【摘 要】
：
随着道路上车辆数量的不断增加和车联网(Internet of Vehicles,Io V)技术的发展,车辆已经成为连接到互联网的移动设备中的重要组成部分。车联网中的智能网联汽车(Intelligent Connected Vehicle,ICV)可以支持各种移动应用,例如图像辅助导航、车辆增强现实和自动驾驶应用等,这些应用程序需要大量的计算资源。然而,单一车辆的计算能力是有限的,这对资源有限的车辆
论文部分内容阅读
随着道路上车辆数量的不断增加和车联网(Internet of Vehicles,Io V)技术的发展,车辆已经成为连接到互联网的移动设备中的重要组成部分。车联网中的智能网联汽车(Intelligent Connected Vehicle,ICV)可以支持各种移动应用,例如图像辅助导航、车辆增强现实和自动驾驶应用等,这些应用程序需要大量的计算资源。然而,单一车辆的计算能力是有限的,这对资源有限的车辆是一个巨大的挑战。为了应对这些挑战,移动边缘计算(Mobile Edge Computing,MEC)被认为是一种很有前景的方法。MEC将边缘服务器引入移动计算环境,移动设备可以通过无线网络将计算任务卸载到邻近移动用户并且资源丰富的边缘服务器。在MEC中,将资源需求密集型移动应用程序卸载到边缘服务器上,可以大大提高移动应用程序的性能和降低延迟。研究车联网中的计算任务协同卸载问题,在基于移动边缘计算的车联网场景下,提出了联合车辆与路边单元(Vehicle to Roadside Unit,V2R)与车辆与车辆(Vehicle to Vehicle,V2V)计算任务协同卸载问题,将计算任务协同卸载问题转化为一个约束优化问题,以实现在给定的无线信道条件约束和通信持续时间约束的情况下最大程度地减少系统处理延迟,为每个车辆提出了集中管理策略(即基于集群的V2V计算任务卸载方案),并给出了基于博弈论的分布式算法,进行了基于车辆轨迹数据集的仿真实验,数值结果表明,提出的方案在系统处理延迟及执行效率上可以很好地提升计算任务卸载性能。从应用程序级指标角度研究车联网中智能车辆计算任务卸载问题,考虑智能车辆应用程序对计算延迟敏感,划分为高优先级应用程序和低优先级应用程序。同时,智能电动车辆逐渐成为未来的发展趋势,但影响其发展的一个关键仍是续航的问题,即智能电动车辆的储能能源有限。因此,研究旨在通过最小化系统处理延迟并节省能源来选择最佳的计算任务卸载策略,并最大程度地提高满足高优先级应用数量,优化计算效率和资源利用,采用潜在博弈对系统进行建模,并提出了基于潜在博弈的计算任务卸载机制,提供不同场景下的仿真实验并讨论了仿真结果,验证本文提出的方案具有更佳的性能。
其他文献
图像分割是图像处理重要的一支,分割结果的优劣会影响图像分析的准确性。目前图像分割主要存在两个问题,一是没有方法能适应于大多数条件下的图像分割,二是没有一个统一标准对分割结果进行评价。这使得图像分割的研究仍具有重要意义。基于阈值的分割在图像分割中应用最为广泛,越来越多的学者将群体智能优化算法(粒子群算法、差分进化算法等)与传统阈值分割方法结合。将目标函数极值所对应的解作为图像多阈值分割的最优阈值。仿
近年来,光纤传感技术得到了极大的重视。随着应用环境和及监测变量的不断变化,光纤传感网络逐渐向大规模、多功能的方向发展。为了保证传感数据的准确性,光纤传感网络需要复用大量的光纤传感器。大量的光纤传感器被埋置在大型结构内部,在各种恶劣的环境下完成监测工作。同时,复用的传感器越多,网络出现故障的概率就大大增加。这就要求光纤光栅传感网络有更高的可靠性、可扩展性。所以,研究光纤传感网络的可靠性就显得十分必要
