SDN和MEC架構(gòu)下V2X收費問題

石珩臻

【摘要】? ? 針對V2X的收費問題，構(gòu)建了一種結(jié)合SDN和MEC的架構(gòu);對基于SDN和MEC架構(gòu)的V2X收費問題進行建模;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)有計算資源;進行基于價格策略和危險感知卸載問題的聯(lián)合優(yōu)化。可證明，最佳反應動態(tài)問題的解可趨于純納什均衡。

【關(guān)鍵詞】? ? 邊緣計算? ? V2X? ? 收費

引言

車聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展目前正處于市場爆發(fā)前的戰(zhàn)略機遇期，并且在疫情之下仍在逆勢生長。車聯(lián)網(wǎng)需要多項技術(shù)協(xié)同實現(xiàn)，V2X就是其中的一項關(guān)鍵技術(shù)。通過V2X，可以實現(xiàn)車輛與車輛的通信V2V，車輛與基礎設施的通信V2I，車輛與行人的通信V2P以及車輛與網(wǎng)絡/云平臺的通信V2N/V2C。V2X涉及到計算資源的使用;服務提供商需要考慮的問題就包括：如何為消費者提供低時延的業(yè)務以及如何制定合理的定價策略。

文獻[1]提出用Stackelberg博弈建模計算任務卸載分配的問題;對于某一單位負荷執(zhí)行費用p，在迭代優(yōu)化的過程中調(diào)整更新獎勵政策r;求解出開銷函數(shù)V的最大值。文獻[2]利用基于動態(tài)負載指標權(quán)重的負載均衡算法，解決車聯(lián)網(wǎng)中邊緣服務器負載不均衡，資源利用率低等問題;提升了負載均衡性，縮短了業(yè)務完成時間。文獻[3]引入了軟件定義車載網(wǎng)絡，設計了任務卸載優(yōu)先級機制算法;對時延和能耗進行了優(yōu)化。然而，上述文獻并未進行危險感知-考慮卸載失敗的情況。為此，本文聯(lián)合考慮收費和危險感知。

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)絡服務架構(gòu);在該架構(gòu)中，所有客戶競爭基站的有限通信帶寬;在不斷地系統(tǒng)擴展中，會遇到瓶頸。而基于SDN架構(gòu)，車聯(lián)網(wǎng)可從全局的角度對網(wǎng)絡進行靈活的配置;減少基站帶寬的競爭，加快網(wǎng)絡業(yè)務部署的進程。

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。

在此基礎上引入MEC，可將原本需上傳到云端的任務卸載到邊緣，降低時延。基于SDN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)絡控制區(qū)域，應用區(qū)域這三層。首先，在用戶數(shù)據(jù)區(qū)域，路邊設有RSU;每個RSU配一個MEC服務器，根據(jù)實際需求，車輛可以通過V2I將數(shù)據(jù)卸載到MEC服務器或者通過V2V將數(shù)據(jù)卸載到相鄰車輛;同時在網(wǎng)絡控制區(qū)域部署SDN控制器，集成了多種網(wǎng)絡協(xié)議和標準，比如車載網(wǎng)絡，物聯(lián)網(wǎng)網(wǎng)絡，可使用SDN控制器靈活管理網(wǎng)絡資源;最后在應用區(qū)域，進行與車聯(lián)網(wǎng)有關(guān)的各種應用的實現(xiàn)。

二、基于計算資源的V2X收費

2.1 問題描述

V2X場景下涉及到自動駕駛車輛對邊緣服務器上計算，存儲，網(wǎng)絡資源的使用;本文僅考慮基于計算資源的V2X收費。

基于計算資源的V2X定價分為四類;分別是包月定價，基于流量的定價，基于時間尺度的定價，基于參數(shù)的定價機制[4]。為了發(fā)揮以價格做杠桿調(diào)節(jié)不同V2X業(yè)務請求與MEC資源的供求關(guān)系，本文選擇按照流量進行收費。

當按照流量進行收費時，計算卸載是不得不考慮的問題。通常來說，計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個部分。更具體的來說，價格的杠桿作用體現(xiàn)在：卸載決策時確定計算任務是否卸載到MEC服務器;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的計算任務輸入數(shù)據(jù)的大小;dn是為了完成計算任務需要的CPU周期;是卸載到MEC服務器的數(shù)據(jù)大小;fn是本地用戶設備n的計算能力;γn是本地每個CPU周期所消耗的能量;c是MEC服務器對于每個用戶的常數(shù)價格因子;αn、βn是用戶對增益和衰減的敏感度;為了簡化問題，本文假設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;因為期望理論實體已經(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，再通過最佳動態(tài)響應算法迭代收斂到PNE，最后求出純納什均衡點的非協(xié)作機制;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PNE點，用到了子模對策。當下列條件成立時，非協(xié)作機制是子模對策：

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

結(jié)論1：對于，非協(xié)作機制是子模對策，且至少有一個純納什均衡點。

因此，非協(xié)作機制是子模型。因此，非協(xié)作機制，有至少一個純納什均衡點。

在最符合用戶期望的計算卸載確定后，也就易于確定如何對用戶n進行收費。一般來說，當卸載策略確定后;越大，dn越大;收費也越高。當運營商在用戶數(shù)與收益之間進行權(quán)衡后，需要對每個用戶的常數(shù)價格因子進行調(diào)整。

通常來說，當運營商側(cè)重于用戶數(shù)時，可以調(diào)低價格因子;以此來吸引更多的用戶。當運營商側(cè)重于收益時，以最大化收益為目標動態(tài)調(diào)整價格因子;利用有限的計算資源創(chuàng)造最大的收益。

當價格因子較低時，MEC服務器被過度利用;價格策略就沒有那么的嚴格。相應地，錯誤概率就較高;這就導致了期望理論實體并不高。隨著價格因子繼續(xù)增大，錯誤概率開始降低;期望理論實體隨之增高。但是，當價格因子不斷增加時，用戶傾向于減少計算卸載到邊緣MEC的數(shù)量。期望理論實體也就隨之降低。

綜上，就可以進行SDN和MEC架構(gòu)下的V2X收費;從用戶的角度看，這種收費是在盡可能滿足用戶對時延和處理能耗的要求前提下進行的;從電信運營商以及MEC系統(tǒng)運營商的角度看，這種收費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)中復雜的網(wǎng)絡結(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，可從全局的角度對網(wǎng)絡進行靈活的配置;減少基站帶寬的競爭，加快網(wǎng)絡業(yè)務部署的進程。通過引入MEC，可將原本需上傳到云端的任務卸載到邊緣，降低時延。

在此基礎上，本文提出了一種基于計算資源的V2X收費，為了尋求最優(yōu)卸載策略，通過最佳動態(tài)響應算法迭代收斂到PNE。結(jié)果表明，期望理論實體最大值問題中至少存在一個PNE點;V2X收費問題至少存在一個最優(yōu)解。

參? 考? 文? 獻

[1]郭劍嵐， 陳俞強. 基于Stackelberg博弈的車載云計算任務卸載優(yōu)化[J]. 計算機應用研究， 2019， 036（012）：3752-3755，3784.

[2]林峰，段建嵐，李傳偉，蔣建春.C-V2X邊緣服務器的動態(tài)負載均衡算法研究[J/OL].計算機工程：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)絡與移動邊緣計算的卸載策略[J]. 電子與信息學報， 2020， 42（3）.

[4]王朋. 移動邊緣計算資源分配算法研究[D]. 2020.