車聯(lián)網(wǎng)中基于霧計(jì)算的最小化功率開銷任務(wù)卸載策略

劉 通

(1. 重慶工程職業(yè)技術(shù)學(xué)院，重慶 402260; 2. 重慶郵電大學(xué)，重慶 400065)

0 引 言

隨著網(wǎng)絡(luò)用戶對(duì)網(wǎng)絡(luò)應(yīng)用需求的不斷提升，網(wǎng)絡(luò)接入終端不再局限于傳統(tǒng)的電腦、手機(jī)，將車輛作為網(wǎng)絡(luò)接入終端，形成車車互聯(lián)的IOV(Internet of Vehicle 車聯(lián)網(wǎng))，提供面向V2V(Vehicle to Vehicle)、V2I(Vehicle to infrastructure)、V2P(Vehicle to Pedestrian)、V2N(Vehicle to network)的網(wǎng)絡(luò)連接，支持自動(dòng)駕駛、車載娛樂、智能疏導(dǎo)等智能化新型應(yīng)用已成為未來車聯(lián)網(wǎng)的主要發(fā)展方向，而針對(duì)車輛組網(wǎng)的研究也成為當(dāng)下研究的熱點(diǎn)問題[1-2]。

針對(duì)車輛組網(wǎng)的早期研究主要集中于VANET(Vehicle Ad Hoc Networks車載自組織網(wǎng)絡(luò))[3]。IEEE(Institute of Electrical and Electronics Engineers 電氣和電子工程師協(xié)會(huì))針對(duì)VANET組網(wǎng)方式制定了802.11p標(biāo)準(zhǔn)，但VANET的網(wǎng)絡(luò)可靠性、節(jié)點(diǎn)隱藏能力和無限制時(shí)延等問題一直沒有得到很好的改善。LTE-V(Long Term Evolution-Vehicle)被視為能夠有效解決上述問題，提供實(shí)時(shí)車聯(lián)網(wǎng)絡(luò)應(yīng)用服務(wù)的解決方案。

在文獻(xiàn)[4]中，LTE-V被定義為兩種通信模式，LTE-V-direct(LVD)和LTE-V-cell(LVC)。LVD和LVC可相互協(xié)調(diào)以提供集成的V2X(Vehicle to X)解決方案。文獻(xiàn)[5]則是將LTE-V與IEEE 802.11p進(jìn)行了比較，同時(shí)介紹了LTE-V的標(biāo)準(zhǔn)研究及其演進(jìn)。并在文中展示了LTE-V的產(chǎn)業(yè)發(fā)展和典型的示范應(yīng)用。最后展望了LTE-V的發(fā)展策略及其未來的技術(shù)演進(jìn)路線。

在車聯(lián)網(wǎng)絡(luò)內(nèi)，為了保證車輛的智能駕駛與安全駕駛，同時(shí)為了保證乘客的娛樂體驗(yàn)，車輛需要與基站、其它車輛節(jié)點(diǎn)、RSU(Road Side Unit 路邊單元)等對(duì)象進(jìn)行信息交互，在短時(shí)間內(nèi)會(huì)產(chǎn)生數(shù)據(jù)量極為龐大的實(shí)時(shí)信息。在基于云計(jì)算的網(wǎng)絡(luò)結(jié)構(gòu)中，這些數(shù)據(jù)需要從車輛通過無線接入網(wǎng)上傳至云端，由云端進(jìn)行數(shù)據(jù)處理分析后，再將處理結(jié)果返回至車輛。數(shù)據(jù)的上傳處理會(huì)增加任務(wù)的傳輸時(shí)延。同時(shí)，海量數(shù)據(jù)的涌入勢(shì)必會(huì)導(dǎo)致服務(wù)的排隊(duì)，從而會(huì)導(dǎo)致更高的網(wǎng)絡(luò)時(shí)延。對(duì)于車聯(lián)網(wǎng)中正在使用自動(dòng)駕駛功能的車輛，過高的時(shí)間延遲極有可能會(huì)導(dǎo)致嚴(yán)重的交通事故。