目标跟踪是计算机视觉领域中的一个研究热点,目的是从视频中不间断的定位目标的位置.近几年来,目标跟踪技术取得了长足的发展,被广泛的应用到各个领域,如:军事上的战场监视、民用上的交通监视、医学上的医学诊断等.目前,跟踪算法仍有待解决的问题:1.跟踪算法复杂度高、耗时量大、实时跟踪较为困难.2.目标在运动过程中发生形变、尺度变化以及被遮挡等情况,导致目标丢失,跟踪无效.因此,很难找到具有鲁棒性的通用算法
视频目标跟踪通过对目标对象的特征实现提取,然后在视频帧序列中检测运动目标,从而获得目标的所在位置、运动路径等信息,并且目前已经被大量地应用于安防监控、交通监测、国防侦察等多个现实领域。从Meanshift、Particle Filter和Kalman Filter等比较传统的算法,发展到运用相关滤波与深度学习等理论的最新算法,目标跟踪技术不断取得突破性的进展。但是由于目标跟踪本身的复杂性,现有的跟
本世纪以来,互联网技术和增强现实(Augmented Reality,简称AR)技术快速发展,但基于互联网和增强现实技术的教育教学辅助系统(以下简称增强现实教学系统)的发展比较滞后,无法更深层次的满足当今的教育教学需求。现有的增强现实教学系统大多未基于B/S架构开发,增强现实教学系统的实现一般是基于应用程序的方式,需要用户在计算机上安装特定应用程序才能实现增强现实效果,因此只能为少数学生提供增强现
在公共安全管理中,人群密度通常是需要考虑的重要因素之一,过大的人群密度会因为难以控制而存在较大的安全隐患。人群密度估计是反映拥挤的静态场景下人群的分布。它不仅局限于人群数值的简单估计,还包括人群的密度分布图。人群密度估计已经逐渐成为当前计算机视觉领域一个关注的热点。现有的人群密度估计算法主要是基于深度卷积神经网络的目标检测器来对人群密度进行估计。大部分都是以人群计数为主,忽略了密度分布图的质量,未
HBase是一种面向列式存储的NoSQL(Not Only SQL)数据库,它作为Hadoop生态圈中重要的技术成员,担任着存储管理大数据的任务,HBase凭借其良好的扩展性和高效的读写能力,受到越来越多企业的重视。然而,HBase安全性不高的弱点,也成为许多研究者面临的重大挑战。为提升HBase的安全访问控制性能,提出一种针对HBase的细粒度权限访问控制机制。通过修改优化HBase源码,扩展访
提单是海上货物运输最重要的单据之一,具有货物运输合同的属性,作为一种具有物权特性的凭证是约束承运人与提单持有人的最直接有效的证据。提单条款是承运人与提单持有人权利
人脸检测技术是判断一张图像里面是否存在人脸,如果存在,就输出人脸的位置,作为人脸识别、人脸表情识别和人脸对齐等任务的基础步骤。在实际应用中,这些任务对检测器的检测速度、准确率和模型大小都有着严格要求。基于深度学习的人脸检测方法主要分为两类。一类是两步式,先在原图上生成候选窗口,然后再进行分类定位。另一类是单步式,直接在原图上进行人脸检测。前者检测准确率高,后者检测速度快。尽管两种策略在准确率上已经
随着社交网络的蓬勃迅猛发展,产生了庞大的数据信息量,对标签数据进行的相关的推荐算法的研究也就应运而生,并成为研究热点问题之一。社交网络在各个机构领域中产生的影响效果越来越大,它正潜移默化的影响并改变着人们的生活方式、学习方式甚至是成长模式。个性化推荐系统的出现,给用户带来更为人性化的推荐。突破传统推荐单调重复的问题,提升推荐的多样性和新颖性。通过多维度挖掘用户长短兴趣画像,可以精准把脉用户需求并多