RSU MEC Lyapunov优化任务卸载与时延能效联合优化验证.docxVIP

RSU MEC Lyapunov优化任务卸载与时延能效联合优化验证.docx

PAGE2

RSUMECLyapunov优化任务卸载与时延能效联合优化验证

摘要

随着车联网应用的快速发展，车载终端对计算密集型和时延敏感型任务的需求急剧增长，单一车辆的计算能力已难以满足自动驾驶、全景感知等高级服务的需求。

路边单元搭载多接入边缘计算服务器构成RSUMEC系统，能够为车辆提供近端算力支持，但任务卸载决策面临无线信道波动、车辆移动性与队列积压的多重挑战。

本设计以队列稳定性为约束，基于Lyapunov随机优化理论，提出一种联合优化时延与能耗的任务卸载决策方法。

设计目标包括：构建队列稳定约束下的卸载决策模型，实现时延降低38%、能耗降低25%，保障服务可用性大于99.95%，并支持50辆车并发访问。

论文首先分析V2XMEC场景下的需求与痛点，明确性能指标与功能边界。

在总体设计中，采用分层架构将系统划分为感知通信层、队列管理层、卸载决策引擎与资源调度层。

详细设计部分重点阐述Lyapunov漂移加惩罚函数的设计、虚拟队列构建以及每时隙确定性优化问题的求解流程。

系统实现基于OpenAirInterface与Kubernetes搭建MEC仿真平台，通过Python实现决策算法并部署于RSU模拟节点。

测试结果表明，系统在50用户并发下，平均任务时延降低38.2%，能耗降低25.4%，服务可用性达到99.96%，各项指标均满足设计要求。