霧計(jì)算能夠有效地解決上述問題，通過在靠近用戶的網(wǎng)絡(luò)邊緣處，部署具有存儲(chǔ)、計(jì)算功能的邊緣服務(wù)器用于接收和處理用戶數(shù)據(jù)。由于霧服務(wù)器的部署位置更加接近用戶，故而可以節(jié)省大量的信息傳輸時(shí)間。在車聯(lián)網(wǎng)絡(luò)中部署霧計(jì)算節(jié)點(diǎn)成為車聯(lián)網(wǎng)研究的流行趨勢(shì)。為了促進(jìn)霧計(jì)算技術(shù)在IoV中的良好融合，文獻(xiàn)[6]首先介紹了一種將車輛作為霧計(jì)算資源節(jié)點(diǎn)構(gòu)建的協(xié)同和分布式計(jì)算架構(gòu)。作者提出一種協(xié)作任務(wù)卸載和輸出傳輸機(jī)制，以保證低延遲應(yīng)用的網(wǎng)絡(luò)性能，并最終在3D場(chǎng)景中，通過仿真分析表明，該方案能夠在確保駕駛體驗(yàn)的同時(shí)減少感知反應(yīng)時(shí)間。

然而，將任務(wù)遷移至霧節(jié)點(diǎn)勢(shì)必會(huì)增加系統(tǒng)的功率開銷，如何在有限的功率條件下，選擇何種任務(wù)遷移方式也是需要進(jìn)行深入研究的內(nèi)容。為了最大限度地降低終端的能耗，文獻(xiàn)[7]選擇將無線資源分配和計(jì)算資源分配進(jìn)行了共同優(yōu)化。將能量消耗最小化問題表示為混合整數(shù)非線性規(guī)劃問題，但該問題會(huì)受到特定應(yīng)用延遲約束的影響。為了解決這個(gè)問題，作者重新制定了基于線性技術(shù)的分支定界方法，通過設(shè)置求解精度獲得最優(yōu)結(jié)果或次優(yōu)結(jié)果?？紤]到上述方法的復(fù)雜性無法保證，作者進(jìn)一步設(shè)計(jì)了基于Gini系數(shù)的貪心啟發(fā)式算法，通過將該問題轉(zhuǎn)化為凸優(yōu)化模型進(jìn)行求解并通過仿真證明了此算法能夠有效節(jié)約系統(tǒng)功率開銷。

文獻(xiàn)[8]對(duì)基于停泊車輛中繼的車載邊緣任務(wù)卸載方案進(jìn)行了研究。為了減少車聯(lián)網(wǎng)絡(luò)的通信服務(wù)時(shí)延，同時(shí)為了有效利用停泊車輛閑置的資源，提出了一種能夠卸載實(shí)時(shí)流量管理的解決方案以最大限度地減少車輛事件報(bào)告的平均響應(yīng)時(shí)間。通過將停泊的車輛作為邊緣節(jié)點(diǎn)的組網(wǎng)方式，構(gòu)建了一種分布式城市交通管理系統(tǒng)，緩解了回傳鏈路的數(shù)據(jù)傳輸壓力，有效降低網(wǎng)絡(luò)時(shí)延。

文獻(xiàn)[6]和文獻(xiàn)[7]在車聯(lián)網(wǎng)絡(luò)中對(duì)如何將任務(wù)進(jìn)行高效卸載至基站進(jìn)行了研究。然而，在未來車聯(lián)網(wǎng)絡(luò)的各種應(yīng)用中，用戶對(duì)時(shí)延的要求極為敏感。如碰撞預(yù)警、偏離預(yù)警等應(yīng)用，如果采用將任務(wù)遷移至基站，基站執(zhí)行任務(wù)后再將結(jié)果返回的任務(wù)遷移方式勢(shì)必會(huì)增大網(wǎng)絡(luò)時(shí)延。文獻(xiàn)[8]中的任務(wù)遷移方式雖然降低了網(wǎng)絡(luò)時(shí)延，然而由于停泊中的車輛其引擎處于停止運(yùn)行狀態(tài)，故而不能提供持久的動(dòng)力輸出，借助停泊車輛作為中繼節(jié)點(diǎn)的網(wǎng)絡(luò)部署方式在網(wǎng)絡(luò)穩(wěn)定性方面還有待進(jìn)一步的研究。

雖然目前霧計(jì)算和LTE-V的研究已經(jīng)成為比較熱門的研究方向，然而將兩者進(jìn)行結(jié)合研究的文獻(xiàn)卻并不多見。本文的主要貢獻(xiàn)由以下兩個(gè)部分構(gòu)成。

