面向车辆边缘计算的任务卸载关键技术研究.pdfVIP

杭州电子科技大学硕士学位论文

摘要

车联网借助新一代信息通信技术实现车辆与外界的信息交换，而智能交通的普及赋予了

车联网新生命，自动驾驶、自适应导航等各类低时延需求的新型移动应用蜂拥而至。移动边

缘计算被认为是解决实时计算处理需求不断增长和用户自身计算资源有限的强大范例，而车

辆边缘计算作为车联网与移动边缘计算相结合的改革创新技术能够满足低时延、低能耗以及

高可靠的车载通信需求。

计算卸载作为移动边缘计算关键技术之一，可以将计算过程从移动设备迁移至拥有丰富

资源的服务器上。然而车联网中交通环境持续性动态变化、任务数据量密集使得计算资源受

限且网络负载不平衡，如何根据环境因素划分车载任务并发布针对性卸载决策是能否高效利

用系统计算资源的关键。与此同时，车辆边缘计算需要面向非稳态场景，解决车辆迁移和越

区带来的任务连续性问题。此外，评估卸载方案的优劣不但需要考虑用户端的开销，还需要

考虑服务器端的能耗。因此本文围绕面向车联网的边缘卸载技术，开展了如下研究：

（1）车辆边缘计算中基于深度学习的任务判别卸载。该方案可以预先划分车载任务类型

并提供针对性卸载决策。具体而言，首先选取动态变化的车辆特征参数作为准则，使用改进

型层次分析法将车载任务划分为时延敏感型、能耗敏感型以及非敏感型三大类；然后基于三

种卸载决策进行资源分配联合建模并利用调度算法和罚函数消除建模的约束条件；最后提出

一种基于深度学习的分布式卸载网络来有效降低车辆边缘计算系统的能耗与时延。实验结果

表明，所提卸载方案具有良好的交通环境适应性且有效降低了任务处理的时延与能耗。

（2）移动性场景下基于车辆边缘计算的服务质量优化卸载。该方案可以保证车辆切换区

域时服务的连续性与可靠性并提供了一种服务器部署策略。具体而言，首先基于车辆的越区

移动场景建模并部署中心边缘服务器用以同步各边缘服务器信息与交递未完成任务；随后提

出改进型粒子群优化算法获取任务卸载的最优位置；最后利用深度神经网络处理前一步的输

出结果来得到最优的卸载策略与资源分配方案。实验结果表明，所提卸载方案具有更好的服

务质量表现且能够最小化车辆边缘计算系统的开销。

（3）车辆边缘计算中基于非合作博弈的服务定价计算卸载。该方案将服务器端的开销纳

入考量并利用服务定价思路来解决分布式任务卸载问题。具体而言，首先在多车辆用户多服

务器场景中，针对任务卸载过程中用户端的成本支出与服务器端的服务收益进行定价建模；

随后，将车联网系统的整体收益目标函数转化为潜在博弈方程，利用博弈策略的迭代更新来

逼近最优卸载策略；最后对于本章算法进行仿真。实验结果表明，所提出的潜在博弈方程可

以收敛到纳什均衡且所提卸载方案可以有效提高车辆边缘计算系统整体的收益。

关键词：车联网，车辆边缘计算，计算卸载，深度神经网络，移动性管理

I

杭州电子科技大学硕士学位论文

ABSTRACT

TheInternetofVehiclesrealizestheinformationexchangebetweenvehiclesandtheoutside

worldwiththehelpofanewgenerationofinformationandcommunicationtechnologies.The

popularityofintelligenttransportationhasgivennewlifetotheInternetofvehicles.Variousnew

mobileapplicationswithlowdelayrequirements,suchasautonomousdrivingandadaptive

navigation,haveswarmsintotheInternetofvehicles.Mobileedgecomputingisregardedasa

powerful