孫宏彬 楊松

摘 要：移動邊緣計算（MEC）和無線傳輸?shù)慕Y合已經成為研究熱點?，F(xiàn)結合物聯(lián)網（IoT）技術和MEC技術，構建了分布式光纖傳感電纜隧道數(shù)據傳輸系統(tǒng)框架。依據此模型提出了一種基于MEC的數(shù)據傳輸技術，根據系統(tǒng)傳輸線傳感器和系統(tǒng)環(huán)境中不斷變化的任務，可以最大程度地減少系統(tǒng)消耗的能量。實驗結果表明，該算法具有良好的效果。

關鍵詞：移動邊緣計算;電纜隧道;物聯(lián)網

0 引言

隨著物聯(lián)網技術的發(fā)展，現(xiàn)有的通信網絡可以收集、傳輸和處理大量的傳感器數(shù)據。面向分布式光纖傳感電纜隧道安裝相應的傳感物聯(lián)網設備[1]，傳輸監(jiān)控系統(tǒng)可以實時監(jiān)測響應設備危害[2]?，F(xiàn)有的分組無線業(yè)務（GPRS）、4G通信方法仍存在很多問題，對于特定的現(xiàn)場環(huán)境，受到通信限制，無法實時檢測設備運行狀態(tài)[3-4]。移動邊緣計算（MEC）是一種新興技術，它將云計算服務擴展到利用移動基站的網絡邊緣[5]，通過使用位于用戶附近網絡邊緣的軟件和硬件平臺，MEC技術可以應用于移動、無線甚至有線場景，從而減少數(shù)據的回程延遲時間，特別適用于傳輸大量數(shù)據[6-7]。

將IoT節(jié)點的計算任務卸載到MEC服務器，高度依賴無線數(shù)據傳輸?shù)乃俣群托省Ｒ恍ρ舆t敏感的節(jié)點在數(shù)據傳輸中有嚴格的時間延遲要求[8]，這就要求MEC服務器能有效管理計算任務所需的無線通信資源和計算資源。大多數(shù)物聯(lián)網節(jié)點能源供應不穩(wěn)定，同時處理的計算任務隨機多樣。

電纜隧道線有幾十公里或更長，跨越不同的氣候區(qū)域，工作環(huán)境極為惡劣。監(jiān)視對象之間的物理空間很大，電源和通信問題突出[9]。目前具有小數(shù)據海量監(jiān)控功能的傳輸線物聯(lián)網應用十分廣泛。隨著電力IoT節(jié)點或傳感器節(jié)點的連接數(shù)量增加，MEC服務器的計算能力和基站的無線通道也在不斷變化。因此，對于泛在電力IoT節(jié)點，邊緣計算多任務的隨機適應無線信道模型有著重要意義。

1 系統(tǒng)模型

傳輸線的IoT架構通過三層架構實現(xiàn)，包括傳輸線層、移動邊緣計算層和云計算層。基于MEC的物聯(lián)網傳感器數(shù)據卸載傳輸線體系結構如圖1所示。傳輸線層包括傳輸線、塔架和各種傳感器。邊緣計算層包括MEC服務器和基站，其中基站負責與傳輸線層的傳感器通信。云計算層包括一個大型服務器集群和一個宏基站，該宏基站接受并處理來自移動邊緣計算服務器的數(shù)據，可以收集通過無線通信的傳感器數(shù)據并將其卸載到MEC服務器，然后MEC通過衛(wèi)星通信或有線通信網絡將海量數(shù)據返回，以解決山區(qū)成為信號盲區(qū)的問題。

