| 田琳琳* **,李萌* **,司鹏搏* **,张延华* **,李余***.基于边缘计算与区块链的车载计算资源智能调度研究[J].高技术通讯(中文),2023,33(4):390~401 |
| 基于边缘计算与区块链的车载计算资源智能调度研究 |
| Intelligent scheduling of computing resource for the Internet of Vehicles based on edge computing and blockchain |
| |
| DOI：10. 3772/ j. issn. 1002-0470. 2023. 04. 006 |
| 中文关键词: 车联网(IoV)； 移动边缘计算(MEC)； 区块链； 深度强化学习(DRL)； 资源分配 |
| 英文关键词: Internet of Vehicle(IoV), mobile edge computing (MEC), blockchain, deep reinforcement learning(DRL), resource allocation |
| 基金项目: |
| 作者 | 单位 | | 田琳琳* ** | （*北京工业大学信息学部北京 100124）
（**先进信息网络北京实验室北京 100124）
（***重庆工商大学智能感知与区块链技术重庆市重点实验室重庆 400067） | | 李萌* ** | （*北京工业大学信息学部北京 100124）
（**先进信息网络北京实验室北京 100124）
（***重庆工商大学智能感知与区块链技术重庆市重点实验室重庆 400067） | | 司鹏搏* ** | （*北京工业大学信息学部北京 100124）
（**先进信息网络北京实验室北京 100124）
（***重庆工商大学智能感知与区块链技术重庆市重点实验室重庆 400067） | | 张延华* ** | （*北京工业大学信息学部北京 100124）
（**先进信息网络北京实验室北京 100124）
（***重庆工商大学智能感知与区块链技术重庆市重点实验室重庆 400067） | | 李余*** | （*北京工业大学信息学部北京 100124）
（**先进信息网络北京实验室北京 100124）
（***重庆工商大学智能感知与区块链技术重庆市重点实验室重庆 400067） |
|
| 摘要点击次数: 858 |
| 全文下载次数: 1018 |
| 中文摘要: |
| 随着车联网(IoV)的快速发展及部署，用户对网络服务质量的要求也随之提高。车联网数据计算作为网络服务的重要内容之一，越来越受到关注。移动边缘计算（MEC）作为一种允许车辆将计算任务卸载到车联网系统边缘服务器的技术，能够有效降低计算时延，提升数据处理效率。然而，车联网的数据流量日益增加，导致边缘计算设备的需求量大幅提高且存在数据安全可靠性问题。对此，本文面向车联网中移动车辆计算卸载的场景，提出一种基于区块链的停放车辆辅助计算的系统模型。通过联合考虑服务器计算资源、车辆机动性等条件，利用深度强化学习(DRL)对计算卸载和资源分配策略进行优化，减少系统能耗和数据传输时延，并提高区块链系统的交易吞吐量。仿真结果表明，本文所提优化方法可以有效提升系统性能，同时具有良好的收敛性能和稳定性。 |
| 英文摘要: |
| With the rapid deployment of the Internet of Vehicles (IoV), user’s requirements for service quality of network are also increasing. As one of the important contents of IoV network service, data computing has attracted more attention. Mobile edge computing (MEC) allows vehicles to offload computing tasks to MEC servers at the edge of IoV system, so as to decrease computing delay and improve efficiency effectively. However, there are some essential issues to be considered: (1) a rapid increase in the demand for edge computing devices, and (2) privacy and security in the process of data transmission and sharing. This paper proposes a blockchain-based parking-vehicle-assisted computing system model for the scenario of mobile vehicle offloading in IoV. Based on joint consideration of computing resources and vehicle mobility, deep reinforcement learning (DRL) is used to reduce system energy consumption, data transmission delay, and improve blockchain throughput by optimizing computing offloading and resource allocation strategies. The simulation results show that compared with other existing schemes the proposed optimization scheme can improve the system performances effectively and significantly. |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
