[go: up one dir, main page]

CN115567979A - 一种基于vec中资源和时间高效的计算卸载方法 - Google Patents

一种基于vec中资源和时间高效的计算卸载方法 Download PDF

Info

Publication number
CN115567979A
CN115567979A CN202211251092.1A CN202211251092A CN115567979A CN 115567979 A CN115567979 A CN 115567979A CN 202211251092 A CN202211251092 A CN 202211251092A CN 115567979 A CN115567979 A CN 115567979A
Authority
CN
China
Prior art keywords
vehicle
service
task
svs
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211251092.1A
Other languages
English (en)
Inventor
汪淑娟
彭豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN202211251092.1A priority Critical patent/CN115567979A/zh
Publication of CN115567979A publication Critical patent/CN115567979A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于VEC中资源和时间高效的计算卸载方法，属于车载通信领域。包括车辆运动模型分析、考虑多因素模糊逻辑服务要价机制、Max‑Min公平算法任务卸载决策。当用户车辆出现自身车载单元无法完成任务时，其周围的其他具有空闲计算资源的车辆可以提供额外的任务计算处理服务；然后，服务车辆根据多个因素结合模糊逻辑控制得到其服务要价；最后用户车辆根据周围可服务车辆的服务要价进行Max‑Min公平算法的卸载决策。本发明在传统车联网计算任务卸载中添加了模糊逻辑要价方案，激励服务车辆参与任务计算服务，最后引入Max‑Min公平算法进行任务卸载决策，有利于系统最大化资源的利用率和最小化总延迟。

