基于移动边缘计算的V2X任务卸载方案

张海波; 栾秋季; 朱江; 贺晓帆

doi:10.11999/JEIT180027

基于移动边缘计算的V2X任务卸载方案

doi: 10.11999/JEIT180027

张海波^{1, 2},
栾秋季^{1, 2, ,},
朱江^{1, 2},
贺晓帆³

1.
重庆邮电大学通信与信息工程学院重庆 400065
2.
重庆邮电大学移动通信技术重庆市重点实验室重庆 400065
3.
美国德克萨斯州拉玛尔大学电子工程系美国 77710

基金项目: 国家自然科学基金(61771084, 61601071)，长江学者和创新团队发展计划基金(IRT16R72)

详细信息

作者简介:
张海波：男，1979年生，副教授，研究方向为移动边缘计算

栾秋季：女，1995年生，硕士生，研究方向为移动边缘计算

朱江：男，1977年生，教授，研究方向为认知无线电、移动通信

贺晓帆：男，1985年生，助理教授，研究方向为无线资源管理

通讯作者:
栾秋季　 yimuxiaolian@163.com

中图分类号: TN929.5
计量
- 文章访问数: 3116
- HTML全文浏览量: 1134
- PDF下载量: 130
- 被引次数: 15
出版历程
- 收稿日期: 2018-01-09
- 修回日期: 2018-05-02
- 网络出版日期: 2018-06-20
- 刊出日期: 2018-11-01

V2X Task Offloading Scheme Based on Mobile Edge Computing

Haibo ZHANG^{1, 2},
Qiuji LUAN^{1, 2
, ,},
Jiang ZHU^{1, 2},
Xiaofan HE³

1.
College of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, China
2.
Chongqing Key Laboratory of Mobile Communications Technology, Chongqing University of Posts and Telecommunications, Chongqing 400065, China
3.
Department of Electronic Engineering, Lamar University, TX 77710, USA

Funds: The National Natural Science Foundation of China (61771084, 61601071), The Program for Changjiang Scholars and Innovative Research Team in University (IRT16R72)

摘要

摘要: 移动边缘计算(MEC)通过在移动网络边缘提供IT服务环境和云计算能力带来高带宽、低时延优势，从而在下一代移动网络的研究中引起了广泛的关注。该文研究车载网络中车辆卸载请求任务时搜寻服务节点为其服务的匹配问题，构建一个基于MEC的卸载框架，任务既可以卸载到MEC服务器以车辆到基础设施(V2I)形式通信，也可以卸载到邻近车辆进行车辆到车辆(V2V)通信。考虑到资源有限性、异构性，任务多样性，建模该框架为组合拍卖模式，提出一种多轮顺序组合拍卖机制，由层次分析法(AHP)排序、任务投标、获胜者决策3个阶段组成。仿真结果表明，所提机制可以在时延和容量约束下，使请求车辆效益提高的同时最大化服务节点的效益。
- 车载网络 /
- 移动边缘计算 /
- 组合拍卖模型 /
- 层次分析法
Abstract: Mobile Edge Computing (MEC) draws much attention in the next generation of mobile networks with high bandwidth and low latency by enabling the IT and cloud computation capacity at the Radio Access Network (RAN). Matching problem between requesting nodes and servicing nodes is studied when a vehicle wants to offload tasks, a MEC-based offloading framework in vehicular networks is proposed, Vehicle can either offload task to MEC sever as V2I link or neighboring vehicle as V2V link. Taking into account the limited and heterogeneous resources, and the diversity of tasks, offloading framework is established as combination auction model, and a multi-round sequential combination auction mechanism is proposed, which consists of Analytic Hierarchy Process (AHP) ranking, task bidding and winners decision. Simulation results show that the proposed mechanism can maximize the efficiency of service nodes while increasing the efficiency of requesting vehicles under the constraints of the delay and the capacity.
- Vehicular networking /
- Mobile Edge Computing (MEC) /
- Combination auction modle /
- Analytic Hierarchy Process (AHP)

HTML全文

图 1 系统模型图

下载: 全尺寸图片幻灯片

图 2 层次分析法结构模型图

下载: 全尺寸图片幻灯片

图 3 拍卖模型图

下载: 全尺寸图片幻灯片

图 8 不同请求节点数情况下获胜者数目对比图

下载: 全尺寸图片幻灯片

图 5 多轮顺序组合拍卖卸载机制获胜者对比图

下载: 全尺寸图片幻灯片

图 4 多轮顺序组合拍卖卸载机制效益对比图

下载: 全尺寸图片幻灯片

图 7 M变化情况下请求车辆数与获胜者数目关系图

下载: 全尺寸图片幻灯片

图 6 M变化情况下请求车辆数与效益关系图

下载: 全尺寸图片幻灯片

表 1 判断矩阵中标度及含义

	相等	较强	强	很强	绝对强
${m_{ij}}$	1	3	5	7	9

下载: 导出CSV

表 2 平均随机一致性指标RI

$n$	1	2	3	4	5	…
RI	0	0.58	0.90	1.12	1.24	…
注：当判断矩阵小于等于15阶时，平均随机一致性指标RI可由查表得到；当阶数大于15时，RI可由参考文献[12]中乘幂法得到。

