文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.181819
中文引用格式： 馬偉，邵彩幸，劉明志. 基于霧計(jì)算的高速公路服務(wù)區(qū)內(nèi)容訪問技術(shù)研究[J].電子技術(shù)應(yīng)用，2018，44(12)：101-105，110.
英文引用格式： Ma Wei，Shao Caixing，Liu Mingzhi，et al. Study on content access of fog computing in highway service area[J]. Application of Electronic Technique，2018，44(12)：101-105，110.
0 引言
車聯(lián)網(wǎng)(Vehicle Ad Hoc Networks，VANETs)為車輛之間的內(nèi)容訪問提供網(wǎng)絡(luò)連接和基本通信支持[1]。現(xiàn)今VANETs主要研究在分布有路邊單元(Road Side Unit，RSU)和大量通信基礎(chǔ)設(shè)施的城市，在高速公路上的研究相對(duì)較少。高速公路上的車輛分布稀疏，車輛連通性降低[2]。在車與車(Vehicle to Vehicle，V2V)模式下，通信質(zhì)量差，內(nèi)容訪問困難。因此，有必要研究高速公路上的車輛交通和內(nèi)容訪問。
高速公路上的VAENT具有高速、低密度和高度動(dòng)態(tài)網(wǎng)絡(luò)拓?fù)涞奶卣鳌Ｔ诟咚俟飞显L問感興趣的內(nèi)容和關(guān)于目的地的信息較難。VANET計(jì)算和通信能力[3]會(huì)遇到瓶頸，而云計(jì)算可以彌補(bǔ)計(jì)算能力的不足。OLARIU S提出了一個(gè)車輛云系統(tǒng)，這些獨(dú)立車輛可以將計(jì)算和通信任務(wù)分配給經(jīng)過認(rèn)證的節(jié)點(diǎn)[4]，提高服務(wù)質(zhì)量(Quality of Service，QoS)。文獻(xiàn)[5]提出了高速公路上車輛通信的合作下載機(jī)制。然而，高速公路RSU的分布很稀疏，云服務(wù)造成了大量的傳輸延遲。為降低傳輸延遲，霧計(jì)算通過本地化的轉(zhuǎn)發(fā)，滿足本地需求，如減輕云服務(wù)的負(fù)擔(dān)以及分析實(shí)時(shí)數(shù)據(jù)流等[6]。任何能夠存儲(chǔ)數(shù)據(jù)、計(jì)算和網(wǎng)絡(luò)連接的設(shè)備都可以成為霧設(shè)備，包括移動(dòng)車輛和道路基礎(chǔ)設(shè)施。
霧計(jì)算逐漸成為分布式計(jì)算存儲(chǔ)的新角色[7]。然而，雖然計(jì)算在網(wǎng)絡(luò)邊緣被卸載，但所有車輛要求霧計(jì)算時(shí)必然會(huì)造成大量延遲。在文獻(xiàn)[8]中，基于霧服務(wù)的資源分配和終端的體驗(yàn)質(zhì)量(Quality of Experience，QoE)來評(píng)估通信的QoS。
內(nèi)容訪問是VANET應(yīng)用的重要組成部分。而在高速公路上，車輛在地理上分散，內(nèi)容緩存對(duì)于V2V之間的訪問尤為重要。與云計(jì)算相比，霧計(jì)算可以保證本地快速轉(zhuǎn)發(fā)。在文獻(xiàn)[9]中，通過停放的車輛和行駛緩慢的車輛作為通信基礎(chǔ)設(shè)施，將這些個(gè)體整合到信息資源池中可以實(shí)現(xiàn)低延遲的通信和計(jì)算。
