CN114928611A - 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法 - Google Patents

一种基于IEEE802.11p协议的车联网节能计算卸载优化方法 Download PDF

Info

Publication number
CN114928611A
CN114928611A CN202210527281.0A CN202210527281A CN114928611A CN 114928611 A CN114928611 A CN 114928611A CN 202210527281 A CN202210527281 A CN 202210527281A CN 114928611 A CN114928611 A CN 114928611A
Authority
CN
China
Prior art keywords
vehicle
task
calculation
vehicles
computing
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.)
Granted
Application number
CN202210527281.0A
Other languages
English (en)
Other versions
CN114928611B (zh
Inventor
刘期烈
罗瑞
刘倩
李学俊
胡方霞
王毅
李松浓
黄河清
屈喜龙
李贝
吕明
尹刚
刘竟成
黄东
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202210527281.0A priority Critical patent/CN114928611B/zh
Publication of CN114928611A publication Critical patent/CN114928611A/zh
Application granted granted Critical
Publication of CN114928611B publication Critical patent/CN114928611B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W80/00—Wireless network protocols or protocol adaptations to wireless operation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明属于车联网计算领域，具体涉及一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，包括当车辆的计算任务的输入数据大小满足第一不等式，则将车辆划分到第一集合中，第一集合中的数据在本地执行计算任务；当车辆的计算任务的输入数据大小满足第二不等式，则将车辆划分到第二集合中，第二集合中的数据卸载至远程云服务器执行；若不满足前两个不等式则计算车辆在不同卸载情况下执行任务的时延和能效，并计算系统效用；以最大化系统效用构建目标函数，求解目标函数在满足最大容忍时延和资源限制下的卸载策略；本发明在不损失性能的情况下大大降低算法复杂度，且在降低计算时间和系统能耗方面，相比于现有方案具有更好的性能。

