• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx

      邊緣網(wǎng)絡(luò)中QoS感知的應(yīng)急多設(shè)備協(xié)同機制

      2019-05-22 09:26邢婷魏小敏李夢宇
      無線互聯(lián)科技 2019年6期
      關(guān)鍵詞:邊緣計算

      邢婷 魏小敏 李夢宇

      摘 要:隨著物聯(lián)網(wǎng)的快速發(fā)展,越來越多的設(shè)備連接到互聯(lián)網(wǎng)中。云計算可以有效滿足非實時和高計算量業(yè)務(wù)的需求,但在低延遲業(yè)務(wù)方面存在很大的問題。因此,研究人員引入邊緣計算來彌補云計算的不足,并將這一理念應(yīng)用于許多場景之中。文章將邊緣計算應(yīng)用于對延遲要求較高的應(yīng)急救援場景。首先,提出了一種基于邊緣的應(yīng)急救援架構(gòu),該架構(gòu)包括3層:云層,邊緣層和設(shè)備接入層,救援任務(wù)的完成需要各層次之間的合作。設(shè)備接入層對應(yīng)物理環(huán)境中的各項資源設(shè)備,包括救援人員、無線設(shè)備和救援車輛等,文章研究基于服務(wù)質(zhì)量(Quality of Service, QoS)的復合業(yè)務(wù)多設(shè)備選擇問題,提出了一種基于QoS的多設(shè)備協(xié)同選擇機制(MDSA),并將其與傳統(tǒng)的分配算法進行比較。仿真結(jié)果表明,MDSA在丟包和能耗等方面具有良好的性能。

      關(guān)鍵詞:邊緣計算;QoS;應(yīng)急救災(zāi);多設(shè)備協(xié)同

      近年來,頻發(fā)的災(zāi)害給人們的生命財產(chǎn)造成了嚴重的損失,災(zāi)害已經(jīng)成為影響經(jīng)濟發(fā)展和社會安定的不可忽視因素。人們越來越重視災(zāi)害應(yīng)急管理領(lǐng)域的研究,尤其是應(yīng)急資源調(diào)度方面。應(yīng)急資源調(diào)度是應(yīng)急管理的核心環(huán)節(jié),主要研究如何在災(zāi)害發(fā)生時迅速有效地利用智能決策理論和計算機輔助工具,選擇一套最佳的應(yīng)急資源分配方案。該分配方案能夠使得分散的所需資源盡快到達應(yīng)急地點,使應(yīng)急活動得以盡快進行,從而最大限度地減少突發(fā)性災(zāi)害帶來的經(jīng)濟損失和人員傷亡[1]。

      在信息技術(shù)高速發(fā)展的今天,應(yīng)急資源調(diào)度也逐漸與先進的通信技術(shù)結(jié)合起來,實現(xiàn)更好的資源調(diào)度方案。災(zāi)難現(xiàn)場擁有很多實時信息,例如道路阻塞、坍塌狀況、溫度、濕度等,這些信息對于救災(zāi)具有指導性的意義,如果缺乏對于信息的采集,盲目進行資源分配將會浪費救援時間,缺乏救援效果。此外,災(zāi)難救援時間非常寶貴,高效資源調(diào)度需要完成快速信息獲取和分析,從而得出資源調(diào)度方案。因此,建設(shè)一個實時高速的信息傳輸與分析系統(tǒng)是高效應(yīng)急資源調(diào)度的保障。

      盡管當下網(wǎng)絡(luò)傳輸速率已經(jīng)有了很大的改進,但在災(zāi)害場景中,缺乏有效站點對于通信的支持,實現(xiàn)災(zāi)難現(xiàn)場與救援中心的高帶寬實時通信還是比較困難。邊緣計算作為一種新興的通信模式,通過在網(wǎng)絡(luò)邊緣搭建服務(wù)平臺,將原本中心節(jié)點提供的應(yīng)用程序、數(shù)據(jù)資源或計算服務(wù)分解為若干部分,并各自分散到邊緣節(jié)點進行處理,這種就近提供計算服務(wù)的方式能夠滿足快速連接、實時分析、快速響應(yīng)等方面的技術(shù)和應(yīng)用需求。邊緣計算的出現(xiàn)實現(xiàn)了云計算的去中心化,能夠有效避免長距離傳輸造成的時間及帶寬浪費,同時也降低了云中心的計算負荷[2]。

      在本文中,我們將邊緣計算應(yīng)用于緊急救援。這個場景需要較短的響應(yīng)時間和大量的數(shù)據(jù)來制定決策。通過這種方式可以提高緊急救援的效率。本文具體研究如下:

