Key points are not available for this paper at this time.
사물인터넷(IoT) 및 5G/6G 기술의 발전에 따라, 지능형 교통 시스템에서 차량 인터넷(IoV) 및 다중접속 엣지 컴퓨팅(MEC)의 응용에 대한 상당한 관심이 모아지고 있습니다. 현재 인터넷에 접속하는 차량 수의 현저한 증가로 인해 일부 자원 제약 차량들이 계산 집약적이고 대기 시간에 민감한 응용 프로그램의 요구를 충족하지 못하는 문제가 부각되었습니다. 계산 자원의 활용을 높이고 차량 사용자에게 고품질 서비스를 제공하기 위해 효율적인 작업 오프로드 전략을 설계하는 데 큰 도전이 있습니다. 본 논문에서는 여러 작업 차량을 위해 이질적인 계산 자원을 제공하고 다양한 유형의 차량 작업에 대한 유연한 오프로드 옵션을 제공할 수 있는 로컬 컴퓨팅, 차량 간(V2V) 컴퓨팅, MEC 컴퓨팅 및 모바일 클라우드 컴퓨팅(MCC)으로 구성된 4계층 컴퓨팅 아키텍처를 제안합니다. 우리는 시스템 비용을 최소화하는 목표 함수로 오프로드 결정 및 자원 할당을 최적화합니다. 비선형 목표 함수와 제약 조건 모두 이진 변수를 포함하고 있어 NP-난해한 특성을 갖습니다. 이 중요한 문제를 해결하기 위해 우리는 이진 변수를 완화하여 비선형 문제를 볼록 문제로 변환하고 근사 최적 솔루션을 제공하기 위한 ADMM(Alternating Direction Method of Multipliers) 기반 다중 차량 작업 오프로드 방안인 AMTOS를 제안합니다. 이후 이진 변수 회복 알고리즘을 사용하여 이진 변수를 복구합니다. 시뮬레이션 결과는 기존 문헌과 비교하여 알고리즘이 시스템 비용을 상당히 줄일 수 있음을 보여줍니다.
Wang et al. (Thu,)는 이 문제를 연구했습니다.