本文以高速公路服務(wù)區(qū)為研究對(duì)象，將霧計(jì)算與云計(jì)算相結(jié)合，實(shí)現(xiàn)高速公路的內(nèi)容訪問。接下來本文利用霧計(jì)算卸載計(jì)算任務(wù)到本地來實(shí)現(xiàn)低延遲服務(wù)。通過霧計(jì)算和云計(jì)算協(xié)作降低高速公路服務(wù)區(qū)內(nèi)容訪問的系統(tǒng)延遲，本文將系統(tǒng)劃分為霧計(jì)算優(yōu)化和云計(jì)算優(yōu)化。在云計(jì)算優(yōu)化時(shí)創(chuàng)新性地使用外部近似法(Outer Approximation，OA)優(yōu)化云服務(wù)延遲，從而降低系統(tǒng)延遲。
1 高速公路服務(wù)區(qū)內(nèi)容訪問模型
本文提出了一種基于霧計(jì)算的高速公路服務(wù)區(qū)內(nèi)容訪問的模型。在本文提出的模型中，高速公路服務(wù)區(qū)匯集所有閑置資源并將計(jì)算卸載到本地車輛。它作為信息接入點(diǎn)，為高速公路上的司機(jī)提供內(nèi)容訪問。
如圖1所示，該模型將公路服務(wù)區(qū)內(nèi)的停放車輛和行駛緩慢的車輛作為通信基礎(chǔ)設(shè)施。進(jìn)入服務(wù)區(qū)的車輛既是訪問內(nèi)容的終端節(jié)點(diǎn)，也是承擔(dān)數(shù)據(jù)轉(zhuǎn)發(fā)和計(jì)算任務(wù)的霧設(shè)備。車輛通過霧計(jì)算來執(zhí)行數(shù)據(jù)本地轉(zhuǎn)發(fā)和通信中繼的任務(wù)。霧設(shè)備根據(jù)收集的信息，將車輛分布到不同的類別中，如圖1中A、B和C所示，其中A為優(yōu)先級(jí)最高的安全消息，B為道路和交通信息，C為娛樂信息。
霧計(jì)算本地化和實(shí)時(shí)響應(yīng)的屬性允許這些霧設(shè)備的車輛具有相當(dāng)大的計(jì)算和通信能力，彌補(bǔ)了分布稀缺的RSU和云服務(wù)較高的負(fù)載本地化的不足。當(dāng)并發(fā)流量很大時(shí)，霧設(shè)備請(qǐng)求遠(yuǎn)程云服務(wù)提供計(jì)算支持。通過高速公路上的服務(wù)區(qū)和進(jìn)入服務(wù)區(qū)的車輛可以訪問感興趣的內(nèi)容。為了保證訪問內(nèi)容的QoS，本文分析了霧與云之間的通信模型，并優(yōu)化了系統(tǒng)通信延遲和能量消耗之間的關(guān)系。
2 系統(tǒng)通信延遲優(yōu)化
2.1 霧-云通信模型
為了研究由霧與云通信過程引起的延遲和功耗，本文建立了高速公路服務(wù)區(qū)內(nèi)容訪問的霧—云通信模型。如圖2所示，高速公路上的車輛可以作為終端節(jié)點(diǎn)發(fā)送數(shù)據(jù)請(qǐng)求。車輛進(jìn)入服務(wù)區(qū)或者經(jīng)過服務(wù)區(qū)時(shí)可以訪問內(nèi)容。服務(wù)區(qū)內(nèi)停泊的車輛和行駛緩慢的車輛充當(dāng)霧設(shè)備，這些請(qǐng)求被發(fā)送到霧設(shè)備上。利用閑置資源進(jìn)行本地化的低延遲計(jì)算共享信息以及其他服務(wù)。當(dāng)并發(fā)處理能力不足或無法獲得感興趣的內(nèi)容時(shí)，霧設(shè)備訪問云服務(wù)器尋求幫助。服務(wù)區(qū)資源池同時(shí)執(zhí)行霧計(jì)算和云計(jì)算。這個(gè)由三部分組成的系統(tǒng)將面臨能量消耗和延遲權(quán)衡的問題。
本文將考慮系統(tǒng)之間的功耗和通信延遲，并改進(jìn)現(xiàn)有方法中實(shí)現(xiàn)低延遲通信的方法。本文將以公式的形式來量化通信模型，并且在優(yōu)化模型階段使用OA算法來優(yōu)化云能量消耗和通信延遲。
由于霧設(shè)備分布較廣且每臺(tái)霧設(shè)備性能有差異，在此使用α、P分別表示霧設(shè)備、霧設(shè)備的數(shù)目，i作為霧設(shè)備字母的下標(biāo)。同時(shí)，利用β、Q表示云服務(wù)器、云服務(wù)器的數(shù)目，j作為云服務(wù)器字母的下標(biāo)。霧設(shè)備在工作時(shí)，受限于自身性能，需要著重考慮計(jì)算所帶來的能量消耗。并且當(dāng)并發(fā)訪問量增大時(shí)，伴隨著能量消耗的提升。為不失一般性，本文通過
