车联网与云混合分布式计算：以协同感知为例
分布式、并行与集群计算
2020-10-13 v1 系统与控制
系统与控制
摘要
在本工作中，我们提出同时将计算任务卸载至边缘服务器（垂直卸载，经由 LTE 通信）与邻近车辆（水平卸载，经由 V2V 通信）的混合卸载方式，以提升任务处理速率，相较本地处理而言。我们的主要贡献是一个面向计算任务混合卸载的优化资源分配与调度框架。该框架在考虑通信约束与任务需求的同时，最优地利用边缘与微云中的计算资源。尽管协同感知是我们框架的主要用例，该框架亦适用于其他具有高计算需求与显著传输开销的协同车载应用。该框架构建于由 Veins 车载网络仿真器导出的车辆轨迹与通信速率之上的仿真环境中测试。我们观察到，采用优化资源分配的混合卸载时，协同感知传感器帧的处理速率显著提升。此外，随着 V2V 连接性的增强，因更多计算任务可水平卸载，处理速率进一步提高。
引用
@article{arxiv.2010.05693,
title = {Hybrid Vehicular and Cloud Distributed Computing: A Case for Cooperative Perception},
author = {Enes Krijestorac and Agon Memedi and Takamasa Higuchi and Seyhan Ucar and Onur Altintas and Danijela Cabric},
journal= {arXiv preprint arXiv:2010.05693},
year = {2020}
}
备注
6 pages