RSU边缘计算Lyapunov优化任务卸载与时延能效联合优化.docxVIP

PAGE2

RSU边缘计算Lyapunov优化任务卸载与时延能效联合优化

摘要

随着车联网（V2X）业务的快速发展，路侧单元（RSU）边缘计算网络面临海量任务处理的挑战。传统任务卸载方案往往忽视系统长期运行的队列稳定性，导致局部拥塞与时延能耗失衡。本课题针对V2XMEC场景，提出基于Lyapunov优化的任务卸载与时延能效联合优化方案。

核心设计引入虚拟队列机制，将队列稳定性约束转化为可求解的漂移加惩罚项最小化问题，动态平衡系统吞吐与能耗开销。通过需求分析明确时延降低35%、能耗降低22%及服务可用性大于99.9%的核心指标，进而完成系统总体架构与模块划分。

详细设计阶段推导了Lyapunov卸载决策算法与队列控制逻辑，实现边缘资源的自适应调度。系统实现采用Python与SimPy仿真平台，构建高并发V2X任务流模型。测试结果表明，本设计在保障队列稳定的前提下，各项性能指标均达到预期目标，有效提升了V2X边缘计算的服务质量与资源利用率。

第一章绪论

1.1研究背景

在智能交通系统演进中，车联网（V2X）成为实现车辆协同感知与自动驾驶的关键技术。随着自动驾驶等级提升，车辆产生的计算任务规模呈指数级增长，涵盖高精度地图更新、实时路况融合与碰撞预警等低时延业务。

这些业务对计算响应时间与网络可靠性提出了严苛要求。传统云端计算模式受限于物理传输距离，难以满足毫秒级端到端时延需求