💻 computer science

SOFE: SDN-based Task Offloading Technique for Fog-IoEV Network

Questo articolo propone SOFE, una tecnica di offloading dei task basata su SDN per reti Fog-IoEV che utilizza un modello di programmazione lineare binaria per ottimizzare l'assegnazione dei task ai nodi fog o ai veicoli in sosta sulla base di carico, mobilità, energia e scadenze, riducendo così i tempi di risposta e prolungando la durata della vita dei veicoli elettrici rispetto ai metodi esistenti.

Autori originali: Ahmed Jawad Kadhim Al-Shaibany, Jaber Ibrahim Naser, Mustafa Noaman Kadhim, Dhulfiqar Zoltán Aalwahab

Pubblicato 2026-09-09

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Ahmed Jawad Kadhim Al-Shaibany, Jaber Ibrahim Naser, Mustafa Noaman Kadhim, Dhulfiqar Zoltán Aalwahab

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate una città in cui ogni auto non è solo un veicolo, ma un computer in movimento, che raccoglie costantemente dati sul traffico, sul meteo e sulle condizioni stradali. Queste auto elettriche, dotate di sensori e telecamere, generano un flusso di richieste digitali che devono essere risolte istantaneamente per mantenere il viaggio sicuro e fluido. Tuttavia, le batterie e i processori all'interno di queste auto sono limitati; non possono gestire ogni singolo compito da soli senza esaurire l'energia o rallentare. Per risolvere questo problema, gli ingegneri si sono rivolti al "fog computing", un sistema che sposta la potenza di calcolo più vicino alle auto, utilizzando apparecchiature stradali e persino altri veicoli per dare supporto. Ma è emerso un nuovo problema: se l'aiutante più vicino è troppo occupato, o se un'auto parcheggiata che sta aiutando esaurisce la sua batteria, l'intero sistema può fallire, causando ritardi pericolosi o lasciando le auto a piedi.

I ricercatori hanno sviluppato un nuovo metodo per gestire questo delicato equilibrio, specificamente progettato per reti di veicoli elettrici. Il team, guidato da Ahmed Jawad Kadhim Al-Shaibany e dai suoi colleghi, ha creato un sistema chiamato SOFE. Questo approccio agisce come un controllore centrale del traffico per i compiti digitali, decidendo esattamente quale computer debba gestire una richiesta e quando. Invece di inviare semplicemente un compito alla macchina più vicina disponibile, il sistema guarda il quadro generale. Considera quanta batteria di un'auto parcheggiata rimane, se il proprietario ha acconsentito a far condividere le proprie risorse alla propria auto e quanto lavoro stanno già svolgendo i computer nelle vicinanze. L'obiettivo è completare i compiti rapidamente senza esaurire le batterie dei veicoli elettrici fino al punto di guasto.

Il nucleo di questo nuovo sistema si basa su un intelligente controllore di rete che conosce lo stato di ogni nodo della città. Quando un'auto in movimento genera un compito che non può gestire, controlla prima se può farlo da sola. Se non può, invia la richiesta al computer stradale più vicino. Se quel computer è sovraccarico, la richiesta va al controllore centrale. Questo controllore scansiona tutte le opzioni disponibili, inclusi i veicoli elettrici parcheggiati nei lotti vicini. Filtra le auto parcheggiate che hanno poca batteria o i cui proprietari non hanno dato il permesso. Controlla anche se un potenziale aiutante si sta muovendo nella stessa direzione dell'auto che ha bisogno di aiuto, garantendo che la connessione rimanga stabile e veloce. Il sistema calcola poi il percorso più veloce e assegna il compito alla macchina più adatta, sia essa un server stradale o un'auto parcheggiata.