Description

一种基于VEC中资源和时间高效的计算卸载方法
技术领域
本发明涉及一种基于VEC中资源和时间高效的计算卸载方法，属于车载通信领域。
背景技术
随着无线通信技术和车联网(IoV)的飞快发展，许多车辆都装配了车载单元(OBU)，支持多种智能应用，例如自动驾驶、视频辅助实时导航、以及在线互动游戏等新型应用。其中许多应用需要大量的计算资源，对时延敏感，给计算资源有限的单个车辆用户带来巨大挑战。根据思科(Cisco)发布的报告显示，3亿辆乘用车能在无线通信中产生超过4亿GB的数据。不难想象，在这个过程中可能会产生大量的计算任务，从而激增大量的计算资源请求，对于有限的车载资源来说，很难满足爆发式任务需求。目前，云计算仍然是减轻车辆繁重计算负担的主流卸载方法。通过无线网络将计算任务转移到远程云服务器执行，尽管提高了计算性能和资源利用率，但由于车辆与云服务器之间的长距离传输，可能会导致高延迟和低可靠性，从而降低系统性能和服务质量，极大地降低了卸载效率。此外，大量任务卸载可能会导致主干网拥塞。
为了解决这一问题，提出了车辆边缘计算(VEC)，通过在网络的边缘部署计算资源来提高计算性能。用户车辆(UV)的计算任务可以卸载到附近的路边单元(RSU)，从而缩短任务长距离传输的高时延开销。然而，由于车辆高速移动的特性，其与RSU的通信持续时间是非常短暂的，一旦用户驶出RSU的通信范围，那么任务结果就无法回传给用户，造成任务卸载失败。道路上行驶的空闲资源车辆可以看作一台“移动的服务器”，用户车辆可通过车对车(V2V)通信将任务卸载给其通信范围内的其他车辆进行处理，形成更加灵活的任务卸载系统，提高了空闲资源车辆的资源利用，同时减少了服务响应时间，大大提高了用户的服务体验。然而，车辆作为服务端向附近有需求的车辆提供计算资源并不是免费的，因为车辆具有自私性，所以不会无条件的给与其他车辆帮助，因此需要激励机制来促进V2V之间的任务卸载合作。
发明内容
本发明要解决的技术问题是提供一种基于VEC中资源和时间高效的计算卸载方法。利用模糊逻辑控制对车辆的财富状况、计算资源、辆车之间相对距离、相对速度以及链路可靠性多个因素进行价格调整，激励那些服务意愿参与较大的服务车辆进行计算卸载服务。并加入Max-Min公平算法进行卸载决策优化，使得最终任务完成时延和资源利用率在可接受的服务开销下得到优化。
本发明采用的技术方案是：一种基于VEC中资源和时间高效的计算卸载方法，包括车辆运动模型分析、考虑多因素模糊逻辑服务要价机制、Max-Min公平算法任务卸载决策。
所述车辆运动模型分析包括：
分析车辆在实际运行的速度和安全距离，模拟真实场景下车辆的运动模型；
所述考虑多因素模糊逻辑服务要价机制包括：
综合考虑服务车辆自身财富状况、服务车辆自身可租用计算资源、服务车辆与用户车辆之间的相对距离、服务车辆与用户车辆之间的相对速度、服务车辆与用户车辆之间的链路可靠性五个因素对卸载服务进行要价，得到反应服务车辆实时服务意愿的公平要价。
所述Max-Min公平算法任务卸载决策包括：
根据服务车辆的要价，选择出价最低的且满足任务需求的服务车辆作为获胜服务车辆，并以时延最低为约束，采用Max-Min公平算法对用户任务进行多轮分块卸载决策，降低了任务完成时延的同时提高了资源利用率。
进一步的，车辆运动模型分析是让车辆以贴近真实的固定规则在道路上行驶，建立速度更新函数vi(t+Δt)＝vi(t)+δi(t)·a·Δt，其中vi(t)是第i辆车在时刻t的速度，δi(t)表示在时间t处加速或减速的随机调整参数，a为加速度，是一个常数，Δt为更新的时间间隔。
进一步的，考虑多因素模糊逻辑服务要价机制是为激励空闲资源车辆参与服务的公平要价方法，结合车辆运动模型分析，从多方面因素考虑，反应了服务车辆的最终服务意愿。
进一步的，所述Max-Min公平算法任务卸载决策是当多个服务车辆能够租用资源进行任务处理时，只有服务车辆足够完成用户任务需求，且根据考虑多因素模糊逻辑服务要价机制得出的结果，具有较低价格的服务车辆能够获得用户的任务数据，然后结合车辆运动模型分析，对这些获胜车辆按照时延最低为约束进行Max-Min公平算法进行卸载决策。
进一步的，考虑多因素模糊逻辑服务要价机制、Max-Min公平算法任务卸载决策是指在一个用户车辆(UV)的通信范围内，当出现多个具有空闲资源的服务车辆(SVs)存在时，此范围内的SVs能够向UV提供额外的计算服务，以帮助其完成任务，从而获得报酬；然后，每辆服务车辆SVs会根据自身状况对UV的任务进行实时报价；最后，UV利用Max-Min公平算法进行卸载决策，以最大化资源的利用率和最小化总延迟。
具体步骤如下：
Step1、UV将任务属性划分为一个含有三个元素的元组
