(文献阅读笔记-边缘计算、交通)Offloading in Internet of Vehicles: A Fog-Enabled Real-Time Traffic Management Syste

摘要车辆产生的信息与当地 有关,即车 辆感应的数 据有其自身 的生命周期以及速度空 间范围周期,例子,交通阻塞数据,只对即将靠近、欲驶向该区域的车辆及行人有价值,并且阻塞信息会不断更新。
本文在基于fog的IOV系统中,实现实时卸载交通管理,减少车载事件的平均回应时间,构建分布式城市交通系统,使得靠近RSU 的车辆可以作为雾节点。本文建立了三层系统模型,将整个城市划分为多个区域,每个区域一个cloudlet,多个RSU和fog(parked and moving vehicle),cloudlet和fog同时提供计算能力避免了额外的花费;引入队列理论,cloudlet为MM1队列,parked为MMb队列,moving为MM1队列;数学框架为O(m^4)复杂度。
(文献阅读笔记-边缘计算、交通)Offloading in Internet of Vehicles: A Fog-Enabled Real-Time Traffic Management Syste_第1张图片三层架构
cloud为TMS,仅仅用于进行结果接收和奖励分配;cloudlet、fog是主要的区域数据处理器,该文献关键就是如何对两种进行平衡调度,减小TMS延迟;RSU用于接收数据并对cloudlet、fog进行任务卸载。
卸载算法本文模型的卸载原则是首先选择fog,因为fog比cloudlet离RSU更近,在卸载时,会首先根据公式计算在 这种车载条件下,理想最小时延,计算中,将其看做一个minimum concave-cost network flow problem,使用a brand-and-bound algorithm来解决;然后在该数值下,对部分卸载数据进行重定向,达到负载均衡,时延接近于理想时延,这个过程看做a typical linear minimum cost network flow problem,由 Edmonds–Karp algorithm解决。在fog无法处理完成的条件下,再将不能处理的任务重定向到cloudlet进行处理,根据信息流量来计算cloudlet中可放置的最小服务器数量,实现资源消耗最小化,资源利用率最大化。
仿真
使用收集的上海2015年4月1日至2015年4月30日出租车的真实轨迹,考虑了一个真实的场景,其中包括1000多个出租车的记录信息。 数据集包含相应的信息,例如GPS位置,记录时间,速度和方向。根据上海的行政区划将上海分为七个地区在每个区域内,都有一个cloudlet和几个RSU。利用谷歌地图计算每两个区域的距离,每10分钟来计算500m以内的移动车载的 arrival rate,符合泊松分布。对比方案选择“随机策略”。

你可能感兴趣的:(边缘计算)