[論文レビュー] Multi-Task Offloading over Vehicular Clouds under Graph-based Representation

Minghui Liwang, Zhibin Gao+2 more|arXiv (Cornell University)|Dec 12, 2019

Privacy-Preserving Technologies in Data参考文献 17被引用数 5

ひとこと要約

本稿は、タスクと仮想マシン（VM）を無向重み付きグラフとしてモデル化することで、タスク完了時間とデータ交換コストを最小化する、車両クラウド（VCs）向けのグラフベースのマルチタスクオフロードフレームワークを提案する。低交通量シナリオでは最適アルゴリズムを導入し、混雑時条件下では接続制限付きランダムマッチングベースの部分グラフ同型写像（CRRM）アルゴリズムを採用し、最適手法に比べ最大99.84％の実行時間短縮を達成しながら、動的かつ高密度なIoV環境でも優れた性能を維持する。

ABSTRACT

Vehicular cloud computing has emerged as a promising paradigm for realizing user requirements in computation-intensive tasks in modern driving environments. In this paper, a novel framework of multi-task offloading over vehicular clouds (VCs) is introduced where tasks and VCs are modeled as undirected weighted graphs. Aiming to achieve a trade-off between minimizing task completion time and data exchange costs, task components are efficiently mapped to available virtual machines in the related VCs. The problem is formulated as a non-linear integer programming problem, mainly under constraints of limited contact between vehicles as well as available resources, and addressed in low-traffic and rush-hour scenarios. In low-traffic cases, we determine optimal solutions; in rush-hour cases, a connection-restricted randommatching-based subgraph isomorphism algorithm is proposed that presents low computational complexity. Evaluations of the proposed algorithms against greedy-based baseline methods are conducted via extensive simulations.

研究の動機と目的

• 従来の静的またはグリーディ手法が失敗する動的で高移動性の車両ネットワークにおける計算集約的タスクオフロードの課題に対処すること。
• 制限されたV2V接触時間と異種のVMリソースという制約下で、マルチタスクオフロードを非線形整数計画問題としてモデル化すること。
• 低交通量および高交通量の両方の車両シナリオにおいて、タスク完了時間と通信コストのバランスを取った効率的なオフロードメカニズムを設計すること。
• 混雑時における急激に変化する大規模なIoVネットワークでリアルタイムに展開可能な低複雑性アルゴリズムを開発すること。
• さまざまなタスクタイプと車両密度の下で、広範なシミュレーションを通じて提案フレームワークをグリーディベースラインと比較評価すること。

提案手法

• タスクと車両クラウドリソースを無向重み付きグラフとしてモデル化し、コンポonentはデータソースまたは処理ユニットを表し、エッジはデータ依存関係を示す。
• 各車両の利用可能な計算能力を仮想マシン（VM）として表現し、異種のVMを備えた相互接続されたSPのグラフとしてVCを抽象化する。
• タスク完了時間とデータ交換コストの組み合わせを最小化する目的関数として、非線形整数計画問題としてオフロード問題を定式化する。
• 混雑時シナリオ向けに、計算複雑性を低減しながら性能を維持するため、接続制限付きランダムマッチングベースの部分グラフ同型写像（CRRM）アルゴリズムを提案する。
• 制限されたV2V接続性制約下で形成される部分グラフ内において、ランダムマッチング戦略を適用することで、タスクコンponentsをVMに効率的かつスケーラブルにマッピング可能にする。
• 低交通量および混雑時条件の下で、ランダムに生成されたタスクタイプとパラメータを用いたシミュレーションフレームワークを構築し、性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 マルチタスクオフロードを、タスク依存関係とリソースの非均一性を的確に捉えるために、どのように効果的にモデル化できるか？
• RQ2 動的で低交通量および高交通量の車両環境において、タスク完了時間とデータ交換コストを最小化する際のトレードオフは何か？
• RQ3 最適解が計算的に非現実的となる高移動性・混雑時車両ネットワークにおいて、低複雑性アルゴリズムが近似的に最適な性能を達成できるか？
• RQ4 さまざまなネットワーク状態下で、提案されたCRRMアルゴリズムはグリーディベースラインと比べて実行時間と目的関数値の両面で優れているか？
• RQ5 従来のビットストリームまたはサブタスクのみのモデルと比較して、グラフベース表現はどれほどオフロード効率を向上させるか？

主な発見

• CRRMアルゴリズムは、3つの同時タスクが発生するシナリオにおいて、最適アルゴリズムに比べ最大99.84％の平均実行時間短縮を達成し、高密度環境における優れたスケーラビリティを示している。
• 高密度の車両と制限されたV2V接触時間がある混雑時シナリオにおいても、CRRMアルゴリズムは低計算複雑性を維持し、50台のVMと10台のSPに対して0.53秒未満の実行時間で動作している。
• CRRMアルゴリズムは、反復回数が増加するにつれて、DPMおよびETPMグリーディベースラインよりも目的関数値（タスク完了時間＋データコスト）で優れた性能を示している。
• 最適アルゴリズムは、7つのSPと3つのタスクを含む複雑な構成では実用的でなく、30,000秒を超える実行を要するなど、実装不可能なほど計算コストが高いため、ヒューリスティック代替手法の必要性が浮き彫りになった。
• 低交通量シナリオでは、CRRMと最適解との性能差が最小限に抑えられており、複雑性が低くても高い解品質を示していることがわかる。
• CRRMアルゴリズムは、さまざまなタスクタイプと車両密度にわたり一貫した性能を維持しており、動的かつ変化の激しいIoV環境におけるロバストネスを実証している。