      (1)本文提出一種協(xié)作分層體系結(jié)構(gòu)。在該架構(gòu)中,計算任務(wù)可由云邊緣協(xié)調(diào)進行處理。低級服務(wù)決策過程可以從云中心移動到網(wǎng)絡(luò)邊緣,一些基本的數(shù)據(jù)可以在本地處理,減少通信帶寬的需求。

      (2)基于該分層體系結(jié)構(gòu),我們討論了網(wǎng)絡(luò)邊緣的服務(wù)決策過程。在移動應(yīng)急決策方面,我們從QoS的角度引入了一種選擇機制來將服務(wù)分配給適當?shù)奈锢碓O(shè)備來執(zhí)行。在丟包率和網(wǎng)絡(luò)能耗方面,實驗數(shù)據(jù)顯示該策略具有較好的性能。

      1 基于QoS的多設(shè)備協(xié)同機制

      1.1 體系結(jié)構(gòu)

      在緊急場景下,急救中心需要大量的實時信息才能做出快速準確的決策和協(xié)調(diào)操作。然而,道路視頻監(jiān)控和交通信息的傳輸需要高帶寬,遠距離傳輸會減慢決策速度。因此,我們提出了一種基于邊緣計算的體系結(jié)構(gòu)來提高系統(tǒng)性能。該架構(gòu)包括3層:云層、邊緣層和設(shè)備訪問層。云層是緊急命令和數(shù)據(jù)中心。指揮官在此做出高層次的決定,如救援計劃,為現(xiàn)場救援人員提供遠程培訓等。邊緣層是網(wǎng)絡(luò)的邊緣,通過在基礎(chǔ)站點上部署邊緣計算服務(wù)器,可以在邊緣層中處理一些工作,例如視頻管理和分析。通過這種方式,我們可以更好地利用通信帶寬。此外,邊緣層可以通過利用具有邊緣計算功能的網(wǎng)關(guān)來支持一些低級決策。設(shè)備訪問層主要指災(zāi)難現(xiàn)場,如道路視頻監(jiān)控,交通信息和移動緊急情況。災(zāi)難救援是一個復雜的過程,并不局限于這些部分。收集數(shù)據(jù)和執(zhí)行服務(wù)是設(shè)備訪問層的主要責任。移動突發(fā)事件是應(yīng)急指揮的重要執(zhí)行者。實際上,它可以看作是一個移動應(yīng)急平臺,包括救援人員,無線通信設(shè)備,傳感器等。如何分配資源來執(zhí)行服務(wù)也會影響救援工作的進度。在下面的部分中,我們描述了這個問題并提出了方法。

      1.2 基于QoS的多設(shè)備選擇算法

      1.2.1 問題模型

      本文提出的移動應(yīng)急模型可以看作是移動Ad-hoc網(wǎng)絡(luò)(MANET)的典型應(yīng)用場景。具有智能設(shè)備的傳感器、無線通信設(shè)備,和救援人員可以相互通信,不依賴于先前存在的基礎(chǔ)設(shè)施,例如有線網(wǎng)絡(luò)中的路由器或受管(基礎(chǔ)設(shè)施)無線網(wǎng)絡(luò)中的接入點[3]。雙層服務(wù)映射模型如圖1所示。

      圖1 雙層服務(wù)映射模型

      在救援過程中,當救援點請求一個服務(wù),該服務(wù)可能由多個子服務(wù)組成并且需要多個物理設(shè)備來執(zhí)行[4]。例如,用戶請求監(jiān)視環(huán)境的服務(wù),它可以包括:監(jiān)視位置表示為S1,監(jiān)視溫度表示為S2,煙霧監(jiān)視表示為S3,環(huán)境質(zhì)量監(jiān)測表示為S4。

      我們的目標是找到一套最佳的物理設(shè)備,這些設(shè)備可以協(xié)同支持服務(wù)并保持用戶體驗的質(zhì)量。圖1給出了一個雙層模型來描述將服務(wù)分配給物理設(shè)備的場景。圖示的子服務(wù)需要按順序執(zhí)行。例如,子服務(wù)S1需要S3和S2的結(jié)果。因此我們可以看到子服務(wù)之間的交互。設(shè)備層包括一些可調(diào)度資源,例如智能終端和傳感器。它們之間存在網(wǎng)絡(luò)鏈接,其中一些可以在服務(wù)層中執(zhí)行子服務(wù)。此外,不止一個設(shè)備可以執(zhí)行子服務(wù),該圖給出將子服務(wù)分配給設(shè)備的一種可能方式[5-6]。在接下來的部分中,我們將詳細介紹兩層模型,并嘗試解決如何將服務(wù)層中的GSM(S,Q,L,B)映射到設(shè)備層中的GDM(D,R,E)的問題。

