基于交通流量预测的车联网双边拍卖边缘计算迁移方案

林艳; 闫帅; 张一晋; 李春国; 束锋

doi:10.11959/j.issn.1000-436X.2020252

您当前的位置：

首页 >

文章列表页 >

基于交通流量预测的车联网双边拍卖边缘计算迁移方案

学术通信 | 更新时间：2024-06-05

- 基于交通流量预测的车联网双边拍卖边缘计算迁移方案
- Flow-of-traffic prediction program based mobile edge computing for Internet of vehicles using double auction
- 通信学报 2020年41卷第12期页码：205-214
- 作者机构：
  
  1. 南京理工大学电子工程与光电技术学院，江苏南京 210094
  2. 中国科学技术大学信息科学技术学院，安徽合肥 230027
  3. 东南大学信息科学与工程学院，江苏南京 210096
  4. 海南大学信息与通信工程学院，海南海口 570228
- 作者简介：
  
  [ "林艳（1990- ），女，安徽芜湖人，博士，南京理工大学讲师，主要研究方向为6G无线通信资源分配、车联网、移动边缘计算、智能资源调度等。" ]
  [ "闫帅（1997- ），男，江苏连云港人，中国科学技术大学硕士生，主要研究方向为无线通信资源分配、移动边缘计算等。" ]
  [ "张一晋（1982- ），男，江苏常州人，博士，南京理工大学教授，主要研究方向为通信系统的序列设计、资源调度及多智能体决策。" ]
  [ "李春国（1983-），男，山东胶州人，博士,东南大学教授，主要研究方向为6G智能通信、图片/视频智能识别算法设计、无线通信物理层网络安全、人工智能技术等。" ]
  [ "束锋（1973- ），男，安徽桐城人，博士，海南大学教授，主要研究方向为无线通信、移动网络、信息安全、无线测向与定位等。" ]
- 基金信息：
  
  国家自然科学基金资助项目(62001225);国家自然科学基金资助项目(62071236);国家自然科学基金资助项目(61941115);国家自然科学基金资助项目(62071234);国家自然科学基金资助项目(61771244);江苏省自然科学基金资助项目(BK20190454);中央高校基本科研专项基金资金项目(30919011227);中央高校基本科研专项基金资金项目(30920021127)
- DOI：10.11959/j.issn.1000-436X.2020252
  中图分类号： TN915
- 网络首发：2020-12，
  
  纸质出版：2020-12-25
- 稿件说明：
移动端阅览
林艳, 闫帅, 张一晋, 等. 基于交通流量预测的车联网双边拍卖边缘计算迁移方案[J]. 通信学报, 2020,41(12):205-214.

Yan LIN, Shuai YAN, Yijin ZHANG, et al. Flow-of-traffic prediction program based mobile edge computing for Internet of vehicles using double auction[J]. Journal on Communications, 2020, 41(12): 205-214.
林艳, 闫帅, 张一晋, 等. 基于交通流量预测的车联网双边拍卖边缘计算迁移方案[J]. 通信学报, 2020,41(12):205-214. DOI： 10.11959/j.issn.1000-436X.2020252.

Yan LIN, Shuai YAN, Yijin ZHANG, et al. Flow-of-traffic prediction program based mobile edge computing for Internet of vehicles using double auction[J]. Journal on Communications, 2020, 41(12): 205-214. DOI： 10.11959/j.issn.1000-436X.2020252.

摘要

为同时提升车辆的计算迁移率和边缘计算服务器的资源利用率，提出了一种基于交通流量预测的车联网边缘计算迁移方案。首先通过设计考虑任务优先级的计算迁移率和资源利用率效用函数，将问题建模为双目标优化问题；然后将问题转化为车辆与边缘计算服务器之间的资源双边拍卖问题，再通过设计交通流量信息感知的报价函数，采用McAfee拍卖算法，进而完成边缘计算迁移。仿真结果表明，通过交通流量预测信息的辅助，所提方案能有效提高车联网的边缘计算迁移率和资源利用率。

Abstract

With an aim of maximizing the efficiency of edge offloading and the resource utilization of edge computing server simultaneously

a new flow-of-traffic prediction based edge computing offloading solution was proposed for Internet of vehicles (IoV).Firstly

both the efficiency utility function of vehicle and the resource utilization of mobile edge computing (MEC) server were established by considering task priority.Next

the formulated dual-objective optimization problem was transformed into a double auction problem between vehicles and MEC servers.Finally

based on the designed flow-of-traffic based pricing function of vehicle and MEC server

a McAfee auction algorithm was adopted to complete the edge computing process.Simulation results show that benefiting from the flow-of-traffic prediction information

the proposed solution can significantly improve both the efficiency of computation offloading and the utilization of computation resource.

关键词

Keywords

references

LIANG L , PENG H , LI G , et al . Vehicular communications:a physical layer perspective [J ] . IEEE Transactions on Vehicular Technology , 2017 , 66 ( 12 ): 10647 - 10659 .

谢人超 , 廉晓飞 , 贾庆民 , 等 . 移动边缘计算卸载技术综述 [J ] . 通信学报 , 2018 , 39 ( 11 ): 138 - 155 .

XIE R C , LIAN X F , JIA Q M , et al . Overview of mobile edge compu-ting offload technology [J ] . Journal on Communications , 2018 , 39 ( 11 ): 138 - 155 .

MAO Y , YOU C , ZHANG J , et al . A survey on mobile edge computing:the communication perspective [J ] . IEEE Communications Surveys ＆ Tutorials , 2017 , 19 ( 4 ): 2322 - 2358 .

