邵華，牛建華，權玉龍，蔣中天

（蘭州石化職業(yè)技術大學，甘肅 蘭州 730060）

0 引 言

近年來，隨著5G技術、物聯(lián)網(wǎng)技術、自動駕駛技術的飛速發(fā)展，對車聯(lián)網(wǎng)絡（Internet of Vehicles, IoV）的研究也越來越深入，車聯(lián)網(wǎng)的研究成為國內外科技競爭和創(chuàng)新發(fā)展的重要組成。作為智能交通的一部分，車聯(lián)網(wǎng)不僅可以解決城市交通問題，而且在車輛之間信息交互的問題上，也做出了很大貢獻。IoV利用無線通信技術，不斷改進交通安全問題，實現(xiàn)了車與車（V2V）之間通信、車與路邊信息單元（V2I）之間通信，為萬物互聯(lián)的5G時代奠定了基礎，提供了技術支持。

1 MEC與車載網(wǎng)絡相關研究

車載網(wǎng)絡的核心技術是云計算，云計算因為其強大的計算能力，成為大數(shù)據(jù)分析和處理的平臺，因此，車載網(wǎng)絡也會運用它強大的數(shù)據(jù)處理能力以及海量的數(shù)據(jù)存儲能力，為IoV的發(fā)展提供技術支持。但是，云計算服務器的部署一般都遠離用戶端，這就造成了移動設備與云中心服務器之間的傳輸距離過長，進而影響延遲和數(shù)據(jù)傳輸?shù)乃俣?，從而影響了任務的傳輸效率。因此，引入了移動邊緣計算（Mobile Edge Computing, MEC），它將具有計算與存儲功能的服務器放在了移動用戶的附近，這樣移動終端就可以將數(shù)據(jù)存儲在靠近終端的MEC服務器上，使得數(shù)據(jù)傳輸速率大大加快，并且降低了任務卸載的傳輸延遲。然而，與強大的傳統(tǒng)云服務器相比，MEC服務器通常會受到計算資源的限制，另一方面，計算卸載會帶來一些通信開銷，例如帶寬和功率的開銷。因此，如何有效的為基于MEC的車載網(wǎng)絡分配通信和計算資源，以保證用戶的良好體驗至關重要。

移動邊緣計算的提出，大大提高了車載網(wǎng)絡對實時性的高要求，車載網(wǎng)絡尤其是車輛與車輛之間的通信方式（V2V）對延遲要求較高，而邊緣計算的提出，較好地解決了車聯(lián)網(wǎng)中通信連接以及數(shù)據(jù)處理及時性的問題。由于在移動邊緣計算中，邊緣服務器放置位置的特殊性，車載網(wǎng)絡在通信過程中可以將通信數(shù)據(jù)存儲在靠近車輛的邊緣服務器側，相當于數(shù)據(jù)存儲在車輛的附近位置，這就減少了數(shù)據(jù)傳輸對網(wǎng)絡資源的無效占用，降低了服務交付的時延，在一些對延遲較高的業(yè)務類型，例如事故警告、無人駕駛防碰撞等業(yè)務類型上大大提高了安全性。中國移動科學院從2015年底就從IoV領域開展了移動邊緣計算研究，在北京舉辦的2017年邊緣計算產(chǎn)業(yè)峰會上，邊緣計算產(chǎn)業(yè)聯(lián)盟（ECC）與車載信息服務產(chǎn)業(yè)應用聯(lián)盟（TIAA）簽署戰(zhàn)略合作協(xié)議，在邊緣計算的基礎上，發(fā)展車載網(wǎng)絡在應用上的創(chuàng)新、共同致力于推動新的標準創(chuàng)新，促進邊緣計算技術與車載網(wǎng)絡技術產(chǎn)業(yè)的共同發(fā)展。

