基于強化學(xué)習(xí)的車輛編隊動態(tài)定價任務(wù)卸載策略

楊志和 魯凌云

（1.北京交通大學(xué)計算機與信息技術(shù)學(xué)院 北京市 100044 2.北京交通大學(xué)軟件學(xué)院 北京市 100044）

1 引言

隨著科學(xué)技術(shù)發(fā)展，車輛配備越來越多的智能化設(shè)備，以滿足人們對駕駛和娛樂需求。因此車輛計算資源的需求越來越大?？紤]到能源有限、成本問題，車輛無法承載大量的計算設(shè)備。因此當(dāng)面對視頻流采集分析，并實時路徑規(guī)劃這樣計算密集，對時延敏感的任務(wù)時，無法獨立完成。車輛需要將部分任務(wù)卸載到具有更多空閑計算資源的設(shè)備上。一種選擇是云計算中心，但是由于它距離車輛較遠，傳輸任務(wù)過程中帶來了不可忽略的時延，不適用于對時延敏感的任務(wù)。移動邊緣計算（Mobile Edge Computing，MEC）可以提供這種低時延的卸載服務(wù)。車輛可以將空閑的資源共享，與路邊單元（road side unit,RSU）共同提供任務(wù)卸載服務(wù)。為了將這些資源合理的分配，有必要設(shè)計一個有效的方案，利用V2V（Vehicle to Vehicle）、V2I（Vehicle to Infrastructure）將車路進行協(xié)同，提升資源利用率和任務(wù)卸載的高效性。

在V2X（Vehicle to Everything）應(yīng)用中有27個用例，其中就包括車輛編隊。車輛編隊是自動駕駛領(lǐng)域發(fā)展中關(guān)鍵一步，也被認為是第五代移動通訊技術(shù)中最具代表性的用例之一。在編隊中使用虛擬鏈連接相鄰車輛，并通過實時更新移動數(shù)據(jù)控制車輛，比如速度，相對距離。車輛編隊中同樣面臨處理如自動駕駛，3D導(dǎo)航等計算密集型時延敏感任務(wù)的問題。本文關(guān)注于車輛編隊的任務(wù)卸載激勵機制，以優(yōu)化計算資源的利用，提升任務(wù)卸載效率。

2 相關(guān)工作

現(xiàn)有一些研究車輛編隊任務(wù)卸載的工作?！?br>