[論文レビュー] V2V-Based Task Offloading and Resource Allocation in Vehicular Edge Computing Networks

Junjin He, Yujie Wang+2 more|arXiv (Cornell University)|Dec 30, 2021

Vehicular Ad Hoc Networks (VANETs)被引用数 4

ひとこと要約

本稿では、RSUが利用できない状況において遅延を低減するために、移動中の車両の空き計算リソースを活用するV2Vベースのタスクオフロードおよびリソース割り当てフレームワーク、OPFTOを提案する。移動性を考慮した事前フィルタリング機構と、改良されたハイブリッド重力探索アルゴリズム（HGSA）を統合することで、特に動的かつ変化しやすい車両環境下でも、ベースライン戦略に比べてタスク完了遅延が低く、成功確率が高くなる。

ABSTRACT

In the research and application of vehicle ad hoc networks (VANETs), it is often assumed that vehicles obtain cloud computing services by accessing to roadside units (RSUs). However, due to the problems of insufficient construction quantity, limited communication range and overload of calculation load of roadside units, the calculation mode relying only on vehicle to roadside units is difficult to deal with complex and changeable calculation tasks. In this paper, when the roadside unit is missing, the vehicle mobile unit is regarded as a natural edge computing node to make full use of the excess computing power of mobile vehicles and perform the offloading task of surrounding mobile vehicles in time. In this paper, the OPFTO framework is designed, an improved task allocation algorithm HGSA is proposed, and the pre-filtering process is designed with full consideration of the moving characteristics of vehicles. In addition, vehicle simulation experiments show that the proposed strategy has the advantages of low delay and high accuracy compared with other task scheduling strategies, which provides a reference scheme for the construction of Urban Intelligent Transportation in the future.

研究の動機と目的

• RSU依存のタスクオフロードの限界を、カバレッジの不足、高負荷、インfra構築コストの観点から解消する。
• 移動中の車両に備わる空き計算リソースを分散型エッジノードとして活用し、システムのレジリエンスと効率性を向上させる。
• 車両の移動性と動的なネットワークトポロジーを考慮した、耐障害性に優れたリアルタイムタスクオフロードシステムを設計する。
• 知的な候補選定とタスク割り当てにより、タスク完了遅延を最小限に抑え、リソース利用効率を向上させる。
• 車両の位置や滞在時間に関わらず性能が安定する移動性を考慮したアルゴリズムを開発する。

提案手法

• 2段階のプロセス（候補車両選定とタスク割り当て）を備えたオンライン事前フィルタリングタスクオフロードフレームワークOPFTOを提案する。
• 車両の滞在時間、タスク完了時間、および過去のオフロード成功確率を評価する事前フィルタリングプロセスを導入し、信頼性の高い候補を特定する。
• タスク完了遅延を最小化することを最適化目標とする、シミュレーテッドアニーリングに基づくハイブリッドメタヒューリスティックであるHGSAアルゴリズムを設計する。
• 選択された車両がその滞在時間内にタスクを完了できるように、最適化プロセスに移動制約を組み込む。
• HGSAで使用する多目的フィットネス関数を設計し、車両間の負荷分散と最大完了時間の最小化を両立させる。
• 都市環境におけるV2Vタスクオフローディングを、車両数とサブタスク数を変化させながらシミュレーションし、性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 RSUが利用不可または過負荷状態にある場合、VANETではどのようにして効果的なタスクオフロードを実現できるか？
• RQ2 車両の移動性は、V2Vタスクオフロードの成功確率と効率性にどのような影響を及えるか？
• RQ3 どのようにして候補車両を事前フィルタリングすることで、オフロード成功確率の向上と遅延低減を達成できるか？
• RQ4 HGSAアルゴリズムは、従来のオフロード戦略に比べて遅延とリソース利用効率の面でどの程度優れているか？
• RQ5 本稿で提案するシステムは、車両の滞在時間の変動やネットワークダイナミクスの変化に対して、どの程度の耐性を示すか？

主な発見

• HGSAアルゴリズムは、全テスト設定において一貫して最小のタスク完了遅延を達成しており、RANDOM、SCF、DF、SSFに比べて優れている。特にサブタスク数が少ない場合には顕著である。
• サブタスク数が増加する際、HGSAはすべての利用可能な車両にタスクを分散させることで、長時間滞在する車両に起因するボトルネックを回避し、低遅延を維持する。
• 事前フィルタリング機構により、候補車両がその滞在時間内にタスクを完了できるようにすることで、オフロード成功確率が顕著に向上した。
• HGSAは車両の移動性に対して強く頑健であり、タスクを実行する車両の位置や滞在時間に関わらず安定した性能を維持する。これに対して、SCF、DF、SSFは車両の位置に極めて敏感であり、性能が著しく低下する。
• 候補選定の導入により、車両の離脱に起因する再オフロードのオーバーヘッドが削減され、フィルタリングを適用した際には遅延が20％削減されたことが確認された。
• 20台の車両と1400個のサブタスクを含むシナリオでは、HGSAは次善のベースラインであるSSFに比べ、合計完了遅延を最大35％まで短縮した。