无人机辅助任务卸载

本文为两篇无人机辅助任务卸载论文的笔记，一篇为《UAV-Assisted Task Offloading in Vehicular Edge Computing Networks》（以下称paper1），一篇为《Delay-Aware Cooperative Task Offloading for Multi-UAV Enabled Edge-Cloud Computing》（以下称paper 2），两篇论文中无人机均承担了边缘服务器的职责，能够对来自其他设备的卸载任务进行计算，在能耗约束的前提下，最小化系统时延。

Background

paper1聚焦车载边缘计算（Vehicular edge computing, VEC)，对于交通流量繁忙的道路，车辆需要根据路况等信息随时做出反应，大量实时任务需要快速计算，而将这些任务全部上传到云中心，无疑会增加时延，那么将车辆任务卸载到车载边缘节点来计算成为一种有效解决途径。道路边侧单元（road side units，RSU）是车路协同路侧端的重要组成部分，其主要功能是采集当前的道路状况、交通状况等信息，通过通讯网络，与路侧感知设备、交通信号灯、电子标牌等终端通信，实现车路互联互通、交通信号实时交互等功能，其常常作为车载边缘节点，计算由车辆卸载的任务。而在城市繁忙的路段，许多计算负载重的实时任务如视频识别任务、在线路径规划等需要被快速计算响应，即使是RSU，也无法承接全部的卸载任务，容易出现过载，从而影响卸载性能。所以paper1提出采用无人机辅助卸载任务，过载的RSU可以将任务卸载到无人机上，由无人机完成任务计算。

paper2聚焦基础设施较弱的云边计算（edge-cloud computing）场景，在这样的场景中，由于缺乏边缘服务器这种基础设施，无人机就充当起边缘服务器的角色，处理来自外部设备（如用户或者其他无人机）的卸载任务，并且通过基站与云中心进行通信。所以paper2提出采用多个无人机作为边缘计算节点，无人机之间可以互相卸载任务，从而提升任务完成效率。

System Model

paper1的系统模型图如下：

系统分为三层：车辆层、RSU层以及无人机层。车辆 v生成计算密集型任务并通过vehicle-to-infrastructure(V2I)通信链路卸载任务至RSU m上。当卸载的任务超出RSU的计算能力时，RSU发生过载，显示在图中为红色。系统中使用一架部署有边缘服务器的无人机处理过载的RSU，该无人机在固定的高度H飞行。
系统有以下几点特性：

1. 系统处理时间敏感、计算密集的车辆任务。
2. 系统关注卸载效率，过载会导致响应变慢，影响QoS。
3. 系统中无人机相当于空中边缘服务器，与普通服务器不同的是，无人机可以随计算负载的改变而灵活移动。

paper2的系统模型图如下：

系统中包含U个旋翼无人机和一个连接着云中心的基站。在识别场景中，无人机收集大量的图像和视频数据用以分析，其既是任务的生成者，也是任务的执行者。无人机之间可以相互通信，卸载计算任务。

paper1

Vehicular Task Offloading Model

任务的到达符合泊松过程，使用$\lambda$_v^t即每个时隙到达的任务数来代表车辆v在t时刻的任务到达率。假定一个任务的期望计算负载为c (所需的CPU周期数），期望数据大小为d（任务的比特数），那么$\lambda$_v^tc 和$\lambda$_v^td就是时刻t车辆v的任务计算负载与数据大小。
当实现车辆任务卸载时，车辆和RSU之间的通信采用正交频分多址(orthogonal frequency division multiple access, OFDMA），每个RSU的带宽资源被分为多个正交子信道，分配给不同的车辆用户。忽略RSU m 的区域内干扰，只考虑区域间干扰，即其他RSU和其覆盖范围内车辆的通信干扰。通信干扰表示为

因此RSU m 与车辆 v 之间的数据传输率为

因此t时刻车辆到RSU m的传输时延为

UAV-Assisted Offloading Model