论文部分内容阅读
随着车联网、无线通信技术的不断发展,涌现了一系列诸如超高清视频、自动驾驶等计算密集型、时延敏感型应用。传统集中式的云计算架构因过重的主网络负载和过长的服务响应时延,无法满足海量终端和新兴应用所需的低时延、高带宽等需求。有研究提出,联合车联网和雾计算形成车载雾计算(Vehicular Fog Computing,VFC),将计算、存储以及通信等功能从云端下沉到无线网络边缘,为移动终端提供邻近的实时计算服务,从而减轻网络负担,降低响应时延。VFC作为一种新的应用范式,在车联网中具有广阔前景。然而,VFC架构中网络拓扑具有异构性和高动态性,原有的任务卸载和通信资源分配方案不再适用。因此,本文将分析VFC的特性和可支撑的应用服务,深入研究基于VFC网络架构的分布式任务卸载及通信资源分配问题。本文主要研究内容与创新点包括:
①车载雾计算架构下基于动态规划的分布式任务卸载研究
针对VFC架构中雾节点的资源有限性与异构性、车辆的移动性以及任务的低时延需求等问题,研究了多任务多节点的分布式任务卸载方案。首先,构建了基于VFC的双层分布式网络架构,车辆和路边基础设施都配备可用的计算、存储和通信资源,可同时支持本地计算和任务卸载。其次,对低时延任务卸载问题进行数学建模,考虑了雾节点资源异构、车载网络动态性、任务低时延需求等因素,旨在最大化资源利用率。然后,通过线性变换将该问题转换化为0-1线性规划模型,并证明为NP-Hard。最后,基于动态规划设计了一种高效的分布式任务卸载算法。实验表明,本文提出的算法能够在低计算开销下快速获得近似最优的策略,有效提高了资源利用率和任务完成率,保证了系统的高效性和可扩展性。
②车载雾计算架构下基于势博弈的多用户通信资源分配研究
在支持V2V/V2I通信的VFC场景下,针对V2V与V2I用户的同信道干扰(Co-Channel Interferences,CCI)问题,提出了一种基于势博弈的多用户通信资源分配方案。首先,综合考虑了信道调度以及功率分配,建立了最大化各用户收益的博弈模型,旨在最大程度降低各用户之间CCI,同时满足任务卸载时传输速率的需求。其次,构建了势博弈模型,并设计了一种基于概率的分布式最优反应博弈算法,利用有限的收益和干扰信息,以一定概率实现用户的决策更新,最终获得最优的通信资源分配方案。实验表明,本文提出的算法可以满足各用户的传输速率需求,能在最大化用各户收益的同时最大限度降低CCI。
①车载雾计算架构下基于动态规划的分布式任务卸载研究
针对VFC架构中雾节点的资源有限性与异构性、车辆的移动性以及任务的低时延需求等问题,研究了多任务多节点的分布式任务卸载方案。首先,构建了基于VFC的双层分布式网络架构,车辆和路边基础设施都配备可用的计算、存储和通信资源,可同时支持本地计算和任务卸载。其次,对低时延任务卸载问题进行数学建模,考虑了雾节点资源异构、车载网络动态性、任务低时延需求等因素,旨在最大化资源利用率。然后,通过线性变换将该问题转换化为0-1线性规划模型,并证明为NP-Hard。最后,基于动态规划设计了一种高效的分布式任务卸载算法。实验表明,本文提出的算法能够在低计算开销下快速获得近似最优的策略,有效提高了资源利用率和任务完成率,保证了系统的高效性和可扩展性。
②车载雾计算架构下基于势博弈的多用户通信资源分配研究
在支持V2V/V2I通信的VFC场景下,针对V2V与V2I用户的同信道干扰(Co-Channel Interferences,CCI)问题,提出了一种基于势博弈的多用户通信资源分配方案。首先,综合考虑了信道调度以及功率分配,建立了最大化各用户收益的博弈模型,旨在最大程度降低各用户之间CCI,同时满足任务卸载时传输速率的需求。其次,构建了势博弈模型,并设计了一种基于概率的分布式最优反应博弈算法,利用有限的收益和干扰信息,以一定概率实现用户的决策更新,最终获得最优的通信资源分配方案。实验表明,本文提出的算法可以满足各用户的传输速率需求,能在最大化用各户收益的同时最大限度降低CCI。