Per testare l'efficacia di questa idea, i ricercatori hanno costruito una simulazione dettagliata utilizzando una mappa digitale di Baghdad. Hanno creato un ambiente virtuale con migliaia di veicoli elettrici in movimento, computer stradali e centinaia di auto parcheggiate con diversi livelli di batteria. Hanno messo alla prova il loro nuovo metodo SOFE contro altre due tecniche esistenti utilizzate in reti simili. I risultati hanno dimostrato che il nuovo approccio è significativamente più efficace nel mantenere i compiti in programma. Nelle simulazioni in cui il numero di auto parcheggiate aumentava, il nuovo metodo ha ridotto il tempo medio di risposta di circa il 6,7 percento rispetto a un concorrente e di quasi il 13 percento rispetto a un altro. Più importante ancora, ha garantito che una percentuale maggiore di compiti venisse completata prima della scadenza delle scadenze.

Forse il reperto più critico riguardava la sopravvivenza dei veicoli elettrici stessi. Nelle simulazioni, il nuovo metodo ha ridotto drasticamente il numero di auto che rimanevano senza batteria e diventavano "morte" o inutilizzabili. Mentre gli altri metodi spesso esaurivano le auto parcheggiate chiedendo loro di svolgere troppo lavoro, il nuovo sistema limitava rigorosamente quanti compiti ogni veicolo parcheggiato poteva gestire in base alla sua energia residua e al permesso del proprietario. Questa gestione attenta ha significato che il numero di veicoli elettrici "morti" è sceso di oltre l'80 percento rispetto a uno dei metodi più vecchi. Lo studio suggerisce che trattando le auto parcheggiate come una risorsa preziosa ma fragile, e utilizzando un controllore centrale per prendere decisioni intelligenti e consapevoli dell'energia, le città possono mantenere le reti di veicoli elettrici efficienti senza sacrificare la capacità dei veicoli di tornare a casa per guidare.

I ricercatori riconoscono che questo lavoro è stato condotto tramite simulazioni al computer e che le condizioni del mondo reale potrebbero presentare sfide diverse. Propongono che il lavoro futuro possa prevedere il test di queste idee con la tecnologia 5G per velocizzare la comunicazione e lo sviluppo di modi ancora più intelligenti per bilanciare il carico. Per ora, lo studio offre una via chiara da seguire: un modo per sfruttare la potenza inattiva delle auto elettriche parcheggiate per supportare quelle in movimento, garantendo che la rete rimanga veloce, affidabile e sostenibile per tutti.

Riepilogo Tecnico: SOFE – Tecnica di Offloading dei Task basata su SDN per la rete Fog-IoEV

1. Definizione del Problema

L'Internet of Electric Vehicles (IoEV) rappresenta un'evoluzione delle reti veicolari in cui i veicoli elettrici (EV) dotati di sensori generano diversi task computazionali che richiedono l'elaborazione entro intervalli di tempo rigorosi (scadenze o deadlines). Tuttavia, gli EV affrontano limitazioni intrinseche in termini di energia, memoria e capacità di elaborazione, che spesso impediscono loro di eseguire tutti i task generati localmente.

Sebbene l'offloading dei task verso server cloud remoti sia una soluzione comune, esso introduce una latenza significativa a causa delle lunghe distanze di trasmissione, dei vincoli di banda e della congestione di rete, causando spesso il mancato rispetto delle scadenze dei task. Inoltre, fare affidamento esclusivamente sul fog node più vicino è problematico; se tale nodo è sovraccarico, i task vengono messi in coda, aumentando il ritardo e rischiando la violazione della scadenza. Al contrario, le attuali soluzioni di fog computing spesso trascurano le vaste risorse computazionali inattive dei veicoli elettrici parcheggiati. Fondamentalmente, gli approcci precedenti spesso non tengono conto dell'energia residua degli EV o dei permessi specifici dei proprietari dei veicoli, portando a scenari in cui i veicoli parcheggiati vengono svuotati della carica della batteria, risultando in veicoli "morti" impossibilitati a operare.

La sfida centrale affrontata da questo articolo è lo sviluppo di un meccanismo di offloading dei task efficiente che bilanci la bassa latenza, il rispetto delle scadenze e la preservazione della durata della batteria degli EV, utilizzando efficacemente sia i fog node che gli EV parcheggiati come risorse di elaborazione.

