基于位置预测的智慧公路边缘任务协同机制

来源：电子与信息学报杂志2023年第4期北京时间：

作者：邵苏杰, 柴睿均, 郭少勇, 吴双, 王智立, 邱雪松

单位：1.北京邮电大学网络与交换技术国家重点实验室 北京 1008762.国网宁夏电力有限公司 银川 750001

摘要：近年来智慧公路为用户提供了道路监测、辅助驾驶等新型服务，但随之而来的是数据流量爆炸式的增长，这对网络的承载能力带来了极大的考验。随着5G和移动边缘计算技术的成熟，海量任务不必集中在云端处理，边缘侧的协同处理成为一种较好的选择。为了在车辆高速移动场景下为用户提供高效可靠的服务，该文提出一种基于位置预测的智慧公路边缘任务协同(CETLP)机制。首先，结合智慧公路场景下车辆运动特点，建立面向时延和负载均衡的边缘任务协同模型。进而，针对任务时延最小化以及网络负载均衡等目标，提出一种基于深度强化学习的边缘任务协同算法，对海量任务的协同策略进行求解。仿真结果表明，所提机制能够在保证网络负载均衡的情况下降低服务时延。

关键词：移动边缘计算, 边缘协同, 深度强化学习, 智慧公路, 位置预测

基金资助：国家自然科学基金(62071070)，教育部区块链重点项目(KJ010802)