高级搜索

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

张海波 荆昆仑 刘开健 贺晓帆

引用本文: 张海波, 荆昆仑, 刘开健, 贺晓帆. 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[J]. 电子与信息学报, doi: 10.11999/JEIT190304 shu
Citation:  Haibo ZHANG, Kunlun JING, Kaijian LIU, Xiaofan HE. An Offloading Mechanism Based on Software Defined Network and Mobile Edge Computing in Vehicular Networks[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT190304 shu

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

    作者简介: 张海波: 男,1979年生,副教授,研究方向为无线资源管理;
    荆昆仑: 男,1995年生,硕士生,研究方向为移动边缘计算;
    刘开健: 女,1981年生,讲师,研究方向为最优化算法;
    贺晓帆: 男,1985年生,助理教授,研究方向为无线资源优化
    通讯作者: 刘开健,liukj@cqupt.edu.cn
  • 基金项目: 国家自然科学基金(61801065, 61601071),长江学者和创新团队发展计划基金(IRT16R72),重庆市基础与前沿项目(cstc2018jcyjAX0463)

摘要: 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,能够最大程度的保证用户的效益。

English

    1. [1]

      程刚, 郭达. 车联网现状与发展研究[J]. 移动通信, 2011, 35(17): 23–26. doi: 10.3969/j.issn.1006-1010.2011.17.004
      CHENG Gang, GUO Da. Research on the status and development of internet of vehicles[J]. Mobile Communications, 2011, 35(17): 23–26.(未找到本条文献英文信息, 请核对) doi: 10.3969/j.issn.1006-1010.2011.17.004

    2. [2]

      齐彦丽, 周一青, 刘玲, 等. 融合移动边缘计算的未来5G移动通信网络[J]. 计算机研究与发展, 2018, 55(3): 478–486. doi: 10.7544/issn1000-1239.2018.20170801
      QI Yanli, ZHOU Yiqing, LIU Ling, et al. MEC coordinated future 5G mobile wireless networks[J]. Journal of Computer Research and Development, 2018, 55(3): 478–486. doi: 10.7544/issn1000-1239.2018.20170801

    3. [3]

      LI Yong, JIN Depeng, HUI Pan, et al. Optimal base station scheduling for device-to-device communication underlaying cellular networks[J]. IEEE Journal on Selected Areas in Communications, 2015, 34(1): 27–40. doi: 10.1109/JSAC.2015.2452415

    4. [4]

      AMEMIYA K, AKIYAMA Y, KOBAYASHI K, et al. On-site evaluation of a software cellular based MEC system with downlink slicing technology[C]. The 2018 IEEE 7th International Conference on Cloud Networking, Tokyo, Japan, 2018: 1–7. doi: 10.1109/CloudNet.2018.8549380.

    5. [5]

      WANG Hansong, LI Xi, JI Hong, et al. Dynamic offloading scheduling scheme for MEC-enabled vehicular networks[C]. 2018 IEEE/CIC International Conference on Communications in China, Beijing, China, 2018: 206–210. doi: 10.1109/ICCChinaW.2018.8674508.

    6. [6]

      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

    7. [7]

      鲍楠, 左加阔, 胡晗, 等. 基于SDN的网络资源选择多目标优化算法[J]. 通信学报, 2019, 40(2): 51–59. doi: 10.11959/j.issn.1000?436x.2019031
      BAO Nan, ZUO Jiakuo, HU Han, et al. SDN based network resource selection multi-objective optimization algorithm[J]. Journal on Communications, 2019, 40(2): 51–59. doi: 10.11959/j.issn.1000?436x.2019031

    8. [8]

      CHEN Min and HAO Yixue. Task offloading for mobile edge computing in software defined ultra-dense network[J]. IEEE Journal on Selected Areas in Communications, 2018, 36(3): 587–597. doi: 10.1109/JSAC.2018.2815360

    9. [9]

      ZHANG Ke, MAO Yuming, LENG Supeng, et al. Optimal delay constrained offloading for vehicular edge computing networks[C]. 2017 IEEE International Conference on Communications, Paris, France, 2017: 1–6. doi: 10.1109/ICC.2017.7997360.

    10. [10]

      HU Bo, CHEN Jianye, and LI fengcun. Dynamic service allocation algorithm in mobile edge computing[C]. 2017 International Conference on Information and Communication Technology Convergence, Jeju, South Korea, 2017: 104–109. doi: 10.1109/ICTC.2017.8190951.

    11. [11]

      LI Baozhu, ZHAO Xuhui, HAN Shiyuan, et al. New SDN-based architecture for integrated vehicular cloud computing networking[C]. 2018 International Conference on Selected Topics in Mobile and Wireless Networking, Tangier, Morocco, 2018: 1–4. doi: 10.1109/MoWNet.2018.8428935.