Description

一种基于IEEE802.11p协议的车联网节能计算卸载优化方法
技术领域
本发明属于车联网计算领域，具体涉及一种基于IEEE802.11p协议的车联网节能计算卸载优化方法。
背景技术
无线车载自组网络(Wireless Vehicular Ad-hoc Network,VANET)由车辆节点组成，节点间以相互协作的方式建立网络，能够实时感知周围交通环境并进行实时交互，IEEE802.11p MAC协议的作用在于控制VANET中的节点如何使用有限的信道资源，MAC协议的有效性也直接决定了VANET中的信道利用率、时延和使用公平性等性能。车联网是物联网(IoT)技术在智能交通领域里的典型应用场景，基于车联网技术能够实现车辆与基础设施、通信设备、用户的实时互联通信，由此一系列计算密集型和时延敏感型应用兴起，如增强现实，自然语言处理，自动驾驶，在车辆密集场景中这些相关应用通常需要高速的数据传输技术，大量的计算资源，先进的计算、储存技术来完成复杂数据的计算和处理。然而，受限于车辆自身的计算能力有限，车辆通常难以在本地执行这些严格的实时性任务，计算卸载(Offloading)是新兴边缘计算和物联网的关键技术，且被视为移动车辆资源有限的有效解决方案。通过在移动车辆附近提供有限的计算能力，移动边缘计算可以部分缓解繁重的计算需求。
在车联网系统网络中，新型的智能车辆可以通过将计算任务卸载到其他节点，来解决车辆本地计算资源有限的问题。车辆与基础设施(vehicle-to-infrastructure，V2I)以及车辆与云(vehicle-to-cloud，V2C)之间的通信技术和智能交通系统(intelligenttraffic system ITS)为车辆用户提供了一个可以实现计算密集型与时延敏感型应用的任务处理平台。远程云服务器具有高性能计算能力，但长距离的数据传输和回程可能会导致计算任务无法接受的延迟和大量能源消耗等问题。MEC服务器将计算下沉到路边设备单元(RSU)，相较于远程云服务器，传输距离更短，能耗更低。然而，MEC服务器的计算资源有限，如果当前RSU覆盖范围内有卸载计算任务需求的车辆过多，也会导致系统时延大大增加，造成MEC服务器过载的现象，导致MEC服务器的计算资源。
从目前国内外研究现状来看，国内外专家和学者在有效利用车辆计算资源方面均进行了一些研究，虽然尽可能充分利用了车辆本地资源，但仍然无法满足时延敏感型任务的计算要求。此外，对多车并发情况同时考虑时延和能量的研究较少，计算平台之间的协作也没有得到充分利用。MEC服务器通常被视为独立的计算资源，而忽略了服务器之间的资源共享。因此，优化计算卸载策略，合理利用各协作平台计算资源，最小化系统能耗是非常有必要的。
发明内容
有鉴于此，本发明提出一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，包括以下步骤：
构建卸载模型，在卸载模型中，道路一侧部署路边单元，每个路边单元配备一个MEC服务器，车辆与路边单元的无线传输采用IEEE 802.11p车辆网络场景标准，且路边单元通过光纤有线链路连接到MEC和远程云服务器；
当车辆的计算任务的输入数据大小满足第一不等式，则将车辆划分到第一集合中，第一集合中的数据在本地执行计算任务；
当车辆的计算任务的输入数据大小满足第二不等式，则将车辆划分到第二集合中，第二集合中的数据卸载至远程云服务器执行；
若两个不等式均无法满足，则将车辆划分到第三个集合中；
针对第三个集合中的车辆，计算车辆在不同卸载情况下执行任务的时延和能效，并以此计算系统效用；
以最大化系统效用构建目标函数，求解目标函数在满足最大容忍时延和资源限制下的卸载策略。
进一步的，以最大化系统效用构建目标函数，表示为：
Figure BDA0003645062320000031
约束条件:
Figure BDA0003645062320000032
Figure BDA0003645062320000033
Figure BDA0003645062320000034
Figure BDA0003645062320000035
Figure BDA0003645062320000036
其中，S＝{si,j}为车辆选择决策向量，当j＝0时表示车辆选择在本地执行计算任务，当j＝-1时表示车辆选择将计算任务卸载到远程云服务器上，当
Figure BDA0003645062320000037
时表示车辆选择将计算任务卸载到配置在第j个路边单元的MEC服务器上；
Figure BDA0003645062320000038
为MEC服务器的计算资源向量，
Figure BDA0003645062320000039
为车辆本地计算资源向量；
Figure BDA00036450623200000310
为车辆的集合，表示为
Figure BDA00036450623200000311
N为车辆的数量；ui表示车辆i卸载任务时的系统效用；Ti表示车辆i卸载任务时的总时延；
Figure BDA00036450623200000312
为车辆i的卸载任务的最大容忍时延；fi loc为车辆i本地的计算资源；
Figure BDA00036450623200000319
为MEC服务器的集合，表示为
Figure BDA00036450623200000313
M为MEC服务器的数量；
Figure BDA00036450623200000314
为第j个MEC服务器的资源总量。
进一步的，在车辆数量为N的系统中，系统总效用表示为：
Figure BDA00036450623200000315
Figure BDA00036450623200000316
Figure BDA00036450623200000317
Figure BDA00036450623200000318
其中，
Figure BDA0003645062320000041
表示车辆总数为N时系统总效用；
Figure BDA0003645062320000042
为当前车辆所属集合内所有车辆计算任务最大时延的均值，
Figure BDA0003645062320000043
为当前车辆所属集合内所有车辆计算任务能耗的均值；θ、μ为均衡因子，用于均衡时延和能耗两个不同的单位取值；
Figure BDA0003645062320000044
为远端云服务器计算任务的时延；
Figure BDA0003645062320000045
为本地计算任务的时延；
Figure BDA0003645062320000046
为第j个路边单元上的MEC服务器计算任务的时延；
Figure BDA0003645062320000047
为远端云服务器计算任务的能耗；
Figure BDA0003645062320000048