Figure BDA0003887665250000021
其中D0、G0和
Figure BDA0003887665250000022
分别表示任务数据大小、任务计算复杂度和任务可容忍时延，然后UV将任务属性信息发送给周围SVs；
Step2、SVs收到UV任务属性信息后，将自身财富状况、可租用计算资源、以及与UV车辆的相对距离、相对速度、链路可靠性作为模糊逻辑输入，通过模糊逻辑控制得到价格调整因子α，从而得到各个SVs对UV的服务要价，然后SVs将要价信息返回给UV；
Step3、结合车辆运动模型分析，UV根据SVs的可服务时长计算其可完成的最大任务量；
Step4、UV确定获胜SVs为要价低的，然后根据Max-Min公平算法卸载相应的任务量给对应的获胜SVs；
Step5、获胜SVs完成任务后返回结果给UV，UV支付相应服务费用给SVs。
进一步的，模糊逻辑的规则设置是遵循SVs的服务意愿来设置的，总共有35＝243条规则：
财富状况：财富值越大，越富裕，合作意愿越小，要价越高，反之越低；
相对距离：车距越大，通信质量越差，合作意愿越小，要价越高，反之越低；
相对速度：速度差越大，稳定性越差，合作意愿越小，要价越高；反之越低；
计算资源：提供计算资源越大，要价越高，反之越低；
链路可靠性：链路可靠性越好，合作意愿越强，要价越低，反之越高。
进一步的，结合车辆运动模型分析，SVs对UV的可服务时长根据两车链路持续时长Tlink和任务最大可容忍时延
Figure BDA0003887665250000031
来确定，有服务时长
Figure BDA0003887665250000032
进一步的，UV根据Max-Min公平算法对价格最低的且足够完成任务的SVs进行任务分配。
本发明的有益效果是：相较于传统的车载网计算任务卸载，本发明打破了传统方案只考虑车辆移动速度保持不变、服务车辆都是免费提供资源对用户进行服务、空闲车辆资源利用率较低的缺点，本发明还考虑了道路上用户车辆周围服务车辆数不同的情况，在车辆数不同的各个情况下，本发明都能得到良好且稳定的性能。本发明所采用的模糊逻辑控制，对多个因素联合考虑，很好的反应了服务端的服务意愿，形成了稳定的激励效果。最后本发明所采用的Max-Min公平算法，在适合实际的车联网环境下，以较低的复杂性和较低的服务开销实现了令人满意的时延开销和资源利用率。
附图说明
图1是本发明系统示意图；
图2是本发明跟驰模型图；
图3是本发明时隙变更图；
图4是本发明输入隶属度函数图；
图5是本发明输入隶属度函数图；
图6是本发明模糊逻辑输出隶属度函数图；
图7是本发明Max-Min公平算法框图；
图8是任务量变化下本发明与其他方案任务完成时延对比图；
图9是任务量变化下本发明与其他方案服务花费对比图；
图10是任务量变化下本发明与其他方案资源利用率对比图；
图11是服务车辆数变化下本发明与其他方案任务完成时延对比图；
图12是服务车辆数变化下本发明与其他方案服务花费对比图；
图13是服务车辆数变化下本发明与其他方案资源利用率对比图。
具体实施方式
下面结合附图和具体实施方式，对本发明作进一步说明。
实施例1：如图1所示，基于VEC任务卸载系统有V2I和V2V，本发明针对未利用的大量空闲资源服务车辆，设计了资源和时间高效的计算卸载方法。一种基于VEC中资源和时间高效的计算卸载方法，包括车辆运动模型分析、考虑多因素模糊逻辑服务要价机制、Max-Min公平算法任务卸载决策。
所述车辆运动模型分析包括：
分析车辆在实际运行的速度和安全距离，模拟真实场景下车辆的运动模型；
所述考虑多因素模糊逻辑服务要价机制包括：
综合考虑服务车辆自身财富状况、服务车辆自身可租用计算资源、服务车辆与用户车辆之间的相对距离、服务车辆与用户车辆之间的相对速度、服务车辆与用户车辆之间的链路可靠性五个因素对卸载服务进行要价，得到反应服务车辆实时服务意愿的公平要价。
所述Max-Min公平算法任务卸载决策包括：
根据服务车辆的要价，选择出价最低的且满足任务需求的服务车辆作为获胜服务车辆，并以时延最低为约束，采用Max-Min公平算法对用户任务进行多轮分块卸载决策，降低了任务完成时延的同时提高了资源利用率。
进一步的，如图2所示，车辆运动模型分析是让车辆以贴近真实的固定规则在道路上行驶，建立速度更新函数vi(t+Δt)＝vi(t)+δi(t)·a·Δt，其中vi(t)是第i辆车在时刻t的速度，δi(t)表示在时间t处加速或减速的随机调整参数，a为加速度，是一个常数，Δt为更新的时间间隔，图3展示了时隙更新细节。
进一步的，考虑多因素模糊逻辑服务要价机制是为激励空闲资源车辆参与服务的公平要价方法，结合车辆运动模型分析，从多方面因素考虑，反应了服务车辆的最终服务意愿。
