[论文解读] Platoon--assisted Vehicular Cloud in VANET: Vision and Challenges

Meysam Nasimi, Mohammad Asif Habibi+1 more|arXiv (Cornell University)|Aug 25, 2020

Vehicular Ad Hoc Networks (VANETs)参考文献 25被引用 10

一句话总结

本文提出了一种在VANET中利用车队内未充分利用的计算与通信资源以增强车载云能力的车队辅助车载云架构。通过将车队动态与路边基础设施相结合，该框架能够为计算密集型、延迟敏感型应用（如超高清视频流媒体和实时协同驾驶服务）提供按需、低延迟的支持。

ABSTRACT

Intelligent connected vehicles equipped with wireless sensors, intelligent control system, and communication devices are expected to commercially launch and emerge on road in short-term. These smart vehicles are able to partially/fully drive themselves; collect data from sensors, make and execute decisions based on that data; communicate with other vehicles, pedestrians, and nodes installed on the road; and provide infotainment and value-added services, such as broadband transmission of ultra-high definition video, files/apps downloading and uploading, online gaming, access to social media, audio/video conference streaming (office-in-car), live TV streaming, etc.; and so on. In addition, it is also possible for autonomous vehicles to form a "platoon" on road; maintaining close proximity in order to reduce the consumption of fuel and/or emission of gas, decrease costs, increase safety, and enhance the efficiency of the legacy transportation system. These emerging vehicular applications demand a large amount of computing and communication capacity to excel in their compute-intensive and latency-sensitive tasks. Based on these facts, the authors of this paper presented a visionary concept -- "platoon-assisted vehicular cloud" -- that exploits underutilized resources in platoons to augment vehicular cloud aiming to provide cost-effective and on-demand computing resources. Moreover, the authors presented three potential scenarios and explained the exploitation of platoon resources and roadside infrastructure to facilitate new applications. Besides system design, the paper did also summarize a number of open research challenges with the purpose of motivating new advances and potential solutions to this field.

研究动机与目标

• 应对智能网联汽车日益增长的高容量、低延迟计算与通信需求。
• 通过利用车队中的空闲资源，克服传统车载云架构的局限性。
• 为新兴车载应用（如超高清视频流媒体和在线协作）提供成本效益高、按需的计算能力。
• 将车队动态与路边单元（RSU）集成，以提升车载云服务的可靠性和可扩展性。
• 识别并提出开放的研究挑战，以指导未来车队辅助车载云系统的发展。

提出的方法

• 提出一种前瞻性框架，即车队中的车辆共享其空闲计算与通信资源，形成分布式车载云。
• 利用车队作为移动的、协作的计算集群，以卸载并处理延迟敏感型任务。
• 通过路边单元（RSU）协调资源分配、管理移动性并确保服务连续性。
• 设计三种应用场景——超高清视频流媒体、文件/应用共享以及车载办公服务——以展示实际应用案例。
• 在车队成员与RSU之间实施动态资源编排，以实现负载均衡并最小化延迟。
• 依赖车对车（V2V）和车对基础设施（V2I）通信实现实时协调与数据交换。

实验结果

研究问题

• RQ1 如何有效利用车队内部未充分利用的计算与通信资源，以增强车载云能力？
• RQ2 在动态车队环境中，实现无缝资源共享与任务卸载所需的架构与协议级机制是什么？
• RQ3 如何将路边基础设施与车队集成，以确保服务的可扩展性、可靠性与低延迟？
• RQ4 在真实应用中部署车队辅助车载云时，面临的关键性能与安全挑战有哪些？
• RQ5 车队动态如何影响分布式车载云环境中资源的可用性与服务质量？

主要发现

• 车队辅助车载云框架能够高效利用联网车辆中的空闲资源，降低对集中式云基础设施的依赖。
• 三种实际应用场景——超高清视频流媒体、文件共享和车载办公服务——证明了支持高带宽、低延迟应用的可行性。
• 与路边单元的集成增强了服务连续性与负载均衡能力，尤其是在车队形成与解散期间。
• 通过利用车队车辆的邻近性与协同性，该框架能够支持按需、可扩展的延迟敏感型计算。
• 本文识别出安全、资源管理与移动感知编排方面的关键开放挑战，指明了未来研究的方向。
• 所提出的愿景通过协同车载资源共享，展现出降低基础设施成本并提升智能交通系统中QoS的潜力。