    12. [12]

      HUANG Xumin, YU Rong, KANG Jiawen, et al. Distributed reputation management for secure and efficient vehicular edge computing and networks[J]. IEEE Access, 2017, 5: 25408–25420. doi: 10.1109/ACCESS.2017.2769878

    13. [13]

      TRAN T X and POMPILI D. Joint task offloading and resource allocation for multi-server mobile-edge computing networks[J]. IEEE Transactions on Vehicular Technology, 2019, 68(1): 856–868. doi: 10.1109/TVT.2018.2881191

    14. [14]

      JAIN R and PAUL S. Network virtualization and software defined networking for cloud computing: A survey[J]. IEEE Communications Magazine, 2013, 51(11): 24–31. doi: 10.1109/MCOM.2013.6658648

    15. [15]

      WILHELMI F, BELLALTA B, CANO C, et al. Implications of decentralized Q-learning resource allocation in wireless networks[C]. The 2017 IEEE 28th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications, Montreal, Canada, 2017: 1-5. doi: 10.1109/PIMRC.2017.8292321.

    1. [1]

      张海波, 李虎, 陈善学, 贺晓帆. 超密集网络中基于移动边缘计算的任务卸载和资源优化. 电子与信息学报,

    2. [2]

      邹虹, 高毅爽, 闫俊杰. 带有卸载时延感知的边缘云增强FiWi网络节能机制. 电子与信息学报,

    3. [3]

      胡宇翔, 李子勇, 胡宗魁, 胡涛. 基于流量工程的软件定义网络控制资源优化机制. 电子与信息学报,

    4. [4]

      兰巨龙, 于倡和, 胡宇翔, 李子勇. 基于深度增强学习的软件定义网络路由优化机制. 电子与信息学报,

    5. [5]

      赵星, 彭建华, 游伟. 基于Lyapunov优化的隐私感知计算卸载方法. 电子与信息学报,

    6. [6]

      王汝言, 梁颖杰, 崔亚平. 车辆网络多平台卸载智能资源分配算法. 电子与信息学报,

    7. [7]

      史久根, 谢熠君, 孙立, 郭胜, 刘雅丽. 软件定义网络中面向时延和负载的多控制器放置策略. 电子与信息学报,

    8. [8]

      史久根, 王继, 张径, 徐皓. 软件定义网络中基于流量管理的分布式防火墙策略. 电子与信息学报,

    9. [9]

      史久根, 徐皓, 张径, 王继. 软件定义网络中基于效率区间的负载均衡在线优化算法. 电子与信息学报,

    10. [10]

      熊余, 杨娅娅, 张振振, 蒋婧. 软件定义时分波分复用无源光网络中基于带宽预测的资源分配策略. 电子与信息学报,

    11. [11]

      胡宇翔, 范宏伟, 兰巨龙, 段通. 一种支持硬件加速的虚拟网络功能部署模型. 电子与信息学报,

    12. [12]

      张红旗, 黄睿, 常德显. 一种基于匹配博弈的服务链协同映射方法. 电子与信息学报,

    13. [13]

      代美玲, 刘周斌, 郭少勇, 邵苏杰, 邱雪松. 基于终端能耗和系统时延最小化的边缘计算卸载及资源分配机制. 电子与信息学报,

    14. [14]

      卢昱, 刘益岑, 李玺, 陈兴凯, 乔文欣, 陈立云. 面向软件定义网络的服务功能链优化部署算法研究. 电子与信息学报,

    15. [15]

      张骥先, 谢宁, 张学杰, 李伟东. 基于监督学习的可信云计算资源拍卖机制研究. 电子与信息学报,

    16. [16]

      张达敏, 张绘娟, 闫威, 陈忠云, 辛梓芸. 异构网络中基于能效优化的D2D资源分配机制. 电子与信息学报,

    17. [17]

      吕增威, 魏振春, 韩江洪, 孙仁浩, 夏成凯. 基于多目标优化的无线传感器网络移动充电及数据收集算法. 电子与信息学报,

    18. [18]

      赵国生, 张慧, 王健. 基于Tangle网络的移动群智感知数据安全交付模型. 电子与信息学报,

    19. [19]

      雒江涛, 何宸, 王俊霞. 命名数据网络中可追溯且轻量级的细粒度访问控制机制. 电子与信息学报,

    20. [20]

