具有隱私保護(hù)的車聯(lián)網(wǎng)邊緣計算任務(wù)卸載資源分配策略

王艷閣，奚建清

(1.鄭州經(jīng)貿(mào)學(xué)院 計算機(jī)與人工智能學(xué)院，河南 鄭州 451191； 2.華南理工大學(xué) 軟件學(xué)院，廣東 廣州 510640)

0 引 言

近年來移動互聯(lián)網(wǎng)迅速崛起，加之通信技術(shù)迭代更新速度不斷加快使得萬物互聯(lián)成為了熱點[1]，物互聯(lián)的體驗感與網(wǎng)絡(luò)性能有著直接關(guān)系[2]。雖然無線設(shè)備(wireless devices，WDs)的CPU計算能力越來越強(qiáng)大，但是要在短時間內(nèi)完成這些復(fù)雜應(yīng)用的數(shù)據(jù)處理仍然是不可能的[3,4]。此外，在本地進(jìn)行數(shù)據(jù)處理也面臨著高能耗的問題[5,6]。為了克服這些難題，有些學(xué)者嘗試建立了移動邊緣計算(mobile edge computing，MEC)技術(shù)并且得到了廣泛關(guān)注[7-10]。

車聯(lián)網(wǎng)作為萬物互聯(lián)網(wǎng)中最為典型的一種應(yīng)用方式，對于計算要求也相對更高，合理地在移動邊緣計算側(cè)對車聯(lián)網(wǎng)進(jìn)行資源管理，可有效實現(xiàn)高效可靠的車聯(lián)網(wǎng)最優(yōu)運(yùn)行[11,12]。文獻(xiàn)[13]針對車聯(lián)網(wǎng)邊緣計算資源優(yōu)化問題的非凸性和NP難性，設(shè)計了一種啟發(fā)式算法——容錯粒子群優(yōu)化算法，用于求解具有時延約束的可靠性最大化問題。文獻(xiàn)[14]提出了一種混合多跳邊緣計算卸載算法，重點研究了最優(yōu)多跳邊緣計算卸載方法。此外，還建立了一個多跳卸載開銷模型來評估性能。文獻(xiàn)[15]研究了一個支持邊緣計算的云計算中心IOV框架，旨在提高車輛的服務(wù)質(zhì)量?；谙伻簝?yōu)化算法(ant colony optimization，ACO)，提出了一種聯(lián)合卸載選擇策略和計算資源分配策略的優(yōu)化方法。文獻(xiàn)[16]提出了一種僅依賴于車對車(vehicle-to-vehicle，V2V)通信的任務(wù)卸載方案。文獻(xiàn)[17]提出基于遺傳算法的卸載策略(GAOS)。探討使用了遺傳算法中的卸載策略。

上述研究工作只關(guān)注于卸載決策和資源分配的問題，而忽略了無線設(shè)備電池容量有限的問題。無線供能通信網(wǎng)(wireless powered communication network，WPCN)是一種聯(lián)合傳輸?shù)男问?，且實現(xiàn)了無線能量和無線信息在不同時間序列中進(jìn)行傳輸。本文研究了基于時分多址協(xié)議的多用戶無線供能移動邊緣計算系統(tǒng)的能量效率最大化問題，并提出了基于系統(tǒng)時間、能耗、卸載計算能力和本地計算能力多方面的聯(lián)合優(yōu)化方案。本文提出的最優(yōu)化問題的目標(biāo)是實現(xiàn)系統(tǒng)能量效率最大化。最后，本文設(shè)計了一種基于模擬退火算法的優(yōu)化算法來解決上述最優(yōu)化問題。在任務(wù)卸載過程中，本文采用時分多址(time-division multiple-access，TDMA)協(xié)議來協(xié)調(diào)多個車輛的任務(wù)卸載。該方法能夠大大降低與端服務(wù)器的壓力，并且能夠最大程度上的避免數(shù)據(jù)被泄露。

1 系統(tǒng)模型及問題建模

1.1 系統(tǒng)概述

本文針對無線供能移動邊緣計算系統(tǒng)進(jìn)行研究。如圖1所示，該系統(tǒng)包括了3個部分，分別為：移動邊緣計算服務(wù)器、一個單天線的混合接入點和N個單天線的車輛。其中，混合接入點與移動邊緣計算服務(wù)器集成在一起。一方面，混合接入點向所有的車載無線設(shè)備廣播射頻信號，從而對無線設(shè)備進(jìn)行充電。另一方面，移動邊緣計算服務(wù)器通過混合接入點接收車輛端需要卸載的任務(wù)。完成計算任務(wù)后，移動邊緣計算服務(wù)器將計算結(jié)果發(fā)送回車輛。每個車輛中集成了一個射頻-直流轉(zhuǎn)換器和一個可充電電池。車載無線設(shè)備可以通過轉(zhuǎn)換模塊將射頻信號轉(zhuǎn)換為電能，并存儲在電池中。在該系統(tǒng)中，移動邊緣計算服務(wù)器集成了一個混合接入點(hybrid access point，HAP)，使得WP-MEC系統(tǒng)能夠?qū)崿F(xiàn)許多功能，包括混合接入點向所有車輛廣播射頻信號，以及移動邊緣計算服務(wù)器可以通過混合接入點接收到車輛端卸載的任務(wù)。

圖1 基于時分多址協(xié)議的無線供能移動邊緣計算系統(tǒng)

大多數(shù)物聯(lián)網(wǎng)移動智能終端內(nèi)的即時通訊軟件在使用時的數(shù)據(jù)流向如圖2所示，終端A將信號傳輸至終端B，但是信號首先要傳輸至云端服務(wù)器，然后再經(jīng)其轉(zhuǎn)發(fā)進(jìn)而傳輸至B，與此同時云端服務(wù)器還會向A發(fā)送信號已經(jīng)傳輸至B的指令。該機(jī)制中云端服務(wù)器發(fā)揮著十分重要的樞紐作用，盡管能夠保證信號傳輸?shù)姆€(wěn)定性，但是在移動終端快速發(fā)展的今天，云端服務(wù)器的壓力將會呈爆炸式增長，對于計算能力的要求也會越來越高，這必然會導(dǎo)致數(shù)據(jù)風(fēng)險快速增長。

圖2 即時通訊軟件數(shù)據(jù)的流向

針對上述風(fēng)險，本文建立了面向無線能量傳輸和無線信息傳輸?shù)臅r間塊模型。“收集然后傳輸”協(xié)議應(yīng)用于每個時間塊。因此，在該模型中，車輛首先收集能量，然后在每個時間塊中執(zhí)行任務(wù)計算操作。邊緣設(shè)備有兩個功能：一是進(jìn)行數(shù)據(jù)中轉(zhuǎn)；二是對數(shù)據(jù)進(jìn)行加密處理。不僅要對接收的數(shù)據(jù)進(jìn)行加密，對于發(fā)送的數(shù)據(jù)也要進(jìn)行加密，換而言之，邊緣設(shè)備要對經(jīng)過該設(shè)備的所有數(shù)據(jù)都進(jìn)行加密處理，這種方法不僅能夠為云端服務(wù)器減壓，其最大優(yōu)點是能夠保護(hù)數(shù)據(jù)的安全性，防止泄露的發(fā)生。本文使用TΓ表示無線信息傳輸階段，T(1-Γ) 表示無線能量傳輸階段。時間塊T中的無線信息傳輸階段和無線能量傳輸階段需滿足式(1)所示的約束條件

T(1-Γ)+T?！躎

(1)

1.2 計算模型

gi=Ad×(di)-αi∈{1,…,N}

(2)

其中，Ad表示天線增益，α表示路徑損耗指數(shù)，di表示第i個車輛Vi和混合接入點之間的距離。設(shè)vi為第i個車輛Vi的傳輸功率，σ為噪聲功率，W為帶寬。那么，此時可獲得第i個車輛Vi的上行鏈路卸載速率(比特每秒)，如式(3)所示

(3)

根據(jù)式(3)可計算得出第i個車輛Vi的卸載能力，即第i個車輛Vi可卸載的比特數(shù)為

Coff,i=Roff,i×tii∈{1,…,N}

(4)

考慮到移動邊緣計算服務(wù)器的計算能力限制，任務(wù)卸載能力Coff,i也需滿足如下約束

Coff,i≤MCoff

(5)

其中，MCoff代表著移動邊緣計算服務(wù)器處理車輛Vi端卸載任務(wù)時可處理的最大比特數(shù)。那么，此時可獲得車輛Vi進(jìn)行任務(wù)卸載的能耗，如式(6)所示

ECoff,i=(vi×ti)+(cp×ti)i∈{1,…,N}

(6)

其中，vi表示車輛Vi的信號傳輸功率，cp表示數(shù)模轉(zhuǎn)換器的恒常功率值。

由于本地計算操作需要在時間段T內(nèi)進(jìn)行，本文使用lti表示車輛Vi的本地計算時間。其中，lti需滿足一定約束條件，即0

(7)

由于車輛的計算資源是有限的，本文使用MCloc,i表示車輛Vi可以處理的最大比特數(shù)。那么，車輛Vi的本地計算能力Cloc,i需要滿足以下約束條件

Cloc,i≤MCloc,i

(8)

根據(jù)式(7)，車輛Vi本地計算速率可計算為

(9)

本地計算的能耗可以計算為

(10)

其中，li為車輛Vi處理器芯片的能效系數(shù)。

1.3 能量收集和消耗模型

本文假設(shè)所有的信道狀態(tài)信息都是已知的。那么，車輛Vi所獲得的能量就可計算為

(11)

(12)

bti是在時間塊T中，車輛Vi的電池電量水平(即剩余電池電量)。由于車輛需要維持其射頻信號接收和能量轉(zhuǎn)換的基本功能，本文設(shè)定電池電量水平bti≥0。 為了保證車輛Vi能夠連續(xù)工作，車輛Vi進(jìn)行任務(wù)卸載和進(jìn)行任務(wù)本地計算的能耗之和ECloc,i+ECoff,i不能超過車輛Vi收集的能量和車輛Vi電池中剩余的能量之和Ei+bti。 那么，車輛Vi的能耗需滿足以下約束

ECloc,i+ECoff,i≤Eharvest,i+bti

(13)

在此方法中，電池性能主要受兩個方面影響，即電池充電和電池電量水平。因此，本文從這兩個方面來討論電池的性能表現(xiàn)。

(2)電池電量水平：一方面，無線設(shè)備的電池電量水平與無線設(shè)備的能耗成反比關(guān)系。主要原因為，當(dāng)無線信道增益為gi， 且無線設(shè)備收集到的能量Eharvest,i為常數(shù)時，如果無線設(shè)備的能耗ECloc,i+ECoff,i越高，那么車載無線設(shè)備電池的剩余能量越低，即電池電量越低。另一方面，電池電量水平與無線設(shè)備收集到的能量成正比關(guān)系。主要原因為，當(dāng)車載無線設(shè)備的能耗ECloc,i+ECoff,i為常數(shù)時，如果無線設(shè)備收集的能量越多，那么無線設(shè)備的電池積累的能量越多，電池電量就越高。

1.4 問題建模

本文主要研究了能量效率的最大化問題。在針對該最優(yōu)化問題建模時需考慮上行鏈路卸載率、本地計算速率、所有車輛的總能耗以及混合接入點的能耗等多個方面。設(shè)移動邊緣計算服務(wù)器的任務(wù)量占總?cè)蝿?wù)量的比例因子為α， 本地執(zhí)行的任務(wù)量比例因子為β。 基于式(6)、式(10)以及式(12)，無線供能移動邊緣計算系統(tǒng)的總能耗可建模為

(14)

根據(jù)式(3)和式(9)，無線供能移動邊緣計算系統(tǒng)的計算速率為任務(wù)卸載率與本地計算速率之和，可計算為

(15)

最后，基于系統(tǒng)計算速率和系統(tǒng)能耗，本文針對系統(tǒng)最大能效問題進(jìn)行了建模。該最優(yōu)化問題與任務(wù)計算時間分配、車輛的本地計算能力和卸載能力、車輛獲取得到的能量以及能量消耗等多個方面有關(guān)。該系統(tǒng)能效最大化問題可如式(16)和式(17)所示實現(xiàn)問題模型的建立

