一种基于车边云协同的车联网计算卸载策略

随着智能交通的快速发展和车联网中数据流量爆炸式的增长,汽车终端请求卸载的任务对时延和带宽有了更加严苛的要求。在现有的云计算服务模式中,车辆可以访问云服务器来获得强大的计算、存储和网络资源,但缺点是通信传输时延较大,仅依靠云计算可能会导致过度的延迟。为了更加合理利用资源、减小时延、优化卸载策略,提出了一种基于粒子群优化算法的“车-边-云”协同卸载方案。首先通过接入点附近的软件定义网络（Software Define Network,SDN)控制器根据终端用户附近边缘节点、本地终端和云计算节点的计算资源和容量情况得出最优的卸载策略,充分利用本地、移动边缘计算（Mobile Edge Computing,MEC）设备、云端的计算资源,然后通过粒子群优化算法得出“车-边-云”各计算节点的卸载系数,即最优卸载策略。实验结果表明,相比于其他卸载策略,所提的卸载机制对时延优化效果明显,提高了计算资源的利用率。     

车联网中基于NOMA-MEC的卸载策略研究

随着车联网(IoV)的迅猛发展,请求进行任务卸载的汽车终端用户也逐渐增长,而基于移动边缘计算(MEC)的通信网络能够有效地解决任务卸载在上行传输时延较高的挑战,但是该网络模型同时也面临着信道资源不足的问题。该文引入的非正交多址(NOMA)技术相较于正交多址(OMA)能够在相同的信道资源条件下为更多的用户提供任务卸载,同时考虑到任务卸载过程中多方面的影响因子,提出了混合NOMA-MEC卸载策略。该文设计了一种基于深度学习网络(DQN)的博弈算法,帮助车辆用户进行信道选择,并通过神经网络多次迭代学习,为用户提供最优的功率分配策略。仿真结果表明,该文所提出的混合NOMA-MEC卸载策略能够有效地优化多用户卸载的时延以及能耗,最大限度保证用户效益。     

车联网中基于NOMA-MEC的卸载策略研究

随着车联网(IoV)的迅猛发展,请求进行任务卸载的汽车终端用户也逐渐增长,而基于移动边缘计算(MEC)的通信网络能够有效地解决任务卸载在上行传输时延较高的挑战,但是该网络模型同时也面临着信道资源不足的问题。该文引入的非正交多址(NOMA)技术相较于正交多址(OMA)能够在相同的信道资源条件下为更多的用户提供任务卸载,同...     

车联网中基于MEC和任务优先级的智能卸载策略研究

在移动边缘计算和云计算共同组成的车联网中,为了保障驾驶员和路人的安全,需要满足车辆任务的高可靠低时延要求.一种基于MEC和任务优先级的智能卸载策略以降低由时延所组成的系统总成本,该策略使用KNN算法,根据任务优先级对任务卸载位置进行选择.仿真结果表明,该资源分配策略能有效减少系统总成本.     

移动Ad Hoc云中任务卸载的联合优化策略

为了降低移动Ad Hoc云中客户端卸载计算密集型任务过程中产生的计算能耗、传输能耗和任务时延,该文提出了一种联合优化算法。该算法首先基于计算能耗、通信能耗及任务时延进行建模;然后进行预估计,以选择更优的代理终端,并由此降低总的系统能耗与任务时延。仿真结果表明,相对于传统云算法,该算法在系统能耗和任务时延两方面均有显著提升。     

Ad-hoc移动云环境下采取随机规划和买卖博弈的任务卸载方法

由于移动设备处理能力和能量的限制,近年来提出了一种新型移动云环境,通过Ad-hoc方式共享邻近设备的闲置资源完成数据处理、存储等需求。在此背景下,该文提出一个在源设备与邻近设备之间的任务卸载方案。考虑无线网络环境下移动设备的移动性导致连接时间随机性问题,采用随机规划方法补偿连接时间预测不精确对任务卸载带来的不利影响。同时,为了激励移动设备相互协作、最大化各自收益,提出基于买卖博弈的分布式多阶段随机买卖博弈任务卸载(SGWD)算法。仿真结果表明该算法在通信成本,时间延迟,能量消耗和收益性能上取得了有效提升。

     

车联网中一种基于软件定义网络与移动边缘计算的卸载策略

在新兴的车联网络中,汽车终端请求卸载的任务对网络带宽、卸载时延等有着更加严苛的需求,而新型通信网络研究中移动边缘计算(MEC)的提出更好地解决了这一挑战。该文着重解决的是汽车终端进行任务卸载时卸载对象的匹配问题。文中引入了软件定义车载网络(SDN-V)对全局变量统一调度,实现了资源控制管理、设备信息采集以及任务信息分析。基于用户任务的差异化性质,定义了重要度的模型,在此基础上,通过设计任务卸载优先级机制算法,实现任务优先级划分。针对多目标优化模型,采用乘子法对非凸优化模型进行求解。仿真结果表明,与其他卸载策略相比,该文所提卸载机制对时延和能耗优化效果明显,能够最大程度地保证用户的效益。

     

移动云计算中任务卸载技术的研究进展

移动设备自身固有的一些局限性,其中包括计算能力有限,存储空间有限,环境感知能力有限以及电量有限等局限性,使得许多应用程序无法在移动设备上高效的运行.研究人员提出移动云计算技术对移动设备进行资源扩展.移动云计算主要通过任务卸载来增强移动设备的数据处理能力以及减少手机能耗.移动云计算中的任务卸载是指把移动设备的任务发送到云平台,然后由云平台处理,最后云平台向用户返回任务结果.本文首先对移动云计算中任务卸载策略和任务卸载性能的研究现状进行介绍,然后分析现有技术的局限性,最后讨论未来热点的研究方向.     

