基于移动边缘计算的车联网资源分配方案研究

针对复杂战场环境中一般云计算无法满足指挥中枢对特种车辆海量数据处理的延时问题，提出一种基于分层移动边缘计算的资源分配方案。方案对边缘服务器工作过程中任务卸载和资源分配进行优化，根据不同任务的延迟容忍度，以优化Q学习算法制定任务卸载优先级策略，采用Q学习算法设计资源分配流程。为了验证提出方案的有效性，仿真分析了优化算法的中断概率和延迟性能。仿真结果表明：该方案能有效为车联网提供低时延的移动服务。