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

奥鹏网院作业

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
赵海涛* 朱银阳 丁 仪 朱洪波
(教育部泛在网络健康服务系统工程研究中心 南京 210003)
(江苏省无线通信重点实验室 南京 210003)
(南京邮电大学通信与信息工程学院 南京 210003)
摘 要：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。
关键词：移动边缘计算；计算卸载；消息优先级；时延
1 引言
随着智能交通的快速发展，车辆数量的不断增加导致了许多交通堵塞和交通事故等交通安全问题。车联网技术的主要目的是通过车辆间通信(Virtual to Virtual, V2V)和公共基础设施(Vehicle-to-Infrastructure, V2I)的通信来增强驾驶员安全性，保证车辆的道路行驶安全[1]。目前车联网的发展重点已逐渐从核心网转向边缘网，在靠近车载终端的网络边缘分布式地部署各类网络资源，以尽可能地将各类消息任务从云平台迁移到边缘侧进行响应实现。但是，如今移动车载终端的业务环境更加复杂，消息的类型更加繁多，尤其是具有低时延、高可靠要求的安全类业务对计算资源的要求更加苛刻，例如刹车警告、违法交通法规和交通事故等，需要及时高效地处理[2]。然而，移动车辆终端有限的资源计算能力使消息处理变得极为困难，一方面是有限资源的竞争会增加消息处理的时延，安全消息对网络带宽和传输速率有很高的要求，不能将消息的处理工作完全部署在云端，而需要考虑将消息任务部分卸载至边缘侧服务器，并以队列的形式保存消息。另一方面是对车载终端设备造成较大的能量消耗，当部分来自终端设备的工作任务部署到边缘服务器时，车载终端设备需要损耗一定的传输带宽和传输功率进行卸载任务，通过在边缘服务器中部署任务调度算法，以降低消息处理的时延，同时可以减少消息任务处理的能量损耗[3]。这些问题给车辆终端处理消息带来了极大的负载，不能保证有效及时地处理这些安全消息，无法满足用户的服务需求。
国内外已经有大量学者和研究机构对边缘计算进行了研究。文献[4]针对目前车辆终端产生的数据量极大，拓扑结构快速变化以及流量不平衡的问题，介绍了一种基于边缘计算的分层架构，可以有效地分发大容量车载数据。文献[5]考虑用户的安全隐私，提出了一种基于Lyapunov优化的隐私感知计算卸载方法，可以使用户的累积隐私量稳定在零附近，且总卸载频率与不考虑隐私的决策一致，有效保护了用户隐私，同时保持了较低的平均能耗。文献[6]研究了在移动边缘计算(Mobile Edge Computing, MEC)中有限电源的物联网设备的能量损耗问题，提出了一种卸载决策算法，该算法分析计算策略中的权衡，提供了以高分辨率生成的视觉数据的低延迟处理。文献[7]研究了车辆异构网络中基于MEC的任务卸载模式决策和资源分配问题。文献[8]研究了移动边缘计算中的能效与性能可靠性问题，提出了一种能量最优化的卸载方案，其在能耗和延迟性能方面优于局部计算和完全卸载方法。文献[9]考虑系统总能耗，提出了卸载决策和资源分配的联合优化问题，可以在满足用户不同时延的要求下最小化系统能耗，有效地提升了系统性能。文献[10]提出了一种排队网络模型，可以基于排队网络理论来分析用户之间的交互，并根据每种服务类型不同的优先级，降低平均延迟。文献[11]解决了延迟敏感网络服务中的动态任务卸载和调度问题，在保证性能的同时降低了运行时间。文献[12]研究了基于时分多址(Time Division Multiple Access, TDMA)和正交频分多址(Orthogonal Frequency Division Multiple Access, OFDMA)的多用户MECO系统的资源分配。文献[13]考虑不同的优先级来优先处理边缘服务以实现最佳服务卸载，设计了一种自适应服务卸载方案，为MEC提供最大的收益和服务利用率。文献[14]研究了移动设备在有限资源上的竞争将固有地增加用户所经历的延迟，提出了一种优先服务调度方案，以减少延迟敏感服务所经历的延迟。但是这些算法主要考虑了设备能耗问题，关于保证消息性能的研究较少，虽然节约能耗对MEC系统很重要，但对于安全消息，保证消息的可靠性和减少传输时延更加重要。
本文针对上述研究中存在的问题，提出一种基于移动边缘计算的内容感知分类卸载算法。通过引入移动边缘计算，使车辆终端产生的消息能够直接在边缘节点进行处理，并对安全消息进行优先级划分。在移动车辆端，研究了时延和能量最优的任务卸载策略，考虑时延和能量消耗之间的关系问题，在边缘器端部署了一种有效的优先级任务调度算法，在时延和能量损耗方面有一定的改善，保证优先级别最高的安全消息得到最及时地处理，从而改善用户的使用体验。
2 系统架构