WANG S , ZHANG X , ZHANG Y , et al . A survey on mobile edge networks:convergence of computing,caching and communications [J ] . IEEE Access , 2017 , 5 : 6757 - 6779 .

ZHANG J , LETAIEF K B . Mobile edge intelligence and computing for the Internet of vehicles [J ] . Proceedings of the IEEE , 2020 , 108 ( 2 ): 246 - 261 .

ZHANG K , MAO Y , LENG S , et al . Mobile-edge computing for vehicular networks:a promising network paradigm with predictive off-loading [J ] . IEEE Vehicular Technology Magazine , 2017 , 12 ( 2 ): 36 - 44 .

ZHAO J , LI Q , GONG Y , et al . Computation offloading and resource allocation for cloud assisted mobile edge computing in vehicular networks [J ] . IEEE Transactions on Vehicular Technology , 2019 , 68 ( 8 ): 7944 - 7956 .

DAI Y Y , XU D , MAHARJAN S , et al . Joint load balancing and offloading in vehicular edge computing and networks [J ] . IEEE Internet of Things Journal , 2019 , 6 ( 3 ): 4377 - 4387 .

张海波 , 程妍 , 刘开健 , 等 . 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 [J ] . 电子与信息学报 , 2020 , 42 ( 6 ): 1444 - 1451 .

ZHANG H B , CHENG Y , LIU K J , et al . The mobility management strategies by integrating mobile edge computing and CDN in vehicular networks [J ] . Journal of Electronics and Information Technology , 2020 , 42 ( 6 ): 1444 - 1451 .

余翔 , 刘一勋 , 石雪琴 , 等 . 车联网场景下的移动边缘计算卸载策略 [J ] . 计算机工程 , 2020 ,doi:10.19678/j.issn.1000-3428.0056850.

YU X , LIU Y X , SHI X Q , et al . Offloading strategy for mobile edge computing in Vehicle Network [J ] . Computer Engineering , 2020 ,doi:10.19678/j.issn.1000-3428.0056850.

盛津芳 , 滕潇雨 , 李伟民 , 等 . 移动边缘计算中基于改进拍卖模型的计算卸载策略 [J ] . 计算机应用研究 , 2020 , 37 ( 6 ): 1688 - 1692 .

SHENG J F , TENG X Y , LI W M , et al . Computational unloading strategy based on improved auction model in mobile edge compu-ting [J ] . Application Research of Computers , 2020 , 37 ( 6 ): 1688 - 1692 .

LIU Y , YU H , XIE S , et al . Deep reinforcement learning for offloading and resource allocation in vehicle edge computing and networks [J ] . IEEE Transactions on Vehicular Technology , 2019 , 68 ( 11 ): 11158 - 11168 .

TAN L , HU R . Mobility-aware edge caching and computing in vehicle networks:a deep reinforcement learning [J ] . IEEE Transactions on Vehicular Technology , 2018 , 67 ( 11 ): 10190 - 10203 .

乔冠华 , 冷甦鹏 , 刘浩 , 等 . 面向车辆多址接入边缘计算网络的任务协同计算迁移策略 [J ] . 物联网学报 , 2019 , 3 ( 1 ): 51 - 59 .

QIAO G H , LENG S P , LIU H , et al . Task collaborative offloading scheme in vehicle multi-access edge computing network [J ] . Chinese Journal on Internet of Things , 2019 , 3 ( 1 ): 51 - 59 .

赵海涛 , 张唐伟 , 陈跃 , 等 . 基于 DQN 的车载边缘网络任务分发卸载算法 [J ] . 通信学报 , 2020 , 41 ( 8 ): 1 - 7 .

ZHAO H T , ZHANG T W , CHEN Y , et al . Task distribution offloading algorithm of vehicle edge network based on DQN [J ] . Journal of Communications , 2020 , 41 ( 8 ): 1 - 7 .

叶佩文 , 贾向东 , 杨小蓉 , 等 . 面向车联网多智能体强化学习边云协同卸载 [J ] . 计算机工程 , 2020 ,doi:10.19678/j.issn.1000-3428.0058323.

YE P W , JIA X D , YANG X R , et al . Multi-agent reinforcement learn-ing edge cloud collaboration offloading for vehicular networks [J ] . Computer Engineering , 2020 ,doi:10.19678/j.issn.1000-3428.0058323.

SUN Y X , GUO X Y , SONG J H , et al . Adaptive learning-based task offloading for vehicular edge computing systems [J ] . IEEE Transactions on Vehicular Technology , 2019 , 68 ( 4 ): 3061 - 3074 .

SHI Z , BAO D , FAN Y , et al . The asymptotic equipartition property of Markov chains in single infinite Markovian environment on countable state space [J ] . Stochastics , 2019 , 91 ( 6 ): 1 - 13 .

MYERSON R B . Optimal auction design [J ] . Discussion Papers , 1978 , 6 ( 1 ): 58 - 73 .

VICKREY W . Counterspeculation,auctions,and competitive sealed tenders [J ] . Journal of Finance , 1961 , 16 ( 1 ): 8 - 37 .

浏览量

1923

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于拟牛顿法的深度强化学习在车联网边缘计算中的研究

基于多智能体深度强化学习的智能网联汽车服务迁移优化方法

车联网中基于同态加密的兴趣点查询隐私保护协议

基于云边计算的车联网数据双边访问控制方案

智能反射表面辅助的车载边缘任务卸载和资源分配策略