日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

邊緣計(jì)算將云計(jì)算的能力從中心擴(kuò)展到了邊緣網(wǎng)絡(luò)。盡管邊緣計(jì)算具有位置感知和低延遲的優(yōu)勢，但無處不在的連接和對超低延遲不斷增長的需求，對智慧城市的實(shí)時(shí)信息處理提出了嚴(yán)峻挑戰(zhàn)。作為邊緣計(jì)算和車載網(wǎng)絡(luò)的融合，車輛邊緣計(jì)算（VEC）有望實(shí)現(xiàn)實(shí)時(shí)和位置感知的網(wǎng)絡(luò)響應(yīng)。由于車輛邊緣計(jì)算的概念和應(yīng)用尚處于初始階段，本文首先構(gòu)建了一個(gè)三層車輛邊緣計(jì)算模型，以實(shí)現(xiàn)分布式交通管理，從而將由車輛信息收集和路網(wǎng)事件的響應(yīng)時(shí)間降至最低。通過利用移動(dòng)和停放的車輛作為邊緣節(jié)點(diǎn)，將車輛邊緣計(jì)算支持的卸載方案建模為一個(gè)優(yōu)化問題，基于在線算法進(jìn)行問題求解，并基于真實(shí)出租車軌跡的性能分析驗(yàn)證了模型的有效性。

近年來，隨著無線通信、邊緣計(jì)算、人工智能等技術(shù)的不斷進(jìn)步，物聯(lián)網(wǎng)實(shí)現(xiàn)了快速發(fā)展并得到廣泛應(yīng)用。物聯(lián)網(wǎng)是指通過信息傳感設(shè)備將物體接入網(wǎng)絡(luò)，并借助信息傳輸媒介實(shí)現(xiàn)物體之間的數(shù)據(jù)交互，從而實(shí)現(xiàn)智能化的識(shí)別、定位、跟蹤與監(jiān)管等功能。

城市車輛網(wǎng)絡(luò)是智能交通系統(tǒng)的核心組成部分，涵蓋交通安全、定位與導(dǎo)航、高效信息共享與傳播等領(lǐng)域。2025年末，中國網(wǎng)聯(lián)車將突破2.59億輛，占汽車保有量的75%，這些車輛將產(chǎn)生4.4澤字節(jié)（ZB）數(shù)據(jù)，2020年至今數(shù)據(jù)復(fù)合增長率逐年遞增，達(dá)到80%，這給日益飽和的無線帶寬帶來了嚴(yán)峻挑戰(zhàn)。傳統(tǒng)的車輛間（V2V）自組織通信模式存在間歇性連接的問題，這使得服務(wù)質(zhì)量與超低延遲的要求難以實(shí)現(xiàn)，例如車輛決策閉環(huán)需在20毫秒內(nèi)完成。盡管現(xiàn)有研究提出了一些解決方案來滿足智慧城市交通管理的通信和計(jì)算需求，但這些方案還遠(yuǎn)遠(yuǎn)不夠。蜂窩網(wǎng)絡(luò)的帶寬有限，且主要由網(wǎng)絡(luò)運(yùn)營商控制。路邊單元（RSU）的部署成本高昂，也不可能完全覆蓋所有道路。此外，在車載網(wǎng)絡(luò)中，移動(dòng)云計(jì)算用于實(shí)時(shí)交通數(shù)據(jù)上傳既耗時(shí)又昂貴。因此，要想實(shí)現(xiàn)智慧城市中的實(shí)時(shí)交通管理，需要設(shè)計(jì)一個(gè)全新的信息處理平臺(tái)。

通過在終端附近促進(jìn)通信、計(jì)算和網(wǎng)絡(luò)連接，邊緣計(jì)算能夠靈活高效地從本地視角優(yōu)化網(wǎng)絡(luò)資源。隨著車載服務(wù)流量的激增，邊緣節(jié)點(diǎn)將會(huì)不堪重負(fù)。車輛邊緣計(jì)算利用車載資源來提升計(jì)算能力，并進(jìn)一步降低邊緣計(jì)算的延遲。通過車輛邊緣計(jì)算，未被利用的車輛計(jì)算資源（例如在停車場或購物中心的車輛）可以作為邊緣節(jié)點(diǎn)的組件加以補(bǔ)充。