      (1)SM服務(wù)層模型。服務(wù)層模型將網(wǎng)絡(luò)中的服務(wù)定義為GSM(S,Q,L,B),由一組子服務(wù),S={sv|v=1,…,V},子服務(wù)所需的一組資源Q={qv|v=0,1…,V}和子服務(wù)間的一組交互L={lu|u=0,1…,U}組成。sv是服務(wù)中的第v個子服務(wù)。V是服務(wù)總數(shù)。qv={qv,w|w=1,…,W}給出子服務(wù)需要多少資源,并由相應(yīng)的權(quán)重值表示。qv,w在[0,1]范圍內(nèi)。W是資源類型的總數(shù)。lu是服務(wù)中的交互。U是子服務(wù)間的交互總數(shù)。B={bu|u=0,1…,U}是L={lu|u=0,1…,U}所需的帶寬。

      (2)DM設(shè)備層模型。DM(設(shè)備層模型)給出了設(shè)備層的結(jié)構(gòu),它被定義為無向圖GDM(D,R,E),其中:

      D={dk|k=0,1…,K}表示一組設(shè)備,R={rk|k=0,1…,K}表示每個設(shè)備的一組能力,E={ej|j=1,…,J}表示設(shè)備之間的一組通信鏈路。

      在本文中,我們從QoS的角度選擇最佳設(shè)備集。我們在(1)中定義了一個效益函數(shù)。Pi是可以執(zhí)行第i個服務(wù)的一組設(shè)備。ρi,m是第i個服務(wù)的第m個質(zhì)量指標。αi,m是第i個服務(wù)的第m個質(zhì)量指標的權(quán)重。

      F(i,Pi)=∑i∑mαi,m*ρi,m (1)

      至于質(zhì)量指標,不同的服務(wù)有不同的要求。本文主要針對兩個方面,即距離和響應(yīng)時間。它們是衡量服務(wù)質(zhì)量的一般指標,我們在第4節(jié)中描述了細節(jié)。

      同時,在公式(1)的基礎(chǔ)上,建立了如(2)所示的數(shù)學模型。事實上,為了正確地分配服務(wù),需要從GDM(D,R,E)中找到滿足GSM(S,Q,L,B)和最佳質(zhì)量需求的同構(gòu)子圖。

      其中:δi,m是第i個服務(wù)的第m個質(zhì)量指標的最低要求。xp,v,k是一個0-1變量。 選擇dk執(zhí)行服務(wù)時設(shè)置為1,否則設(shè)置為0。yp,j也是一個0-1變量。當選擇鏈接ej來執(zhí)行服務(wù)時,它被設(shè)置為1,否則它被設(shè)置為0。

      根據(jù)該模型,它是一個復雜的子圖同態(tài)問題,我們在下面的部分介紹解決方案。

      1.2.2 基于QoS的多設(shè)備選擇方案MDSA

      針對上一部分提出的問題,我們給出了一個具有廣度優(yōu)先搜索(Breadth First Search,BFS)和修剪機制知識的解決方案。該過程如圖2所示。

      該過程由兩部分組成。第一部分是服務(wù)初始化。首先根據(jù)場景得到邏輯圖GSM(S,Q,L,B)。以圖1為例,邏輯圖表示在(3)中。

      根據(jù)邏輯圖GSM(S,Q,L,B),我們得到以圖GSM的鄰接矩陣導出的以Su為根的BFS樹。并且還生成執(zhí)行服務(wù)的設(shè)備集NetTop={CDS,Gbit}的初始網(wǎng)絡(luò)拓撲。CDS是定義為CDS=(dk1,dk2,…dki)。dki是執(zhí)行第i個子服務(wù)的設(shè)備,相應(yīng)的Gbit表示找到執(zhí)行子服務(wù)的設(shè)備。例如,考慮式(3),我們得到一個執(zhí)行序列(S1,S2,S3,S4),其中BFS樹由S1生根。如果CDS=(dk1,dk2,dk3,NULL)

      和Gbit=1 110,則表示有3個設(shè)備dk1,dk2,dk3可以執(zhí)行服務(wù)S1,S2,S3,尚未找到執(zhí)行服務(wù)S4的設(shè)備。因此,在開始時,NetTop=被設(shè)置為初始值,如CDS=(NULL,…,NULL)和Gbit=0…0。

