机场物联网的移动边缘计算理论与方法研究

With the rapid development of the aviation industry and the implementation of the national "Internet Plus" action plan, Internet of Things (IoT), which is the new information infrastructure of "smart airport", has become more and more important. However, with the rapid increase in the number of devices, IoT combined with the traditional cloud computing will face the contradiction between the amount of data and the bandwidth. It also can’t meet the needs of low-latency real-time control applications. This project focus on the theory and method of Mobile Edge Computing (MEC) in the IoT at airport. Since the IoT at airport will be a hybrid network with tremendous types of devices, this project refines the actual situation to draw a wireless heterogeneous network scenario. The architecture of wireless heterogeneous IoT supporting MEC is designed and the deployment of MEC servers is studied. This project also analyzes the core performance indicators such as wireless transmission delay and edge computing delay. Based on the analytic results, joint optimization of the radio resources and edge computing resources are researched. This project will form a theoretical method solving the architecture design, system performance analysis and resources allocation optimization problems. It will provide theoretical and technical support for the development of IoT at airport.

随着民航业的迅速发展和国家“互联网+”行动计划的实施，物联网作为“智慧机场”新型信息基础设施的重要性日益凸显。然而，随着物联网设备的迅速增加，物联网与传统云计算结合的方式将面临数据量与传输带宽之间的矛盾，也不能满足低时延实时控制应用的需求。本项目锁定机场物联网中的移动边缘计算理论与方法为研究对象。针对机场多种类型物联网设备混合组网的现实情况，本项目提炼出无线异构物联网场景，对支持移动边缘计算的无线异构物联网系统架构进行设计，对移动边缘计算服务器的部署问题进行研究，并以无线传输时延、边缘计算时延等核心性能指标的理论分析为基础，联合优化无线资源和边缘计算资源。本项目将从理论上形成一套完整的系统架构设计、系统性能分析和资源优化分配方法，为机场物联网发展提供具有前瞻性的理论储备和技术支撑。

本项目以移动边缘计算与机场物联网结合的场景为基础，针对场景中抽象得到的无线异构网络、超密集网络等基本网络类型，主要从系统协议架构和网络资源管理等方面开展研究。.在系统协议架构研究中，考虑到机场物联网在安全性方面的特殊性，结合网络中广泛分布计算资源的特点，引入了区块链技术，设计了基于区块链的计算资源共享系统，在此基础上，以移动边缘计算支持物联网节点数据上链为具体问题，设计了基于深度强化学习的移动边缘计算节点收益最大化的物联网节点任务调度方案，在“挖矿”奖励和计算、传输资源的消耗三者中取得了较好的折中；同时，考虑到网络对多种类型物联网业务支持的灵活性需求，对基于Openflow协议的软件定义网络进行了研究，提出了一种多路径传输中最优路径选择方法，设计实现了一种动态流调度机制和链路实时监控方案，达到了合理、高效、均衡地分配网络资源，优化传输路径，提升网络传输效率的目的。.在网络资源管理方面，首先研究了面向用户体验的移动边缘计算用户接入节点选择问题和能效优化的移动边缘计算任务卸载问题，采用启发式方法以及针对随机优化问题的Lyapunov优化技术对上述问题进行求解；进一步的，考虑到移动边缘计算场景中的资源管理问题资源类型多、变量维度高、解空间维度高等特点，引入了深度强化学习技术，从最小化任务服务时延和能耗综合代价的任务卸载问题、基于M2M技术的物联网接入节点和计算服务器的联合选择问题、面向业务体验的业务参数与网络承载控制联合选择问题三方面开展了具体研究工作。仿真结果表明了基于深度强化学习的方法能够有效提升网络性能，并且，当网络参数发生变化时，训练好的智能体在执行网络优化操作时具有一定的适应性。.本项目发表论文9篇，包括SCI检索论文2篇（均为JCR Q1），EI检索论文6篇，中文核心期刊论文1篇；获授权发明专利1项，申请发明专利3项；获授权软件著作权6项。超额完成了预期成果目标。