(1)在LTE-V網(wǎng)絡(luò)中，考慮了一種全新的在蜂窩基站和車輛上均部署具有霧計(jì)算功能的霧服務(wù)器，構(gòu)建LVF網(wǎng)絡(luò)以應(yīng)對(duì)車聯(lián)網(wǎng)中時(shí)延敏感業(yè)務(wù)請(qǐng)求。

(2)在上述LFV網(wǎng)絡(luò)結(jié)構(gòu)中，在保證系統(tǒng)時(shí)延性能的條件下，提出了以最小化系統(tǒng)功率消耗為目的LTOS優(yōu)化任務(wù)遷移策略，并基于此優(yōu)化策略進(jìn)一步搭建了數(shù)學(xué)優(yōu)化模型。通過使用模擬退火算法對(duì)優(yōu)化模型進(jìn)行求解并獲得了最佳分配因子。在時(shí)延受限的條件下，節(jié)省了系統(tǒng)功耗。

本文剩余部分的安排如下。在2中討論LVF結(jié)構(gòu)及任務(wù)執(zhí)行方式。數(shù)學(xué)模型的搭建在3中完成，4中使用模擬退火算法對(duì)數(shù)學(xué)模型進(jìn)行求解。5中進(jìn)行仿真結(jié)果分析及性能對(duì)比。最后在6中對(duì)本研究進(jìn)行總結(jié)。

1 系統(tǒng)模型

LFV系統(tǒng)模型如圖1所示，在此模型中的車輛保持通信的方式有兩種，一種是基于車輛至蜂窩基站的LVC模式，另一種是基于車輛之間互聯(lián)的LVD模式。其中，在LVD模式下，車輛與車輛之間進(jìn)行直連用于V2V場(chǎng)景。作為一種分布式架構(gòu)，可通過修改LTE物理層參數(shù)，在保證通用性的基礎(chǔ)上提供短距離直接通信，從而保證車輛節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)低延遲、高可靠的性能要求，主要用于保障車輛的安全行駛。而在LVC模式下，車輛采用傳統(tǒng)的集中式方式與蜂窩基站進(jìn)行通信，基于集中式網(wǎng)絡(luò)架構(gòu)的LVC能通過優(yōu)化無線資源管理，更好地支持V2I和V2P場(chǎng)景的應(yīng)用[4]。

圖1 系統(tǒng)模型

LTE-V組網(wǎng)模式下，車輛需要具備車道偏離預(yù)警、前向碰撞預(yù)警、交通標(biāo)志識(shí)別、車輛感知共享、行人碰撞預(yù)警、危險(xiǎn)駕駛提醒功能。為了實(shí)現(xiàn)以上功能，需要在車身上安裝激光雷達(dá)、超聲波雷達(dá)、圖像傳感器以及毫米波雷達(dá)等多種傳感器設(shè)備，這些設(shè)備在短時(shí)間內(nèi)會(huì)產(chǎn)生龐大的數(shù)據(jù)量。為了減少數(shù)據(jù)的傳輸時(shí)延，提升網(wǎng)絡(luò)的響應(yīng)能力，需要在車聯(lián)網(wǎng)絡(luò)中進(jìn)行霧節(jié)點(diǎn)的部署。在LVC模式下，霧節(jié)點(diǎn)采用集中式的網(wǎng)絡(luò)架構(gòu)部署于蜂窩基站內(nèi)。而在LVD模式下，則采用分布式的網(wǎng)絡(luò)結(jié)構(gòu)模型將霧節(jié)點(diǎn)部署于每個(gè)智能車輛中。

(1)

2 任務(wù)卸載

2.1 本地執(zhí)行

(2)

根據(jù)文獻(xiàn)[12]中的分析，進(jìn)一步可以得到本地執(zhí)行所需要的功率為

(3)

式中k是取決于霧服務(wù)器內(nèi)部芯片結(jié)構(gòu)的能量系數(shù)。

2.2 LVC模式

(4)

設(shè)宏基站分配信道i給車輛n，則此車輛n與霧邊緣服務(wù)器間的傳輸速率表達(dá)為：

(5)

(6)

(7)

任務(wù)在宏邊緣進(jìn)行處理時(shí)，所需要的功率開銷表述為：

(8)

