车载边缘计算中的风险敏感型任务获取与卸载
网络与互联网体系结构
2020-05-15 v2 信号处理
摘要
本文研究了一种超可靠低时延通信问题，聚焦于车载边缘计算网络，其中车辆要么获取并合成监控摄像头记录的图像，要么从边缘计算服务器获取合成图像。利用金融数学中的风险敏感概念来定义可靠性度量，并将所研究的问题建模为每辆车端到端（E2E）任务获取与卸载时延的风险最小化问题。具体而言，借助基于联合效用与策略估计的学习算法，提出了一种用于任务获取与卸载的分布式风险敏感解决方案。仿真结果表明，与基于平均的基线相比，我们所提方案在E2E时延上实现了高达40%的方差降低以及更陡峭的分布尾部。
引用
@article{arxiv.1912.07828,
title = {Risk-Sensitive Task Fetching and Offloading for Vehicular Edge Computing},
author = {Sadeep Batewela and Chen-Feng Liu and Mehdi Bennis and Himal A. Suraweera and Choong Seon Hong},
journal= {arXiv preprint arXiv:1912.07828},
year = {2020}
}
备注
Accepted in the IEEE Communications Letters