为本地计算任务的能耗；
Figure BDA0003645062320000049
为第j个路边单元上的MEC服务器计算任务的能耗；α为时延权重系数；β为能耗权重系数。
进一步的，本地计算任务的时延和本地计算任务的能耗表示为：
Figure BDA00036450623200000410
Figure BDA00036450623200000411
其中，ci表示完成输入数据大小为di的任务所需要的计算资源；κ＝10-28为车载CPU计算参数。
进一步的，第j个路边单元上的MEC服务器计算任务的时延和第j个路边单元上的MEC服务器计算任务的能耗表示为：
Figure BDA00036450623200000412
Figure BDA00036450623200000413
其中，ci表示完成输入数据大小为di的任务所需要的计算资源；
Figure BDA00036450623200000414
表示计算任务从车辆i传输到MEC服务器j的传输时间；
Figure BDA00036450623200000415
表示MEC服务器j分配给车辆i的计算资源大小；
Figure BDA00036450623200000416
表示车辆i的发射功率。
进一步的，远端云服务器计算任务的时延和远端云服务器计算任务的能耗表示为：
Figure BDA00036450623200000417
Figure BDA00036450623200000418
其中，τ是从RSU到远端云服务器的传输延迟因子；
Figure BDA00036450623200000419
表示车辆i将任务卸载到MEC服务器j的时间；di表示车辆i的计算任务的输入数据大小；
Figure BDA0003645062320000051
表示输出数据大小；
Figure BDA0003645062320000052
表示车辆i的发射功率。
进一步的，第一不等式表示为：
Figure BDA0003645062320000053
其中，
Figure BDA0003645062320000054
为路边单元j覆盖范围内可将计算任务卸载到MEC服务器的最大车辆数；fi loc为车辆i本地的计算资源；
Figure BDA0003645062320000055
表示MEC服务器j分配给车辆i的计算资源大小；di表示车辆i的计算任务的输入数据大小；
Figure BDA0003645062320000056
表示计算任务从车辆i传输到MEC服务器j的传输时间。
进一步的，第二不等式表示为：
Figure BDA0003645062320000057
其中，
Figure BDA0003645062320000058
为路边单元j覆盖范围内可将计算任务卸载到MEC服务器的最大车辆数；di表示车辆i的计算任务的输入数据大小；
Figure BDA0003645062320000059
为满足任务的最大容忍时延。
本发明针对无线车载自组网络中车辆本地计算资源受限，无法完成计算密集型以及时延敏感型任务的问题，提出了一种联合优化时延和能耗的协同MEC服务器和远程云服务器选择的卸载算法，在不损失性能的情况下大大降低算法复杂度，且在降低计算时间和系统能耗方面，相比于现有方案具有更好的性能，当MEC服务器的计算资源减少，计算密集型任务数量增加时，这种优势更加明显；另外，本发明基于IEEE802.11p协议构建时延计算模型、能耗计算模型、系统网络架构，根据系统当前的能耗以及部署资源，对计算任务进行分类，并使用所有计算资源来提高系统的总体利用率。
附图说明
图1为本发明的一种基于IEEE802.11p协议的车联网节能计算卸载优化方法流程图；
图2为本发明的系统模型；
图3为不同算法下，车辆总数对于系统总效用的影响；
图4为不同算法下，车辆总数对系统总时延的影响；
图5为不同算法下，MEC服务器资源大小对系统总效用的影响。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提出一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，包括以下步骤：
构建卸载模型，在卸载模型中，道路一侧部署路边单元，每个路边单元配备一个MEC服务器，车辆与路边单元的无线传输采用IEEE 802.11p车辆网络场景标准，且路边单元通过光纤有线链路连接到MEC和远程云服务器；
当车辆的计算任务的输入数据大小满足第一不等式，则将车辆划分到第一集合中，第一集合中的数据在本地执行计算任务；
当车辆的计算任务的输入数据大小满足第二不等式，则将车辆划分到第二集合中，第二集合中的数据卸载至远程云服务器执行；
计算车辆在不同卸载情况下执行任务的时延和能效，并以此计算系统效用；
以最大化系统效用构建目标函数，求解目标函数在满足最大容忍时延和资源限制下的卸载策略。
如图1所示，本发明提出一种基于IEEE802.11p协议的车联网节能计算卸载优化方法来解决车辆本地计算资源受限的问题，通过优化卸载决策，来降低计算任务执行时延以及系统总能耗，从而获得更高的系统效用，包括以下步骤：
S1：在多车辆并发计算场景下，根据车辆计算任务大小、最大容忍时延、基于车载单元的车辆本地计算能力、当前系统中MEC服务器可用资源以及远程云服务器回传时延对计算任务进行分类。
在本发明中，系统模型如图2所示，在该模型中，道路一侧部署路边单元RSU，每个RSU都配备一个MEC服务器，车辆与RSU的无线传输采用IEEE802.11p车辆网络场景标准，此外，这些RSU通过光纤有线链路连接到MEC和远程云服务器。
根据系统当前的能耗以及部署资源，对计算任务进行分类，并使用所有计算资源来提高系统的总体利用率，分类过程包括：
当车辆i的计算任务的输入数据大小di满足如下不等式时，将车辆i归类到集合
Figure BDA0003645062320000071
该集合内车辆将在本地执行计算任务，同时将最大的di设定为该计算任务分类算法的最低阈值：
Figure BDA0003645062320000072
当车辆i的计算任务的输入数据大小di满足如下不等式时，将车辆i归类到集合
Figure BDA0003645062320000073
该集合内车辆将计算任务卸载至远程云服务器执行，同时将最小的di设定为该计算任务分类算法的最高阈值：
Figure BDA0003645062320000074
其中，
Figure BDA0003645062320000075
是RSU j覆盖范围内可将计算任务卸载到MEC服务器的最大车辆数；fi loc为车辆i本地的计算资源；
Figure BDA0003645062320000076
表示MEC服务器j分配给车辆i的计算资源大小；
