程时间消耗为ti,up，相应任务计算成本为ci,up；
在任务处理阶段，MEC服务器接收到RSU在任务上载阶段所接收的任务i，对其进行处理，这一过程时间消耗为ti,cope，相应任务计算成本为ci,cope；
在任务下载阶段，车辆用户行驶至任务i所在MEC服务器所在路段时，通过RSU接收MEC服务器刚好处理完成的任务计算结果，这一过程时间消耗为ti,down，相应任务计算成本为ci,down；
车辆系统网络中车辆用户采用基于MEC的V2V传输模式完成任务卸载时，其卸载任务i时的总时间消耗为
ti＝H·ti,trans+ti,up+ti,cope+ti,down；
任务i通过V2V传输模式卸载所需总计算成本为
ci＝H·ci,trans+ci,up+ci,cope+ci,down；
在车辆系统网络中车辆用户多任务卸载时延限制条件下，满足多任务卸载过程计算成本最小，建立相应目标函数为
Figure FDA0003693005950000022
s.t.ti＞r-1(t)，
其中，采用博弈理论求解所得Pi,j为V2V传输模式下最优多任务卸载策略。
2.如权利要求1所述的基于移动边缘计算的V2V模式多任务卸载方法，其特征在于，所述S1和S2之间还包括：
设定时间阈值，若卸载任务消耗的时间大于时间阈值，向所述MEC服务器发送任务卸载请求，进入下一步；否则，所述车辆用户的本地计算卸载任务。
3.如权利要求2所述的基于移动边缘计算的V2V模式多任务卸载方法，其特征在于，所述时间阈值为动态阈值，所述动态阈值的设定是依据历史数据量业务变化利用ARMA预测获得网络中多任务数据随时间变化的吞吐量。
4.如权利要求2所述的基于移动边缘计算的V2V模式多任务卸载方法，其特征在于，所述时间阈值为静态阈值，所述静态阈值r(t)＝a，其中，a为常数。
5.如权利要求1所述的基于移动边缘计算的V2V模式多任务卸载方法，其特征在于，所述S3中采用多任务卸载策略时，卸载任务的总时间消耗包括任务传输所花费时间、任务上载所花费时间、任务处理所花费时间和任务下载所花费时间；多任务卸载阶段所产生的任务开销包括任务传输时计算成本、任务上载时计算成本、任务处理时计算成本和任务下载时计算成本。
6.如权利要求2所述的基于移动边缘计算的V2V模式多任务卸载方法，其特征在于，本地计算资源能够依据车辆系统网络中不同应用场景定义时间阈值，所述时间阈值包括动态阈值和静态阈值。
7.一种基于移动边缘计算的V2V模式多任务卸载系统，其特征在于，通过权利要求1-6任一项所述的V2V模式多任务卸载方法构建。
8.如权利要求7所述的基于移动边缘计算的V2V模式多任务卸载系统，其特征在于，还包括云计算资源存储单元，所述云计算资源存储单元与多个MEC服务器连接。
CN202011240911.3A 2020-11-09 2020-11-09 基于移动边缘计算的v2v模式多任务卸载方法及系统 Active CN112367640B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011240911.3A CN112367640B (zh) 2020-11-09 2020-11-09 基于移动边缘计算的v2v模式多任务卸载方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011240911.3A CN112367640B (zh) 2020-11-09 2020-11-09 基于移动边缘计算的v2v模式多任务卸载方法及系统

Publications (2)

Publication Number Publication Date
CN112367640A CN112367640A (zh) 2021-02-12
CN112367640B true CN112367640B (zh) 2022-10-28

Family

ID=74509013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011240911.3A Active CN112367640B (zh) 2020-11-09 2020-11-09 基于移动边缘计算的v2v模式多任务卸载方法及系统

Country Status (1)

