车联网场景下移动边缘计算协作式资源分配策略*

刘 斐，曹钰杰，章国安

(南通大学 信息科学技术学院，江苏 南通 226019)

0 引 言

随着智能交通的快速发展、车辆数目的增加，产生了大量的卸载任务请求，导致服务器处理任务请求慢、效率差。以往的云计算模式下，将处理消息的工作部署在云端导致处理消息慢，数据传输滞后，占用高带宽资源。移动边缘计算(Mobile Edge Computing，MEC)具有低时延和高计算能力，为用户提供快速而强大的计算能力、高效的卸载效率等，满足时延、带宽、计算的服务需求。MEC计算卸载技术不仅减轻了核心网的压力，而且降低了因传输带来的时延。目前车联网的发展重点已经从核心网转向边缘网，把原有集中式的云计算平台分布式部署在无线接入网络的边缘，可以大幅减少任务上传至云服务器的传输计算时延，给用户带来低时延、高质量的服务体验。

国内外大量的研究学者对移动边缘计算进行了深入的研究。文献[1]针对移动边缘计算中有限的资源，通过在线学习的方法最小化任务的时延。文献[2]为了方便处理云计算的任务负载的动态变化，以经济模型为基础，提出了一个云计算资源提供者的联邦体系结构，基于经济模型的联邦云以联邦资源调度的方式来提供资源利用率，节约云计算运营成本，增强了云计算盈利能力。文献[3]针对MEC服务器的副本，分析了收入、成本和利润，提出了MEC自适应复制算法，可以根据每个时间间隔动态调节副本。采用了自适应算法将请求转发到相邻MEC服务器中的副本，平衡MEC服务器的负载，此方案可以有效地缩短平均响应时间 并提高数据包的QoS，以获得更好的利润。……