Figure BDA0003645062320000077
表示计算任务从车辆i传输到MEC服务器j的传输时间
S2：基于IEEE802.11p协议构建时延计算模型、能耗计算模型、系统网络架构。
基于IEEE802.11p协议构建系统网络架构：基于IEEE 802.11p标准的车载无线技术更适合于动态VANET，物理层采用OFDM技术，可提供高达27MB/s的数据速率，通信距离在300米到1000米之间。
成功传输表示在一个时隙中只有一个卸载任务没有冲突成功传输，成功传输概率
Figure BDA0003645062320000081
成功传输时间
Figure BDA0003645062320000082
表示为：
Figure BDA0003645062320000083
Figure BDA0003645062320000084
其中，Nj为选择将计算任务卸载至MEC服务器j的车辆总数；Pe是车辆将计算任务；Pe为车辆将计算任务卸载至MEC服务器或者云服务器的概率；Φ＝H+SIFS+δ+ACK+AIFS+δ+RTS+SIFS+δ+CTS+SIFS+δ，是MAC协议特定的，H＝PHYhead+MAChead为数据包头开销；SIFS是短帧间隔；ACK是确认帧；AIFS是仲裁帧间间隔；δ是MAC协议特定的传播延迟；RTS为请求发送帧；CTS确认发送帧；
Figure BDA0003645062320000085
表示观察到时隙空闲状态下的概率，表示为：
Figure BDA0003645062320000086
每个分组通过RTS/CTS机制传输，碰撞只能发生在RTS帧上，可得碰撞概率
Figure BDA0003645062320000087
和碰撞周期
Figure BDA0003645062320000088
表示为：
Figure BDA0003645062320000089
Figure BDA00036450623200000810
通过最小化冲突开销和空闲时间，得到吞吐量函数Xij以及卸载到RSU的时间
Figure BDA00036450623200000811
表示为：
Figure BDA00036450623200000812
Figure BDA00036450623200000813
其中，σ为时间段的持续时间。
若车辆选择在本地执行大小为di的计算任务，在该卸载策略下，即车辆i本地执行计算任务的时延
Figure BDA00036450623200000814
能耗
Figure BDA00036450623200000815
车辆效用
Figure BDA00036450623200000816
表示为：
Figure BDA0003645062320000091
Figure BDA0003645062320000092
Figure BDA0003645062320000093
其中，ci＝χ·di，表示完成输入数据大小为di的任务所需要的计算资源，χ为描述ci和di的关系系数；fi loc为车辆i本地的计算资源，由放置在车上的车载单元(OBU)决定；κ＝10-28为车载CPU计算参数；α为时延权重系数，β为能耗权重系数；
Figure BDA0003645062320000094
为当前车辆所属集合内所有车辆计算任务最大时延的均值，
Figure BDA0003645062320000095
为当前车辆所属集合内所有车辆计算任务能耗的均值
若车辆i选择RSU j上的MEC服务器作为目标卸载服务器，并将计算任务卸载到该服务器，在该卸载策略下，即车辆i选择在RSU j上的MEC服务器执行卸载任务，则第j个路边单元上的MEC服务器计算任务的时延
Figure BDA0003645062320000096
能耗
Figure BDA0003645062320000097
车辆效用为
Figure BDA0003645062320000098
分别表示为：
Figure BDA0003645062320000099
Figure BDA00036450623200000910
Figure BDA00036450623200000911
其中，
Figure BDA00036450623200000912
是传输的总能耗，
Figure BDA00036450623200000913
是计算处理过程的能耗；
Figure BDA00036450623200000914
表示车辆i的发射功；由于任务回传的数据较小，且通常传输速率相对较高，因此简单地省略了回程中传输的时间和能量消耗。
若车辆i选择通过光纤和核心网络将其计算任务卸载到数千里以外的云服务器上执行，在该卸载策略下，远端云服务器计算任务的时延
Figure BDA00036450623200000915
能耗
Figure BDA00036450623200000916
车辆效用
Figure BDA00036450623200000917
表示为：
Figure BDA00036450623200000918
Figure BDA0003645062320000101
Figure BDA0003645062320000102
其中，τ是从RSU到远端云服务器的传输延迟因子；
Figure BDA0003645062320000103
表示输出数据大小；
Figure BDA0003645062320000104
表示车辆i的发射功率
S3：所述建立满足最大时延容忍且系统能耗最小的最大化系统效用的约束优化问题。
本实施例定义sij∈{0,1}作为选择决策变量，当车辆选择在本地执行计算任务时，si,0＝1，j＝1；当车辆选择将计算任务卸载到配置在RSU j的MEC服务器上时，si,j＝1,
Figure BDA0003645062320000105
当车辆选择将计算任务卸载到远程与服务器上时，si,-1＝1,j＝-1；
车辆的联合卸载的总时延Ti，总能耗Ei，以及车辆总数为N时系统总效用
Figure BDA0003645062320000106
的公式定义为：
Figure BDA0003645062320000107
Figure BDA0003645062320000108
Figure BDA0003645062320000109
S4：在满足任务γi最大容忍时延
Figure BDA00036450623200001010
和系统总资源限制下，最大化联合卸载系统的总效用，将系统的任务卸载建模为：
Figure BDA00036450623200001011
Figure BDA00036450623200001012
Figure BDA00036450623200001013
Figure BDA00036450623200001014
Figure BDA00036450623200001015
