基于5G移动边缘计算的车联网多域资源优化理论与技术研究

Due to the limited performance of backhaul networks and continued rapid growth of data flows based on 5G vehicular networks, the mobile edge computing (MEC) devices are deployed on the side of road side unit (RSU) and base station (BS) in the vehicular networks. In addition, the vehicular networks architecture based on 5G MEC is established. According to the different application scenarios and differentiated business requirements of vehicular networks as well as the utilization of 5G virtualized network slicing technologies, multi-domain resource management methods based on demand sliced vehicular networks are studied first. Secondly, based on the single-cell and multi-cell with MEC, the optimization of storage and computing resource is studied in depth.By the full utilization of MEC resources, the reasonable calculation of the offloading methods and cache strategies are investigated to achieve the effective reduction of the requirements including networks load and the networks return bandwidth, reduce network latency and improve resource utilization and systems' QoS.

针对5G车联网持续快速增长的数据流量和回程网络性能有限的挑战，在车联网的路侧单元RSU和基站BS侧部署移动边缘计算设备，建立基于5G移动边缘计算的车联网架构，根据车联网的不同应用场景和差异化业务的需求，利用5G虚拟化的网络切片技术，在研究按需切片的车联网多域资源管理方法基础上，针对单小区和多小区和MEC联合情况，对存储及计算资源优化进行深入研究，充分利用MEC资源，研究合理的计算卸载方法和缓存优化策略，达到有效地降低网络负荷以及对网络回传带宽的需求，减小网络时延，提高资源利用率和系统的QoS。

5G和车联网持续快速增长的数据流量和回程网络性能有限的挑战，进行基于5G移动边缘计算的车联网多域资源优化理论与技术研究，具有重要科学意义。基于5G混合云的移动边缘计算的车联网架构，研究基于5G切片的车联网多域资源管理，提出一项基于服务满意度的接入网切片选择方法，获取多用户的接入和服务请求，计算最佳匹配接入网切片信息和优先级，提高用户体验和满意度。针对单小区和多小区和MEC联合协作，研究计算卸载和缓存优化策略，有效地降低网络负荷及网络回传带宽，减小网络时延，提高资源利用率和系统的QoS。提出基于Stackelberg博弈的S-MEC计算资源优化，在完全信息及不完全信息博弈环境中可达到最高约78.5%和74.3%的性能提升，可为服务需求方分别节省约60.5%及43.8%的服务成本；提出基于Vickrey-Clarke-Groves逆向拍卖的计算业务单MEC云点迁移及服务定价方法和基于单向匹配的次优解算法及相关支付规则，以最大化系统中服务需求效用。提出将图组件映射到服务提供方和一种低复杂度随机化算法研究分层树形子图同构提取的图任务分配机制，以最大限度地缩短工作完成时间数据交换成本。提出了一种基于粒子群优化的自适应计算卸载方法，用于解决医疗图像数据分析大计算卸载问题，可将全局资源利用率由74.5%提高至94.5%。提出基于深度强化学习的中继选择DQ-RSS，可提高系统吞吐量和缩短收敛时间。提出基于改进模拟退火的计算业务M-MEC(多云点)协作资源优化方法，以联合优化业务完成时间及服务代价，可有效降低计算复杂度，提高算法效率。针对基M-MEC计算密集型业务，提出一种车载云的服务节点之间数据交换代价的非线性整数规划模型，运用机器学习方法对车辆终端节点进行聚类分析，获得局部区域内各小区间的马尔科夫转移概率矩阵（MDP），最大化车辆用户的ADP加权QoE，提出了一种基于移动视频平均意见评分（MV-MOS）的深度Q网络（DQN）的高可靠性缓存策略，解决了提出的MDP问题，提高了车辆用户QoE，实现了更可靠的移动视频流分发。相关的研究成果发表31篇论文、10项授权发明专利、4篇博士论文和省科技进步一、二等奖和厦门市科技进步二等奖各1项，培养毕业4名博士和12名硕士生。