公开(公告)号：CN113611103B

公开(公告)日：2022-09-16

申请号：CN202010535806.6

申请日：2020-06-12

申请人： 南京理工大学

发明人： 闫帅 ,  林艳 ,  李帆远 ,  张一晋 ,  束锋 ,  邹骏

IPC分类号： G08G1/01 ,  H04W4/44 ,  H04W16/04 ,  H04W16/22 ,  G06Q30/08

摘要： 本发明提供了一种新的基于车流量预测的车联网双边拍卖式边缘计算迁移方案。该方案首先需要收集道路中行驶车辆的特征信息，并统计当前周期内的车流量用以预测下一周期的车流量信息。然后，利用车辆特征信息和车流量预测信息完成车辆对计算资源需求的报价，进而可采用一种双边拍卖算法实现车载边缘计算服务器的计算资源分配，最后通过将车辆的计算任务卸载至分配的服务器完成边缘计算迁移过程。本发明与未考虑车流量信息的两种分配方案相比，更能够充分利用车联网中的计算资源，且能显著提升整个系统的边缘计算迁移效率。

公开(公告)号：CN113613206A

公开(公告)日：2021-11-05

申请号：CN202010537028.4

申请日：2020-06-12

申请人： 南京理工大学

发明人： 李帆远 ,  林艳 ,  闫帅 ,  彭诺蘅 ,  张一晋 ,  束锋

IPC分类号： H04W4/44 ,  H04W4/46 ,  H04W28/02 ,  H04W52/02

摘要： 本发明公开了一种基于强化学习的无线异构车联网边缘卸载方案。在该方案中，用户车辆支持V2I、V2V两种卸载方式。实施本发明首先需要AP在每时隙的开头观察并收集路段中的环境信息，包括路段中所有基站车辆、用户车辆的位置以及所有V2I信道和V2V信道的信道增益。其次，基于收集到的环境状态，通过DQN网络，确定该时隙内所有用户车辆的任务卸载选择。然后，AP将卸载选择广播到所有相关车辆，使各用户车辆卸载任务至目标边缘服务器。最后，在时隙的末尾，AP接收所有用户车辆对这一时隙计算率的反馈，并以该反馈的函数作为回报，进而训练DQN网络。本发明可以实现在不同车辆数目、随机变化的车联网环境中通过训练获得用户车辆的最佳计算任务卸载选择，为计算密集型以及时延敏感性计算任务的车联网应用提供决策。

公开(公告)号：CN113611103A

公开(公告)日：2021-11-05

申请号：CN202010535806.6

申请日：2020-06-12

申请人： 南京理工大学

发明人： 闫帅 ,  林艳 ,  李帆远 ,  张一晋 ,  束锋 ,  邹骏

IPC分类号： G08G1/01 ,  H04W4/44 ,  H04W16/04 ,  H04W16/22 ,  G06Q30/08

摘要： 本发明提供了一种新的基于车流量预测的车联网双边拍卖式边缘计算迁移方案。该方案首先需要收集道路中行驶车辆的特征信息，并统计当前周期内的车流量用以预测下一周期的车流量信息。然后，利用车辆特征信息和车流量预测信息完成车辆对计算资源需求的报价，进而可采用一种双边拍卖算法实现车载边缘计算服务器的计算资源分配，最后通过将车辆的计算任务卸载至分配的服务器完成边缘计算迁移过程。本发明与未考虑车流量信息的两种分配方案相比，更能够充分利用车联网中的计算资源，且能显著提升整个系统的边缘计算迁移效率。