基于QoS的智能车辆边缘计算网络的资源管理方案研究开题报告

1. 研究目的与意义

随着车载应用、移动设备和物联网的发展，开发一种有效的架构来处理车联网（iov）中的大数据已成为未来智能城市的一个重要关注点。同时，移动边缘计算（mec）是第五代网络及以后的关键技术之一，使计算和存储资源接近最终用户，以克服云计算中集中式数据处理的固有缺陷[1]。基于mec，以前的一些工作探索了协作边缘计算的体系结构[2]-[4]，其中分布式mec服务器（mec）以有效和协作的方式服务于本地用户。此外，mecs的集成激发了需要相互作用和合作的应用，尤其是大数据和物联网[3][5]。从这个角度来看，我们展示了协作边缘计算（cec）的一些特定用例[6]。例如，移动支持和服务迁移、多源数据采集、分布式计算和存储以及多径数据传输。

然而，一对mecs之间的映射是静态配置的，这使得车辆系统难以适应交通负荷变化[7]。因此，协作体系结构引入了一个新的挑战：当负载分布不均匀时，负载平衡mecs。通过将计算负载从过载的mecs转移到负载较轻的mecs进行并行处理，可以很好地平衡iov网络上的非均匀分布流量，从而缩短任务响应时间。此外，在mecs的虚拟机（vm）上进行负载重新分配和动态重新配置后，cec网络中的计算资源利用率可以得到优化。

负载平衡的主要应用场景包括服务器负载平衡和链路负载平衡。以前的一些工作研究了服务器之间的协作以提高系统性能，例如，tam等人[8]研究了联合负载平衡和干扰管理的策略，并将有限的回程容量考虑在内，oueis等人[9]提出了一种在保持低通信能耗的同时最大化用户满意度的聚类算法，li等人[11]在工业无线移动网络中开发了一种动态自适应负载平衡算法。在这些工作中，负载迁移发生在负载较重和较轻的服务器之间，而忽略了响应时间阈值。因此，这些低效的方法会导致不必要且频繁的负载平衡操作。

2. 研究内容和问题

基本内容：为了克服云计算中集中式数据处理的固有缺陷，移动边缘计算（mec）将数据存储和计算能力带到更靠近最终用户的边缘。然而，接入车辆的不均匀分布以及计算数据量的不均匀性导致了各种移动边缘计算服务器（mecs）之间的工作负载差异。

预计解决的难题：协调器控制其成员mec的每个vm，这是一项庞大的工作，成本很高，因为cec网络中vm的数量可能非常大，并且相应的计算复杂度太高由于mecs是自治的，它们有优先权确定自己的工作状态，而不是由协调器服务器控制。需要提出了一种灵活的分层资源管理方法。同时考虑降低维护成本和碳排放，为了保证车辆用户的qos（例如延迟要求）并避免频繁的不必要操作，我们提出了迁移负载最小延迟方案（负载平衡），考虑了响应时间随mecs工作负载的变化。

3. 设计方案和技术路线

研究方法：1.收集资料，参考相应文献，构思本课题；2.根据现有条件和课题要求，确定具体方案；3.深入理解相应协议；4.软件开发；5.软件仿真与数据比对。

技术路线：1.为性能优化建模了分层资源管理，其中多个mecs的qos感知资源管理被描述为负载平衡问题，目标是最小化系统延迟，mecs中的功率感知资源管理旨在最小化mecs中虚拟机vm的总功耗，同时保证延迟约束。2.针对全局负载平衡问题，迁移和迁移负载分别发生在负载不足 和过载的mecs上。特别是找到了一个合适的响应时间阈值，用于测量mecs的总负载。3.考虑到mecs的总工作负载，提出一种电源感知资源管理方案，以优化mecs上配备的一组虚拟机的工作负载和服务速率，从而将功耗降至最低。

4. 研究的条件和基础

硬件：pc机一台；

软件：matlab软件。

1.掌握c 语言的基本应用。