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, 2020, 42(3): 645-652. 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, 2020, 42(3): 645-652. 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,能够最大程度地保证用户的效益。

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, and GUO Da. Research on the status and development of internet of vehicles[J]. Mobile Communications, 2011, 35(17): 23–26. 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 7th IEEE 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 28th IEEE 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, 程妍, 刘开健, 贺晓帆. 车联网中整合移动边缘计算与内容分发网络的移动性管理策略. 电子与信息学报, 2020, 42(6): 1444-1451.

    2. [2]

      唐伦, 肖娇, 魏延南, 赵国繁, 陈前斌. 基于云雾混合计算的车联网联合资源分配算法. 电子与信息学报, 2020, 42(0): 1-8.

    3. [3]

      左志斌, 常朝稳, 祝现威. 一种基于数据平面可编程的软件定义网络报文转发验证机制. 电子与信息学报, 2020, 42(5): 1110-1117.

    4. [4]

      谢永, 李香, 张松松, 吴黎兵. 一种可证安全的车联网无证书聚合签名改进方案. 电子与信息学报, 2020, 42(5): 1125-1131.

    5. [5]

      向敏, 饶华阳, 张进进, 陈梦鑫. 基于GCN的软件定义电力通信网络路由控制策略. 电子与信息学报, 2020, 42(0): 1-8.

    6. [6]

      吴奇, 陈鸿昶. 软件定义网络容错控制平面的最小覆盖布局方法. 电子与信息学报, 2020, 42(0): 1-8.

    7. [7]

      曾帅, 钱志华, 赵天烽, 任彦, 王育杰. 生存性条件约束下的软件定义光网络控制器部署算法. 电子与信息学报, 2020, 41(0): 1-8.

    8. [8]

      徐建峰, 张方韬, 徐震, 王利明. 基于嗅探技术的字段操纵攻击研究. 电子与信息学报, 2020, 42(0): 1-8.

    9. [9]

      夏士超, 姚枝秀, 鲜永菊, 李云. 移动边缘计算中分布式异构任务卸载算法. 电子与信息学报, 2020, 41(0): 1-8.

    10. [10]

      彭海英, 王泽东, 吴大鹏. 带有卸载压缩激励的云增强FiWi网络节能机制. 电子与信息学报, 2020, 42(7): 1726-1733.

    11. [11]

      刘通, 唐伦, 何小强, 陈前斌. 融合区块链与雾计算系统中基于网络时延和资源管理的优化任务卸载方案. 电子与信息学报, 2020, 42(0): 1-6.

    12. [12]

      陈卓, 冯钢, 何颖, 周杨. 运营商网络中基于深度强化学习的服务功能链迁移机制. 电子与信息学报, 2020, 42(0): 1-7.

    13. [13]

      方维维, 刘梦然, 王云鹏, 李阳阳, 安竹林. 面向物联网隐私数据分析的分布式弹性网络回归学习算法. 电子与信息学报, 2020, 42(0): 1-9.

    14. [14]

      陈勇, 刘曦, 刘焕淋. 基于特征通道和空间联合注意机制的遮挡行人检测方法. 电子与信息学报, 2020, 42(6): 1486-1493.

    15. [15]

      张普宁, 亢旭源, 刘宇哲, 李学芳, 吴大鹏, 王汝言. 相似度自适应估计的物联网实体高效搜索方法. 电子与信息学报, 2020, 42(7): 1702-1709.

    16. [16]

      王君珂, 印珏, 牛人杰, 任少康, 晁洁. DNA计算与DNA纳米技术. 电子与信息学报, 2020, 42(6): 1313-1325.

    17. [17]

      席博, 洪涛, 张更新. 卫星物联网场景下基于节点选择的协作波束成形技术研究. 电子与信息学报, 2020, 42(0): 1-9.

    18. [18]

      武迎春, 王玉梅, 王安红, 赵贤凌. 基于边缘增强引导滤波的光场全聚焦图像融合. 电子与信息学报, 2020, 41(0): 1-9.

    19. [19]

      殷志祥, 唐震, 张强, 崔建中, 杨静, 王日晟, 赵寿为, 张居丽. 基于DNA折纸基底的与非门计算模型. 电子与信息学报, 2020, 42(6): 1355-1364.

    20. [20]

      陈怡, 唐迪, 邹维. 基于深度学习的Android恶意软件检测:成果与挑战. 电子与信息学报, 2020, 42(0): 1-13.

  • 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:  105
  • 文章访问数:  1751
  • HTML全文浏览量:  1366
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
  • 刊出日期:  2020-03-01
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