面向视频分析任务的边缘云资源分配策略.pdfVIP

ELECTRICPOWERICT

中图分类号：TP391文献标志码：A文章编号：2095-641X(2022)01-043-08DOI：10.16543/j.2095-641x.electric.power.ict.2022.01.006

著录格式：方泉，夏飞，宋浒，等．面向视频分析任务的边缘云资源分配策略[J]．电力信息与通信技术，2022，20(1)：43-50．

面向视频分析任务的边缘云资源

分配策略

1112

方泉，夏飞，宋浒，吉明涛

（1.国网江苏省电力有限公司信息通信分公司，江苏南京210024；2.南京大学计算机科学与技术系，江苏南京210023）

EdgeCloudResourceAllocationStrategyforVideoAnalysisTask

1112

FANGQuan,XIAFei,SONGHu,JIMingtao

(1.InformationTelecommunicationBranch,StateGridJiangsuElectricPowerCo.,Ltd.,Nanjing210024,China;

2.DepartmentofComputerScienceandTechnology,NanjingUniversity,Nanjing210023,China)

摘要：为保证电力物联网视频分析类业务的实时性，业界通常将基于神经网络的智能应用部署于边

缘设备。由于电力物联网边缘设备资源有限，当系统中存在多个视频分析任务时，需合理分配资源，

以期在满足输出精度的要求下尽可能降低任务处理时延。文章深入分析了视频分析任务在电力物联

网中的运行特征，考虑了任务之间的依赖，探究了输出精度与时延的关系。引入李雅普诺夫优化框电

架，为视频分析构建一系列相互关联的在线决策问题，并设计了基于交叉熵的资源分配策略，使得在力

物

系统长期运行过程中，任务处理的总体完成时延近似于最佳。实验结果表明，与通用调度方法相比，联

文章提出的资源配置策略能够将性能提高40%。网

关键词：边缘视频分析；李雅普诺夫优化；交叉熵；电力物联网

Abstract:Toensurethereal-timeofvideoanalysistaskinpowerInternetofthings(PIoT),theindustry

usuallydeploysintelligentapplicationsbasedonneuralnetworkstoedgedevices.However,dueto

limitedresourcesonedgedevices,itisnecessarytoallocatetheresourcestomultiplevideosanalysis

tasks,inordertoreducetheprocessinglatencyasmuchaspossiblewhilemeetingtheou