2 基于移動邊緣計算的數(shù)據傳輸優(yōu)化方法

定義gn，k（t）為將計算任務轉移給MEC服務器k的傳輸線傳感器n的信道增益。根據香農定理，傳感器n將計算任務卸載到MEC服務器k的上行速率為：

rn（t）=Bklog21+（1）

式中，Pn，k（t）是MEC服務器k到傳感器n的發(fā)射功率;σk 2是復數(shù)高斯白噪聲;Bk是上行鏈路信道傳輸帶寬。

類似地，MEC服務器k將計算任務卸載到云服務器m的速率rk（t）可以寫為：

rk（t）=Bmlog21+（2）

考慮到部分卸載，可以將任務分為任意大小的兩個部分，以在傳感器設備和移動邊緣服務器上并行執(zhí)行。因此，任務的計算模型包括本地執(zhí)行模型和卸載執(zhí)行模型。以下描述以在移動設備n（傳感器n）上執(zhí)行任務k（MEC k）為例。假設移動設備n在時隙t處要執(zhí)行的任務的大小為Sn（t），卸載任務的比率為τn。

對于本地執(zhí)行，移動設備n的CPU時鐘頻率用fn表示。因此，可以通過以下方式獲得本地執(zhí)行的時間消耗：

Tn=（3）

其中，計算周期的能耗取決于芯片結構的有效開關電容，因此本地執(zhí)行的總功耗可寫為：

En（t）=kfn 2Sn（t）（4）

式中，k是芯片結構的有效開關電容。

由于MEC服務器的計算能力比較強，因此將計算任務卸載到MEC服務器的執(zhí)行時間可以忽略不計。根據任務模型的定義，不考慮將結果從MEC傳輸?shù)絺鞲衅髟O備的回程時間。

根據以上假設，執(zhí)行期間MEC服務器的能耗來自無線傳輸，即傳感器設備將數(shù)據卸載到MEC服務器過程中的能耗。計算卸載的比例取決于傳輸功率和信道狀態(tài)。假設傳輸功率和信道狀態(tài)在時隙t內是穩(wěn)定的，忽略MEC服務器的計算時間和輸出結果的回程時間。MEC服務器的執(zhí)行時間等于卸載數(shù)據的傳輸時間，可以寫成：

Tk=（5）

移動設備n在MEC服務器中執(zhí)行時的能耗也是計算卸載時的能耗，可以寫成：

Ek（t）=Pn，k（t）Tk （6）

為了使MEC系統(tǒng)控制區(qū)域中的所有傳感器設備和MEC服務器消耗的能量最小化。當在每個時隙t內將計算任務卸載到MEC服務器時，需要共同調整計算任務卸載的比例和發(fā)射功率的大小。

P1：E（τ，p）=Ek（t）+En（t）（7）

s.t. 0≤τn≤1（8）

0≤Pk，n≤Pmax，0≤Pk，m≤Pmax（9）

Tn≤Tmax，Tk≤Tmax（10）

其中，式（8）表示傳感器任務節(jié)點被卸載到MEC服務器的概率在0～1。式（9）表示傳感器任務節(jié)點n分配的功率不能超過限制要求。式（10）表示對MEC的本地執(zhí)行和卸載不能超過最大延遲限制。

通過結合乘數(shù)交替方向法（ADMM）和非線性分數(shù)編程，給出了能耗最小化算法。首先，將非凸聯(lián)合優(yōu)化問題轉換為凸全局共識問題，可以將其與每個傳感器節(jié)點分離。然后，通過順序求解n個并行子問題，通過交替變化方向來執(zhí)行迭代優(yōu)化。具體算法描述如下：

Step 1：初始參數(shù)：τn，pn，Pmax，Tmax，set k=1，t=1，n=1。

Step 2：重置所有傳感器的卸載速率和功率。

Step 3：set t=1，使用ADMM更新參數(shù)。

Step 4：Update t←t+1，while t≤Tmax to Step 3;

Step 5：Update {t，t}←{n，n};

Step 6：Update n←n+1， while n≤N to Step 3;

Step 7：OUTPUT n，n;

