Latency-Aware and Energy-Efficient Workload Distribution in Hierarchical Vehicular Fog Computing
تقترح هذه الورقة إطار عمل لتوزيع أعباء العمل يراعي زمن الاستجابة وكفاءة الطاقة للحوسبة الضبابية المركبية الهرمية، والذي يستخدم خوارزمية تحسين سرب الجسيمات المعدلة (MPSO) لتحسين تفريغ المهام وتخصيص الموارد، مما يظهر تحسينات كبيرة في زمن الاستجابة واستهلاك الطاقة ووقت التنفيذ مقارنة بالطرق التقليدية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تتحول السيارات الحديثة من كونها مجرد آلات بسيطة لتصبح أشبه بحواسيب متحركة. فهي محملة بأجهزة استشعار تمسح الطريق باستمرار، وتكتشف العوائق، وتحسب المسار الأكثر أماناً للمضي قدماً. ولاتخاذ هذه القرارات فوراً، يجب على الحاسوب الموجود داخل السيارة معالجة تدفق هائل من البيانات. ومع ذلك، فإن المعالجات داخل المركبة لها حدود؛ فعندما ينمو حجم المعلومات بشكل كبير أو تصبح الحاجة إلى السرعة أمراً حرجاً، يمكن لحاسوب السيارة أن يصاب بالإرهاق، مما يؤدي إلى تأخيرات خطيرة. كما أن إرسال كل هذه البيانات إلى خادم سحابي بعيد لمعالجتها ليس حلاً أيضاً، لأن الوقت الذي تستغرقه الإشارة للذهاب والعودة طويل جداً لاتخاذ قرارات قيادة في أجزاء من الثانية. وهذا يخلق عنق زجاجة حيث يتصادم الاحتياج إلى رد فعل فوري مع الحدود الفيزيائية لقوة الحوسبة والمسافة.
ولحل هذه المشكلة، توجه الباحثون إلى مفهوم يسمى "حوسبة الضباب" (Fog Computing). تخيل السحابة كمكتبة مركزية ضخمة بعيدة، والسيارة كقارئ يحتاج إلى كتاب الآن؛ تقوم حوسبة الضباب بوضع فرع محلي صغير لتلك المكتبة بجوار القارئ مباشرة، ربما عند زاوية شارع أو إشارات مرور. في هذا الإعداد، يتكون "الضباب" من موارد حوسبية تقع بالقرب من المركبات، مثل الوحدات الموجودة على جانب الطريق أو المركبات الأخرى القريبة، والتي يمكنها التعامل مع المهام العاجلة فوراً دون انتظار خادم بعيد. يعد هذا النهج بالحفاظ على سلامة واستجابة السيارات ذاتية القيادة، ولكنه يطرح تحدياً جديداً: كيفية تقرير أي حاسوب قريب يجب أن يتولى مهمة معينة. فإذا اختار النظام بشكل سيء، فإنه يهدر الطاقة أو يتسبب في تأخير قد يكون مميتاً.
في دراسة حديثة، اقترح فريق من الباحثين من جامعة جاشون وكلية الشرق الأوسط طريقة جديدة لإدارة هذا التوزيع المعقد للعمل. لقد ركزوا على نظام ثلاثي الطبقات: المركبات نفسها في الأسفل، وعقد الضباب المحلية في المنتصف، ومراكز بيانات السحابة الضخمة في الأعلى. كان هدفهم هو إنشاء نظام ذكي يمكنه أن يقرر تلقائياً، في الوقت الفعلي، ما إذا كان ينبغي للسيارة معالجة المهمة بنفسها، أو إرسالها إلى عقدة ضباب قريبة، أو توجيهها إلى السحابة. طور الباحثون طريقة محددة، أطلقوا عليها اسم "خوارزمية تحسين سرب الجسيمات المعدلة"، لتعمل كالعقل المدبر وراء هذه القرارات. تحاكي هذه الطريقة كيفية بحث سرب من الطيور عن الطعام؛ فبدلاً من أن يطير كل طائر بشكل عشوائي، يتبادلون المعلومات حول أفضل المواقع التي تم العثستكشاف حتى الآن لتوجيه المجموعة بأكملها نحو الحل الأكثر كفاءة. وفي هذه الحالة، "الطيور" هي وكلاء بحث افتراضيون يبحثون عن التوازن المثالي بين السرعة واستهلاك الطاقة.
