面向车路协同的路侧边缘计算智能感知任务卸载与资源协同分配系统设计.docxVIP

面向车路协同的路侧边缘计算智能感知任务卸载与资源协同分配系统设计.docx

PAGE2

面向车路协同的路侧边缘计算智能感知任务卸载与资源协同分配系统设计

摘要

随着智能网联汽车与车路协同技术的快速发展，车辆感知与计算需求急剧增长，单车智能面临算力不足、响应延迟高等瓶颈。

本文设计了一套面向车路协同的路侧边缘计算系统，提出一种“云-边-端”三层协同架构，通过路侧边缘节点就近处理车辆感知任务，降低车载计算负荷与端到端时延。

核心工作包括：设计基于深度Q网络的感知任务智能卸载算法，动态决策任务在车辆本地、路侧边缘或云端执行；构建资源协同分配策略，利用拉格朗日对偶优化边缘计算资源在多任务间的分配。

论文首先进行需求分析，明确系统功能与非功能指标；随后完成总体架构与模块设计，划分任务管理、卸载决策、资源分配、通信交互等模块；详细设计中给出卸载算法与资源分配流程，并定义内部与外部接口。

系统实现采用SUMO+OMNeT++联合仿真，验证了算法的有效性。测试结果表明，相比全本地处理与随机卸载策略，所提方法在平均任务时延上降低约28%，车辆端计算负载下降35%，满足车路协同场景的实时性要求。

本文的创新点在于将深度强化学习与凸优化方法结合，实现任务卸载与资源分配的在线协同，为智能路侧系统的工程化设计提供了参考。

第一章绪论

1.1研究背景

近年来，智能网联汽车通过搭载摄像头、激光雷达、毫米波雷达等传感器，实现了环境感知、路径规划与决策控制等功能。