Figure BDA0003645062320000111
其中S＝{si,j}为车辆选择决策向量，
Figure BDA0003645062320000112
为MEC服务器的计算资源向量，
Figure BDA0003645062320000113
为车辆本地计算资源向量；C1保证任务处理延迟不能超过车辆允许的最大延迟
Figure BDA0003645062320000114
C2可用的车辆本地计算资源，这是非负的；约束条件C3和C4说明每辆车将其任务卸载到一个且仅一个MEC服务器。C5确保分配给在RSU j上选择MEC服务器的所有任务的计算资源总和不超过此MEC服务器的总计算容量。
下面结合仿真结果对本发明的应用效果作详细的描述。
根据实际的环境需求以及IEEE 802.11p协议标准，在Python中对其进行建模仿真。考虑系统建立在单向道路上，其中四个具有相同覆盖率的RSUS位于总长度为1000米的道路上。每个RSU均配备MEC服务器，且每个MEC的初始总计算资源为20GHz。为了评估所提方法性能，将本发明方法与其他几种方法进行比较，对比的方法包括：
所有计算任务本地执行机制(ELC，The entire local computation scheme)；
所有计算任务卸载到MEC服务器执行机制(EMC，The entire MEC computationscheme)；
所有计算任务卸载到远程云服务器执行机制(ERCC，The entire remote cloudcomputation scheme)。
表1仿真参数
Figure BDA0003645062320000115
Figure BDA0003645062320000121
图3表示在不同算法下，车辆总数对于系统总效用的影响，从仿真结果可以看到，在所有机制中，随着车辆数增加，系统的总效用都会增加，不过总效用增长的速率也会随之放缓，简而言之，车辆数目越多，系统总效用增长越慢。
本发明提出的一种基于IEEE802.11p协议的车联网节能计算卸载优化方法(简称CCOSEO)，通过协同利用车辆本地，MEC服务器以及远程云服务器的计算资源，实现多方资源的充分利用，有效提高系统效用，特别是在车辆密集场景中，系统性能优势更为突出。
对于EMC机制，当车流量变大，道路上的车辆变得密集时，MEC服务器可分配给RSUj覆盖范围内每个车辆的计算资源变小，加之当车辆选择将计算任务卸载到MEC服务器时，因传输产生的额外的时延和能耗是无法避免的，而车辆分配到的少量计算资源难以在任务可容忍时延要求内完成计算工作，因而，当系统内的车辆过于密集时，在EMC机制下获得的系统效用甚至要低于所有机制。
对于ELC机制而言，车辆本地的计算资源非常有限，当计算任务所需的计算资源较小时，车辆可以获得较高的计算效用，而面对数据量大的计算任务时，是无法在时延要求内完成计算任务的，因而系统总效用增长放缓。
对于ERCC机制，将计算任务卸载到远程云服务器所产生的额外的时延和能耗远高于同等计算量下将计算任务卸载到MEC服务器的，即使远程云服务器有大量的计算资源可使计算任务的计算时延忽略不计，仅仅适用于MEC计算资源紧缺，且车辆计算任务量巨大的情况。
图4为不同算法下，车辆总数对系统总时延的影响，时延情况是衡量系统可靠性的重要指标，通过调节权重参数让α,β，可改变系统效用函数设定。从仿真结果可以看到，即使车辆数目不断增多，本发明提出的一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，都能够使得系统中车辆执行计算任务的总时延最低。对于ELC机制和ERCC机制，车辆自身以及远程云服务可提供的计算资源相对稳定，系统总时延增长的速率不会因为车辆数目增加而变化。当系统内车辆变得密集后，EMC机制同样会因为MEC服务器可分配给RSU覆盖范围内车辆的计算资源变少，使得整个系统的总时延随着车辆数上升而增加，且增长速率也会越来越快。
图5为不同算法下，MEC服务器资源大小对系统总效用的影响，从仿真结果可以看到，无论MEC服务器可以提供多少计算资源，本发明提出的一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，都能获得最高的系统效用，本发明提出的方法协同利用车辆本地，MEC服务器以及远程云服务器的计算资源，以避免MEC服务器过载的情况，实现最大效用的利用MEC服务器、远程云服务器以及车辆自身的计算资源。对于ELC机制和ERCC机制，在这两个机制中不考虑将计算任务卸载给MEC服务器，因而系统效用保持不变。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，其特征在于，包括以下步骤：
构建卸载模型，在卸载模型中，道路一侧部署路边单元，每个路边单元配备一个MEC服务器，车辆与路边单元的无线传输采用IEEE 802.11p车辆网络场景标准，且路边单元通过光纤有线链路连接到MEC和远程云服务器；
当车辆的计算任务的输入数据大小满足第一不等式，则将车辆划分到第一集合中，第一集合中的数据在本地执行计算任务；
当车辆的计算任务的输入数据大小满足第二不等式，则将车辆划分到第二集合中，第二集合中的数据卸载至远程云服务器执行；
若两个不等式均无法满足，则将车辆划分到第三个集合中；
针对第三个集合中的车辆，计算车辆在不同卸载情况下执行任务的时延和能效，并以此计算系统效用；
以最大化系统效用构建目标函数，求解目标函数在满足最大容忍时延和资源限制下的卸载策略。
2.根据权利要求1所述的一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，其特征在于，以最大化系统效用构建目标函数，表示为：
Figure FDA0003645062310000011
约束条件:
Figure FDA0003645062310000012
Figure FDA0003645062310000013
Figure FDA0003645062310000014
Figure FDA0003645062310000015
Figure FDA0003645062310000021
其中，S＝{si,j}为车辆选择决策向量，当j＝0时表示车辆选择在本地执行计算任务，当j＝-1时表示车辆选择将计算任务卸载到远程云服务器上，当
Figure FDA0003645062310000022
时表示车辆选择将计算任务卸载到配置在第j个路边单元的MEC服务器上；
Figure FDA0003645062310000023
为MEC服务器的计算资源向量，
Figure FDA0003645062310000024
为车辆本地计算资源向量；
