[论文解读] SDN-Based Resource Management for Autonomous Vehicular Networks: A Multi-Access Edge Computing Approach

Haixia Peng, Qiang Ye+1 more|arXiv (Cornell University)|Sep 24, 2018

Vehicular Ad Hoc Networks (VANETs)参考文献 10被引用 7

一句话总结

本文提出了一种用于自动驾驶车联网的SDN-MEC集成架构，以应对高清地图共享和协同驾驶带来的高通信流量与计算需求。通过利用SDN集中化资源控制并将任务卸载至边缘MEC服务器，该框架实现了低延迟、可扩展且具备QoS感知能力的异构车载应用管理，案例研究证实其提升了资源利用率并降低了响应延迟。

ABSTRACT

Enabling high-definition (HD)-map-assisted cooperative driving among autonomous vehicles (AVs) to improve the navigation safety faces technical challenges due to increased communication traffic volume for data dissemination and increased number of computing/storing tasks on AVs. In this article, a new architecture that combines multi-access edge computing (MEC) and software-defined networking (SDN) is proposed for flexible resource management and enhanced resource utilization. With MEC, the interworking of multiple wireless access technologies can be realized to exploit the diversity gain over a wide range of radio spectrum, and at the same time, computing/storing tasks of an AV are collaboratively processed by servers and other AVs. Moreover, by enabling SDN and network function virtualization (NFV) control modules at each cloud-computing and MEC server, an efficient resource allocation framework is proposed to enhance global resource sharing among different network infrastructures. A case study is presented to demonstrate the effectiveness of the proposed resource allocation framework.

研究动机与目标

• 应对因高清地图分发和V2X协同导致的自动驾驶车联网中日益增长的通信与计算负载。
• 通过将任务卸载至边缘MEC服务器，克服自动驾驶汽车车载计算与存储能力的局限性。
• 通过SDN与NFV实现跨异构无线接入网络（如DSRC、蜂窝网络）的高效、动态资源共享。
• 联合优化带宽与计算资源分配，以满足安全关键型与非关键型应用的多样化QoS需求。
• 在动态、高移动性的车载环境中确保可扩展性、公平性与安全性。

提出的方法

• 集成多接入边缘计算（MEC），在网络边缘部署计算与存储资源，降低安全关键型应用的延迟。
• 采用软件定义网络（SDN）解耦控制面与数据面，实现对异构基站与接入技术的集中式、可编程控制。
• 在云服务器与MEC服务器上利用网络功能虚拟化（NFV），实现计算与存储任务的动态、可扩展且负载均衡的分配。
• 实施联合带宽与计算资源分配框架，兼顾上行链路与下行链路流量，并在接入网络间实现动态频谱共享。
• 在MEC与云服务器上部署SDN控制器，实现基于应用需求的网络功能与资源切片的实时重构。
• 设计任务卸载策略，优先将安全相关应用注册至MEC服务器，同时最小化迁移成本并实现MEC服务器间的负载均衡。

实验结果

研究问题

• RQ1 如何联合利用SDN与MEC来管理自动驾驶车联网中通信与计算需求的激增？
• RQ2 在动态车载环境中，何种最优任务卸载策略可实现QoS满意度、资源利用率与迁移成本之间的平衡？
• RQ3 在高移动性与动态干扰条件下，如何高效管理上行链路传输中的带宽？
• RQ4 何种公平机制可确保多样化自动驾驶应用与运营商之间对无线资源与网络切片的公平访问？
• RQ5 在支持协同驾驶与数据共享的同时，如何保障V2V/V2I通信中的安全与隐私？

主要发现

• 所提出的SDN-MEC架构通过在边缘MEC服务器上缓存与处理高清地图，显著降低了协同驾驶应用的响应延迟。
• 通过SDN与NFV控制模块联合优化计算与带宽资源，提升了全局资源利用率，并支持可扩展的网络运行。
• 将任务卸载至MEC服务器可减轻单个自动驾驶汽车的计算负担，从而提高系统效率。
• 通过NFV技术实现的虚拟化网络功能，支持MEC服务器间的动态负载均衡，提升了系统鲁棒性与可扩展性。
• 案例研究证实，所提出的资源分配方案在降低延迟与提升安全关键型应用QoS方面具有显著有效性。
• SDN与MEC的集成支持异构接入技术，并实现高效的频谱共享，从而提升整体网络吞吐量与可靠性。