設(shè)數(shù)據(jù)流相繼到達(dá)宏基站霧服務(wù)器的間隔時(shí)間服從指數(shù)為λc-task的泊松分布，霧服務(wù)器的服務(wù)時(shí)間服從指數(shù)為λc的泊松分布，可以將宏基站霧節(jié)點(diǎn)的服務(wù)模型建模為M/M/1排隊(duì)模型。則服務(wù)速率ρ=λc-task/λc，則根據(jù)排隊(duì)論的理論知識(shí)，任務(wù)的平均排隊(duì)時(shí)間表示為：

(9)

(10)

2.3 LVD模式

與LVC的分析類似，任務(wù)在微邊緣服務(wù)器的執(zhí)行時(shí)間同樣由傳輸時(shí)間、排隊(duì)時(shí)間和處理時(shí)間和返回時(shí)間四部分構(gòu)成共同構(gòu)成，滿足：

(11)

設(shè)在任務(wù)遷移階段，接受任務(wù)的車輛霧節(jié)點(diǎn)與提出任務(wù)遷移請(qǐng)求的車輛節(jié)點(diǎn)通過信道k進(jìn)行連接，傳輸速率表達(dá)為：

(12)

(13)

(14)

所需要的功率開銷表述為：

(15)

(16)

(17)

3 數(shù)學(xué)建模

設(shè)卸載到宏基站霧節(jié)點(diǎn)的的任務(wù)量占總?cè)蝿?wù)量的比例因子為α，卸載到車輛霧節(jié)點(diǎn)的任務(wù)量比例因子為β，則有

(18)

(19)

則由終端進(jìn)行本地執(zhí)行的任務(wù)量為：

(20)

同時(shí)0≤α≤1、0≤β≤1、0≤α+β≤1成立。

根據(jù)上述分析，終端用戶n的任務(wù)Ln由三個(gè)執(zhí)行主體完成，系統(tǒng)的總時(shí)間開銷可表述為：

(21)

與之對(duì)應(yīng)的總功率開銷為：

(22)

本文在異構(gòu)網(wǎng)絡(luò)中，在總功率受限，執(zhí)行任務(wù)所消耗的時(shí)間受限的情況下，將最優(yōu)分配因子α和β作為求解對(duì)象，以達(dá)到最小化系統(tǒng)總功率開銷的目的，提出了一種雙層任務(wù)卸載策略DTOS，基于此策略的優(yōu)化模型可表述為：

(23)

(24)

0≤α≤1,0≤β≤1

(25)

0≤α+β≤1

(26)

(27)

(28)

在上述模型中，(23)式限定對(duì)系統(tǒng)總功率開銷進(jìn)行了限定，(24)式則是對(duì)任務(wù)執(zhí)行時(shí)長(zhǎng)的要求。(25)和(26)式描述的是任務(wù)的具體卸載方案。宏基站霧節(jié)點(diǎn)和車輛霧節(jié)點(diǎn)分配給任務(wù)n的計(jì)算能力要求在(27)中體現(xiàn)。(28)則為不考慮車輛存在越區(qū)切換的情況下，限定卸載任務(wù)在當(dāng)前基站的覆蓋范圍內(nèi)均能被成功執(zhí)行。

4 模擬退火算法

由于上述優(yōu)化模型的優(yōu)化目標(biāo)與約束條件之間存在非線性關(guān)系，求解較為困難，故采用模擬退火算法對(duì)優(yōu)化模型進(jìn)行求解。

4.1 建立metropolis準(zhǔn)則

(29)

其中，p為接受當(dāng)前解為最優(yōu)解的概率，可表達(dá)為：

(30)

式中φ為玻爾特茲曼常數(shù)。

4.2 算法流程

1) 初始化高溫Tmax=100和溫度下限Tmin=1，并設(shè)當(dāng)前狀態(tài)處于最高溫，即T(k)=100；

3) 初始化當(dāng)前溫度下的迭代次數(shù)L=100；

4) Form=1:Ldo

接受當(dāng)前解為最佳解，并S′={α′,β′}將賦值給最佳解S*={α*,β*}；

else

以metropolis準(zhǔn)則中的概率p接受S′={α′,β′}作為當(dāng)前最佳解

End if

Ifm=L

end if

else 返回4;

6)T(k+1)=αT(k)