Figure FDA0003645062310000025
为车辆的集合，表示为
Figure FDA0003645062310000026
N为车辆的数量；ui表示车辆i卸载任务时的系统效用；Ti表示车辆i卸载任务时的总时延；
Figure FDA0003645062310000027
为车辆i的卸载任务的最大容忍时延；fi loc为车辆i本地的计算资源；
Figure FDA0003645062310000028
为MEC服务器的集合，表示为
Figure FDA0003645062310000029
M为MEC服务器的数量；fj total为第j个MEC服务器的资源总量。
3.根据权利要求2所述的一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，其特征在于，在车辆数量为N的系统中，系统总效用表示为：
Figure FDA00036450623100000210
Figure FDA00036450623100000211
Figure FDA00036450623100000212
Figure FDA00036450623100000213
其中，
Figure FDA00036450623100000214
表示车辆总数为N时系统总效用；
Figure FDA00036450623100000215
为当前车辆所属集合内所有车辆计算任务最大时延的均值，
Figure FDA00036450623100000216
为当前车辆所属集合内所有车辆计算任务能耗的均值；θ、μ为均衡因子，用于均衡时延和能耗两个不同的单位取值；
Figure FDA00036450623100000217
为远端云服务器计算任务的时延；
Figure FDA00036450623100000218
为本地计算任务的时延；
Figure FDA00036450623100000219
为第j个路边单元上的MEC服务器计算任务的时延；
Figure FDA00036450623100000220
为远端云服务器计算任务的能耗；
Figure FDA00036450623100000221
为本地计算任务的能耗；
Figure FDA00036450623100000222
为第j个路边单元上的MEC服务器计算任务的能耗；α为时延权重系数；β为能耗权重系数。
4.根据权利要求3所述的一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，其特征在于，本地计算任务的时延和本地计算任务的能耗表示为：
Figure FDA0003645062310000031
Figure FDA0003645062310000032
其中，ci表示完成输入数据大小为di的任务所需要的计算资源；κ＝10-28，为车载CPU计算参数。
5.根据权利要求3所述的一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，其特征在于，第j个路边单元上的MEC服务器计算任务的时延和第j个路边单元上的MEC服务器计算任务的能耗表示为：
Figure FDA0003645062310000033
Figure FDA0003645062310000034
其中，ci表示完成输入数据大小为di的任务所需要的计算资源；
Figure FDA0003645062310000035
表示计算任务从车辆i传输到MEC服务器j的传输时间；
Figure FDA0003645062310000036
表示MEC服务器j分配给车辆i的计算资源大小；
Figure FDA0003645062310000037
表示车辆i的发射功率。
6.根据权利要求3所述的一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，其特征在于，远端云服务器计算任务的时延和远端云服务器计算任务的能耗表示为：
Figure FDA0003645062310000038
Figure FDA0003645062310000039
其中，τ是从RSU到远端云服务器的传输延迟因子；
Figure FDA00036450623100000310
表示车辆i将任务卸载到MEC服务器j的时间；di表示车辆i的计算任务的输入数据大小；
Figure FDA00036450623100000311
表示输出数据大小；
Figure FDA00036450623100000312
表示车辆i的发射功率。
7.根据权利要求1所述的一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，其特征在于，第一不等式表示为：
Figure FDA0003645062310000041
其中，
Figure FDA0003645062310000042
为路边单元j覆盖范围内可将计算任务卸载到MEC服务器的最大车辆数；fi loc为车辆i本地的计算资源；
Figure FDA0003645062310000043
表示MEC服务器j分配给车辆i的计算资源大小；di表示车辆i的计算任务的输入数据大小；
Figure FDA0003645062310000044
表示计算任务从车辆i传输到MEC服务器j的传输时间。
8.根据权利要求1所述的一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，其特征在于，第二不等式表示为：
Figure FDA0003645062310000045
其中，
Figure FDA0003645062310000046
为路边单元j覆盖范围内可将计算任务卸载到MEC服务器的最大车辆数；di表示车辆i的计算任务的输入数据大小；
Figure FDA0003645062310000047
为满足任务的最大容忍时延。
CN202210527281.0A 2022-05-16 2022-05-16 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法 Active CN114928611B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210527281.0A CN114928611B (zh) 2022-05-16 2022-05-16 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210527281.0A CN114928611B (zh) 2022-05-16 2022-05-16 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法