2. Metodologia

Gli autori propongono SOFE (SDN-based Task Offloading Technique for Fog-IoEV), un'architettura e un algoritmo innovativi che integrano il Software-Defined Networking (SDN) con il Fog Computing e il concetto di Electric Vehicular Fog Computing (EVFC).

Architettura del Sistema

Il sistema proposto è composto da quattro livelli:

Livello IoEV: Contiene veicoli elettrici in movimento e parcheggiati. I veicoli in movimento generano task ma generalmente non vengono utilizzati come nodi di elaborazione per altri a causa dei ritardi di instradamento indotti dalla mobilità e dei costi energetici. I veicoli parcheggiati agiscono come nodi di elaborazione assistiva, a condizione che abbiano l'approvazione dell'utente e un'energia residua sufficiente.
Livello Fog: Comprende nodi edge (router, RSU, server) che forniscono elaborazione localizzata.
Livello SDN: Un controller centrale con una visione globale della rete (nodi, link, banda, stato delle risorse). Gestisce le tabelle di flusso, calcola i percorsi di instradamento e prende le decisioni di offloading.
Livello Cloud: Server ad alta capacità utilizzati come fallback quando le risorse edge sono esaurite, sebbene con una latenza di comunicazione più elevata.

L'Algoritmo SOFE

Il processo di offloading segue un flusso decisionale gerarchico:

Esecuzione Locale: Un veicolo client tenta prima di elaborare il task localmente se la sua energia residua ( $R_j$ ) supera una soglia ( $\mathcal{E}_j$ ), il suo carico è sotto la soglia ( $L_j$ ) e il tempo di completamento stimato ( $\mathcal{T}_j$ ) soddisfa la scadenza ( $\mathcal{D}_t$ ).
Controllo del Fog Node Sorgente: Se l'esecuzione locale fallisce, il task viene inviato al Closest Fog Node (CFN). Se il CFN è sotto carico e può rispettare la scadenza, elabora il task.
Ottimizzazione SDN: Se il CFN è sovraccarico o non può rispettare la scadenza, richiede assistenza al controller SDN. Il controller raccoglie dati in tempo reale su tutti i fog node disponibili e sui veicoli parcheggiati (inclusi lo stato del carico, l'energia residua, l'approvazione dell'utente e la direzione del movimento).
Modello di Ottimizzazione: Il controller SDN risolve un modello di Programmazione Lineare Binaria (BLP) per selezionare il nodo ottimale. L'obiettivo è massimizzare la selezione di un nodo che sia sotto carico, situato nella stessa direzione di mobilità del veicolo client e che minimizzi la somma del tempo di completamento (turnaround time) e del tempo di comunicazione.

Vincoli Chiave nel Modello di Ottimizzazione:

Vincolo di Scadenza: Il tempo totale (completamento + comunicazione) deve essere inferiore alla scadenza del task.
Vincolo Energetico: L'energia residua di un veicolo parcheggiato deve rimanere al di sopra di una soglia di sicurezza.
Approvazione Utente e Limite di Task: I veicoli parcheggiati possono elaborare solo un numero specifico di task ( $\gamma_j$ ) calcolato in base alla loro energia disponibile e ai permessi del proprietario, prevenendo l'esaurimento della batteria.
Vincolo Direzionale: Si dà la preferenza ai nodi che si muovono nella stessa direzione del veicolo client per ridurre l'overhead di handover e di instradamento.

Se non viene trovato alcun nodo edge idoneo, il task viene offloaded al Livello Cloud, dove il controller SDN seleziona il server cloud più vicino e calcola il percorso a minimo ritardo utilizzando l'algoritmo di Dijkstra.

3. Contributi Principali

L'articolo delinea quattro contributi primari:

Nuova Architettura: L'integrazione di SDN, EVFC e IoEV per creare un framework unificato che fornisce una visione globale della rete per un utilizzo efficiente delle risorse.
Formulazione Matematica: La formulazione del problema di selezione del nodo come un modello di programmazione lineare binaria che considera esplicitamente il carico del nodo, la direzione del movimento del veicolo e i vincoli di scadenza.
Tecnica di Offloading basata su SDN: La progettazione di SOFE, che sfrutta la conoscenza globale del controller SDN per risolvere il modello di ottimizzazione e instradare dinamicamente i task verso il miglior fog node o veicolo parcheggiato.
Consapevolezza di Energia e Permessi: L'introduzione di vincoli riguardanti l'energia residua e l'approvazione dell'utente per garantire che i veicoli parcheggiati siano utilizzati in modo efficiente senza compromettere la loro durata operativa o violare le preferenze del proprietario.

4. Risultati della Simulazione

Le prestazioni di SOFE sono state valutate utilizzando i simulatori SUMO e OMNeT++, confrontandole con RF-BinBRO-DARL e QAFT-SDVN. Le metriche di valutazione includevano l'Average Response Time (ART - Tempo di Risposta Medio), la Percentage of Tasks Meeting Deadline (PTMD - Percentuale di Task che Rispettano la Scadenza) e il Number of Dead Electric Vehicles (DEV - Numero di Veicoli Elettrici Morti).

Average Response Time (ART): SOFE ha dimostrato prestazioni superiori, riducendo l'ART di circa il 6,7% rispetto a RF-BinBRO-DARL e del 12,69% rispetto a QAFT-SDVN all'aumentare del numero di veicoli parcheggiati. Ciò è attribuito alla selezione di nodi con tempi di completamento e di comunicazione minimi.
Percentage of Tasks Meeting Deadline (PTMD): SOFE ha migliorato la PTMD del 3,4% e del 7,2% rispetto ai due metodi di confronto, rispettivamente. Il focus del modello di ottimizzazione sulle scadenze e sulla direzione della mobilità ha contribuito a questo miglioramento.
Number of Dead Electric Vehicles (DEV): SOFE ha ridotto significativamente il numero di veicoli morti (definiti come quelli con <5% di energia residua) dell'80,76% rispetto a RF-BinBRO-DARL e del 73,68% rispetto a QAFT-SDVN. Questo risultato evidenzia l'efficacia dei vincoli di energia e di limite dei task nel preservare la durata della batteria dei veicoli.

Questi risultati sono rimasti validi in vari scenari con un numero variabile di veicoli parcheggiati (100–500) e volumi di task (150–750 task).

5. Significato e Rivendicazioni

Gli autori affermano che SOFE affronta le criticità limitanti degli approcci esistenti di IoV e fog computing, che spesso ignorano i vincoli energetici specifici dei veicoli elettrici e il potenziale degli EV parcheggiati come risorsa. Integrando l'SDN con un modello di ottimizzazione consapevole dei vincoli, SOFE raggiunge un equilibrio tra l'esecuzione dei task a bassa latenza e la preservazione della durata della batteria degli EV.

L'articolo sottolinea che la tecnica proposta è particolarmente significativa per la sostenibilità delle reti IoEV, poiché previene lo scenario del "veicolo morto" causato da un offloading delle risorse non gestito. Gli autori concludono che il loro approccio offre una soluzione pratica per estendere la durata operativa dei veicoli elettrici garantendo al contempo l'elaborazione tempestiva di task sensibili al tempo, rendendolo una strategia valida per i sistemi di trasporto intelligenti di prossima generazione.

Il lavoro futuro suggerito dagli autori include l'integrazione della tecnologia 5G per comunicazioni più veloci, la progettazione di protocolli di instradamento consapevoli dell'energia, l'applicazione dell'apprendimento per rinforzo (reinforcement learning) per il bilanciamento dinamico del carico e lo sviluppo di politiche di sicurezza proattive contro gli attacchi di consumo delle risorse.