Step 8：Update k←k+1，while k≤K to Step 2。

3 實驗分析

仿真結果用于驗證所提出的方案在功耗最小化目標下共同優(yōu)化卸載速率和傳輸功率的優(yōu)勢，并評估所提出算法的性能。仿真模擬是使用PyOpt的Python編寫的，PyOpt是用于解決非線性約束優(yōu)化問題的Python工具包。

傳輸線和MEC服務器共有3個，即k=3。每條傳輸線上的傳感器數(shù)量為7，即n=7。傳感器總數(shù)為21。最大CPU頻率在1～2 GHz范圍內均勻分布。對于移動邊緣執(zhí)行模型，將噪聲功率設置為σ2=10-9 W，系統(tǒng)帶寬為=1 MHz。將傳輸線上每個傳感器節(jié)點的最大傳輸功率設置為Pmax=2 W。

為了驗證所提算法的性能，分別將所提算法與算法1和算法2進行了比較。Algorithm1僅由本地處理命名的本地處理器處理。僅將算法2卸載到MEC服務器進行處理，僅由MEC處理命名。表1顯示了能耗與任務輸入大小之間的關系。

從表1結果可以看出，無論采用哪種優(yōu)化方法，能耗都隨著任務規(guī)模的增加而增加，但本文提出的聯(lián)合優(yōu)化方案優(yōu)于其他兩種優(yōu)化方案。特別是所提出的算法不僅具有最小的能量消耗，而且在任務更大時具有最低的能量減少速率，這表明所提出的算法具有適應更大計算任務的能力。

4 結語

基于移動邊緣計算的分布式光纖傳感電纜隧道數(shù)據傳輸優(yōu)化是依據IoT技術設計模型，并充分利用MEC來實現(xiàn)傳輸線的智能在線監(jiān)控，提出一種基于MEC的傳輸線能量最小化方法。仿真結果表明，本文所提算法可以有效改善電纜隧道數(shù)據傳輸系統(tǒng)的能耗，并將能耗降到最低，為電纜隧道的安全運行提供了重要保障。

[參考文獻]

[1] 房梁，殷麗華，郭云川，等.基于屬性的訪問控制關鍵技術研究綜述[J].計算機學報，2017，40（7）：1680-1698.

[2] 鄔賀銓.物聯(lián)網的應用與挑戰(zhàn)綜述[J].重慶郵電大學學報（自然科學版），2010（5）：526-531.

[3] 劉建明，趙子巖，季翔.物聯(lián)網技術在電力輸配電系統(tǒng)中的研究與應用[J].物聯(lián)網學報，2018，2（1）：88-102.

[4] 胡致遠，楊炳爐，朱詠梅，等.輸變電設備物聯(lián)網在線監(jiān)測系統(tǒng)通信網絡設計[J].高電壓技術，2015，41（7）：2252-2258.

[5] MAO Y Y，YOU C S，ZHANG J，et al.A survey on mobile edge computing：The communication perspective[J].IEEE Comm-

unications Surveys & Tutorials，2017，19（4）：2322-2358.

[6] KUMAR K，LIU J，LU Y H，et al.A survey of computation of floading for mobile systems[J].Mobile Netw. Appl. 2013，18（1）：129-140.

[7] LIU J，MAO Y Y，ZHANG J，et al.Delay-optimal computation task scheduling for mobile-edge computing systems[C]//2016 IEEE International Symposium on Information Theory （ISIT），2016：1451-1455.

[8] LU J，LUAN W P，LIU R L，et al.Architecture of distrib-

ution internet of things based on widespread sensing & software defined technology[J].Power System Technology，2018，42（10）：3108-3115.

[9] 沈鑫，曹敏，薛武，等.基于物聯(lián)網技術的輸變電設備智能在線監(jiān)測研究及應用[J].南方電網技術，2016，10（1）：32-41.

收稿日期：2019-12-25

作者簡介：孫宏彬（1969—），男，吉林四平人，博士，研究方向：電氣自動化、計算機應用。