进一步的，Max-Min公平算法任务卸载决策是当多个服务车辆能够租用资源进行任务处理时，只有服务车辆足够完成用户任务需求，且根据考虑多因素模糊逻辑服务要价机制得出的结果，具有较低价格的服务车辆能够获得用户的任务数据，然后结合车辆运动模型分析，对这些获胜车辆按照时延最低为约束进行Max-Min公平算法进行卸载决策。
进一步的，考虑多因素模糊逻辑服务要价机制、Max-Min公平算法任务卸载决策是指在一个用户车辆(UV)的通信范围内，当出现多个具有空闲资源的服务车辆(SVs)存在时，此范围内的SVs能够向UV提供额外的计算服务，以帮助其完成任务，从而获得报酬；然后，每辆服务车辆SVs会根据自身状况对UV的任务进行实时报价；最后，UV利用Max-Min公平算法进行卸载决策，以最大化资源的利用率和最小化总延迟。
具体步骤如下：
Step1、UV将任务属性划分为一个含有三个元素的元组
Figure BDA0003887665250000051
其中D0、G0和
Figure BDA0003887665250000052
分别表示任务数据大小、任务计算复杂度和任务可容忍时延，然后UV将任务属性信息发送给周围SVs；
Step2、SVs收到UV任务属性信息后，将自身财富状况、可租用计算资源、以及与UV车辆的相对距离、相对速度、链路可靠性作为模糊逻辑输入，通过模糊逻辑控制得到价格调整因子α，从而得到各个SVs对UV的服务要价，然后SVs将要价信息返回给UV；
Step3、结合车辆运动模型分析，对这些获胜车辆按照时延最低为约束进行Max-Min公平算法进行卸载决策。UV根据SVs的可服务时长计算其可完成的最大任务量；
Step4、UV确定获胜SVs为要价低的，然后根据Max-Min公平算法卸载相应的任务量给对应的获胜SVs；
Step5、获胜SVs完成任务后返回结果给UV，UV支付相应服务费用给SVs。
进一步的，如图4、5所示，考虑了车自身财富状况和计算资源，以及两车相对距离、相对速度、链路可靠性作为模糊逻辑的输入，紧接着按照如下规则制定模糊逻辑规则：
财富状况(Wuj)：财富值越大，越富裕，合作意愿越小，要价越高，反之越低；
相对距离(duj)：车距越大，通信质量越差，合作意愿越小，要价越高，反之越低；
相对速度(Δvuj)：速度差越大，稳定性越差，合作意愿越小，要价越高；反之越低；
计算资源(fj)：提供计算资源越大，要价越高，反之越低；
链路可靠性r(luj)：链路可靠性越好，合作意愿越强，要价越低，反之越高。
根据上诉规定，能够得到35＝243条规则，表1显示了几个规则示例：
表1.模糊逻辑规则示例
Figure BDA0003887665250000061
根据上诉模糊规则，本发明最终使用重心法去模糊化，如图6所示，模糊逻辑输出价格调整因子α，从而确定各个服务车辆的服务报价。
进一步的，结合车辆运动模型分析，对这些获胜车辆按照时延最低为约束进行Max-Min公平算法进行卸载决策。SVs对UV的可服务时长根据两车链路持续时长Tlink和任务最大可容忍时延
Figure BDA0003887665250000062
来确定，有服务时长
Figure BDA0003887665250000063
进一步的，UV根据Max-Min公平算法对价格最低的且足够完成任务的SVs进行任务分配。结合车辆运动模型分析，对这些获胜车辆按照时延最低为约束进行Max-Min公平算法进行卸载决策。Max-Min具体步骤如图7所示，首先，UV收到SVs提供的报价，以及SVs可完成的最大任务量后，根据SVs的报价对其进行升序排序，并确定能够完成整个任务所需SVs作为获胜服务车辆。然后，UV对获胜SVs按照任务完成时延一致的情况进行任务预分配，检查是否有任务分配过量的SVs，一旦发现，任务量分配过量的SVs获得其最大可完成的任务量，对其余资源有余车辆按照完成时延一致分配这些过量的任务。最后，直到所有获胜SVs分配的任务量都不过量时结束分配。
利用MATLAB，让本发明与选择计算能力最大方案(maxCom)、服务费用开销最低方案(minPrice)和随机卸载方案(Random)在不同任务量和服务车辆数情况下的性能进行了对比。设置初始任务量在[5,30]MB区间变化，性能效果如图8、图9和图10所示，本发明能够以较低的服务费用得到资源和时延的高效性能。设置初始服务车辆数在[4,14]之间变化，性能效果如图11、图12和图13所示，本发明无论服务车辆数如何变化都能得到最优的时延和资源利用率，且服务费用的花费仅仅略高于minPrice方案。
上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (9)

