车联网中基于移动边缘计算的内容感知分类卸载算法研究

发布时间：2024-04-28 06:08

　　随着智能交通的快速发展,车辆终端产生大量需要实时处理的数据消息,而在有限资源上的竞争将会增加消息处理的时延,且对终端设备造成很大的能量消耗。针对时延和能量损耗的均衡关系,该文提出一种基于移动边缘计算(MEC)的内容感知分类卸载算法。首先根据层次分析法对安全消息进行优先级划分,然后建立时延和能量损耗的最优任务卸载模型,通过给时延和能量损耗赋予不同的权重系数构造关系模型,并利用拉格朗日松弛法将非凸问题转化为凸问题,从而结合次梯度投影法和贪婪算法得到问题的可行解。性能评估结果表明,该算法在一定程度上改善了消息处理时延和能量损耗。

【文章页数】：8 页

【部分图文】：

图1系统架构

本文选取车辆、路边单元与其部署的边缘服务器所构成的通信网络架构，在高速公路场景下，车辆的高速移动使得网络架构的拓扑快速变化，同时车辆会产生各种各样的安全消息[15]。这会带来两个方面的问题，第1个问题是消息处理的时延问题，若车辆将消息上传到云处理则会造成非常大的时延问题，大大影响....

图2时延与安全消息数目的关系

图2和图3分别显示了不同算法下消息处理的总时延与能量损耗随着安全消息数目变化的关系。从图2中可以看出，本文算法与其他3个算法相比实现了更低的处理时延，与常规任务调度算法相比少95ms，主要是由于常规调度算法没有采取卸载策略，总体上消息处理时延较大，且随着安全消息数目的增多，算法....

图3能量损耗与安全消息数目的关系

图2时延与安全消息数目的关系图4显示了在θ1的不同设置下，延迟和能量损耗之间的关系变化，图5表示了在各个算法下不同优先级消息的平均时延，实验中，本文选取消息数目为20个。从图4可以看出，θ1取值越大表示所提算法对延迟度量的要求越高，虚线表示了在不同的θ1值下延迟的变化趋势，目标....

图4时延和能量损耗的关系

图4显示了在θ1的不同设置下，延迟和能量损耗之间的关系变化，图5表示了在各个算法下不同优先级消息的平均时延，实验中，本文选取消息数目为20个。从图4可以看出，θ1取值越大表示所提算法对延迟度量的要求越高，虚线表示了在不同的θ1值下延迟的变化趋势，目标值是平均时延和能量损耗的加权和....

本文编号：3966278