下载: 导出CSV

表 3 多轮顺序组合拍卖卸载机制

算法1　多轮顺序组合拍卖卸载机制
(1)输入：车辆 $i$ 的请求信息为 $\left\{ {{c_{ij}},{b_{ij}},p_{ij}^c,p_{ij}^b} \right\}$ ，服务节点 $j$ 的状态 $\left\{ {{C_j},{B_j}} \right\}$ , $i \in \left\{ {1,2, ·\!·\!· ,L} \right\}$ , $j \in \left\{ {1,2, ·\!·\!· ,M} \right\}$ ，满意度序值 ${W^i} = \left\{ {w_{_1}^i,w_{_2}^i, ·\!·\!· ,w_M^i} \right\}$
(2)输出：连接矩阵X，效益 ${U_M}(j)$ ，未投标矩阵 ${{F}}\!=\!\left\{ {{v_1},{v_2}, ·\!·\!· ,{v_f}} \right\}$ 且 $0 \le f \le L$
(3)　　for $r = 1:M$
(4)　　　for $i = 1:f$ do
(5)　　　　for $j = 1:M$ do
(6) AHP计算F中各元素对 ${g_j}$ 排序，根据排序顺序地发布请求信息；服务节点权衡与各请求车辆通信距离确定服务顺序
(7)　　　　end for
(8)　　　end for
(9)　　　　for $j = 1:M$ do 　(10)　　　　　 ${U_{\rm temp}} = \sum\limits_{j = 1}^M {U(j)}$ ;
(11)　　　　　for $i = 1:f$ do
(12)　　 $(U(j),F,X) =$ ${\rm Knapsack}(\left\{ {{c_{ij}},{b_{ij}},p_{ij}^c,p_{ij}^b} \right\},\left\{ {{C_j},{B_j}} \right\})$ ;
(13)　　　 ${U_M} = {U_{{\text{tp}}}} + U(j)$ ;
(14)　　　end for
(15)　　end for
(16) for $k = 1:f$ do
(17)　　if $p_{{kj}}^c \le z_i^c$ then
(18)　　　 $p_{{kj}}^c = p_{{kj}}^c + \eta p_{{kj}}^c$
(19)　　end if
(20)　　if $p_{{kj}}^b \le z_i^b$ then
(21)　　　 $p_{{kj}}^b = p_{{kj}}^b + \eta p_{{kj}}^b$
(22)　　end if
(23) end for

下载: 导出CSV

表 4 多维分组背包算法

算法2　多维分组背包算法
(1)输入：车辆 $i$ 的请求信息为 $\left\{ {{c_{ij}},{b_{ij}},p_{ij}^c,p_{ij}^b} \right\}$ ，服务节点 $j$ 状态函数 $\left\{ {{C_j},{B_j}} \right\}$
(2)输出：选择矩阵X，效益 ${U_j}(j)$ ，未投标矩阵F
(3) for $c = 1:{C_j}$ do
(4)　for $b = 1:{B_i}$ do
(5) ${U_j}(i,j,c,b) =\max \left\{ {U_j}(i,j - 1,c,b),\right.$ 　　　　　　　　 $\left. {U_j}(i,j - 1,c - {c_{ij}},b - {b_{ij}}) + {p_{ij}} \right\}$ ;
(6)　　If ${U_j}(i,j,c,b) \le {U_j}(i,j - 1,c,b)$
(7)　　　 ${x_{ij}} = 0$ ;
(8)　　　 ${{F}} = {{F}} \cup \left\{ j \right\}$ ;
(9)　　else
(10)　　　 ${x_{ij}} = 1$ ;
(11)　　　 ${{F}} = {{F}} \cup \left\{ {j{-}1} \right\}$ ;
(12)　　　　end if
(13)　　　end for
(14)　　end for

下载: 导出CSV

参考文献(13)

XU Lida, HE Wu, and LI Shancang. Internet of things in industries: a survey[J]. IEEE Transactions on Industrial Informatics, 2014, 10(4): 2233–2243 doi: 10.1109/TII.2014.2300753

YU Rong, DING Jiefei, HUANG Xumin, et al. Optimal resource sharing in 5G-enabled vehicular networks: A matrix game approach[J]. IEEE Transactions on Vehicular Technology, 2016, 65(10): 7844–7856 doi: 10.1109/TVT.2016.2536441

SALAHUDDIN M A, AL-FUQAHA A, and GUIZANI M. Reinforcement learning for resource provisioning in the vehicular cloud[J]. IEEE Wireless Communications, 2016, 23(4): 128–135 doi: 10.1109/MWC.2016.7553036

ABUELELA M and OARIUL S. Taking VANET to the clouds[C]. International Conference on Advances in Mobile Computing and Multimedia, Paris, France, 2010: 6–13.