      設(shè)備選擇過程如下。由生存時間控制的REQ_SEL數(shù)據(jù)包將在設(shè)備之間廣播。作為第一接收器并且可以在執(zhí)行序列中執(zhí)行第一服務(wù)的設(shè)備被表示為服務(wù)開始節(jié)點,并且對REQ_SEL分組進行廣播[7-10]。在k-hop內(nèi),接收REQ_SEL數(shù)據(jù)包的設(shè)備將檢查是否有可用于執(zhí)行特定服務(wù)的資源,如果它可以執(zhí)行服務(wù)而不是終節(jié)點(執(zhí)行最后一個服務(wù)的設(shè)備),將該設(shè)備的上下文放入REQ_SEL并廣播REQ_SEL,直到找到服務(wù)端節(jié)點。如果設(shè)備是終節(jié)點,則形成ACK_SEL包并發(fā)送給用戶構(gòu)建初始UCS為(4),ρt,m表示為第t個解決方案中的第m個服務(wù)質(zhì)量指標CDSt。最后,選擇具有收益函數(shù)的最優(yōu)集合,并使用REQ_ROU數(shù)據(jù)包,ACK_ROU數(shù)據(jù)包完成設(shè)備分配。

      此外,在接收到ACK_SEL消息后,用戶將構(gòu)造UCS并根據(jù)(2)選擇最佳的CDSi。由于多設(shè)備選擇過程的問題模型是多目標函數(shù),我們將計算過程分解為兩個步驟,以簡化計算的復雜度。首先,我們從UCS中選擇ZCDS作為根據(jù)(2)的初步設(shè)備集。計算Z的公式如(5)所示。

      這里,M是UCS的總數(shù)。λ設(shè)定為0.5。

      之后,根據(jù)(2)中的第二個目標函數(shù),我們從上述Z CDS中選擇最佳協(xié)同Z作為實現(xiàn)服務(wù)的初始設(shè)備集。這里以圖3為例。

      步驟1:救援點請求組合服務(wù),并且d1被表示為服務(wù)開始節(jié)點S1并廣播REQ_SEL。

      步驟2:收到REQ_SEL后,d2,d3,d10檢查是否滿足S2的要求。d3和d10只轉(zhuǎn)發(fā)REQ_SEL。d2可以將其信息添加到REQ_SEL中,然后廣播REQ_SEL,生成UCS=((d1,d2,NULL,NULL,1 100),ρ1,1,ρ1,1,…,ρ1,m)。

      步驟3:d7從d5接收REQ_SEL,d8從d6接收REQ_SEL,它們是服務(wù)終節(jié)點,因此發(fā)送REQ_ACK。最后,我們選擇一個最優(yōu)集合CDS并建立路由。

      2 實驗評估

      2.1 實驗環(huán)境

      在模擬中,我們將從兩個評估指標驗證所提出機制的性能:服務(wù)距離,服務(wù)響應(yīng)時間。我們給出這些質(zhì)量指標的定義,定義服務(wù)距離是設(shè)備和用戶間的平均距離。

      2.1.1 服務(wù)距離

      2.1.2 服務(wù)響應(yīng)時間

      其中Ti是服務(wù)i的響應(yīng)時間,Tmax是用戶可以接受的最長等待時間。

      用OPNET建立一個帶無線通信設(shè)備和MANET的仿真環(huán)境,然后通過Matlab等統(tǒng)計分析工具分析實驗結(jié)果?;贠PNET,構(gòu)建了一個面積為100×150(Ti)的網(wǎng)絡(luò),包括60個異構(gòu)設(shè)備。模擬過程中參數(shù)的詳細信息如表1所示。為了觀察MDSA與多用戶的性能,模擬了具有1、4和8個用戶的場景。此外,模擬各種最大速度(1、5、10、15和20 m/s)以顯示MDSA適用于具有高移動性設(shè)備的環(huán)境。

      2.2 結(jié)果分析

      考慮到應(yīng)急救援場景中救援點的網(wǎng)絡(luò)體驗和質(zhì)量,MDSA的性能已經(jīng)與基于成本的簡單分配算法CDA進行了比較[5]。我們通過兩個測量分析實驗結(jié)果,包括能耗和丟包率。

      (1)能耗:由于網(wǎng)絡(luò)中終端設(shè)備的能量有限,高性能的多終端選擇算法將有助于節(jié)省能源。如圖4所示,與CDA相比,MDSA可以在情況4下節(jié)省0~22%的能耗。并且能量消耗得到顯著改善,特別是當終端的移動速度增加或多個用戶同時請求服務(wù)時。

