【Zusammenfassung】 Riesige Datenmengen treiben die zukünftige intelligente Entwicklung des Internets der Fahrzeuge voran, und die Zunahme rechenintensiver Dienste hat große Herausforderungen an die Verwaltung von Kommunikations- und Rechenressourcen im Netzwerk gestellt. Um die oben genannten Probleme zu lösen, wird eine gemeinsame Verwaltungsstrategie von IoV-Kommunikations- und Rechenressourcen vorgeschlagen, die auf Edge-Intelligenz ausgerichtet ist: Unter der Prämisse, die Speicherkapazität jedes Edge-Knotens zu berücksichtigen, wird eine angemessene Menge an Rechenaufgaben an den optimalen Edge ausgelagert Knoten durch Modellsegmentierung, um die Aufgabenausführung zu verbessern, den Energieverbrauch des Systems zu senken und zu reduzieren. Die obige Ressourcen-Joint-Management-Strategie kann als dynamisches Optimierungsproblem modelliert werden, das durch herkömmliche Optimierungsverfahren schwer zu lösen ist. Daher wird die Technologie der künstlichen Intelligenz auf dem Gebiet des Edge-Computing angewendet, und die Multi-Agent-Methode des tiefen Verstärkungslernens wird verwendet, um Netzwerkspektrumressourcen und Rechenressourcen angemessen zuzuweisen, um die Netzwerkleistung zu verbessern.
【Schlüsselwörter】 IoV; Edge Computing; Ressourcenmanagement; Deep Reinforcement Learning mit mehreren Agenten
0 Vorwort
In den letzten Jahren hat mit der Entwicklung der drahtlosen Kommunikationstechnologie und der Popularität intelligenter vernetzter Fahrzeuge das Internet der Fahrzeuge [1-3] für intelligente Transportdienste breite Aufmerksamkeit von Wissenschaft und Industrie auf sich gezogen. Von 2021 bis 2026 wird der globale Markt für vernetzte Autos voraussichtlich mit einer durchschnittlichen jährlichen Wachstumsrate von 19,0 % wachsen und 2026 56,3 Milliarden US-Dollar erreichen[4]. Mit der Entwicklung der autonomen Fahrtechnologie tauchen in einem endlosen Strom verschiedene neue Anwendungen auf, die auf intelligent vernetzten Fahrzeugen basieren, wie zum Beispiel Ultra-High-Definition-Videos, Echtzeit-Navigation und Verkehrssicherheitsdienste hohe Anforderungen an die Rechenleistung des Fahrzeugs selbst [5-7].
Um die Probleme der schlechten Verarbeitungsfähigkeiten von Fahrzeugterminals und der hohen Anforderungen an die Aktualität von Aufgaben zu lösen, wird die Computing-Offloading-Technologie allgemein als eine effektive Möglichkeit angesehen, die Leistung von Internet of Vehicles-Diensten zu verbessern [8]. Im Vergleich zum herkömmlichen Cloud-Computing platziert die MEC-Technologie (Mobile Edge Computing) den Rechenserver am Rand des drahtlosen Netzwerks in der Nähe des Fahrzeugs, was die Recheneffizienz erheblich verbessern und den Energieverbrauch senken kann [9-11]. Gegenwärtig haben viele Wissenschaftler im In- und Ausland Forschungen zur MEC-basierten Computer-Offloading-Technologie im Internet der Fahrzeuge durchgeführt. Literatur [12] für einzelne M