(16)

(17)

其中，t=[t1,t2,…,tn]，lt=[lt1,lt2,…,ltn]。C1和C2分別是針對本地計算時間和任務(wù)卸載時間的約束條件，C3和C4分別是針對卸載能力和本地計算能力的時間約束條件，C5是針對能量的約束條件。

2 一種系統(tǒng)能量效率最大化算法

由于上述優(yōu)化模型的優(yōu)化目標(biāo)與約束條件之間存在非線性關(guān)系，求解較為困難，故采用模擬退火算法對優(yōu)化模型進(jìn)行求解。

2.1 建立metropolis準(zhǔn)則

(18)

其中，p為接受當(dāng)前解為最優(yōu)解的概率，可表達(dá)為

(19)

式中：φ為玻爾特茲曼常數(shù)。

2.2 算法流程

算法過程如算法1所示。

算法1：模擬退火算法

(1)初始化：高溫Tmax=100、 溫度下限Tmin=1

(2)設(shè)當(dāng)前狀態(tài)處于最高溫，即T(k)=100

(4) 將S1={α1,β1} 賦值給最佳解S*={α*,β*}

(5) 初始化當(dāng)前溫度下的迭代次數(shù)L=100

接受當(dāng)前解為最優(yōu)解，并將S′={α′,β′} 賦值給最佳解S*={α*,β*};

Else

以metropolis準(zhǔn)則中的概率p接受S′={α′,β′} 作為當(dāng)前最優(yōu)解

End if

Ifm=L

End if

Else 返回(6)

(8)T(k+1)≤αT(k)

IfT(k+1)≤Tmin

End if

Else 返回(6)

3 仿真實驗

在這一章中，本文進(jìn)行了仿真模擬實驗，并根據(jù)仿真模擬實驗結(jié)果對本文提出的算法進(jìn)行了性能評估。

3.1 基準(zhǔn)算法和參數(shù)設(shè)置

以下4種算法作為該算法的基準(zhǔn)算法：

(1)全卸載模式：無線設(shè)備只能利用將計算任務(wù)卸載到移動邊緣計算服務(wù)器進(jìn)而完成其計算任務(wù)。

(2)僅本地計算模式：無線設(shè)備僅選擇在本地執(zhí)行任務(wù)計算。

(3)文獻(xiàn)[15]提出的蟻群優(yōu)化算法(ant colony optimization，ACO)，該算法是一種聯(lián)合卸載選擇策略和計算資源分配策略的優(yōu)化方法。

(4)文獻(xiàn)[17]所嘗試的基于遺傳算法中的卸載策略。這種算法就是通過對不同車速需求、不同MEC覆蓋需求等分配不同的優(yōu)先級，再對不同優(yōu)先級設(shè)置相應(yīng)的權(quán)重，該方法經(jīng)驗證效果較好。

本次仿真模擬實驗的系統(tǒng)參數(shù)設(shè)置具體見表1。

表1 系統(tǒng)參數(shù)設(shè)置

3.2 仿真實驗結(jié)果

3.2.1 系統(tǒng)能量效率性能對比

如圖3所示，本文通過改變N的值來研究不同的車輛數(shù)量對系統(tǒng)能量效率的影響。如圖3所示，與全卸載模式、僅本地計算模式相比，所提策略的系統(tǒng)能量效率比上述兩種模式均提高了15%以上。在3種模式中，系統(tǒng)能量效率都隨著N的增加而增加。這是因為N的增加意味著在任務(wù)計算過程中涉及的車輛越多，從而導(dǎo)致系統(tǒng)能量效率的增加。

圖3 不同的車輛數(shù)量對系統(tǒng)能量效率的影響

如圖4所示，本文通過改變tp的值來研究不同的混合接入點傳輸功率tp對系統(tǒng)能量效率的影響。從圖4中可知，與全卸載模式、僅本地計算模式相比，所提策略的系統(tǒng)能量效率比上述兩種模式均提高了20%以上。此外，在3種模式中，系統(tǒng)能量效率都隨著tp的增加而增加。主要原因為，當(dāng)tp越高時，車輛Vi收集到的能量越多，使得車輛有足夠的能量來執(zhí)行任務(wù)計算，從而提高了系統(tǒng)的能量效率。