Country Link
CN (1) CN112367640B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113099418B (zh) * 2021-03-26 2022-08-16 深圳供电局有限公司 一种用于车联网数据传输的区块链任务的优化方法
CN113364859B (zh) * 2021-06-03 2022-04-29 吉林大学 车联网中面向mec的联合计算资源分配和卸载决策优化方法
CN113645273B (zh) * 2021-07-06 2023-07-07 南京邮电大学 基于业务优先级的车联网任务卸载方法
CN114173300A (zh) * 2021-11-17 2022-03-11 中科怡海高新技术发展江苏股份公司 一种多用户任务卸载方法及系统
CN114143346B (zh) * 2021-11-29 2022-11-29 广东工业大学 一种车联网任务卸载和服务缓存的联合优化方法及系统
CN114710497B (zh) * 2022-03-11 2023-06-02 厦门理工学院 一种车联网多任务卸载最小响应时间获取方法
CN114650567B (zh) * 2022-03-17 2024-04-23 江苏科技大学 一种无人机辅助v2i网络任务卸载方法
CN115915278B (zh) * 2023-03-03 2023-05-05 成都信息工程大学 一种面向车联网的任务卸载方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110401931A (zh) * 2019-08-23 2019-11-01 重庆大学 一种网络架构和基于该网络架构的资源调度与分配方法
WO2019236714A1 (en) * 2018-06-08 2019-12-12 Intel Corporation Management of preferred channel allocations between wireless communication bands
CN111556461A (zh) * 2020-04-29 2020-08-18 南京邮电大学 一种基于深度q网络的车载边缘网络任务分发卸载方法
CN111818168A (zh) * 2020-06-19 2020-10-23 重庆邮电大学 一种车联网中自适应联合计算卸载与资源分配方法
CN111836283A (zh) * 2020-07-03 2020-10-27 重庆邮电大学 一种基于mec多服务器的车联网资源分配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10380886B2 (en) * 2017-05-17 2019-08-13 Cavh Llc Connected automated vehicle highway systems and methods

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019236714A1 (en) * 2018-06-08 2019-12-12 Intel Corporation Management of preferred channel allocations between wireless communication bands
CN110401931A (zh) * 2019-08-23 2019-11-01 重庆大学 一种网络架构和基于该网络架构的资源调度与分配方法
CN111556461A (zh) * 2020-04-29 2020-08-18 南京邮电大学 一种基于深度q网络的车载边缘网络任务分发卸载方法
CN111818168A (zh) * 2020-06-19 2020-10-23 重庆邮电大学 一种车联网中自适应联合计算卸载与资源分配方法
CN111836283A (zh) * 2020-07-03 2020-10-27 重庆邮电大学 一种基于mec多服务器的车联网资源分配方法

Also Published As

Publication number Publication date
CN112367640A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN112367640B (zh) 基于移动边缘计算的v2v模式多任务卸载方法及系统
CN109391681B (zh) 基于mec的v2x移动性预测与内容缓存卸载方案
US10142909B2 (en) Artificial intelligence-augmented, ripple-diamond-chain shaped rateless routing in wireless mesh networks with multi-beam directional antennas
Ateya et al. Energy-and latency-aware hybrid offloading algorithm for UAVs
CN112954651B (zh) 一种基于深度强化学习的低时延高可靠性v2v资源分配方法
CN110753319B (zh) 异构车联网中面向异质业务的分布式资源分配方法及系统
CN114650567B (zh) 一种无人机辅助v2i网络任务卸载方法
Pang et al. A smart network resource management system for high mobility edge computing in 5G internet of vehicles
CN111935677B (zh) 车联网v2i模式任务卸载方法及系统
CN113254188B (zh) 调度优化方法和装置、电子设备及存储介质
CN112929849B (zh) 一种基于强化学习的可靠车载边缘计算卸载方法
CN113727308B (zh) 一种基于车辆位置预测的边缘计算卸载优化方法
CN115297171B (zh) 一种蜂窝车联网分级决策的边缘计算卸载方法及系统
CN111263401A (zh) 一种基于移动边缘计算的多用户协作计算卸载方法
CN112929850A (zh) 一种面向边缘计算环境的车联网数据回传方法
CN116566838A (zh) 一种区块链与边缘计算协同的车联网任务卸载和内容缓存方法
CN115665869A (zh) 基于边缘计算和有向无环图的多用户协作平台及其方法
Zhang et al. New method of edge computing based data adaptive return in internet of vehicles
CN113645273A (zh) 基于业务优先级的车联网任务卸载方法
Cho et al. Energy-efficient computation task splitting for edge computing-enabled vehicular networks
CN113709249B (zh) 辅助驾驶业务安全均衡卸载方法及系统
Dinh et al. Deep reinforcement learning-based offloading for latency minimization in 3-tier v2x networks
CN114201292B (zh) 一种道路网络临近检测方法及装置
HaghighiFard et al. Hierarchical Federated Learning in Multi-hop Cluster-Based VANETs
KR102497226B1 (ko) 자율주행 차량 애드혹 네트워크를 이용한 오프로딩 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant