面向任务时效性的车联网通信与计算资源协同调度

With the emerging of intelligent traffic and autonomous driving, the internet of vehicles (IoV) has received wide attentions and is developing rapidly. IoV is also recognized as one of the key applications of 5G technologies. The timeliness requirement of IoV tasks covers the whole process consisting of the timely delivery of context information, computing and decision making at the vehicles and the network edge, etc. However, current research mostly focuses on the delay performance of wireless transmissions in IoV. Therefore, for typical applications in IoV that support autonomous driving, this project aims at satisfying the timeliness requirement of the whole task via coordinated scheduling of communication and computing resources, under the dynamic limitations of the two kinds of resources brought by the dynamics in vehicle mobility and network topology. The planned research contents include: Task partitioning and resource mapping for communication and computing; on-demand channel state information acquisition and transmission scheduling for timely information delivery under mobility conditions; coordinated scheduling of transmission and computing for differentiated task timeliness requirements. Corresponding to the demand for intelligent connected vehicles from the government, this project can bring valuable references for autonomous driving, and tries to reveal the theoretical relationship between communication and computing under the mobility environment. As a result, this project has significant value in both theory and practice.

随着智能交通和自动驾驶的兴起，车联网得到了广泛关注和快速发展，并将成为5G移动通信技术的重要应用之一。车联网任务的时效性要求包括情境信息的及时传输，和车辆及网络侧计算决策的全过程，而现有研究主要关注其中的无线传输延时。鉴于此，本项目旨在针对车联网支持自动驾驶的典型应用场景，在车辆移动和网络拓扑动态变化、通信和计算资源动态受限的条件下，协同调度通信和计算资源，保证任务完成的整体时效性要求。拟开展以下内容的研究：车联网任务分割和通信计算资源需求映射；移动条件下面向信息时效性要求的按需信道信息获取和传输调度；面向任务差异化时效性要求的传输和计算协同调度。本项目的研究面向国家对智能网联汽车研发的重大需求，为车联网支撑自动驾驶提供技术支持与参考，并探索移动环境中通信与计算的作用机理，具有重要的理论意义和实用价值。

本项目旨在针对车联网支持自动驾驶的典型应用场景，在车辆移动和网络拓扑动态变化、通信和计算资源动态受限的条件下，协同调度通信和计算资源，保证任务完成的整体时效性要求。所完成的主要研究内容包括：.1）基于任务分割的多用户深度神经网络的端边协同推断。针对车路协同中车辆利用路边单元或边缘服务器进行协同推断的场景，提出了一种联合优化终端的卸载决策与被卸载任务的批处理调度机制，在满足推断延时约束下最小化终端能耗。.2）车联网中面向信息时效性要求的传输调度。针对车联网中车与车、车与路边单元之间进行实时状态更新的需求，定义了新的时效性度量“信息紧迫度”并提出了一种基于情境感知的状态信息更新策略，从而提高网络整体的状态更新实时性。.3）多类业务共存场景中面向信息时效性的传输调度。针对车联网中具有传输时延约束的业务与状态更新业务共存的场景，提出了一种信道资源的调度和混合业务传输机制，在保证时延约束业务吞吐量的同时优化了状态信息更新的时效性。.4）基于编码计算的低延时车联网任务卸载。针对车联网中具备计算能力的多个车辆或路侧单元节点合作完成计算的场景，克服计算延时的不确定性对计算任务完成延时的不利影响，引入编码计算技术，优化编码及计算任务分配，最小化各计算任务所需的完成时间。.5）车联网仿真及小车实物演示平台。开发了车联网系统级闭环仿真平台，并给出了一个支持多车、车路协同环境感知的大规模数据集DOLPHINS。开发了一套智能网联自动驾驶实物小车测试平台，并实现了智能路口调度算法的演示。.项目组在执行期内发表SCI期刊论文26篇，发表EI国际会议论文16篇（其中一篇获得IEEE/CIC ICCC 2020 最佳论文奖），提交发明专利申请2项。人才培养方面，出站博士后1人，培养博士生6人，硕士生1人。项目负责人获得国自然优秀青年基金资助（2020年），于2019年获得中国通信学会科学技术（自然科学）一等奖（第二完成人），于2020年获得IEEE通信学会无线技术专委会杰出青年学者奖。