依托國家自然科學(xué)基金等項(xiàng)目，重慶郵電大學(xué)寧兆龍教授和王小潔教授項(xiàng)目組針對車聯(lián)網(wǎng)服務(wù)能力與通信和計(jì)算資源適配的關(guān)聯(lián)機(jī)制這一科學(xué)問題，在全球首次提出了車輛邊緣計(jì)算的模型并量化了其服務(wù)能力，基于停靠車輛、移動(dòng)車輛等服務(wù)能力來量化邊緣服務(wù)能力，取得了一系列創(chuàng)新成果，并基于真實(shí)出租車軌跡對設(shè)計(jì)方案的有效性進(jìn)行了驗(yàn)證。

車輛邊緣計(jì)算架構(gòu)

在車輛邊緣計(jì)算架構(gòu)中，車輛作為基礎(chǔ)設(shè)施，其目標(biāo)是充分利用邊緣網(wǎng)絡(luò)服務(wù)提供商和車載通信的優(yōu)勢。圖1展示了三層車輛邊緣計(jì)算架構(gòu)，包括云層（cloud）、微云層（cloudlet）和邊緣層（包含車輛和設(shè)備）。云層通常由交通管理服務(wù)器（TMS）和可信第三方機(jī)構(gòu)（TTA）構(gòu)成，它執(zhí)行城市級(jí)的監(jiān)控和集中遠(yuǎn)程控制。微云層接收車輛上報(bào)的數(shù)據(jù)，并對收集到的數(shù)據(jù)進(jìn)行處理，然后將其傳遞給云層。邊緣層由處于路邊單元無線通信范圍內(nèi)的車輛/設(shè)備組成。由于車輛/車載設(shè)備的感知、計(jì)算、通信和存儲(chǔ)能力不斷增強(qiáng)，該層對于車輛邊緣計(jì)算具有重要意義。車輛生成的一些數(shù)據(jù)可用于車輛級(jí)網(wǎng)絡(luò)決策，而其他數(shù)據(jù)則可上傳至邊緣層進(jìn)行處理。項(xiàng)目組利用路邊單元附近的停放車輛和移動(dòng)車輛形成邊緣節(jié)點(diǎn)進(jìn)行車輛邊緣計(jì)算，并將感知事件的信息上傳至路邊單元。之后，路邊單元決定上傳的流量是由微云還是邊緣節(jié)點(diǎn)處理。

交通擁堵、交通事故和路面損壞等感知事件可由車輛上傳至其行駛路線上的附近路邊單元。之后，上傳的消息會(huì)被傳至微云節(jié)點(diǎn)或邊緣節(jié)點(diǎn)進(jìn)行處理，然后再上傳至交通管理服務(wù)器。隨后，交通管理服務(wù)器通過路邊單元向車輛廣播反饋信息。在路邊單元通信范圍內(nèi)的車輛可作為邊緣節(jié)點(diǎn)直接處理消息，從而大幅縮短響應(yīng)時(shí)間。然而，由于基于車輛的邊緣節(jié)點(diǎn)網(wǎng)絡(luò)狀態(tài)動(dòng)態(tài)變化，云節(jié)點(diǎn)是必不可少的。本工作的目標(biāo)是通過在云節(jié)點(diǎn)和邊緣節(jié)點(diǎn)之間進(jìn)行負(fù)載均衡來最小化交通管理的響應(yīng)延遲。

問題表述

首先，城市地圖被劃分為若干個(gè)區(qū)域，一條消息的預(yù)期響應(yīng)時(shí)間由云節(jié)點(diǎn)、靜止車輛和移動(dòng)車輛所構(gòu)成的邊緣節(jié)點(diǎn)的平均響應(yīng)時(shí)間，以及其他路側(cè)單元的輸入消息所產(chǎn)生的延遲之和構(gòu)成。在一個(gè)時(shí)間間隔內(nèi)，上述3個(gè)二進(jìn)制變量的總和為1。

