Trajectory-aware predictive handover framework for task offloading in vehicular networks

doi:10.1016/j.adhoc.2026.104340

Trajectory-aware predictive handover framework for task offloading in vehicular networks

2026-07-01

0

PRE

AI

DOI：10.1016/j.adhoc.2026.104340

原文链接

原文求助

摘要

En 中文

基于多智能体的预测性切换（MAPHO）框架，用于优化车联网边缘计算（VEC）网络中的任务卸载和切换决策，该框架通过为每辆车建模为自主智能体，基于局部观测学习去中心化策略，在不可预测的网络和移动条件下（如低信号强度、服务中断、带宽拥塞）平衡能效与无缝连接。MAPHO框架整合了以下组件：基于LightGBM机器学习的移动性预测，实现前瞻性决策；模糊逻辑系统评估上下文感知的切换紧急性，以减少不必要的路侧单元（RSU）切换；负载感知的RSU选择机制，平衡资源分配并防止过载。大量实验结果表明，MAPHO在减少平均延迟15.6%、平均能耗10.8%、平均完成时间18%和切换率21%方面显著优于基线模型，同时最大化奖励，提供稳定且公平的任务卸载分配。

Keyword:

Vehicular edge computing

Handover

Task offloading

Multi-agent learning

Trajectory prediction

Trajectory-aware predictive handover framework for task offloading in vehicular networks

摘要

期刊

机构

引用论文