      (2)丟包率:圖5給出了1個用戶,4個用戶和8個用戶在不同場景下各種移動速度下的平均丟包率。在4個用戶的情況下,結(jié)果表明隨著終端移動速度的增加,MDSA的丟包率明顯低于其他方法。在1個用戶和8個用戶的情況下,結(jié)果表明MDSA的性能比CDA好2%~16%。

      3 結(jié)語

      高效的應(yīng)急救援在災(zāi)難中起著至關(guān)重要的作用。當前的應(yīng)急通信系統(tǒng)面臨多種挑戰(zhàn),例如帶寬不足導致應(yīng)急響應(yīng)緩慢。我們引入了一種基于邊緣計算的應(yīng)急系統(tǒng)架構(gòu),可以將一些過程從云中心移動到網(wǎng)絡(luò)邊緣。作為事故現(xiàn)場的重要部分,移動應(yīng)急決定了救援的效率。如何構(gòu)建服務(wù)并為設(shè)備分配服務(wù)是值得我們關(guān)注的問題。在多設(shè)備協(xié)同過程中,服務(wù)質(zhì)量將受到物理設(shè)備能力或網(wǎng)絡(luò)拓撲動態(tài)的影響。為了向用戶提供高質(zhì)量的服務(wù),保持服務(wù)的連續(xù)性和穩(wěn)定性,本文提出了一種基于QoS的多設(shè)備協(xié)同選擇機制,仿真結(jié)果表明,與CDA相比,我們的機制在能耗和丟包率方面具有較好的性能。

      [參考文獻]

      [1]柴秀榮.災(zāi)害應(yīng)急救助物資調(diào)度系統(tǒng)研究[D].合肥:中國科學技術(shù)大學,2009.

      [2]張婷.災(zāi)害應(yīng)急管理中的應(yīng)急資源調(diào)度問題研究[D].合肥:合肥工業(yè)大學,2015.

      [3]SUN Q,KONG F,ZHANG L,et al.Study on emergency distribution route decision making[C].Changchun:2011 International Conference on Mechatronic Science,Electric Engineering and Computer(MEC)2011.

      [4]ZHAO T C,ZHOU S,GUO X Y.A cooperative scheduling scheme of Icloud and Internet cloud for delay-aware mobile cloud computing[C].San Diego:Proceeding IEEE Globecom Workshops,2015.

      [5]HAUBENWALLER A,VANDIKAS K.Computations on the edge in the Internet of Things[J].Procedia Computer Science,2015(52):29-34.

      [6]FLORES H,HUI P,TARKOMA S,et al.Mobile code offloading: from concept to practice and beyond[J].IEEE Communications Magazine,2015(3):80-88.

      [7]CHEN X,JIAO L,LI W,et al.Efficient multi-user computation offloading for mobile-edge cloud computing[J].IEEE/ACM Transactions on Networking,2015(5):2795-2808.

      [8]YOU C,HUANG K,CHAE H,et al.Energy-efficient resource allocation for mobile-edge computation offloading[J].IEEE Transactions on Wireless Communications,2017(16):1397-1411.

      [9]SARDELLITTI S,SCUTARI G,BARBAROSSA S.Joint optimization of radio and computational resources for multicell mobile-edge computing[J].IEEE Transactions on Signal and Information Processing over Networks,2015(2):89-103.

      [10]TALEB T,DUTTA S,KSENTINI A,et al.Mobile edge computing potential in making cities smarter[J].IEEE Communications Magazine,2017(3):38-43.

      猜你喜歡
      邊緣計算
      邊緣計算綜述:應(yīng)用、現(xiàn)狀及挑戰(zhàn)
      淺析邊緣計算與智能制造裝備
      邊緣計算下移動智能終端隱私數(shù)據(jù)的保護方法
      從“邊緣計算”看未來企業(yè)辦公場景
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      404 Not Found

      404 Not Found


      nginx
      大化| 山丹县| 中宁县| 株洲县| 舒兰市| 营山县| 呼和浩特市| 左贡县| 青铜峡市| 呼伦贝尔市| 剑河县| 昭平县| 称多县| 青冈县| 乌恰县| 南通市| 原阳县| 八宿县| 锦州市| 石狮市| 怀集县| 巴中市| 区。| 昌平区| 怀来县| 本溪市| 钟祥市| 资溪县| 高青县| 阜南县| 永和县| 兴和县| 侯马市| 专栏| 晋宁县| 桦甸市| 徐汇区| 镇宁| 阳新县| 林口县| 墨竹工卡县|