基于Stackelberg博弈的车载云计算任务卸载优化

针对车辆计算资源闲置浪费的情况,整合车辆计算资源组建车载云计算(vehicular cloud computing,VCC)范式,从而提高车辆总体资源利用率,提升车载服务质量。从经济学的角度,研究车载云计算中请求车辆和协助车辆之间的计算任务卸载定价与定量的问题。针对此问题,首先设计动态组建车载云的安全通信协议;在此基础上,利用Stackelberg博弈建模计算任务卸载分配的问题,激励协助车辆主动参与任务计算;同时设计了一种简单有效的分布式迭代算法求解最终的Stackelberg均衡状态,最小化请求车辆的服务开销并兼顾最大化协助车辆的收益。通过实验仿真,验证所提方案的有效性和可靠性。

车载云计算系统中资源分配的优化方法

随着车联网(IoV)应用服务的发展,提升网络的任务卸载能力成为满足用户服务需求的关键。文中针对动态场景中车辆计算资源共享问题,提出了车载云计算(VCC)系统的最优计算资源分配方案,以实现任务卸载能力的提升。该方案将VCC系统中任务卸载的收入(节省的功耗、处理时间和转移成本的量化值)和开销(预期的任务处理开销)的差值作为系统奖励值,将最优分配问题转化为求解长期预期奖励的最大值问题。进一步将问题表述为无限时域半马尔可夫决策过程(SMDP),定义和分析了状态集、动作集、奖励模型以及转移概率分布,并考虑忙碌(Busy)车辆离开的情况,称为B-SMDP的解决方案。最后,仿真结果表明,与模拟退火算法(SA)和贪婪算法(GA)相比,B-SMDP方案有较明显的性能提升。

车载云计算系统中的资源管理优化研究

车联网是物联网(Internet of Things,IOT)技术在智能交通领域的典型应用,研究车联网关键技术,可以高效促进我国交通系统建设。车载云计算(Vehicular Cloud Computing,VCC)作为实现智能交通的关键技术之一,在降低功率和时间的消耗,提高车辆总体资源利用率和系统长期收益等方面具有至关重要的作用。针对车辆自身资源受限以及将任务卸载到中心云将导致较高通信成本的情况,提出在车载云之间引入服务迁移的机制,同时将路边单元(Road Side Unit,RSU)和车辆异构性考虑进VCC系统中,基于半马尔科夫决策过程(Semi-Markov Decision Processes,SMDP)建立了VCC系统模型,最后应用值迭代算法求解,来寻找VCC资源分配的最优策略。仿真结果展示了车辆异构性对资源分配的影响,同时表明了SMDP资源管理方案的优越性,SMDP相比于贪婪算法(Greedy Algorithm,GA)和模拟退火算法(Simulated Annealing,SA)这两个传统算法,系统长期收益分别提高了10%和3%左右。

车载云计算的隐私保护综述

车载云计算作为传统云计算应用于智能交通系统的一项创新型技术,不但完善了车辆控制、信息娱乐等功能,而且实现了对车辆资源的动态整合与按需分配,满足了用户对高质量云服务的需求。然而,车载云计算在道路安全、智能驾驶等方面产生积极影响的同时,其隐私安全问题也逐渐显现。文章介绍了车载云计算的基本架构以及隐私保护需求,同时分析了其基于隐私方面的潜在威胁与攻击并总结解决方案,最后给出了车载云计算隐私保护的未来研究方向。

车载云计算安全综述

伴随智能交通系统的快速发展,车辆的物理资源设备愈发趋向于计算机化.车载云计算以车辆自组网与云计算为基础,实现对底层物理资源的充分利用,以满足安全驾驶、车载娱乐等服务需求.然而,车载云计算在提高云服务效率的同时,也面临着诸多安全威胁与挑战.安全已成为车载云计算领域亟待解决的重要问题之一.文章首先介绍了车载云计算的架构,并从完整性、可用性、机密性等方面对其安全需求进行分析,之后分别阐述了可能受到的安全攻击,并在此基础上总结了相应的防护对策,最后讨论了车载云计算安全的未来研究方向.

一种车载云计算中自增长失效检测器

针对车载云计算多样化的失效检测需求,通过对其系统架构进行分析,提出了一种基于层次式的自增长失效检测器HA-FD,能同时满足车载云计算中多个应用不同服务质量的需求。该检测器利用路侧单元对系统中车辆节点进行分组,形成一种层次式的检测方法,而且直接根据心跳消息计算怀疑值,不需任何分布假设。实验结果表明:HA-FD检测器减少了系统中检测关系的数量,降低了检测负载,避免了分布假设对检测准确性的影响,能在保证检测准确性的基础上,以最低的检测负载获得最快的检测速度。