1.一种基于VEC中资源和时间高效的计算卸载方法，其特征在于：包括车辆运动模型分析、考虑多因素模糊逻辑服务要价机制、Max-Min公平算法任务卸载决策；
所述车辆运动模型分析包括：
分析车辆在实际运行的速度和安全距离，模拟真实场景下车辆的运动模型；
所述考虑多因素模糊逻辑服务要价机制包括：
综合考虑服务车辆自身财富状况、服务车辆自身可租用计算资源、服务车辆与用户车辆之间的相对距离、服务车辆与用户车辆之间的相对速度、服务车辆与用户车辆之间的链路可靠性五个因素对卸载服务进行要价，得到反应服务车辆实时服务意愿的公平要价；
所述Max-Min公平算法任务卸载决策包括：
根据服务车辆的要价，结合车辆运动模型分析，选择出价最低的且满足任务需求的服务车辆作为获胜服务车辆，并以时延最低为约束，采用Max-Min公平算法对用户任务进行多轮分块卸载决策。
2.根据权利要求1所述的基于VEC中资源和时间高效的计算卸载方法，其特征在于：所述车辆运动模型分析是让车辆以贴近真实的固定规则在道路上行驶，建立速度更新函数vi(t+Δt)＝vi(t)+δi(t)·a·Δt，其中vi(t)是第i辆车在时刻t的速度，δi(t)表示在时间t处加速或减速的随机调整参数，a为加速度，是一个常数，Δt为更新的时间间隔。
3.根据权利要求1所述的基于VEC中资源和时间高效的计算卸载方法，其特征在于：所述考虑多因素模糊逻辑服务要价机制是为激励空闲资源车辆参与服务的公平要价方法，结合车辆运动模型分析，从多方面因素考虑，反应了服务车辆的最终服务意愿。
4.根据权利要求1所述的基于VEC中资源和时间高效的计算卸载方法，其特征在于：所述Max-Min公平算法任务卸载决策是当多个服务车辆能够租用资源进行任务处理时，只有服务车辆足够完成用户任务需求，且根据考虑多因素模糊逻辑服务要价机制得出的结果，具有较低价格的服务车辆能够获得用户的任务数据，然后结合车辆运动模型分析，对这些获胜车辆按照时延最低为约束进行Max-Min公平算法进行卸载决策。
5.根据权利要求1所述的基于VEC中资源和时间高效的计算卸载方法，其特征在于：所述考虑多因素模糊逻辑服务要价机制、Max-Min公平算法任务卸载决策是指在一个用户车辆UV的通信范围内，当出现多个具有空闲资源的服务车辆SVs存在时，此范围内的SVs能够向UV提供额外的计算服务，以帮助其完成任务，从而获得报酬；然后，每辆服务车辆SVs会根据自身状况对UV的任务进行实时报价；最后，UV利用Max-Min公平算法进行卸载决策，以最大化资源的利用率和最小化总延迟。
6.根据权利要求5所述的基于VEC中资源和时间高效的计算卸载方法，其特征在于：具体步骤如下：
Step1、UV将任务属性划分为一个含有三个元素的元组
Figure FDA0003887665240000021
其中D0、G0和
Figure FDA0003887665240000022
分别表示任务数据大小、任务计算复杂度和任务可容忍时延，然后UV将任务属性信息发送给周围SVs；
Step2、SVs收到UV任务属性信息后，将自身财富状况、可租用计算资源、以及与UV车辆的相对距离、相对速度、链路可靠性作为模糊逻辑输入，通过模糊逻辑控制得到价格调整因子α，从而得到各个SVs对UV的服务要价，然后SVs将要价信息返回给UV；
Step3、结合车辆运动模型分析，UV根据SVs的可服务时长计算其可完成的最大任务量；
Step4、UV确定获胜SVs为要价低的，然后根据Max-Min公平算法卸载相应的任务量给对应的获胜SVs；
Step5、获胜SVs完成任务后返回结果给UV，UV支付相应服务费用给SVs。
7.根据权利要求6所述的基于VEC中资源和时间高效的计算卸载方法，其特征在于：所述Step2步骤中，模糊逻辑的规则设置是遵循SVs的服务意愿来设置的，总共有35＝243条规则：
财富状况：财富值越大，越富裕，合作意愿越小，要价越高，反之越低；
相对距离：车距越大，通信质量越差，合作意愿越小，要价越高，反之越低；
相对速度：速度差越大，稳定性越差，合作意愿越小，要价越高；反之越低；
计算资源：提供计算资源越大，要价越高，反之越低；
链路可靠性：链路可靠性越好，合作意愿越强，要价越低，反之越高。
8.根据权利要求6所述的基于VEC中资源和时间高效的计算卸载方法，其特征在于：所诉Step3步骤中，结合车辆运动模型分析，SVs对UV的可服务时长根据两车链路持续时长Tlink和任务最大可容忍时延
Figure FDA0003887665240000023
来确定，有服务时长
Figure FDA0003887665240000024
9.根据权利要求6所述的基于VEC中资源和时间高效的计算卸载方法，其特征在于：所诉Step4步骤中，UV根据Max-Min公平算法对价格最低的且足够完成任务的SVs进行任务分配。
CN202211251092.1A 2022-10-12 2022-10-12 一种基于vec中资源和时间高效的计算卸载方法 Pending CN115567979A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211251092.1A CN115567979A (zh) 2022-10-12 2022-10-12 一种基于vec中资源和时间高效的计算卸载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211251092.1A CN115567979A (zh) 2022-10-12 2022-10-12 一种基于vec中资源和时间高效的计算卸载方法