اختبر الباحثون فكرتهم باستخدام أداة محاكاة متطورة مصممة خصيصاً لبيئات حوسبة الضباب. لقد أنشأوا عالماً افتراضياً يحتوي على 1,000 عقدة ضباب و250 مركبة، لمحاكاة سيناريو مروري واقعي مزدحم حيث تحتاج آلاف المهام إلى المعالجة. وقارنوا طريقتهم الجديدة بعدة استراتيجيات أخرى موجودة تستخدمها الحواسيب لحل مشكلات مماثلة. وأظهرت النتائج أن نهجهم كان أكثر فعالية بشكل ملحوظ. ففي عمليات المحاكاة هذه، قللت الطريقة الجديدة متوسط الوقت الذي تستغرقه المهمة للاكتمال بنسبة تقارب 24 بالمائة مقارنة بالطرق القياسية. كما خفضت الطاقة التي يستهلكها النظام بأكثر من 22 بالمائة، وهو عامل حاسم بما أن أجهزة الضباب غالباً ما تعمل بطاقة محدودة. علاوة على ذلك، توصل النظام إلى القرار بشكل أسرع، حيث استغرق وقتاً أقل بنحو 32 بالمائة لتحديد الخطة الأفضل مقارنة بالتقنيات القديمة.
وبعيداً عن السرعة والطاقة، وجدت الدراسة أن الطريقة الجديدة كانت أفضل في الحفاظ على سير النظام بسلاسة. فقد حسنت معدل إكمال المهام بنجاح بنحو 4.5 بالمائة، مما يعني فشل عدد أقل من الطلبات أو سقوطها. كما أدارت الموارد الحوسبية المتاحة بكفاءة أكبر، حيث استخدمتها بنسبة تقارب 10 بالمائـة أفضل من البدائل. وهذا يعني أن النظام يمكنه التعامل مع المزيد من السيارات والمزيد من البيانات دون أن يختنق. وأشار الباحثون إلى أنه بينما كانت الطرق الأخرى تعاني أحياناً لإيجاد الخيار الأفضل بسرعة، فإن نهجهم وجد باستمرار حلاً متوازناً يقلل من التأخير واستهلاك الطاقة في آن واحد. لم تختبر الدراسة هذه الفكرة على سيارات حقيقية على طريق سريع حقيقي؛ بل اعتمدت كلياً على هذه المحاكاة الحاسوبية التفصيلية لإثبات نجاح المفهوم تحت ظروف محكومة.
تكمن أهمية هذا العمل في قدرته على التعامل مع الطبيعة الفوضوية والمتغيرة باستمرار لحركة المرور. فخلافاً لشبكة مكتبية ثابتة، فإن شبكة الطرق تتغير باستمرار مع تحرك المركبات داخل وخارج النطاق. وقد صُممت طريقة الباحثين لتتكيف مع هذه التغييرات فوراً، مما يضمن حصول السيارة التي تقترب من تقاطع مزدحم على المساعدة الحوسبية التي تحتاجها في الوقت الذي تحتاجه فيه تماماً. ومن خلال إثبات أن هذه الخوارزمية المحددة يمكنها التفوق على التقنيات الموجودة في بيئة محاكاة، تقدم الدراسة مخططاً واعداً لمستقبل النقل الذكي. إنها تشير إلى أنه مع وجود البرمجيات المناسبة، يمكن لطبقة الضباب أن تصبح شريكاً موثوقاً وفعالاً في استهلاك الطاقة لمركباتنا، مما يحافظ على انسيابية تدفق المعلومات تماماً مثل انسيابية حركة المرور نفسها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.