文档名：Uu接口联合卸载策略
摘要：智能驾驶等智能交通服务对时延要求高,在车辆本身算力不足的情况下,车辆需要周围车辆和路旁边缘计算单元帮助其一起完成任务的计算处理.本文在既有车联网边缘计算卸载策略基础上,考虑了蜂窝车联网系统5G-NR接口与PC-5接口链路的特征差异,提出了一种基于Q学习的PC-5/Uu接口联合边缘计算卸载策略.在对蜂窝车联网PC-5链路传输成功率进行建模的基础上,推导了PC-5链路的传输速率表征方法.以最小化蜂窝车联网任务处理时延为目标,以任务车辆发射功率与边缘计算车辆的计算能量损耗为约束,构建了系统时延最小化的有约束马尔科夫决策过程.通过拉格朗日方法,将有约束马尔科夫决策过程问题转化为一个等价的极小极大的无约束马尔科夫决策过程,引入Q学习设计卸载策略,进而提出基于Q学习的蜂窝车联网边缘计算系统卸载策略.仿真结果表明,与其他基线方案相比,本文提出的算法可以降低系统时延27.3%以上.
Abstract：Intelligenttransportationservices,suchassmartdriving,putforwardhighrequirementsforlatency.Whenthevehicleitselfhasinsufficientcomputingpower,thevehicleneedsthesurroundingvehiclesandroadsideedgecomputingunitstohelpitcompletethetaskcomputation.Inthispaper,basedontheexistingvehicularedgecomputing(VEC)offload-ingstrategy,consideringthedifferencesbetweenthe5G-NRinterfaceandPC-5interfacelinkofcellular-V2X(C-V2X)sys-tem,weproposeaQ-LearningbasedjointPC-5/Uuinterfaceedgecomputingoffloadingstrategy.Thesuccessfultransmis-sionprobabilityofPC-5linkinC-V2Xsystemismodeled,andthenthetransmissionratecharacterizationmethodofPC-5linkisdeduced.WeformulateaconstrainedMarkovdecisionprocess(CMDP)tominimizethesystemlatency,wheretheobjectivefunctionisthetaskprocessinglatencyinC-V2Xsystem,andconstraintsaretransmissionpowerattaskvehicleandenergyconsumptionofcomputationatvehicleswithedgecomputingunit.ByLagrangianapproach,theCMDPprob-lemistransformedintoanequivalentmin-maxnon-constrainedMDPproblem,andQ-Learningisintroducedtodesigntheoffloadingstrategy,andthentheoffloadingstrategyofC-V2XbasedVECsystembasedonQ-Learningisproposed.Simu-lationresultsshowthatcomparedwithotherbaselineschemes,theproposedalgorithmcansignificantlyimprovethesystemlatencyperformancebyatleast27.3%.
作者：冯伟杨 林思雨 冯婧涛 李赟 孔繁鹏 艾渤[5]Author：FENGWei-yang LINSi-yu FENGJing-tao LIYun KONGFan-peng AIBo[5]
作者单位：北京交通大学电子信息工程学院,北京100044北京交通大学电子信息工程学院,北京100044;轨道交通安全协同创新中心,北京100044中国铁路信息科技集团有限公司信息调度中心,北京100089中铁信(北京)网络技术研究院有限公司信息技术研究室,北京100089北京交通大学电子信息工程学院,北京100044;智慧高铁系统前沿科学中心,北京100044
刊名：电子学报
Journal：ActaElectronicaSinica
年，卷(期)：2024, 52(2)
分类号：TN929.5
关键词：蜂窝车联网 边缘计算 有约束马尔科夫过程 计算迁移 Q学习
Keywords：cellularvehicular-to-everything edgecomputing constrainedMarkovdecisionprocess computationoffloading Qlearning
机标分类号：TP393TN929.5TP181
在线出版日期：2024年4月19日
基金项目：基于Q学习的蜂窝车联网边缘计算系统PC-5/Uu接口联合卸载策略[
期刊论文] 电子学报--2024, 52(2)冯伟杨 林思雨 冯婧涛 李赟 孔繁鹏 艾渤智能驾驶等智能交通服务对时延要求高,在车辆本身算力不足的情况下,车辆需要周围车辆和路旁边缘计算单元帮助其一起完成任务的计算处理.本文在既有车联网边缘计算卸载策略基础上,考虑了蜂窝车联网系统5G-NR接口与PC-5接...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于Q学习的蜂窝车联网边缘计算系统PC-5/Uu接口联合卸载策略 Q-Learning Based Joint PC-5/Uu Offloading Strategy for C-V2X Based Vehicular Edge Computing System
基于Q学习的蜂窝车联网边缘计算系统PC-5/Uu接口联合卸载策略.pdf |