Publications (1)

Publication Number Publication Date
CN115567979A true CN115567979A (zh) 2023-01-03

Family

ID=84745416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211251092.1A Pending CN115567979A (zh) 2022-10-12 2022-10-12 一种基于vec中资源和时间高效的计算卸载方法

Country Status (1)

Country Link
CN (1) CN115567979A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230125533A1 (en) * 2021-10-19 2023-04-27 Datalex (Ireland) Ltd System and method for dynamically enhancing a pricing database based on external information

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111818168A (zh) * 2020-06-19 2020-10-23 重庆邮电大学 一种车联网中自适应联合计算卸载与资源分配方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111818168A (zh) * 2020-06-19 2020-10-23 重庆邮电大学 一种车联网中自适应联合计算卸载与资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MUHAMMAD SALEH BUTE等: "An Efficient Distributed Task Offloading Scheme for V ehicular Edge Computing Networks", IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, 30 December 2021 (2021-12-30) *
孙泽敏: "基于博弈论的车联网通信质量与安全优化方法研究", 中国博士学位论文库, 15 August 2022 (2022-08-15), pages 5 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230125533A1 (en) * 2021-10-19 2023-04-27 Datalex (Ireland) Ltd System and method for dynamically enhancing a pricing database based on external information

Similar Documents

Publication Publication Date Title
CN114116047B (zh) 一种基于强化学习的车载计算密集型应用的v2i卸载方法
CN109862086B (zh) 一种车载边缘计算中基于匹配算法的任务分配策略
CN111262940B (zh) 一种车载边缘计算应用缓存方法、装置及系统
CN110035410A (zh) 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法及系统
CN109756378A (zh) 一种车载网络下的智能计算卸载方法
Liu et al. QoS-aware task offloading and resource allocation optimization in vehicular edge computing networks via MADDPG
CN114528042A (zh) 基于深度强化学习的节能型自动互联车辆服务卸载方法
CN111160588A (zh) 一种预约充电服务方法及系统
CN111405527A (zh) 一种基于志愿者协同处理的车载边缘计算方法、装置及系统
CN114980029B (zh) 车联网中基于任务关联性的卸载方法
CN118540743A (zh) 一种云边协同车联网场景下的可分割任务卸载与服务缓存方法
CN111182495A (zh) 一种5g车联网部分计算卸载方法
CN113709698A (zh) 一种基于任务块的车联网雾计算协作任务卸载控制方法
CN115629873A (zh) 车路云协同任务卸载与任务队列稳定性控制系统和方法
CN118113484B (zh) 一种资源调度方法、系统、存储介质及车辆
CN112750298B (zh) 一种基于smdp和drl的货车编队动态资源分配方法
CN114173301A (zh) 一种基于dag区块链的车联网安全、高效数据共享方法
Liu et al. TDRA: A truthful dynamic reverse auction for DAG task scheduling over vehicular clouds
CN113747450B (zh) 一种移动网络中业务部署方法、装置及电子设备
CN115567979A (zh) 一种基于vec中资源和时间高效的计算卸载方法
CN116506900B (zh) 基于车联网的车队基站异构边缘计算资源分配方法及系统
CN119721515A (zh) 列车调度与客流引导协同优化方法及装置
CN114786156A (zh) 一种基于深度学习的车联网优化任务边缘卸载方法
Li et al. A novel task of loading and computing resource scheduling strategy in internet of vehicles based on dynamic greedy algorithm
CN114519506A (zh) 能量支持激励方法、系统、计算机设备、存储介质及终端

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination