石珩臻

【摘要】? ? 針對(duì)V2X的收費(fèi)問題，構(gòu)建了一種結(jié)合SDN和MEC的架構(gòu);對(duì)基于SDN和MEC架構(gòu)的V2X收費(fèi)問題進(jìn)行建模;將前景理論（Prospect Theory）的原理用于數(shù)據(jù)決策過程，采用公共地悲劇理論開發(fā)現(xiàn)有計(jì)算資源;進(jìn)行基于價(jià)格策略和危險(xiǎn)感知卸載問題的聯(lián)合優(yōu)化?？勺C明，最佳反應(yīng)動(dòng)態(tài)問題的解可趨于純納什均衡。

【關(guān)鍵詞】? ? 邊緣計(jì)算? ? V2X? ? 收費(fèi)

引言

車聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展目前正處于市場(chǎng)爆發(fā)前的戰(zhàn)略機(jī)遇期，并且在疫情之下仍在逆勢(shì)生長。車聯(lián)網(wǎng)需要多項(xiàng)技術(shù)協(xié)同實(shí)現(xiàn)，V2X就是其中的一項(xiàng)關(guān)鍵技術(shù)。通過V2X，可以實(shí)現(xiàn)車輛與車輛的通信V2V，車輛與基礎(chǔ)設(shè)施的通信V2I，車輛與行人的通信V2P以及車輛與網(wǎng)絡(luò)/云平臺(tái)的通信V2N/V2C。V2X涉及到計(jì)算資源的使用;服務(wù)提供商需要考慮的問題就包括：如何為消費(fèi)者提供低時(shí)延的業(yè)務(wù)以及如何制定合理的定價(jià)策略。

文獻(xiàn)[1]提出用Stackelberg博弈建模計(jì)算任務(wù)卸載分配的問題;對(duì)于某一單位負(fù)荷執(zhí)行費(fèi)用p，在迭代優(yōu)化的過程中調(diào)整更新獎(jiǎng)勵(lì)政策r;求解出開銷函數(shù)V的最大值。文獻(xiàn)[2]利用基于動(dòng)態(tài)負(fù)載指標(biāo)權(quán)重的負(fù)載均衡算法，解決車聯(lián)網(wǎng)中邊緣服務(wù)器負(fù)載不均衡，資源利用率低等問題;提升了負(fù)載均衡性，縮短了業(yè)務(wù)完成時(shí)間。文獻(xiàn)[3]引入了軟件定義車載網(wǎng)絡(luò)，設(shè)計(jì)了任務(wù)卸載優(yōu)先級(jí)機(jī)制算法;對(duì)時(shí)延和能耗進(jìn)行了優(yōu)化。然而，上述文獻(xiàn)并未進(jìn)行危險(xiǎn)感知-考慮卸載失敗的情況。為此，本文聯(lián)合考慮收費(fèi)和危險(xiǎn)感知。

一、SDN、MEC架構(gòu)

傳統(tǒng)的車聯(lián)網(wǎng)架構(gòu)是基于基站的網(wǎng)絡(luò)服務(wù)架構(gòu);在該架構(gòu)中，所有客戶競(jìng)爭(zhēng)基站的有限通信帶寬;在不斷地系統(tǒng)擴(kuò)展中，會(huì)遇到瓶頸。而基于SDN架構(gòu)，車聯(lián)網(wǎng)可從全局的角度對(duì)網(wǎng)絡(luò)進(jìn)行靈活的配置;減少基站帶寬的競(jìng)爭(zhēng)，加快網(wǎng)絡(luò)業(yè)務(wù)部署的進(jìn)程。

在基于SDN的車聯(lián)網(wǎng)架構(gòu)中，控制信息與數(shù)據(jù)流被分解到集中式的基站和分布式的RSU上。其中，較短的控制信息通過V2C方式在基站和SDN控制器中傳遞;在接收到控制信息后，數(shù)據(jù)通過V2I，V2V方式傳輸。

在此基礎(chǔ)上引入MEC，可將原本需上傳到云端的任務(wù)卸載到邊緣，降低時(shí)延?；赟DN的MEC車聯(lián)網(wǎng)總體架構(gòu)如圖1所示。

顯而易見，該架構(gòu)分為用戶數(shù)據(jù)區(qū)域，網(wǎng)絡(luò)控制區(qū)域，應(yīng)用區(qū)域這三層。首先，在用戶數(shù)據(jù)區(qū)域，路邊設(shè)有RSU;每個(gè)RSU配一個(gè)MEC服務(wù)器，根據(jù)實(shí)際需求，車輛可以通過V2I將數(shù)據(jù)卸載到MEC服務(wù)器或者通過V2V將數(shù)據(jù)卸載到相鄰車輛;同時(shí)在網(wǎng)絡(luò)控制區(qū)域部署SDN控制器，集成了多種網(wǎng)絡(luò)協(xié)議和標(biāo)準(zhǔn)，比如車載網(wǎng)絡(luò)，物聯(lián)網(wǎng)網(wǎng)絡(luò)，可使用SDN控制器靈活管理網(wǎng)絡(luò)資源;最后在應(yīng)用區(qū)域，進(jìn)行與車聯(lián)網(wǎng)有關(guān)的各種應(yīng)用的實(shí)現(xiàn)。

二、基于計(jì)算資源的V2X收費(fèi)

2.1 問題描述

V2X場(chǎng)景下涉及到自動(dòng)駕駛車輛對(duì)邊緣服務(wù)器上計(jì)算，存儲(chǔ)，網(wǎng)絡(luò)資源的使用;本文僅考慮基于計(jì)算資源的V2X收費(fèi)。

基于計(jì)算資源的V2X定價(jià)分為四類;分別是包月定價(jià)，基于流量的定價(jià)，基于時(shí)間尺度的定價(jià)，基于參數(shù)的定價(jià)機(jī)制[4]。為了發(fā)揮以價(jià)格做杠桿調(diào)節(jié)不同V2X業(yè)務(wù)請(qǐng)求與MEC資源的供求關(guān)系，本文選擇按照流量進(jìn)行收費(fèi)。

當(dāng)按照流量進(jìn)行收費(fèi)時(shí)，計(jì)算卸載是不得不考慮的問題。通常來說，計(jì)算卸載過程可以分為卸載決策、卸載執(zhí)行和結(jié)果回傳3個(gè)部分。更具體的來說，價(jià)格的杠桿作用體現(xiàn)在：卸載決策時(shí)確定計(jì)算任務(wù)是否卸載到MEC服務(wù)器;以及在確定卸載后，選擇整體開銷最小的卸載路徑。

2.2問題求解

定義bn是用戶n的計(jì)算任務(wù)輸入數(shù)據(jù)的大小;dn是為了完成計(jì)算任務(wù)需要的CPU周期;是卸載到MEC服務(wù)器的數(shù)據(jù)大小;fn是本地用戶設(shè)備n的計(jì)算能力;γn是本地每個(gè)CPU周期所消耗的能量;c是MEC服務(wù)器對(duì)于每個(gè)用戶的常數(shù)價(jià)格因子;αn、βn是用戶對(duì)增益和衰減的敏感度;為了簡化問題，本文假設(shè)αn=βn。

上式中解的物理意義是：在考慮其它用戶卸載策略的情況下;因?yàn)槠谕碚搶?shí)體已經(jīng)無法再增大了;所以沒有用戶傾向于改變其卸載策略。

上式的求解過程是：先使用fminbound方法求出最小值，再通過最佳動(dòng)態(tài)響應(yīng)算法迭代收斂到PNE，最后求出純納什均衡點(diǎn)的非協(xié)作機(jī)制;其中N是用戶集，An=[0，bn]是用戶n的數(shù)據(jù)卸載策略空間。

為了證明在求上述最大值的問題中至少存在一個(gè)PNE點(diǎn)，用到了子模對(duì)策。當(dāng)下列條件成立時(shí)，非協(xié)作機(jī)制是子模對(duì)策：

1、An是緊湊的歐式空間序列;2、在處是平滑的，且在處是非增的。

此外，在子模對(duì)策中，總存在這樣一種外部平衡：最大動(dòng)態(tài)響應(yīng)策略，最小動(dòng)態(tài)響應(yīng)策略。其中，表示用戶n相較于其它用戶的最佳響應(yīng)策略。

結(jié)論1：對(duì)于，非協(xié)作機(jī)制是子模對(duì)策，且至少有一個(gè)純納什均衡點(diǎn)。

因此，非協(xié)作機(jī)制是子模型。因此，非協(xié)作機(jī)制，有至少一個(gè)純納什均衡點(diǎn)。

在最符合用戶期望的計(jì)算卸載確定后，也就易于確定如何對(duì)用戶n進(jìn)行收費(fèi)。一般來說，當(dāng)卸載策略確定后;越大，dn越大;收費(fèi)也越高。當(dāng)運(yùn)營商在用戶數(shù)與收益之間進(jìn)行權(quán)衡后，需要對(duì)每個(gè)用戶的常數(shù)價(jià)格因子進(jìn)行調(diào)整。

通常來說，當(dāng)運(yùn)營商側(cè)重于用戶數(shù)時(shí)，可以調(diào)低價(jià)格因子;以此來吸引更多的用戶。當(dāng)運(yùn)營商側(cè)重于收益時(shí)，以最大化收益為目標(biāo)動(dòng)態(tài)調(diào)整價(jià)格因子;利用有限的計(jì)算資源創(chuàng)造最大的收益。

當(dāng)價(jià)格因子較低時(shí)，MEC服務(wù)器被過度利用;價(jià)格策略就沒有那么的嚴(yán)格。相應(yīng)地，錯(cuò)誤概率就較高;這就導(dǎo)致了期望理論實(shí)體并不高。隨著價(jià)格因子繼續(xù)增大，錯(cuò)誤概率開始降低;期望理論實(shí)體隨之增高。但是，當(dāng)價(jià)格因子不斷增加時(shí)，用戶傾向于減少計(jì)算卸載到邊緣MEC的數(shù)量。期望理論實(shí)體也就隨之降低。

綜上，就可以進(jìn)行SDN和MEC架構(gòu)下的V2X收費(fèi);從用戶的角度看，這種收費(fèi)是在盡可能滿足用戶對(duì)時(shí)延和處理能耗的要求前提下進(jìn)行的;從電信運(yùn)營商以及MEC系統(tǒng)運(yùn)營商的角度看，這種收費(fèi)也是滿足收益最大化的。

三、結(jié)束語

本文通過考慮車聯(lián)網(wǎng)中復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)建了一種基于SDN的MEC車聯(lián)網(wǎng)架構(gòu)。通過引入SDN控制器，可從全局的角度對(duì)網(wǎng)絡(luò)進(jìn)行靈活的配置;減少基站帶寬的競(jìng)爭(zhēng)，加快網(wǎng)絡(luò)業(yè)務(wù)部署的進(jìn)程。通過引入MEC，可將原本需上傳到云端的任務(wù)卸載到邊緣，降低時(shí)延。

在此基礎(chǔ)上，本文提出了一種基于計(jì)算資源的V2X收費(fèi)，為了尋求最優(yōu)卸載策略，通過最佳動(dòng)態(tài)響應(yīng)算法迭代收斂到PNE。結(jié)果表明，期望理論實(shí)體最大值問題中至少存在一個(gè)PNE點(diǎn);V2X收費(fèi)問題至少存在一個(gè)最優(yōu)解。

參? 考? 文? 獻(xiàn)

[1]郭劍嵐， 陳俞強(qiáng). 基于Stackelberg博弈的車載云計(jì)算任務(wù)卸載優(yōu)化[J]. 計(jì)算機(jī)應(yīng)用研究， 2019， 036（012）：3752-3755，3784.

[2]林峰，段建嵐，李傳偉，蔣建春.C-V2X邊緣服務(wù)器的動(dòng)態(tài)負(fù)載均衡算法研究[J/OL].計(jì)算機(jī)工程：1-11[2020-11-19]

[3]張海波， 荊昆侖， 劉開健， et al. 車聯(lián)網(wǎng)中一種基于軟件定義網(wǎng)絡(luò)與移動(dòng)邊緣計(jì)算的卸載策略[J]. 電子與信息學(xué)報(bào)， 2020， 42（3）.

[4]王朋. 移動(dòng)邊緣計(jì)算資源分配算法研究[D]. 2020.