      王汝言, 徐宁宁, 吴大鹏. 能耗和时延感知的虚拟化云无线接入网络资源分配机制. 电子与信息学报,

  • 图 1  系统模型图

    图 2  数据大小与能耗关系图

    图 3  任务所需周期与能耗关系图

    图 4  数据大小与时延关系图

    图 5  任务所需周期与时延关系图

    图 6  数据大小与总开销关系图

    图 7  任务所需周期数与总开销关系图

    表 1  任务卸载优先级机制

     (1) 输入:车辆$i$的请求信息为$\{ {C_i},{S_i},t_{{Q_i}}^{\max }\} $,定义$\zeta $的取值,$i \in \{ 1\; 2\; ··· \; n\} $, ${\rm{Im}}{{\rm{p}}_{\rm{i}}}{\rm{ = \{ im}}{{\rm{p}}_{\rm{1}}}{\kern 1pt} {\kern 1pt} {\rm{im}}{{\rm{p}}_{\rm{2}}}\; ···\; {\rm{im}}{{\rm{p}}_{{n}}}\; {\rm{\} }}$
     (2) 输出:降序排列的重要度${\rm{im}}{{\rm{p}}_i}$
     (3) for $i = 1;i < n;i + + $
     (4) 将${C_i},t_{{Q_i}}^{\max }$代入式(9)求出${\rm{im}}{{\rm{p}}_i}$
     (5) ${\rm{Im}}{{\rm{p}}_{\rm{i}}}={\rm{\{ im}}{{\rm{p}}_{\rm{1}}}{\kern 1pt} {\kern 1pt} {\rm{im}}{{\rm{p}}_{\rm{2}}}{\kern 1pt} {\kern 1pt} ···\; {\rm{im}}{{\rm{p}}_{{i}}}{\rm{\} }}$
     (6) for $i = 1:n$ do
     (7) if ${{{\rm Imp}(i) < {\rm Imp}(i + 1)}}$; ${{\rm temp} = {\rm Imp}(i + 1)}$; ${{{\rm Imp}(i + 1) = {\rm Imp}(i)}}{\kern 1pt} {\kern 1pt} {\kern 1pt} ;{{{\rm Imp}(i) = {\rm temp}}}$
     (8) end
    下载: 导出CSV

    表 2  基于Q-学习的任务卸载策略机制

     (1) 输入:车辆$i$的请求信息$\{ {Q_i},{T_i}\} $, ${\tau _{\rm{1}}},{\tau _2},({\rm{0 < }}{\tau _{\rm{1}}} < {\tau _{\rm{2}}})$, $i \in \{ 1\; 2\; ··· \; n\} $, ${\rm{Im}}{{\rm{p}}_{{i}}}{\rm{ = \{ im}}{{\rm{p}}_{\rm{1}}}{\kern 1pt} {\kern 1pt} {\rm{im}}{{\rm{p}}_{\rm{2}}}\; ···\; {\rm{im}}{{\rm{p}}_{{i}}}{\rm{\} }}$
     (2) 输出:${x_i}$, ${\psi _i}$
     (3) if ${\rm{im}}{{\rm{p}}_i} < {\tau _{\rm{1}}}$:${x_i}=0$;${\kern 1pt} {\kern 1pt} {\rm{im}}{{\rm{p}}_i} > {\tau _2}$:${x_i}{\rm{ = 1}}$
     (4) elif ${\tau _{\rm{1}}} < {\rm{im}}{{\rm{p}}_i} < {\tau _{\rm{2}}}$:初始化$g$, ${x_{ij}} = 1$, $\varsigma $, $p$, $\hat Q\left( {{a_i}} \right) = 0,\; {\kern 1pt} t = 0$最大收敛时间${t_{c - \max }}$
     (5) while ${\kern 1pt} t < {t_{c - \max }} + 1$:按照时延约束对车辆用户排序
     (6) for $i = 1:N\; {\kern 1pt} {\kern 1pt} $ do
     (7) 根据贪婪方法选择行为${a_i}$、根据式(15)求出用户奖励
     (8) 更新$\hat Q$数值矩阵通过${\hat Q_{t + 1}}\left( {s,a} \right) \leftarrow \left( {1 - \varsigma } \right){\hat Q_t}\left( {s,a} \right) + \varsigma \left( {g + \eta \mathop {\max }\limits_{a'} {{\hat Q}_t}\left( {s',a'} \right)} \right)$, $p \leftarrow \left( {p/\sqrt t } \right)$
     (9) end for;$t = t + 1$;end while
     (10) 利用${\psi _i}$更新目标优化式(7)
     (11) end
    下载: 导出CSV

    表 3  模拟参数表

    参数 数值
    计算任务${Q_i}$ 1~50 MB
    传输带宽$W$ 100 MHz
    汽车用户发射功率${p_i}$ 0.2 W
    任务所需CPU周期数${C_i}$ 0.1~1 GHz
    MEC服务器CPU周期频率${f_{\rm b}}$ 6 GHz
    车辆用户的CPU周期频率${f_v}$ 0.5~1 GHz
    高斯噪声${\sigma ^2}$ –100 dBm
    信道传输距离${d_{mn}}$ 5~500 m
    汽车CPU能耗功率系数${p_{{v} } }$ 80 W/GHz
    电池最大容量 20 kWh
    下载: 导出CSV
  • 加载中
图(7)表(3)
计量
  • PDF下载量:  17
  • 文章访问数:  238
  • HTML全文浏览量:  377
文章相关
  • 通讯作者:  刘开健, liukj@cqupt.edu.cn
  • 收稿日期:  2019-04-30
  • 录用日期:  2019-09-05
  • 网络出版日期:  2019-09-18
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章