移动设备自适应计算卸载研究

通过卸载,移动云计算能够节省处理能量,这是最大限度降低功耗的最有效方法之一。自适应计算卸载属于局部计算卸载,它根据特定条件,将整项任务划分成更小的单元,且只有耗能大的任务单元被发送到云中进行卸载。文章分析移动云计算卸载的需求,给出移动云计算的3层架构,研究MACS(移动增强云服务)的架构,并基于3项限制条件来优化移动增强云服务。最后,文章提供5种云路径选择方法,讨论云路径选择中的带宽、价格、速度、安全性和可用性问题。     

基于多智能体元强化学习的车联网协同服务缓存和计算卸载

为了降低求解优化问题的难度,提出一种双层的多路侧单元(RSU)协同缓存框架将问题进行解耦.外层采用多智能体元强化学习方法,在每个本地智能体进行决策学习的同时,采用长短期记忆网络作为元智能体来平衡本地决策并加速学习过程,从而得到最优的RSU缓存策略;内层采用拉格朗日乘子法求解最佳协同卸载策略,实现RSU间的任务分配.基于...     

基于城市公共交通云的车联网通信模式研究

在当前交通环境中,大量公交车或出租车上存在可以连入Internet的网络节点,其中很多节点还具有一定的计算和存储能力,根据这一特点建立一种在公共交通基础上的移动云服务与车联网的通信模式,通过在OMNe T++和SUMO平台上进行仿真,验证这种方式下车辆在交通环境下数据的传输可行性。     

移动云服务模式下的移动互联网能力拓展

本文简要介绍了移动互联网、云服务及移动终端之间的相互关系,重点针对移动云服务概念进行了分析与研究,描述了移动云服务的各种模式及系统结构,并详细介绍了在移动云服务模式下移动互联网能力的拓展。     

基于模拟退火机制的车辆用户移动边缘计算任务卸载新方法

在车联网(IOV)环境中,如果将车辆的计算任务都放置在云平台执行,无法满足对于信息处理的实时性,考虑移动边缘计算技术以及任务卸载策略,将用户的计算任务卸载到靠近设备边缘的服务器去执行。但是在密集的环境下,如果所有的任务都卸载到附近的边缘服务器去执行,同样会给边缘服务器带来巨大的负载。该文提出基于模拟退火机制的车辆用户移动边缘计算任务卸载新方法,通过定义用户的任务计算卸载效用,综合考虑时耗和能耗,结合模拟退火机制,根据当前道路的密集程度对系统卸载效用进行优化,改变用户的卸载决策,选择在本地执行或者卸载到边缘服务器上执行,使得在给定的环境下的所有用户都能得到满足低时延高质量的服务。仿真结果表明,该算法在减少用户任务计算时间的同时降低了能量消耗。     

基于云服务的电力移动视频监控系统设计

文章基于分布式的云服务架构,研发适用于省市级电力公司检修和安监等部门的电力移动视频监控系统,实现对施工/检修现场、设备巡检、输电线路等各类移动视频的集中监控、统一存储和统一管理,为安全生产提供有效的监管手段。     

移动边缘计算卸载技术综述

移动边缘计算(Mobile Edge Computing,MEC)将云服务器的计算资源扩展到更靠近用户一侧的网络边缘,使得用户可以将任务卸载到边缘服务器,从而克服原先云计算中将任务卸载到云服务器所带来的高时延问题。首先介绍了移动边缘计算的基本概念、基本框架和应用场景,然后围绕卸载决策、联合资源分配的卸载决策分别从单MEC服务器和多MEC服务器两种场景总结了任务卸载技术的研究现状,最后结合当前MEC卸载技术中存在的不足展望了未来MEC卸载技术的研究。     

MEC下工业AGV的任务卸载策略研究与分析

近年来,AGV被广泛运用到智能化工业生产中,但AGV处理能力有限,难以满足人们对高质量服务的要求。为促进AGV在工业领域的快速发展,将移动边缘计算引入工业AGV中,提出了一种基于粒子群优化算法的计算任务卸载策略,以降低系统迟延,该策略考虑任务优先级,根据任务优先级别来卸载计算任务。结果表明,该策略能有效降低系统时延。     

车载边缘计算中任务卸载和服务缓存的联合智能优化

针对车载环境下有限的网络资源和大量用户需求之间的矛盾,提出了智能驱动的车载边缘计算网络架构,以实现网络资源的全面协同和智能管理.基于该架构,设计了任务卸载和服务缓存的联合优化机制,对用户任务卸载以及计算和缓存资源的调度进行了建模.鉴于车载网络的动态、随机和时变的特性,利用异步分布式强化学习算法,给出了最优的卸载决策和资...     

移动云服务——移动终端能力扩展的重要手段

文章简要分析了传统移动终端通过硬件和本地软件实现能力扩展的方式,结合HTML5发展趋势及用户新需求,指出移动云服务扩展了移动终端存储和计算能力,成为移动终端能力扩展的重要手段,并分析了移动云服务面临的挑战.     

车联网中基于移动边缘计算的内容感知分类卸载算法研究

随着智能交通的快速发展,车辆终端产生大量需要实时处理的数据消息,而在有限资源上的竞争将会增加消息处理的时延,且对终端设备造成很大的能量消耗。针对时延和能量损耗的均衡关系,该文提出一种基于移动边缘计算(MEC)的内容感知分类卸载算法。首先根据层次分析法对安全消息进行优先级划分,然后建立时延和能量损耗的最优任务卸载模型,通过给时延和能量损耗赋予不同的权重系数构造关系模型,并利用拉格朗日松弛法将非凸问题转化为凸问题,从而结合次梯度投影法和贪婪算法得到问题的可行解。性能评估结果表明,该算法在一定程度上改善了消息处理时延和能量损耗。