隨著道路上車輛的增加，廣大學者對車聯(lián)網(wǎng)的研究越來越多，可以連接到互聯(lián)網(wǎng)的車輛已經(jīng)占據(jù)了相當一部分比例。在車聯(lián)網(wǎng)中，智能設備可以通過配備相關計算單元與通信技術，提供車輛控制、交通管理與一些交互式應用。這些應用都需要大量的計算資源與較低的系統(tǒng)延遲。然而，通常情況下，汽車終端的計算資源是有限的，在汽車終端進行各類計算任務對于車載網(wǎng)絡來說是一個巨大的挑戰(zhàn)。國內外學者也針對MEC在車載網(wǎng)絡的問題，做了大量研究。文獻[6]針對在車載網(wǎng)絡中，由于車輛收集信息的不準確、不完整和不精確以及障礙物產(chǎn)生的中斷影響，提出了將認知無線電和軟數(shù)據(jù)融合技術應用于車輛接入網(wǎng)，通過將車輛云與固定中央云相結合，設計了一種車輛網(wǎng)絡分布式車流量卸載方案。文獻[7]中，作者設計了一種車輛霧計算架構，該架構利用車輛和鄰近用戶邊緣設備的協(xié)作來進行通信和計算。文獻[8]中提出了一種優(yōu)化的計算資源管理機制，以使車輛云計算（VCC）系統(tǒng)的總長期預期回報最大化。然而，將計算任務卸載到移動云服務器必須消耗返回鏈路資源，這將產(chǎn)生額外的時間消耗，無法滿足5G場景下低延遲、高可靠性服務的要求。

2 MEC技術在車載網(wǎng)絡中面臨的問題

將移動邊緣計算技術引入到車載網(wǎng)絡中，主要是為了滿足車載網(wǎng)絡在實時性的業(yè)務上以及5G場景下的海量數(shù)據(jù)連接下，移動終端的運維管理、網(wǎng)絡管理以及安全與隱私保護等的關鍵需求。但是，MEC仍處于發(fā)展階段，相關技術不夠成熟，將其應用到IoV中的研究尚在起步階段。由于IoV應用場景的多樣化，MEC技術和IoV技術的結合將面臨諸多挑戰(zhàn)。邊緣計算中亟待解決的問題主要集中在以下幾個方面：

（1）隨著車聯(lián)網(wǎng)用戶的激增和日益多元化的智能應用不斷出現(xiàn)，車載終端數(shù)據(jù)量呈現(xiàn)出爆炸式增長的態(tài)勢，IoV系統(tǒng)部署的規(guī)模不斷擴大，這些大量的數(shù)據(jù)使網(wǎng)絡數(shù)據(jù)中心和移動終端設備之間的數(shù)據(jù)傳輸速率大大下降，造成嚴重的時延問題。將MEC技術應用到IoV中可以有效解決數(shù)據(jù)存儲和傳輸時延帶來的問題，如何構建基于MEC的IoV體系結構和系統(tǒng)模型成為研究的首要問題。

（2）萬物互聯(lián)的5G時代，對于車載網(wǎng)絡中的計算密集型任務，車輛上有限的計算和存儲資源難以進行處理，通過引入移動邊緣計算技術，可以在無線網(wǎng)絡邊緣部署邊緣服務器，用來處理移動車輛終端部分甚至全部用戶的任務請求，從而可以緩解網(wǎng)絡云中心的計算壓力。而在移動邊緣計算中，如何建立計算卸載模型，如何對計算卸載到邊緣服務器的決策算法進行優(yōu)化，提高任務卸載效率是邊緣計算中研究任務卸載技術的重中之重。在車載網(wǎng)絡中，車輛的移動性是影響任務卸載的主要因素，如何解決車輛在快速移動過程中的MEC服務器選擇問題，提高車輛的任務卸載效率，是不可忽視的問題之一。

（3）IoV數(shù)據(jù)信息的信任管理問題研究。IoV的持續(xù)發(fā)展建立在IoV高可靠性、高安全性的基礎上，IoV信息安全需求與傳統(tǒng)網(wǎng)絡信息系統(tǒng)安全的核心不同，由于IoV對安全性要求極高，對于通信的實時性要求也更高，需要更低的延遲。因此，對于IoV的數(shù)據(jù)信息的管理，以及車載網(wǎng)絡系統(tǒng)中安全防護的研究顯得極為重要。

3 車載網(wǎng)絡中的計算與通信

為了解決汽車終端大量的計算需求，一種基于云中心的車載網(wǎng)絡被廣泛認為是提高車載網(wǎng)絡服務質量的有效方式。根據(jù)計算任務的形式，基于云中心的網(wǎng)絡可以選擇將應用程序在汽車終端本地執(zhí)行或卸載到遠程云中心進行執(zhí)行，移動云計算的提出大大提高了資源的利用率與計算性能。然而，考慮到計算資源容量的限制以及傳輸信息間的延遲波動，以及云中心在距離上遠離汽車終端，因此在任務卸載效率及任務傳輸速率上都有較大的缺陷，嚴重影響了任務卸載效率。移動邊緣計算的提出有效地解決了這類問題，MEC將云中心提供的服務，放到了無線接入網(wǎng)絡的邊緣，即在靠近移動終端的附近提供云服務，使得傳輸數(shù)據(jù)的距離大大減少，從而降低任務卸載的延遲，提高任務傳輸效率。