圖4 不同的混合接入點傳輸功率對系統(tǒng)能量效率的影響

圖5 混合接入點與車輛之間不同的平均距離對系統(tǒng)能量效率的影響

如圖6所示，本文通過改變tp的值來研究了不同的混合接入點傳輸功率tp對平均電池電量的影響。從圖6中可知，所提策略的平均電池電量比全卸載模式、僅本地計算模式的平均電池電量分別高了40%以上。在3種模式中，平均電池電量都隨著tp的增加而增加。這是因為根據(jù)式(3)，當(dāng)tp的值越高時，車輛收集到的能量越多，因此車輛電池中剩余的能量也就越多。

圖6 不同的混合接入點傳輸功率對平均電池電量的影響

如圖7所示，本文通過改變dA的值來研究了混合接入點與車輛之間的平均距離dA對平均電池電量的影響。從圖7中可知，所提策略的平均電池電量比全卸載模式的平均電池電量分別高了20%以上。當(dāng)距離小于7.5 m時，所提策略的平均電池電量比僅本地計算模式高20%以上；而當(dāng)距離大于6.5 m時，鎖頭策略的平均電池電量比僅本地計算模式低10%左右。在3種模式中，平均電池電量都隨著dA的增加而降低。這主要是因為dA的增加使得下行鏈路的能量傳輸信道情況變差。即根據(jù)式(2)和式(3)，距離的增加降低了信道增益gi， 從而使得車輛可獲得的能量減少，最終導(dǎo)致平均電池電量的降低。

圖7 不同的距離對平均電池電量的影響

3.2.2 時延性能對比

圖8描述的是不同車輛數(shù)量下幾種方法的系統(tǒng)平均時延變化情況。可以看到隨著車輛數(shù)量增加，5種方法的系統(tǒng)平均時延都在不斷增大。由于為所提策略在任務(wù)卸載過程中，采用時分多址協(xié)議來協(xié)調(diào)多個車輛的任務(wù)卸載。這種方法不僅緩解了云端服務(wù)器的通信壓力。因此相較于對比方法，所提算法系統(tǒng)時延更低。所提寫略能夠以最優(yōu)的卸載決定和卸載率進(jìn)行任務(wù)卸載，避免了擁塞情況下的額外時延開銷，有效地降低了系統(tǒng)時延。

圖8 不同車輛數(shù)量下的系統(tǒng)平均時延

4 結(jié)束語

提出了一種具有隱私保護(hù)的車聯(lián)網(wǎng)邊緣計算任務(wù)卸載資源分配策略。本文以移動邊緣計算技術(shù)為基礎(chǔ)，研究了基于計算時間分配、能耗、本地計算能力和卸載計算能力多方面的聯(lián)合優(yōu)化問題。此外，為解決這一優(yōu)化問題，提出了一種基于模擬退火算法的最優(yōu)化算法。仿真模擬實驗結(jié)果表明，提出的算法在能量效率方面的表現(xiàn)優(yōu)于其它基準(zhǔn)算法。提出的算法的預(yù)期用途是在無線供能移動邊緣計算系統(tǒng)的實際應(yīng)用場景中提高車輛的計算性能。

今后的研究工作將繼續(xù)從以下幾個方面進(jìn)行：

(1)從更多方面對本文提出的算法進(jìn)行評估。即除了本文使用的評估指標(biāo)(系統(tǒng)能量效率)外，還將增加更多的測試評估指標(biāo)，如能耗和系統(tǒng)吞吐量等。

(2)通過將本文所提出的算法應(yīng)用于實際應(yīng)用場景以測試其實際性能?？梢詫⒂嬎闳蝿?wù)卸載到移動邊緣計算服務(wù)器上進(jìn)行任務(wù)處理，同時智能家居設(shè)備可以收集來自混合接入點的射頻能量。那么，通過以上部署可以將本文所提出的算法集成到這些網(wǎng)絡(luò)設(shè)備中，從而運(yùn)行該系統(tǒng)并測試其實際性能。