HAN Guangjie, LIU Li, CHAN S, et al. HySense: A hybrid mobile crowdSensing framework for sensing opportunities compensation under dynamic coverage constraint[J]. IEEE Communications Magazine, 2017, 55(3): 93–99 doi: 10.1109/MCOM.2017.1600658CM

CHEN Xu, JIAO Lei, LI Wenzhong, et al. Efficient multi-user computation offloading for mobile-edge cloud computing[J]. IEEE/ACM Transactions on Networking, 2016, 24(5): 2795–2808 doi: 10.1109/TNET.2015.2487344

ZHANG Ke, MAO Yuming, LENG Supeng, et al. Energy-efficient offloading for mobile edge computing in 5G heterogeneous networks[J]. IEEE Access, 2017, 4: 5896–5907 doi: 10.1109/ACCESS.2016.2597169

ZHANG Ke, MAO Yuming, LENG Supeng, et al. Optimal delay constrained offloading for vehicular edge computing networks[C]. IEEE International Conference on Communications, Paris, France, 2017: 1–6.

ZHANG Ke, MAO Yuming, LENG Supeng, et al. Predictive offloading in cloud-driven vehicles: Uusing mobile-edge computing for a promising network paradigm[J]. IEEE Vehicular Technology Magazine, 2017, 12(2): 36–44 doi: 10.1109/MVT.2017.2668838

LI Liang, LI Yunzhou, and HOU Ronghui. A novel mobile edge computing-based architecture for future cellular vehicular networks[C]. Wireless Communications and Networking Conference, San Francisco, USA, 2017: 1–6.

DENG Maofei, TIAN Hui, and LIU Xinchen. Adaptive sequential offloading game for multi-cell mobile edge computing[C]. International Conference Telecommuni-cations, Thessaloniki, Greece, 2016: 1–5.

洪志国, 李焱, 范植华, 等. 层次分析法中高阶平均随机一致性指标(RI)的计算[J]. 计算机工程与应用, 2002, 38(12): 45–47 doi: 10.3321/j.issn:1002-8331.2002.12.017

HONG Zhiguo, LI Yan, FAN Zhihua, et al. Caculation on high-ranked RI of analytic hierarchy process[J]. Computer Engineering and Applications, 2002, 38(12): 45–47 doi: 10.3321/j.issn:1002-8331.2002.12.017

TANG Ling, CHEN Xu, and HE Shibo. When social network meets mobile cloud: a social group utility approach for optimizing computation offloading in cloudlet[J]. IEEE Access, 2017, 4: 5868–5879 doi: 10.1109/ACCESS.2016.2611602

施引文献

期刊类型引用(9)

1.	李宗凌，汪路元，蒋帅，吴雨航，张庆君. 超轻量网络的SAR图像舰船目标在轨提取. 遥感学报. 2021(03): 765-775 . 百度学术
2.	杜兰，王兆成，王燕，魏迪，李璐. 复杂场景下单通道SAR目标检测及鉴别研究进展综述. 雷达学报. 2020(01): 34-54 . 百度学术
3.	彭书娟，曲长文，李健伟. K近邻优化估计的SAR图像建模与目标检测算法. 控制与决策. 2020(09): 2199-2206 . 百度学术
4.	龙波. 相关序列小目标图像背景杂波度量方法仿真. 计算机仿真. 2020(09): 377-381 . 百度学术
5.	陈帅. 一种快速排序筛选SAR图像目标CFAR检测算法. 空军预警学院学报. 2019(04): 257-261 . 百度学术
6.	连婷婷. 民用航空区域危险目标自动识别方法研究. 环境技术. 2019(05): 160-164 . 百度学术
7.	李健，孙光才，邢孟道，章林. 基于卷积构型的单元平均CFAR目标检测算法. 电波科学学报. 2018(01): 56-63 . 百度学术
8.	李宗凌，汪路元，禹霁阳，郝梁，程博文. 星载SAR在轨成像及舰船目标检测方法. 航天器工程. 2018(06): 41-47 . 百度学术
9.	黄勇，刘芳. 基于模糊语义的高分辨率SAR图像汽车检测算法. 电子与信息学报. 2017(04): 968-972 . 本站查看