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，即对目标函数支配的占比，随着θ1从0.001增加到0.999，延迟度量逐渐支配目标函数的值。因此，能量损耗将由于目标函数中的权重θ2的减小而增加。从图5可以看出，每个消息的优先级不同，其对消息处理时延的期望不同，随着消息优先级别的提高，本文所提出的改进算法在平均时延上优势越明显，主要是因为本文算法制定了合理的安全消息优先级判定策略，这样可以保证优先级别高的消息进行最优先地处理。

图 4 时延和能量损耗的关系

图 5 平均时延和消息优先级的关系
5 结束语
本文提出一种基于移动边缘计算的消息内容感知分类卸载方案，制定了时延和能量最优的任务卸载策略，并将其性能与现有的计算卸载和调度方案进行了比较，结果表明，本文所提基于MEC的消息内容感知分类卸载方案改善了消息处理时延和能量损耗，且得到了时延与能量消耗之间的关系。本文提供了一种适用于其他物联网边缘系统的方法，未来可能会在移动设备端使用计算卸载算法，并在算法中设计动态优先调度策略。
参 考 文 献
[1]LIN Kai, LI Chensi, FORTINO G, et al. Vehicle route selection based on game evolution in social internet of vehicles[J]. IEEE Internet of Things Journal, 2018, 5(4):2423–2430. doi: 10.1109/JIOT.2018.2844215.
[2]MINH Q T, KAMIOKA E, and YAMADA S. CFC-ITS:Context-aware fog computing for intelligent transportation systems[J]. IT Professional, 2018, 20(6): 35–45. doi:10.1109/MITP.2018.2876978.
[3]TANG Shanjiang, LEE B S, and HE Bingsheng. Fair resource allocation for data-intensive computing in the cloud[J]. IEEE Transactions on Services Computing, 2018,11(1): 20–33. doi: 10.1109/TSC.2016.2531698.
[4]LUO Guiyang, YUAN Quan, ZHOU Haibo, et al.Cooperative vehicular content distribution in edge computing assisted 5G-VANET[J]. China Communications,2018, 15(7): 1–17. doi: 10.1109/CC.2018.8424578.
[5]赵星, 彭建华. 基于Lyapunov优化的隐私感知计算卸载方法[J]. 电子与信息学报, 2020. doi: 10.11999/JEIT190170.ZHAO Xing and PENG Jianhua. A privacy-aware computation offloading method based on Lyapunov optimization[J]. Journal of Electronics & Information Technology, 2020. doi: 10.11999/JEIT190170.
[6]TRINH H, CALYAM P, CHEMODANOV D, et al. Energyaware mobile edge computing and routing for low-latency visual data processing[J]. IEEE Transactions on Multimedia, 2018, 20(10): 2562–2577. doi: 10.1109/TMM.2018.2865661.
[7]张海波, 栾秋季, 朱江, 等. 车辆异构网中基于移动边缘计算的任务卸载与资源分配[J]. 物联网学报, 2018, 2(3): 36–43. doi:10.11959/j.issn.2096-3750.2018.00062.ZHANG Haibo, LUAN Qiuji, ZHU Jiang, et al. Task offloading and resource allocation in vehicle heterogeneous networks with MEC[J]. Chinese Journal on Internet of Things, 2018, 2(3): 36–43. doi: 10.11959/j.issn.2096-3750.2018.00062.
[8]TAO Xiaoyi, OTA K, DONG Mianxiong, et al. Performance guaranteed computation offloading for mobile-edge cloud computing[J]. IEEE Wireless Communications Letters,2017, 6(6): 774–777. doi: 10.1109/LWC.2017.2740927.
[9]张海波, 李虎, 陈善学, 等. 超密集网络中基于移动边缘计算的任务卸载和资源优化[J]. 电子与信息学报, 2019, 41(5):1194–1201. doi: 10.11999/JEIT180592.ZHANG Haibo, LI Hu, CHEN Shanxue, et al. Computing offloading and resource optimization in ultra-dense networks with mobile edge computation[J]. Journal of Electronics &Information Technology, 2019, 41(5): 1194–1201. doi:10.11999/JEIT180592.
[10]ALAMEDDINE H A, SHARAFEDDINE S, SEBBAH S, et al. Dynamic task offloading and scheduling for low-latency IoT services in multi-access edge computing[J]. IEEE Journal on Selected Areas in Communications, 2019, 37(3):668–682. doi: 10.1109/JSAC.2019.2894306.
[11]GUO Shuaishuai, WU Dalei, ZHANG Haixia, et al.Resource modeling and scheduling for mobile edge computing: A service provider’s perspective[J]. IEEE Access, 2018, 6: 35611–35623. doi: 10.1109/ACCESS.2018.2851392.
[12]YOU Changsheng, HUANG Kaibin, CHAE H, et al.Energy-efficient resource allocation for mobile-edge computation offloading[J]. IEEE Transactions on Wireless Communications, 2017, 16(3): 1397–1411. doi: 10.1109/TWC.2016.2633522.
[13]SAMANTA A and CHANG Zheng. Adaptive service offloading for revenue maximization in mobile edge computing with delay-constraint[J]. IEEE Internet of Things Journal, 2019, 6(2): 3864–3872. doi: 10.1109/JIOT.2019.2892398.
[14]ALNOMAN A and ANPALAGAN A. A dynamic priority service provision scheme for delay-sensitive applications in fog computing[C]. The 29th Biennial Symposium on Communications, Toronto, Canada, 2018: 1–5. doi:10.1109/BSC.2018.8494691.
