logo móvil
Contáctanos

Estrategia de descarga de tareas de selección divergente para vehículos conectados basada en un mecanismo de incentivos

Autores: Yu, Senyu; Guo, Yan; Li, Ning; Xue, Duan; Yuan, Hao

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Estrategia de descarga de tareas de selección divergente para vehículos conectados basada en un mecanismo de incentivos


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Mejoras
Nivel inteligente
Vehículos conectados
Potencia de cómputo
Descarga de tareas
Computación en el borde

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 37

Citaciones: Sin citaciones


Descripción
Con las mejoras en el nivel de inteligencia de los vehículos conectados (CVs), los viajeros pueden disfrutar de servicios como la conducción autónoma, el estacionamiento automático y el entretenimiento audiovisual dentro del vehículo, lo que impone demandas extremadamente altas en la potencia de cálculo de los sistemas a bordo (OBSs). Sin embargo, la potencia de cálculo de un solo CV a menudo no puede satisfacer las diversas demandas de servicios del sistema dentro del vehículo. Como un nuevo paradigma informático, la descarga de tareas basada en la informática perimetral vehicular tiene ventajas significativas para remediar las deficiencias de la potencia de cálculo de un solo CV y equilibrar la asignación de recursos informáticos. Este documento estudió la descarga de tareas computacionales de vehículos conectados de alta velocidad sin la ayuda de servidores perimetrales en ciertas áreas geográficas. Los vehículos de usuario (UVs) con potencia de cálculo insuficiente descargan algunas de sus tareas computacionales a CVs cercanos con recursos abundantes. Exploramos el modelo de conducción de alta velocidad y el modelo de clasificación de tareas de los CVs para refinar el proceso de descarga de tareas. Además, inspirados en la teoría de juegos, diseñamos una estrategia de descarga de tareas de selección divergente basada en un mecanismo de incentivos (DSIM), en la que equilibramos los intereses tanto del vehículo de usuario como de los vehículos de servicio. Los CVs que contribuyen con recursos son recompensados para motivar a más CVs a unirse. Se introdujo un algoritmo DSIM basado en un algoritmo codicioso divergente para maximizar las recompensas totales de todos los vehículos voluntarios respetando la voluntad tanto del vehículo de usuario como de los vehículos de servicio. Los resultados de la simulación experimental mostraron que, en comparación con varios estudios existentes, nuestro enfoque siempre puede obtener la mayor recompensa para los vehículos de servicio y la latencia más baja para los vehículos de usuario.

Otros recursos que podrían interesarte

Temas Virtualpro