SOFE: SDN-based Task Offloading Technique for Fog-IoEV Network
本文提出了 SOFE，一种基于 SDN 的 Fog-IoEV 网络任务卸载技术，该技术利用二元线性规划模型，根据负载、移动性、能量和截止日期来优化向雾节点或停放车辆的任务分配，从而与现有方法相比，降低了响应时间并延长了电动汽车的寿命。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一座这样的城市：这里的每一辆汽车都不仅仅是交通工具，更是移动的计算机，不断地收集着关于交通、天气和路况的数据。这些配备了传感器和摄像头的电动汽车会产生大量的数字请求，这些请求需要被瞬间解决，以确保出行安全顺畅。然而，汽车内部的电池和处理器是有限的；它们无法独自处理所有任务，否则会导致电量耗尽或运行变慢。为了解决这个问题，工程师们转向了“雾计算”（fog computing），通过利用路边设备甚至其他车辆来提供处理能力，将计算能力推向离汽车更近的地方。但一个新的问题出现了：如果最近的助手太忙，或者协助工作的停放车辆耗尽了电池，整个系统可能会失效，导致危险的延迟或让车辆陷入困境。
研究人员开发出一种管理这种微妙平衡的新方法，专门针对电动汽车网络设计。由 Ahmed Jawad Kadhim Al-Shaibany 及其同事领导的团队创建了一个名为 SOFE 的系统。该方法就像是一个数字任务的中央交通控制器，决定由哪台计算机在何时处理特定的请求。它不仅仅是将任务发送给最近的可用机器，而是着眼于大局。它会考虑一辆停放车辆还剩多少电池电量、车主是否同意共享其资源，以及附近的计算机正在承担多少工作量。其目标是在不使电动汽车电池耗尽至失效的情况下，快速完成任务。
这个新系统的核心依赖于一个了解城市中每个节点状态的智能网络控制器。当一辆行驶中的汽车产生了一个它无法处理的任务时，它首先检查自己能否处理。如果不能，它会将请求发送到最近的路边计算机。如果该计算机过载，请求就会发送到中央控制器。随后，该控制器会扫描所有可用选项，包括附近停车场内的停放电动汽车。它会过滤掉那些电量较低或车主未授权的停放车辆。它还会检查潜在的助手是否与需要帮助的汽车朝着相同方向行驶，以确保连接的稳定与快速。系统随后会计算最快路径，并将任务分配给最合适的机器，无论是路边服务器还是停放的汽车。
为了测试这一想法的效果如何，研究人员利用巴格达的数字地图构建了一个详细的模拟环境。他们创建了一个虚拟环境，其中包含数千辆行驶中的电动汽车、路边计算机以及数百辆具有不同电池水平的停放车辆。他们将这种全新的 SOFE 方法与用于类似网络的两种现有技术进行了对比。结果显示，这种新方法在保持任务按时完成方面明显更加有效。在停放车辆数量增加的模拟实验中，与其中一个竞争对手相比，新方法将平均响应时间缩短了约 6.7%，与另一个相比则缩短了近 13%。更重要的是，它确保了更高比例的任务能在截止日期过期前完成。
或许最关键的发现涉及电动汽车自身的生存问题。在模拟实验中，新方法大幅减少了因电量耗尽而变成“死亡”或无法使用的汽车数量。虽然其他方法往往因为要求停放车辆承担过多工作而导致其电量枯竭，但新系统会根据剩余能量和车主许可，严格限制每辆停放车辆可以处理的任务量。这种精细化管理意味着，与其中一种旧方法相比，由于电量耗尽而“死亡”的电动汽车数量下降了 80% 以上。研究表明，通过将停放的电动汽车视为一种宝贵但脆弱的资源，并利用中央控制器进行智能且具备能源意识的决策，城市可以在不牺牲车辆行驶能力的前提下，保持电动汽车网络高效运行。
研究人员承认，这项工作是通过计算机模拟进行的，现实世界的情况可能会带来不同的挑战。他们建议，未来的工作可以包括利用 5G 技术来加速通信，并开发更智能的负载均衡方式。目前，这项研究提供了一个清晰的前行方向：一种利用停放电动汽车的闲置功率来支持行驶中车辆的方法，确保网络对每个人来说都保持快速、可靠且可持续。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。