IfT(k+1)≤Tmin

end if

else 返回4

算法流程圖如下所示：

圖2 模擬退火算法流程圖

5 性能仿真

首先對(duì)比分析了數(shù)據(jù)量大小與功率消耗之間的關(guān)系。從圖3中可以看出，隨著數(shù)據(jù)量的不斷增大，系統(tǒng)的功耗也隨之增大。在四種任務(wù)遷移模式中，與交任務(wù)全部交由本地車輛處理相比較，將任務(wù)全部卸載至其它車輛所消耗的功率值會(huì)更高，如在任務(wù)數(shù)據(jù)量為3 MB時(shí)，本地執(zhí)行任務(wù)可以節(jié)省約2 mJ的功率，主要原因在于本地車輛和其它車輛具有相同的數(shù)據(jù)處理能力，而如果將任務(wù)遷移至其它車輛，同時(shí)還會(huì)增加本地車輛的發(fā)射功率消耗。由于宏基站處的霧服務(wù)器比車輛節(jié)點(diǎn)霧服務(wù)器具有更強(qiáng)大的數(shù)據(jù)處理能力，所以如果將任務(wù)全部遷移至宏蜂窩基站，可以進(jìn)一步節(jié)約能耗。與將任務(wù)全部遷移至宏蜂窩基站比較，本文提出的LTOS策略能夠更進(jìn)一步節(jié)約系統(tǒng)功耗，如在任務(wù)量為4 MB時(shí)，LTOS策略所消耗的功率僅為6.7 mJ，與上述三種策略比較，分別能夠節(jié)約1.8 mJ、5.3 mJ和7.8 mJ的功率開銷。

圖3 數(shù)據(jù)量大小與功率消耗關(guān)系對(duì)比圖

圖4 數(shù)據(jù)量大小與時(shí)延關(guān)系對(duì)比圖

此后對(duì)數(shù)據(jù)量大小與時(shí)延關(guān)系進(jìn)行了分析比較。與圖3中的原因分析類似，將任務(wù)全部遷移至其它車輛執(zhí)行與本地執(zhí)行比較而言，由于兩種車輛的計(jì)算能力相同，而在任務(wù)遷移過程中會(huì)存在傳輸時(shí)延，故而將任務(wù)全部遷移至其它車輛的執(zhí)行時(shí)間要略大于任務(wù)本地執(zhí)行的時(shí)間。將任務(wù)遷移至具有更加大處理能力的宏蜂窩霧節(jié)點(diǎn)時(shí)，能夠在系統(tǒng)時(shí)延上獲得更進(jìn)一步的提升。LTOS策略所獲得的系統(tǒng)時(shí)延性能提升效果最為明顯，如在任務(wù)的數(shù)據(jù)量為3 MB時(shí)，LTOS策略所導(dǎo)致的時(shí)延僅有42 ms。

6 結(jié) 語

本文在LTE-V車聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)中，在任務(wù)的時(shí)延及功耗限制條件下，以最小化系統(tǒng)功耗為目的，提出了一種新的任務(wù)卸載方式。LTE-V車聯(lián)網(wǎng)中，車輛可以采用集中式的LFC模式與蜂窩基站進(jìn)行通信，也可以采用分布工LFD模式與其它車輛節(jié)點(diǎn)進(jìn)行通信。由于車聯(lián)網(wǎng)中產(chǎn)生的數(shù)據(jù)量極為龐大，為了有效處理這些數(shù)據(jù)，考慮了一種在宏蜂窩基站和車輛節(jié)點(diǎn)處均部署霧計(jì)算節(jié)點(diǎn)的網(wǎng)絡(luò)結(jié)構(gòu)。在此結(jié)構(gòu)中，產(chǎn)生計(jì)算任務(wù)的車輛可以選擇自已處理這些數(shù)據(jù)，為了進(jìn)一步提升處理效率，也可以將計(jì)算任務(wù)遷移至不同類型的霧節(jié)點(diǎn)，而不同的遷移方式和遷移比例所對(duì)應(yīng)的系統(tǒng)功耗和網(wǎng)絡(luò)時(shí)延也不盡相同。本文提出了一種優(yōu)化任務(wù)卸載策略LTOS，在網(wǎng)絡(luò)性能保證前提下，最小化了系統(tǒng)總功率開銷。同時(shí)，本文還建立了LTOS策略的數(shù)學(xué)優(yōu)化模型，并通過模擬退火算法對(duì)優(yōu)化模型進(jìn)行求解，獲得了LTOS策略的最佳分配方案。仿真結(jié)果表明文章提出的優(yōu)化算法可以有效地節(jié)約系統(tǒng)總功耗。