面向车联网协同感知的质量感知任务卸载
网络与互联网体系结构
2024-06-03 v1 信号处理
摘要
在车联网边缘计算（VEC）中进行任务卸载可以推动协同感知（CP）以提高自动驾驶车辆的交通意识。本文提出质量感知协同感知任务卸载（QCPTO）方案。Q-CPTO 是首个优先考虑协同感知质量而非数量的任务卸载方案。Q-CPTO 通过减少感知冗余和增加每个用户获取的价值信息（VOI）来提高 CP 的质量。我们使用卡尔曼滤波（KF）进行 VOI 评估，预测每辆车的下一步运动，以估计其感兴趣区域。估计的 VOI 然后被集成到任务卸载问题中。我们将任务卸载问题形式化为整数线性规划（ILP），以最大化用户的 VOI 并通过利用车辆的空间上多样化视野（FOV），减少感知冗余，同时遵守严格的延迟要求。我们还提出了 Q-CPTO-近似（Q-CPTOH）方案，以高效地解决任务卸载问题。广泛的评估表明，Q-CPTO 在响应延迟和交通意识方面分别比主要任务卸载方案提高了最多 14% 和 20%。此外，Q-CPTO-H 在接近最优解方面表现出色，分别在交通意识和协作用户数量方面的差距最多为 1.4% 和 2.1%，同时将运行时间缩短了最多 84%。
引用
@article{arxiv.2405.20587,
title = {Quality-Aware Task Offloading for Cooperative Perception in Vehicular Edge Computing},
author = {Amr M. Zaki and Sara A. Elsayed and Khalid Elgazzar and Hossam S. Hassanein},
journal= {arXiv preprint arXiv:2405.20587},
year = {2024}
}