[논문 리뷰] V2V-Based Task Offloading and Resource Allocation in Vehicular Edge Computing Networks

Junjin He, Yujie Wang외 2명|arXiv (Cornell University)|2021. 12. 30.

Vehicular Ad Hoc Networks (VANETs)인용 수 4

한 줄 요약

이 논문은 RSU가 가용하지 않을 경우 지연을 줄이기 위해 이동 중인 차량의 유휴 계산 자원을 활용하는 V2V 기반 작업 오픈로드 및 자원 할당 프레임워크인 OPFTO를 제안한다. 이동성 인식 사전 필터링 메커니즘과 향상된 하이브리드 중력 탐색 알고리즘(HGSA)을 통합함으로써, 특히 동적인 차량 조건에서 기존 전략에 비해 더 낮은 작업 완료 지연과 더 높은 성공률을 달성한다.

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.

연구 동기 및 목표

• 희소 커버리지, 높은 부하 및 인프라 비용으로 인해 RSU에 의존하는 VANET의 작업 오픈로드의 한계를 해결한다.
• 시스템의 내성 및 효율성을 향상시키기 위해 이동 중인 차량의 유휴 계산 자원을 분산 엣지 노드로 활용한다.
• 차량 이동성과 동적인 네트워크 토폴로지 요소를 고려한 견고하고 실시간의 작업 오픈로드 시스템을 설계한다.
• 지능적인 후보 선택 및 작업 할당을 통해 작업 완료 지연을 최소화하고 자원 활용도를 향상시킨다.
• 차량의 위치나 체류 시간에 관계없이 성능 안정성을 유지할 수 있는 이동성 인식 알고리즘을 개발한다.

제안 방법

• 후보 차량 선정 및 작업 할당의 두 단계를 거치는 온라인 사전 필터링 작업 오픈로드 프레임워크인 OPFTO를 제안한다.
• 차량의 체류 시간, 작업 완료 시간, 이력적인 오픈로드 성공률을 평가하는 사전 필터링 프로세스를 도입하여 신뢰할 수 있는 후보를 선별한다.
• 작업 완료 지연을 최소화하기 위해 최적화된 시뮬레이티드 어닐링 기반의 하이브리드 메타휴리스틱인 HGSA 알고리즘을 설계한다.
• 선택된 차량이 할당된 작업을 체류 시간 내에 완료할 수 있도록 최적화 과정에 이동성 제약 조건을 통합한다.
• 차량 간 부하 분포 균형과 최대 완료 시간 최소화를 동시에 고려하는 다목적 적합도 함수를 HGSA에 통합한다.
• 다양한 수의 차량과 서브작업을 가진 도시 환경에서 V2V 작업 오픈로드를 시뮬레이션하여 성능을 평가한다.

실험 결과

연구 질문

• RQ1 도로변 단말기(RSU)가 가용하지 않거나 과부하가 걸릴 경우 VANET에서 어떻게 효과적으로 작업 오픈로드를 수행할 수 있는가?
• RQ2 차량 이동성이 V2V 작업 오피로드의 성공률과 효율성에 미치는 영향은 무엇인가?
• RQ3 어떻게 후보 차량을 사전 필터링하여 오픈로드 성공률을 높이고 지연을 줄일 수 있는가?
• RQ4 HGSA 알고리즘이 전통적 오픈로드 전략에 비해 지연과 자원 활용도 측면에서 얼마나 뛰어나게 성능을 발휘하는가?
• RQ5 차량의 체류 시간과 네트워크 동적 변화에 대한 변화에 대해 제안된 시스템은 얼마나 견고한가?

주요 결과

• 모든 테스트 구성에서 HGSA 알고리즘이 가장 낮은 작업 완료 지연을 지속적으로 달성하며, RANDOM, SCF, DF, SSF에 비해 뛰어난 성능을 보였다. 특히 서브작업 수가 적을 경우 두드러진다.
• 서브작업 수가 증가함에 따라 HGSA는 모든 가용 차량에 작업을 분산시킴으로써 장시간 체류하는 차량에 의한 병목 현상을 방지하여 낮은 지연을 유지한다.
• 사전 필터링 메커니즘이 후보 차량이 할당된 작업을 체류 시간 내에 완료할 수 있도록 보장함으로써 오픈로드 성공률을 크게 향상시켰다.
• HGSA는 차량 이동성에 대해 강력한 내구성을 보이며, 작업을 수행하는 차량의 위치나 체류 시간에 관계없이 안정된 성능을 유지한다. 반면 SCF, DF, SSF는 차량 위치에 매우 민감하여 성능 저하가 심했다.
• 후보 차량 선별 기능을 통합함으로써 차량 이탈로 인한 재오픈로드 오버헤드가 감소했으며, 이는 사전 필터링 적용 시 지연이 20% 감소한 것으로 확인되었다.
• 20대의 차량과 1400개의 서브작업을 가진 시나리오에서 HGSA는 다음으로 우수한 베이스라인인 SSF 대비 총 완료 지연을 최대 35% 감소시켰다.