协同移动边缘计算分层资源配置机制

针对车联网(IoV)中存在大量的车辆卸载任务计算需求,而本地端边缘服务器运算能力有限的问题,提出一种移动边缘计算分层协同资源配置机制(HRAM)。所提算法以多层式的架构合理分配与有效利用移动边缘计算(MEC)服务器的运算资源,减少不同MEC服务器之间的数据多跳转发时延,并优化卸载任务请求时延。首先构建IoV边缘计算系统模型、通信模型、决策模型和计算模型;然后利用层次分析法(AHP)进行多因素综合考虑以确定卸载任务迁移的目标服务器;最后提出动态权值的任务路由策略,调用整体网络的通信能力以缩短卸载任务的请求时延。仿真实验结果表明,HRAM算法相较于任务卸载单层式资源分配(RATAOS)算法和任务卸载多层式资源分配(RATOM)算法,分别降低了40.16%和19.01%的卸载任务请求时延;且所提算法在满足卸载任务最大可容忍时延的前提下,能够满足更多卸载任务的计算需求。

智能车辆窄路协调通行的远端控制技术

为避免对向行驶的自动驾驶车辆进入窄路段后出现会车死结的情况,设计了一种基于Android的车辆远程控制系统,利用车联网通信技术实现车辆在窄路段的协同控制,并利用远程车辆实时控制技术使车辆在进入窄路段前调整合适的速度形成集群通行窄路段,减少车辆的等待时间。仿真分析结果表明,云端集成的远程控制系统使车辆窄路通行效率大幅提高。