微云所需的響應(yīng)時(shí)間包括4個(gè)部分：從路邊單元上傳消息至處理服務(wù)器所消耗的時(shí)間、消息等待時(shí)間、消息處理時(shí)間，以及消息轉(zhuǎn)發(fā)回路邊單元所需的時(shí)間。將所研究的網(wǎng)絡(luò)建模為一個(gè)排隊(duì)網(wǎng)絡(luò)，云節(jié)點(diǎn)的等待隊(duì)列可以視為一個(gè)M/M/b 排隊(duì)，其中b為服務(wù)器的數(shù)量；邊緣節(jié)點(diǎn)由停放車輛和行駛車輛組成。對于基于停放車輛的邊緣模型，在每個(gè)時(shí)隙內(nèi)停放車輛的數(shù)量是穩(wěn)定的，可建模為M/M/l 排隊(duì)系統(tǒng)，其中l(wèi) 是停放車輛數(shù)；對于基于移動(dòng)車輛的邊緣節(jié)點(diǎn)，將其簡化為服務(wù)速率為l的靜態(tài)服務(wù)器，理論證明其對應(yīng)的模型遵循M/M/1排隊(duì)系統(tǒng)（即網(wǎng)絡(luò)流入信息遵循到達(dá)率為l 米的泊松過程）。

由于不同路邊單元間的消息流量隨時(shí)間變化而有所不同，因此需要在路邊單元間進(jìn)行消息流量的重定向。路側(cè)單元的最終輸入消息流量需減去重定向的消息流量。因此，實(shí)時(shí)流量管理中的消息卸載就是要將消息流合理分配給云節(jié)點(diǎn)、基于停放車輛和基于移動(dòng)車輛的邊緣節(jié)點(diǎn)，從而將預(yù)期響應(yīng)時(shí)間降至最低（見圖2）。

基于車輛邊緣計(jì)算的卸載策略

由于設(shè)計(jì)的基于車輛邊緣計(jì)算的卸載是一個(gè)混合整數(shù)非線性規(guī)劃問題，項(xiàng)目團(tuán)隊(duì)將目標(biāo)從整體響應(yīng)時(shí)間最小化轉(zhuǎn)變?yōu)槊總€(gè)時(shí)隙內(nèi)的響應(yīng)時(shí)間最小化問題。云節(jié)點(diǎn)的性能通常是固定的，其卸載能力取決于處理能力。然而，基于停放車輛和移動(dòng)車輛的邊緣節(jié)點(diǎn)的位置會(huì)隨時(shí)間變化，這給平均響應(yīng)時(shí)間的估算帶來了挑戰(zhàn)。

本研究首先計(jì)算基于停放車輛和移動(dòng)車輛的邊緣節(jié)點(diǎn)最小響應(yīng)時(shí)間；之后，重新調(diào)整不同路側(cè)單元之間的消息流，以接近所獲得的平均響應(yīng)時(shí)間；最后，確定輸入消息流的分配以進(jìn)行流量處理。對于邊緣節(jié)點(diǎn)延遲最小化問題，首先通過將消息流分配給霧單元中的停放車輛和移動(dòng)車輛節(jié)點(diǎn)來計(jì)算邊緣節(jié)點(diǎn)的平均延遲。由于二者的總期望延遲既不是凸函數(shù)也不是凹函數(shù)，因此該問題可以轉(zhuǎn)化為最小凹成本網(wǎng)絡(luò)流問題，對此可利用分支定界算法求解。在獲取這兩種邊緣節(jié)點(diǎn)的流量后，即可得到霧節(jié)點(diǎn)的平均響應(yīng)時(shí)間。為了將系統(tǒng)傳輸延遲降至最低，所研究的問題就變成了將消息從過載的邊緣計(jì)算單元重新定向到未過載的單元，這是一個(gè)典型的線性最小成本網(wǎng)絡(luò)流問題，最優(yōu)目標(biāo)可以通過將傳輸延遲與平均響應(yīng)時(shí)間相結(jié)合來獲得。