Publications (2)

Publication Number Publication Date
CN114928611A true CN114928611A (zh) 2022-08-19
CN114928611B CN114928611B (zh) 2023-07-25

Family

ID=82808234

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210527281.0A Active CN114928611B (zh) 2022-05-16 2022-05-16 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法

Country Status (1)

Country Link
CN (1) CN114928611B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115412607A (zh) * 2022-09-15 2022-11-29 桂林理工大学 一种基于路边停车协同边缘计算的任务卸载方法
CN115484261A (zh) * 2022-08-25 2022-12-16 南京邮电大学 一种无人机辅助的车辆边缘计算协同任务卸载方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109656703A (zh) * 2018-12-19 2019-04-19 重庆邮电大学 一种移动边缘计算辅助车辆任务卸载方法
CN109951821A (zh) * 2019-02-26 2019-06-28 重庆邮电大学 基于移动边缘计算的最小化车辆能耗任务卸载方案
CN110493360A (zh) * 2019-09-26 2019-11-22 重庆大学 多服务器下降低系统能耗的移动边缘计算卸载方法
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
US20210266834A1 (en) * 2020-02-25 2021-08-26 South China University Of Technology METHOD OF MULTI-ACCESS EDGE COMPUTING TASK OFFLOADING BASED ON D2D IN INTERNET OF VEHICLES (IoV) ENVIRONMENT
CN113641417A (zh) * 2021-06-29 2021-11-12 南京邮电大学 一种基于分支定界法的车辆安全任务卸载方法
CN113691956A (zh) * 2021-04-13 2021-11-23 重庆邮电大学 基于sdn和mec的车联网移动性管理方法
CN114143346A (zh) * 2021-11-29 2022-03-04 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