[15]KIM G, JEON Y, and KIM J. A secure message service using the secure domain of a mobile security solution[C].The 2014 International Conference on Information and Communication Technology Convergence, Busan, South Korea, 2014: 619–620. doi: 10.1109/ICTC.2014.6983230.
[16]LI Junjie. Analyzing key factors in Taiwanese teachers teaching in China with analytic hierarchy process[J].
Journal of Interdisciplinary Mathematics, 2018, 21(2):307–316. doi: 10.1080/09720502.2017.1420561.
[17]YUAN Jie and LI Xiaoyong. A reliable and lightweight trust computing mechanism for iot edge devices based on multi-source feedback information fusion[J]. IEEE Access,2018, 6: 23626–23638. doi: 10.1109/ACCESS.2018.2831898.
[18]LING Ping, KONG Xiangrui, FANG Chen, et al. Novel distributed state estimation method for the AC-DC hybrid microgrid based on the Lagrangian relaxation method[J].The Journal of Engineering, 2019, 2019(18): 4932–4936. doi:10.1049/joe.2018.9329.
[19]RANI E and KAUR H. Study on fundamental usage of CloudSim simulator and algorithms of resource allocation in cloud computing[C]. The 8th International Conference on Computing, Communication and Networking Technologies,Delhi, India, 2017: 1–7. doi: 10.1109/ICCCNT.2017.8203998.
Research on Content-aware Classification Offloading Algorithm Based on Mobile Edge Calculation in the Internet of Vehicles
ZHAO Haitao ZHU Yinyang DING Yi ZHU Hongbo
(Ministry of Education Ubiquitous Network Health Service System Engineering Research Center, Nanjing 210003, China)
(Jiangsu Key Wireless Communication Laboratory, Nanjing 210003, China)
(College of Communication and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210003, China)
Abstract: With the rapid development of intelligent transportation, vehicle terminals generate a large number of data messages that need to be processed in real time. Competition on limited resources will increase the delay of message processing and energy consumption for terminal equipment. For the equilibrium relationship between delay and energy loss, this paper proposes a content-aware classification offloading algorithm based on Mobile Edge Computing (MEC). Firstly, the security message is prioritized according to the analytic hierarchy process, and then the optimal task unloading model of delay and energy loss is established. The relational model is established by assigning different weight coefficients to delay and energy loss. The Lagrangian relaxation method is used to transform the non-convex problem into a convex problem, which combines the sub-gradient projection method and the greedy algorithm to obtain the feasible solution. The performance evaluation results show that the algorithm improves the message processing delay and energy loss to some extent.
Key words: Mobile Edge Computing (MEC); Computational offloading; Message priority; Delay
中图分类号：TP399
文献标识码：A
文章编号：1009-5896(2020)01-0020-08
DOI: 10.11999/JEIT190594
收稿日期：2019-08-06；改回日期：2019-11-14；网络出版：2019-11-28
*通信作者： 赵海涛 zhaoht@njupt.edu.cn
基金项目：国家自然科学基金(61771252)，江苏省自然科学基金面上项目(BK20171444)，江苏省高校重点自然科学研究重大项目(18KJA510005)，江苏省“六大人才高峰”B类资助项目(DZXX-041)，江苏省科协青年科技人才托举工程资助培养项目，江苏省研究生科研创新计划项目(KYCX19_0949)
Foundation Items: The National Natural Science Foundation of China (61771252), The Natural Science Foundation Project of Jiangsu Province (BK20171444), The University Natural Science Research Major Project of Jiangsu Province (18KJA510005), The "Six Talents High Peaks" Class B Funding Project of Jiangsu Province (DZXX-041), The Jiangsu Provincial Association for Science and Technology Talents Entrustment Project, Postgraduate Research & Practice Innovation Program of Jiangsu Province (KYCX19_0949)
赵海涛：男，1983年生，博士，副教授，研究方向为物联网与移动边缘计算.
朱银阳：男，1993年生，硕士，研究方向为移动边缘计算与资源优化.
丁 仪：女，1995年生，硕士，研究方向为物联网路由优化和边缘计算.
朱洪波：男，1956年生，博士，教授，研究方向为移动通信与宽带无线技术、无线通信与电磁兼容.