由于車輛邊緣計(jì)算的網(wǎng)絡(luò)狀態(tài)動(dòng)態(tài)變化，微云在交通管理系統(tǒng)中不可或缺，作為邊緣節(jié)點(diǎn)的補(bǔ)充部分來處理消息流，其部署目標(biāo)是利用最少數(shù)量的微云服務(wù)器來處理邊緣節(jié)點(diǎn)未處理的消息流。在設(shè)計(jì)的車輛邊緣計(jì)算信息處理方案中，邊緣節(jié)點(diǎn)在將消息流重定向至云節(jié)點(diǎn)之前具有優(yōu)先處理這些消息流的權(quán)限。具體步驟概述為：（1）通過分支定界法計(jì)算消息的平均響應(yīng)時(shí)間；（2）通過Edmonds-Karp算法計(jì)算從過載的邊緣節(jié)點(diǎn)到未過載節(jié)點(diǎn)的重定向消息流；（3）確定由停放車輛和移動(dòng)車輛所基于的邊緣節(jié)點(diǎn)分別處理的消息流數(shù)量；（4）計(jì)算云節(jié)點(diǎn)所需的服務(wù)器數(shù)量。

性能分析

本小節(jié)根據(jù)上海市的真實(shí)城市地圖和出租車軌跡進(jìn)行了一些性能驗(yàn)證。具體而言，將一個(gè)行政區(qū)劃定義為一個(gè)區(qū)域。每個(gè)區(qū)域內(nèi)的路邊單元位于一個(gè)街道的中心。選取的普陀區(qū)和黃浦區(qū)GPS如圖3所示。

基于項(xiàng)目組獲取的2015年4月整個(gè)月份超過1000輛出租車的軌跡，包括GPS 位置、方向、速度和記錄時(shí)間，本研究在每個(gè)路邊單元 500米范圍內(nèi)，每10分鐘統(tǒng)計(jì)一次移動(dòng)車輛的到達(dá)率。通過分析數(shù)據(jù)集中移動(dòng)車輛的到達(dá)率，項(xiàng)目組注意到每秒平均有100至 500輛車經(jīng)過一個(gè)路邊單元。由于該研究為首個(gè)基于車輛邊緣計(jì)算的分布式城市交通管理方案，該研究選擇了一種隨機(jī)策略進(jìn)行對比，旨在使基于停放車輛和移動(dòng)車輛的邊緣節(jié)點(diǎn)處理的工作負(fù)載最大化。普陀區(qū)和黃浦區(qū)在不同消息到達(dá)率下的平均響應(yīng)時(shí)間如圖4 所示。很明顯，隨著消息到達(dá)率的增加，平均響應(yīng)時(shí)間也會(huì)增加，但不同于隨機(jī)策略的平均響應(yīng)時(shí)間急劇上升，本研究而提出的解決方案則緩慢上升。這是因?yàn)楸痉桨改軌騽?dòng)態(tài)平衡網(wǎng)絡(luò)負(fù)載，而不是像隨機(jī)策略那樣專注于最大化邊緣節(jié)點(diǎn)的網(wǎng)絡(luò)負(fù)載。 

圖5展示了當(dāng)停放車輛的邊緣節(jié)點(diǎn)總數(shù)增加時(shí)，平均響應(yīng)時(shí)間的變化趨勢。這兩種方法的響應(yīng)時(shí)間隨著節(jié)點(diǎn)數(shù)量的增加而減少，因?yàn)檫吘壒?jié)點(diǎn)數(shù)量增多意味著處理能力增強(qiáng)。顯而易見，項(xiàng)目組設(shè)計(jì)的方法更適用于不同網(wǎng)絡(luò)流量情況，并且?guī)缀醪皇苓吘壒?jié)點(diǎn)數(shù)量的影響，從而很好地體現(xiàn)了其可擴(kuò)展性。

基于提出的車輛邊緣計(jì)算理論方法，項(xiàng)目組進(jìn)一步在該領(lǐng)域深入開展研究，量化了不同車聯(lián)網(wǎng)層次的適配能力，揭示了不同車聯(lián)網(wǎng)單元的處理能力，分析了不同服務(wù)模型的演化能力，破解了關(guān)聯(lián)特性的演化規(guī)律和自主特性的映射關(guān)聯(lián)兩個(gè)技術(shù)難題。相關(guān)研究成果獲IEEE車輛技術(shù)協(xié)會(huì)最佳論文獎(jiǎng)和IEEE系統(tǒng)協(xié)會(huì)最佳論文獎(jiǎng)等，有力地推動(dòng)了新型邊緣計(jì)算方法的理論發(fā)展與自動(dòng)駕駛的場景落地。

來源：悅智網(wǎng)