车联网中路径预测驱动的任务切分与计算资源分配方法

来源：电子与信息学报杂志2025年第10期北京时间：

作者：霍如, 吕科呈, 黄韬

单位：1.北京工业大学信息科学技术学院 北京 1001242.紫金山实验室 南京 2111113.北京邮电大学网络与交换技术国家重点实验室 北京 100876

摘要：为了应对车联网中车辆终端计算资源有限、车辆高移动性导致的网络拓扑环境频繁变化对传输效率和可靠性的影响，解决边缘算力服务设备资源利用不充分等问题，面向车载边缘计算环境，该文提出一种基于车辆路径预测的任务切分卸载与资源分配方法。针对多车辆多边缘设备的任务卸载与资源分配场景，基于Transformer模型对不同车辆的路径预测结果建立智能任务切分模型。基于多智能体深度强化学习(MADRL)算法将计算资源分配问题表述为优化问题，在考虑移动边缘计算(MEC)服务器计算资源的约束条件下，以车辆任务的处理时延和MEC服务器的计算资源利用率为优化目标，实现计算资源的优化分配。仿真结果表明，与基准方法相比，该文所提方法降低54.1%的卸载计算延迟，提升资源利用率达13.3%。

关键词：车联网, 任务切分卸载, 计算资源分配, 深度学习, 多智能体深度强化学习

基金资助：北京市自然科学基金 (4254064)