Ein energieaware Ansatz für Streamverarbeitung und collaborative Offloading im Internet der Fahrzeuge

Das Internet der Dinge (IoT) stützt sich auf eingebettete Sensoren in pervasive Computing-Geräten, um heterogene Systeme miteinander zu verbinden und intelligente Umgebungen zu ermöglichen. Trotz dieser Fortschritte sieht sich das Internet der Fahrzeuge (IoV) Herausforderungen mit knappen Rechen- und Energieressourcen gegenüber, was zu erhöhten Serviceverzögerungen und Datenübertragungsüberköpfen führt. Instabile Netzwerke und begrenzte lokale Aufgabenverarbeitung verschärfen diese Probleme, insbesondere wenn Fahrzeug-zu-Fahrzeug-Verbindungen ausfallen. Diese Forschung schlägt einen geschichteten Rechenrahmen vor, um Streamverarbeitungsanwendungen durch einen kollaborativen Offloading-Ansatz zu unterstützen. Anstatt sich auf traditionelle Datenretransmissionsmethoden zu verlassen, adressiert unsere Lösung die Retransmissionsprobleme in der Streamverarbeitung durch datenbewusstes Stream-Offloading und eine dynamische Fahrzeugauswahlpolitik. Diese Algorithmen erleichtern das effiziente Datenstreaming unter dynamisch ausgewählten Fahrzeugknoten im IoV. Simulationsexperimente belegen die Wirksamkeit unseres Ansatzes und zeigen eine Effizienzsteigerung von 33,5 % im Vergleich zu traditionellen Methoden. Darüber hinaus zeigt der vorgeschlagene Rahmen Verbesserungen beim Offloading und der Ausführungszeit von Aufgaben, bei der Empfang-Lieferungs-Ausfallrate von Aufgaben und beim Energieverbrauch.