表達(dá)每個(gè)霧設(shè)備i的能量消耗，wi表示第i個(gè)霧設(shè)備工作分配量，單位為request/s，ai、bi、ci為常數(shù)：
2.2 優(yōu)化能量和延遲
霧計(jì)算具有降低本地延遲，為用戶提供高質(zhì)量的內(nèi)容訪問和服務(wù)速率的特性。本文對(duì)霧計(jì)算參與的系統(tǒng)優(yōu)化能量和延遲，研究考慮了在保證終端要求的時(shí)延限制同時(shí)最小化霧計(jì)算系統(tǒng)的能量消耗問題，需要最小化霧設(shè)備和云服務(wù)器產(chǎn)生的能量消耗，即：
接下來解決霧設(shè)備能量消耗和計(jì)算延遲的權(quán)衡問題1和云服務(wù)器的能量消耗和通信延遲的權(quán)衡問題2。
問題1為霧設(shè)備的能量消耗和通信延遲，ηi為能量消耗和計(jì)算延遲的權(quán)重。
問題2為云服務(wù)器的能量消耗和通信延遲，f是連續(xù)變量，n、c是整型變量。為得到最優(yōu)的結(jié)果，本文將使用OA算法連續(xù)迭代上下界的形式，一旦得出最優(yōu)的f′和n′，就能得出最優(yōu)c′，以及霧和云服務(wù)器能量消耗的限制函數(shù)。用F表示目標(biāo)函數(shù)、G(c)和H(c，f，n)表示限制條件，有：
問題1是一個(gè)線性限制的凸函數(shù)問題，為求函數(shù)最小值，求得最優(yōu)解，這個(gè)問題可由內(nèi)點(diǎn)法來解決，來得出霧設(shè)備上的能量消耗和產(chǎn)生延遲的最優(yōu)方案。
問題2是云服務(wù)上能量消耗和延遲的權(quán)衡的子問題，它是一個(gè)MINLP問題。由于問題中同時(shí)含有連續(xù)變量和離散變量，本文中利用OA算法來最優(yōu)化此問題，將MINLP分解為NLP和MILP來分別求解。
首先，OA算法將NLP問題分解為NLP1和NLP2。定義初始點(diǎn)f0和n0，有目標(biāo)函數(shù)：
外部近似得到最小的目標(biāo)函數(shù)Fk及限制函數(shù)Hk，引入變量為η，將非線性函數(shù)的線性化轉(zhuǎn)化到約束中，條件形式為：
其中，Hj為滿足不等式約束的限制函數(shù)。
之后，在MATLAB中通過函數(shù)FMINCON來優(yōu)化限制通信延遲的問題2。
3 仿真結(jié)果分析
在本節(jié)將介紹高速公路服務(wù)區(qū)車輛通信過程中的霧能量消耗和通信延遲的仿真結(jié)果。仿真在MATLAB R2014中利用OA算法來優(yōu)化云服務(wù)的延遲。
從圖3中可以看出，霧設(shè)備請(qǐng)求的數(shù)量越多，能量消耗越大，導(dǎo)致通信延遲增加。這是因?yàn)殪F裝置的功耗與自我處理能力呈正相關(guān)。而且進(jìn)程增加導(dǎo)致通信擁擠，延遲增加。
圖4給出了采用優(yōu)化算法后，分配不同工作負(fù)載時(shí)的系統(tǒng)延遲和功耗。可以發(fā)現(xiàn)通過使用OA算法，系統(tǒng)延遲明顯減少。該結(jié)果表明，霧計(jì)算和云計(jì)算相結(jié)合可以有效地減少系統(tǒng)通信的延遲。
4 結(jié)論
本文研究了VANETs中高速公路服務(wù)區(qū)內(nèi)容訪問的霧計(jì)算模型。在該模型中，高速公路服務(wù)區(qū)被用作巨大的信息資源池以實(shí)現(xiàn)內(nèi)容訪問和通信中繼。霧計(jì)算還可以本地化云計(jì)算和RSU的計(jì)算任務(wù)。然后分析了系統(tǒng)通信并公式化系統(tǒng)產(chǎn)生的功耗和通信延遲。本文采用OA算法來優(yōu)化能耗與通信延遲之間的均衡。仿真結(jié)果表明，在系統(tǒng)能耗增加的同時(shí)，霧計(jì)算明顯降低了系統(tǒng)的通信延遲。這項(xiàng)研究可以優(yōu)化訪問高速公路內(nèi)容訪問和中繼通信困難的問題。