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109656703A (zh) * 2018-12-19 2019-04-19 重庆邮电大学 一种移动边缘计算辅助车辆任务卸载方法
CN109951821A (zh) * 2019-02-26 2019-06-28 重庆邮电大学 基于移动边缘计算的最小化车辆能耗任务卸载方案
CN110493360A (zh) * 2019-09-26 2019-11-22 重庆大学 多服务器下降低系统能耗的移动边缘计算卸载方法
US20210266834A1 (en) * 2020-02-25 2021-08-26 South China University Of Technology METHOD OF MULTI-ACCESS EDGE COMPUTING TASK OFFLOADING BASED ON D2D IN INTERNET OF VEHICLES (IoV) ENVIRONMENT
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
CN113691956A (zh) * 2021-04-13 2021-11-23 重庆邮电大学 基于sdn和mec的车联网移动性管理方法
CN113641417A (zh) * 2021-06-29 2021-11-12 南京邮电大学 一种基于分支定界法的车辆安全任务卸载方法
CN114143346A (zh) * 2021-11-29 2022-03-04 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴柳青;朱晓荣;: "基于边-端协同的任务卸载资源分配联合优化算法", 电信科学, no. 03 *
王汝言;梁颖杰;崔亚平;: "车辆网络多平台卸载智能资源分配算法", 电子与信息学报, no. 01 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115484261A (zh) * 2022-08-25 2022-12-16 南京邮电大学 一种无人机辅助的车辆边缘计算协同任务卸载方法
CN115412607A (zh) * 2022-09-15 2022-11-29 桂林理工大学 一种基于路边停车协同边缘计算的任务卸载方法

Also Published As

Publication number Publication date
CN114928611B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN110198278B (zh) 一种车联网云端和边缘联合任务调度的Lyapunov优化方法
CN112737842B (zh) 空地一体化车联网中基于最小化时延的任务安全卸载方法
CN110650457B (zh) 一种车联网中任务卸载计算成本与时延的联合优化方法
CN111586696A (zh) 一种基于多智能体架构强化学习的资源分配及卸载决策方法
CN114928611B (zh) 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法
CN112737837A (zh) 一种高动态网络拓扑下无人机群带宽资源分配方法
CN110928658A (zh) 一种车边云协同架构的协同任务迁移系统及算法
CN112188627B (zh) 一种基于状态预测的动态资源分配策略
CN111132083B (zh) 一种车辆编队模式下基于noma的分布式资源分配方法
Wang et al. Dynamic offloading scheduling scheme for MEC-enabled vehicular networks
CN113709249B (zh) 辅助驾驶业务安全均衡卸载方法及系统
CN112860429A (zh) 一种移动边缘计算系统中任务卸载的成本效率优化系统及方法
CN115297171A (zh) 一种蜂窝车联网分级决策的边缘计算卸载方法及系统
Bute et al. A collaborative task offloading scheme in vehicular edge computing
Ouyang Task offloading algorithm of vehicle edge computing environment based on Dueling-DQN
CN115065683A (zh) 基于车辆聚类的车辆边缘网络任务分配卸载方法
CN116405569A (zh) 基于车辆和边缘计算服务器的任务卸载匹配方法及系统
CN114143814B (zh) 一种基于异构边缘云架构的多任务卸载方法及系统
CN111611063A (zh) 基于802.11p的云感知移动雾计算系统任务卸载方法
CN113783959B (zh) 一种车联网联合优化计算任务卸载比率和资源分配方法
Hazarika et al. Multi-agent DRL-based computation offloading in multiple RIS-aided IoV networks
CN115964178B (zh) 一种车联网用户计算任务调度方法、装置及边缘服务网络
CN115118783A (zh) 基于异构通信技术超可靠低时延强化学习的任务卸载方法
CN115134364A (zh) 基于o-ran物联网系统的节能计算卸载系统及方法
CN108810856B (zh) 一种m2m终端业务优化控制方法

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