论文部分内容阅读
随着车联网(Internet of Vehicles,Io V)技术的普及,车辆的数量和车辆产生的数据量日益增加,由于车辆自身的计算资源和电池容量存在上限,在车辆本地执行任务无法满足低时延和低能耗的要求。多接入边缘计算(Multi-access Edge Computing,MEC)技术在多接入网络边缘提供云计算和存储能力,通过任务卸载技术,将车辆的任务卸载到MEC服务器上执行,从而降低车辆执行任务的时延和能耗。但是MEC服务器计算资源受到限制,在车辆数量和车辆产生的数据量大情况下导致时延和能耗增加。设备间通信(Device-to-Device,D2D)任务卸载技术可以利用邻近车辆空闲的计算资源,进行请求任务的处理,从而进一步降低车辆执行任务的时延和能耗。任务缓存技术将流行度高的请求任务缓存在MEC服务器,避免车辆上传重复任务带来的时延和能耗。然而,如何在最小化所有与基站进行蜂窝通信的车辆(Request User,RU)的时延和能耗的同时,在蜂窝和D2D通信链路之间合理分配信道资源来保证D2D通信可靠性和联合优化基于D2D的车联网MEC任务卸载和任务缓存成为了亟待解决的关键问题,本文针对以上问题展开研究,工作成果如下:1、针对车联网系统的信道资源分配和D2D通信可靠性问题,提出一种基于D2D的车联网MEC任务卸载方法。将任务卸载策略、发射功率和信道资源分配模式建模为一个混合整数非线性优化问题,优化问题为车联网系统内所有RU的时延和能耗效益之和最大化。本文提出一种启发式算法,将优化问题分解为若干个子优化问题进行求解。仿真结果表明,本方案最小化RU的时延和能耗的同时,保证了D2D通信的可靠性。2、针对MEC服务器计算资源不足的问题,提出一种基于D2D的车联网MEC任务卸载和任务缓存联合优化方法。车辆可以选择本地执行、MEC卸载以及D2D任务卸载这三种任务卸载策略,同时在MEC服务器上部署缓存服务,将任务卸载策略和任务缓存策略建模为一个整数非线性优化问题,优化问题为所有车辆的时延和能耗加权和最小化。本文提出一种启发式算法,首先求解任务卸载策略,其次求解任务缓存策略。仿真结果表明,本方案相对于没有考虑D2D任务卸载和任务缓存的方案,时延和能耗更低。