在邊緣計算網(wǎng)絡中，每一種任務都具有不同的資源需求，例如用于任務執(zhí)行的計算資源，還有用于任務傳輸?shù)耐ㄐ刨Y源。由于MEC服務器接入在無線網(wǎng)絡的邊緣，并在所連接的路邊單元（RSU）的幫助下進行任務的傳輸。因此，MEC服務器的范圍會受到RSU的限制。由于車輛具有快速移動的特點，因此在任務傳輸過程中，車輛肯定會經(jīng)過多個RSU以及MEC服務器。這時候，在任務卸載的過程中，車輛選擇哪個MEC服務器，以及什么時候進行卸載任務，都會影響卸載效率。在車載網(wǎng)絡中，車輛可以通過各種方式連接到與MEC服務器相連接的RSU，比如車到路邊通信單元（V2I）的連接、車到車（V2V）之間的連接方式。但是在實際情況下，車輛會頻繁移動，就會使得卸載過程變得更加復雜。為了提高任務完成效率，設計一種基于MEC的車載網(wǎng)絡系統(tǒng)，并能夠使MEC服務器和車輛終端之間快速地進行任務傳輸?shù)姆桨甘呛苡斜匾摹?/p>

盡管現(xiàn)在有許多基于云中心的車聯(lián)網(wǎng)絡研究，或者是關于邊緣計算技術的研究，但是基于邊緣計算的車載網(wǎng)絡研究并不多。此外，還有一些研究雖然結合了邊緣計算與車載網(wǎng)絡，但是未考慮車輛的移動性帶來的影響。本文研究了基于移動邊緣計算的車載網(wǎng)絡中車輛任務卸載的傳輸方式，并且針對不同類型的計算任務提出了不同優(yōu)化方式，考慮了在不同異構網(wǎng)絡下的任務需求以及車輛的移動性，在分析各種卸載策略特點的基礎上，結合V2I、V2V的傳輸特性，提出了一種預測模式傳輸方案，這種傳輸方式可以在一定延遲范圍內，大大提高傳輸效率和任務卸載效率。

4 系統(tǒng)模型

基于邊緣計算的車載網(wǎng)絡中主要涉及的通信方式有以下幾種：

車輛到車輛（V2V）通信：車輛與車輛之間直接進行通信，車輛充當數(shù)據(jù)包轉發(fā)的中繼設備。V2V多跳中繼通信是一個優(yōu)勢，但如果跳數(shù)大于三，則可靠性會顯著降低，延遲無法保證，在實際應用中，如果跳數(shù)小于三，則在蜂窩網(wǎng)絡中進行分組轉發(fā)。

車輛到RSU通信（V2I）：車輛通過與RSU之間通信的方式從RSU收集道路狀況數(shù)據(jù)，例如交通堵塞程度和路邊交通燈變化的數(shù)據(jù)。在所提出的架構中，RSU不負責分組轉發(fā)，并且數(shù)據(jù)轉發(fā)功能被轉移到MEC服務器。

RSU到MEC服務器：RSU收集實時路況并將其發(fā)送到MEC服務器，MEC服務器根據(jù)數(shù)據(jù)信息決定將其在本地服務器處理還是轉移到遠程云中心進行處理。

MEC到遠程云服務器：所有流量數(shù)據(jù)都應該由MEC服務器進行預處理，然后通過數(shù)據(jù)同步的方式傳遞到遠程云服務器，MEC服務器通常存儲最近的交通數(shù)據(jù)，而遠程云服務器永久存儲交通數(shù)據(jù)，并根據(jù)實時和歷史數(shù)據(jù)進行交通預測。