參考文獻(xiàn)
[1] WHAIDUZZAMAN M，SOOKHAK M，GANI A，et al.A survey on vehicular cloud computing[J].Journal of Network and Computer Applications，2014，40(1)：325-344.
[2] YOUSEFI S，ALTMAN E，EL-AZOUZI R，et al.Analytical model for connectivity in vehicular ad hoc networks[J].IEEE Transactions on Vehicular Technology，2008，7(6)：3341-3356.
[3] Lei Xiaoying，RHEE S H.A new backoff scheme with collision Detection for IEEE 802.11p vehicular networks[C].IEEE 86th Vehicular Technology Conference(VTC-Fall)，Toronto，Canada，2017：1-5.
[4] ELTOWEISSY M，OLARIU S，YOUNIS M.Towards autonomous vehicular clouds[C].International Conference on Ad Hoc Networks.Springer，Berlin，Heidelberg，2010：1-16.
[5] Wei Zheng，Bai Xiangyu，F(xiàn)eng Yankun.Cooperative download mechanism of vehicle communications on the highway[J].IEEE Access，2015，13(2)：17-19.
[6] KANG K，WANG C，LUO T.Fog computing for vehicular Ad-hoc networks：paradigms, scenarios，and issues[J].Journal of China Universities of Posts & Telecommunications，2016，23(2)：56-65.
[7] MAYER R，GUPTA H，SAUREZ E，et al.FogStore：toward a distributed data store for fog computing[C].2017 IEEE Fog World Congress(FWC)，Atlanta，GA，USA，2017：1-6.
[8] AAZAM M，ST-HILAIRE M，LUNG C H，et al.MeFoRE：QoE based resource estimation at Fog to enhance QoS in IoT[C].IEEE 23rd International Conference on Telecommunications(ICT)，Thessaloniki，Greece，2016：1-5.
[9] HOU X，LI Y，CHEN M，et al.Vehicular Fog computing：a viewpoint of vehicles as the infrastructures[J].IEEE Transactions on Vehicular Technology，2016，65(6)：3860-3873.
作者信息:
馬 偉1，2，邵彩幸1，2，劉明志1，2
（1.西南民族大學(xué) 計(jì)算機(jī)系統(tǒng)國(guó)家民委重點(diǎn)實(shí)驗(yàn)室，四川 成都610041；
2.西南民族大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，四川 成都610041）