智能交通系统的迅猛发展催生了对实时性与高可靠计算服务的迫切需求,进而推动了车载边缘计算向更具动态性和灵活性的协同计算架构演进。多层空基网络突破了传统地面基础设施在覆盖范围与服务连续性方面的固有局限,正逐步成为支撑车载边...智能交通系统的迅猛发展催生了对实时性与高可靠计算服务的迫切需求,进而推动了车载边缘计算向更具动态性和灵活性的协同计算架构演进。多层空基网络突破了传统地面基础设施在覆盖范围与服务连续性方面的固有局限,正逐步成为支撑车载边缘计算的重要补充与发展方向。为此,构建了一种融合高空平台(High Altitude Platform,HAP)与无人机(Unmanned Aerial Vehicle,UAV)的多层空基边缘计算架构,协同为车联网(Internet of Vehicles,IoV)中的移动车辆提供高效计算支持。针对车辆移动引发的频繁空中小区切换问题,创新性地引入切换感知机制,预测车辆在UAV覆盖下的小区切换时间窗,在车辆与UAV能耗限制下,联合优化系统的带宽分配、计算资源分配与任务卸载决策,以最小化任务总时延,同时规避切换中断风险。为应对混合整数非线性规划(Mixed Integer Nonlinear Programming,MINLP)问题的高计算复杂度,设计了一种3步迭代求解算法,将原问题分解为带宽分配、计算资源分配和卸载决策优化子问题,采用CVX工具、线性松弛与交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解。仿真结果表明,相比于基线方案,所提算法在任务大小为5~9 Mb时,任务总时延分别降低了11.9%、23.3%和25.5%。展开更多
文摘智能交通系统的迅猛发展催生了对实时性与高可靠计算服务的迫切需求,进而推动了车载边缘计算向更具动态性和灵活性的协同计算架构演进。多层空基网络突破了传统地面基础设施在覆盖范围与服务连续性方面的固有局限,正逐步成为支撑车载边缘计算的重要补充与发展方向。为此,构建了一种融合高空平台(High Altitude Platform,HAP)与无人机(Unmanned Aerial Vehicle,UAV)的多层空基边缘计算架构,协同为车联网(Internet of Vehicles,IoV)中的移动车辆提供高效计算支持。针对车辆移动引发的频繁空中小区切换问题,创新性地引入切换感知机制,预测车辆在UAV覆盖下的小区切换时间窗,在车辆与UAV能耗限制下,联合优化系统的带宽分配、计算资源分配与任务卸载决策,以最小化任务总时延,同时规避切换中断风险。为应对混合整数非线性规划(Mixed Integer Nonlinear Programming,MINLP)问题的高计算复杂度,设计了一种3步迭代求解算法,将原问题分解为带宽分配、计算资源分配和卸载决策优化子问题,采用CVX工具、线性松弛与交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解。仿真结果表明,相比于基线方案,所提算法在任务大小为5~9 Mb时,任务总时延分别降低了11.9%、23.3%和25.5%。