本文所考慮的MEC的車載網(wǎng)絡架構系統(tǒng)模型如圖1所示，考慮單向的通道并存在不間斷的車流量。MEC服務器按照一定的距離部署在車輛用戶的鄰近位置，并通過有線方式連接到RSU。沿路都有RSU，設定每兩個RSU之間的距離為L，每個RSU在其傳輸范圍內提供無線接入服務，我們設定傳輸范圍為L/2。這條路可以按長度分成幾段，通過V2I通信模式，在給定區(qū)段內運行的車輛只能訪問相應區(qū)段內的RSU。RSU之間通過無線回程相互通信，每個RSU都會配備一臺MEC服務器。對于一些應用，例如語音識別，它的計算任務輸入數(shù)據(jù)的大小遠遠大于數(shù)據(jù)輸出的大小。為了提高無線回程的傳輸效率，任務輸入文件不能在RSU之間傳輸，也就是說，每個MEC服務器只能執(zhí)行與其連接的RSU接收的計算任務。然而，由于輸出數(shù)據(jù)較小，計算任務輸出可以通過無線回程在RSU之間傳輸。相應的計算任務可通過V2V或者V2I兩種通信方式進行傳輸，將傳輸數(shù)據(jù)傳遞到距離車輛最近的RSU，RSU收集這些數(shù)據(jù)，并將數(shù)據(jù)打包后經(jīng)過有線通信的方式傳遞與其相連的MEC服務器。而所有MEC服務器又可以將資源信息有選擇的傳遞至云中心進行處理或自行在本地服務器處理。

圖1 基于MEC的車載網(wǎng)絡架構

5 帶預測傳輸?shù)挠嬎阈遁d方式

車載網(wǎng)絡中車輛的頻繁移動，使得承擔任務卸載的邊緣服務器頻繁切換，當切換到下一個承擔任務的邊緣服務器時，切換所需傳輸?shù)拇罅繑?shù)據(jù)以及資源的重新獲取將導致時延增加，并加重MEC服務器網(wǎng)絡的負擔。通過預測車載網(wǎng)絡中車輛的運行軌跡，提前實現(xiàn)邊緣服務器對計算資源的預分配，當車輛到達新的RSU覆蓋區(qū)域時，就能立刻得到所需要的計算任務數(shù)據(jù)，從而提高傳輸效率，減少不必要的時延。

如圖2所示，車輛通過V2I模式，將傳輸數(shù)據(jù)卸載到MEC服務器?？紤]車輛在高速公路上行駛，如果其計算任務的完成需要較長時間，則在任務執(zhí)行期間，車輛可以通過多個RSU服務區(qū)。在這種情況下，需要將MEC服務器1完成的任務發(fā)送到車輛新接入的RSU，RSU之間通過無線回程進行通信，雖然無線回程部署簡單，成本低，但是無線鏈路之間的干擾使得無線回程以低速率和不可預知的延遲傳輸，使得多跳中繼的時間開銷和傳輸成本嚴重影響了任務傳輸效率。因此，車輛采用直接到RSU的通信技術仍有很多不足。

圖2 通過V2I傳輸模式進行任務卸載

由于道路上有大量車輛，車輛可以通過多跳V2V這種通信方式相互連接。將這些未充分利用的V2V通信資源投入使用，為車載通信網(wǎng)絡的負載均衡和延遲減少提供了很大的幫助。此外，與一些運營商提供的RSU接入服務不同，V2V通信總是由運行車輛自行組織，成本遠低于車輛到RSU的V2I通信。鑒于車輛到RSU的V2I技術存在的不足，提出一種具有預測模式傳輸?shù)挠嬎阈遁d方案。如圖3所示，在這種方案中，車輛將其任務輸入文件在運行方向之前發(fā)送到MEC服務器，基于對文件傳輸時間和任務執(zhí)行時間的準確預測，車輛可以在完成任務的準確時間到達RSU的通信區(qū)域。具體的，在車輛選擇預測模式卸載任務的情況下，首先通過多跳V2V中繼傳輸來遞送計算文件，然后在傳輸中繼的最后一跳，車輛通過V2I將文件傳輸?shù)絉SU。通過這種方式，計算任務被提前卸載到位于車輛前一路段的MEC服務器上。在計算結果輸出后，MEC服務器將計算結果存儲在與其相連的RSU上，當該車輛到達RSU傳輸范圍時，便可以直接從RSU路邊單元側獲得計算數(shù)據(jù)。采用這種方式，充分利用了車載網(wǎng)絡的傳輸能力，同時大大節(jié)省了無線回程的資源。

6 結 論

本文提出了一種基于移動邊緣計算的車載網(wǎng)絡研究方案，針對車載網(wǎng)絡中車輛的頻繁移動造成數(shù)據(jù)傳輸延遲較高以及任務卸載效率較低等問題，提出了一種預測車輛軌跡的數(shù)據(jù)傳輸方案，該方案結合了車載網(wǎng)絡中的V2I與V2V通信方式，計算任務將會預先卸載到位于該車輛前一路段的MEC服務器上，從而在保證提高任務傳輸效率的同時降低任務卸載的延遲。

圖3 通過預測傳輸方式進行計算卸載