[论文解读] Task Replication for Deadline-Constrained Vehicular Cloud Computing: Optimal Policy, Performance Analysis and Implications on Road Traffic

Zhiyuan Jiang, Sheng Zhou+2 more|arXiv (Cornell University)|Nov 29, 2017

Vehicular Ad Hoc Networks (VANETs)被引用 5

一句话总结

本文提出了一种针对截止时间约束的车载云环境（VCC）系统的最优任务复制策略，通过将任务卸载到多辆移动车辆以减少延迟。该研究引入了平衡任务分配（BETA）策略，证明其为最优策略，并通过理论分析表明其截止时间违反概率近似服从瑞利分布，且在车辆速度超过交通流临界速度时性能进一步提升。

ABSTRACT

In vehicular cloud computing (VCC) systems, the computational resources of moving vehicles are exploited and managed by infrastructures, e.g., roadside units, to provide computational services. The offloading of computational tasks and collection of results rely on successful transmissions between vehicles and infrastructures during encounters. In this paper, we investigate how to provide timely computational services in VCC systems. In particular, we seek to minimize the deadline violation probability given a set of tasks to be executed in vehicular clouds. Due to the uncertainty of vehicle movements, the task replication methodology is leveraged which allows one task to be executed by several vehicles, and thus trading computational resources for delay reduction. The optimal task replication policy is of key interest. We first formulate the problem as a finite-horizon sampled-time Markov decision problem and obtain the optimal policy by value iterations. To conquer the complexity issue, we propose the balanced-task-assignment (BETA) policy which is proved optimal and has a clear structure: it always assigns the task with the minimum number of replicas. Moreover, a tight closed-form performance upper bound for the BETA policy is derived, which indicates that the deadline violation probability follows the Rayleigh distribution approximately. Applying the vehicle speed-density relationship in the traffic flow theory, we find that vehicle mobility benefits VCC systems more compared with road traffic systems, by showing that the optimum vehicle speed to minimize the deadline violation probability is larger than the critical vehicle speed in traffic theory which maximizes traffic flow efficiency.

研究动机与目标

• 最小化基于相遇的车载云计算（eVCC）系统中由于车辆移动性随机性导致的截止时间违反概率。
• 设计一种最优任务复制策略，利用多个车辆副本以提升计算服务的及时性。
• 分析所提策略的性能，并推导截止时间违反概率的紧致闭式上界。
• 研究车辆移动性、交通流动力学与VCC系统性能之间的相互作用。
• 确定使截止时间违反概率最小化的最优车辆速度与密度。

提出的方法

• 将任务复制问题建模为有限时域采样时间马尔可夫决策过程（MDP），通过值迭代推导最优策略。
• 提出平衡任务分配（BETA）策略，始终将任务分配给现有副本数最少的车辆，确保结构简洁性与最优性。
• 推导截止时间违反概率的紧致闭式上界，表明在BETA策略下其服从瑞利分布。
• 整合交通流理论中的车速-密度关系，以建模车辆相遇率并推导最优移动参数。
• 使用Karush-Kuhn-Tucker（KKT）条件与柯西-施瓦茨不等式，对车辆密度与速度进行解析优化，以最小化截止时间违反概率。
• 通过瑞利近似的渐近分析，验证在短截止时间场景下的性能表现。

实验结果

研究问题

• RQ1 在具有不确定车辆移动性的截止时间约束型车载云计算系统中，最小化截止时间违反概率的最优任务复制策略是什么？
• RQ2 最优策略的性能能否以闭式表达进行界定？截止时间违反概率遵循何种分布？
• RQ3 车辆速度与密度如何影响VCC系统中的截止时间违反概率？使违反概率最小化的最优速度是多少？
• RQ4 BETA策略能否被证明为最优且结构简单，同时保持高性能？
• RQ5 最优VCC性能与交通流理论中的临界速度之间存在何种关系？

主要发现

• BETA策略被证明为最优策略，其截止时间违反概率在推导的上界下紧密遵循瑞利分布。
• 截止时间违反概率被一个涉及相遇率与任务复制次数函数指数的表达式紧密界定。
• 在短截止时间场景下，截止时间违反概率渐近遵循瑞利分布，其方差与任务复制率及截止时间平方的乘积成正比。
• 使截止时间违反概率最小化的最优车辆速度大于使交通流效率最高的临界速度，表明存在性能权衡。
• 通过柯西-施瓦茨不等式推导出使截止时间违反概率最小化的最优车辆密度，表明车辆可用性与相遇频率之间存在非平凡权衡。
• 在高移动性环境中，任务复制带来的性能增益更为显著，其中更高的车辆速度与密度可显著提升服务及时性。