车联网中边缘计算卸载策略的研究——应对时延挑战
车联网中边缘计算卸载策略的研究——应对时延挑战
车联网行业里,时延敏感型和高计算需求型业务持续涌现,这既为我们带来了新的发展机会,同时也带来了不少挑战。特别是,由于车辆的计算能力有限,处理信息时产生的延迟问题十分突出,迫切需要得到解决。车辆能够将任务交由边缘计算单元或邻近的闲置车辆协助处理。车辆边缘计算的卸载策略已取得进展,但现有设计未充分考虑到蜂窝车联网的传输特点。您觉得这项创新的车联网边缘计算卸载方案,能否在未来的车联网领域得到广泛推广?
车联网行业里,时延敏感型和高计算需求型业务持续涌现,这既为我们带来了新的发展机会,同时也带来了不少挑战。特别是,由于车辆的计算能力有限,处理信息时产生的延迟问题十分突出,迫切需要得到解决。
车联网新挑战
车联网领域出现了众多对时间敏感且计算量大的业务,这既为系统带来了发展机会,也带来了挑战。车辆自身的计算能力有限,导致业务处理的时间延长。以智能驾驶为例,车辆需即时处理大量道路信息,若处理不及时,可能会造成安全隐患。针对这一问题,车联网边缘计算系统应运而生。
VEC系统诞生
车联网边缘计算系统(VEC)作为一个新兴的辅助计算与集成平台崭露头角。该系统能在路侧单元(RSU)或边缘侧的其他车辆中部署计算单元,以提供业务服务。这就像在高速公路旁安装智能设备,为行驶中的车辆提供额外的计算支持。通过这种方式,它能够确保智能业务性能稳定,满足车联网发展的部分需求。
任务卸载好处
车辆能够将任务交由边缘计算单元或邻近的闲置车辆协助处理。这样做可以缩短任务处理的延迟,确保业务对时延的要求得到满足。比如在十字路口,车辆通过将交通流量分析的任务转移出去,能够迅速作出通过路口的决策。这种做法增强了车辆应对复杂情况的能力,推动了车联网业务的顺利实施。
现有策略问题
车辆边缘计算的卸载策略已取得进展,但现有设计未充分考虑到蜂窝车联网(C-V2X)的传输特点。它未注意到车辆间通过PC5接口进行信息交换时可能出现的资源冲突,且对链路传输速度的预估过于乐观。这种情况下,卸载策略显得不够合理,进而增加了系统的延迟。以密集车辆环境为例,卸载任务的传输容易遭遇干扰,进而影响了效率。
CV2X的挑战
在V2X架构中,车辆的感知能力因拓扑结构的快速变化而不稳定。与传统的卸载策略相比,要准确描述其成功传输的概率,并据此调整卸载策略,这本身就是一个难题。此外,考虑到基于基站分配带宽的统一资源调度分配,在PC-5/Uu通信方式下,由于PC-5接口的碰撞特性以及资源耦合特性,求解卸载策略变得尤为困难。在城市复杂道路中,车辆的快速移动使得传输情况更复杂。
新机制提出
本研究提出了一个基于Q学习的C-V2X车联网边缘计算系统卸载迁移策略。首先,我们推导了车与车之间通信成功传输的概率,并分析了PC-5接口资源碰撞对卸载延迟的具体影响。随后,我们详细描述了车辆与服务器队列的状态,并建立了带有约束的马尔可夫决策过程(CMDP)。利用拉格朗日方法将其转化为无约束的马尔可夫决策过程,进而通过Q学习算法设计出卸载策略。仿真表明,该算法比其他方案降低系统时延27.3%以上。
您觉得这项创新的车联网边缘计算卸载方案,能否在未来的车联网领域得到广泛推广?欢迎留下您的看法,同时,也请为这篇文章点赞并转发。