.png){kind=icon}
返回
Task migration with deadlines using machine learning-based dwell time prediction in vehicular micro clouds
.png){kind=icon}
OA
AI
DOI：10.1016/j.hcc.2025.100314.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
边缘计算在车载网络中正变得越来越重要，用于卸载计算密集型任务。在此背景下，提出了车载微云（VMCs）的概念，旨在利用附近车辆的计算和存储资源来完成计算任务。由于该应用领域中许多任务具有时间关键性，卸载到云端是不可行的。此外，必须处理任务截止时间。本文解决了两个主要挑战。首先，我们提出了一种支持截止时间的车载边缘计算任务迁移算法。该算法遵循最早截止时间优先模型，但在存在动态处理资源的情况下，即车辆加入和离开VMC时。这种任务卸载对VMC中车辆的移动性非常敏感，即所谓的车辆在VMC中停留的时间。因此，其次，我们提出了一种基于机器学习的解决方案用于停留时间预测。我们的停留时间预测模型使用随机森林方法来估计车辆将在VMC中停留的时间。我们的方法使用人工简单交叉场景的移动轨迹以及卢森堡和名古屋城市中的真实城市交通数据进行评估。我们提出的方法能够在动态车载条件下实现低延迟和低失败率的任务迁移，推动了车载边缘计算领域的最新进展。
Keyword:
Edge computing
Vehicular micro cloud
Task migration
Task offloading
Dwell time prediction
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
H
IF:
3
论文数:
248
被引数:
407
机构
引用论文
Task Offloading and Serving Handover of Vehicular Edge Computing Networks Based on Trajectory Prediction.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏V2V Task Offloading Algorithm with LSTM-based Spatiotemporal Trajectory Prediction Model in SVCNs
PREAI
分享收藏Joint Task Offloading and Resource Allocation for Multi-Server Mobile-Edge Computing Networks多服务器移动边缘计算网络的联合任务卸载和资源分配OAAI
OAAI分享收藏Delay Constrained Hybrid Task Offloading of Internet of Vehicle: A Deep Reinforcement Learning Method基于延迟约束的车联网混合任务卸载: 一种深度强化学习方法IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容