基于边缘计算的智能农业机械资源分配方案研究*

葛平政 ， 王敏军

（1.江西交通职业技术学院，江西 南昌 330013；2.华东交通大学，江西 南昌 330013）

据统计，截至2022年12月，全国机动车保有量高达4.17亿辆，农村地区机动车保有量2.08亿辆，其中，农机自动驾驶渗透率高达2.2%。机动车数量的逐步增长，意味着对交通系统运转效率的要求也大大提高。中共中央、国务院印发的《国家综合立体交通网规划纲要》也指出，要加快提升交通运输科技创新能力，推进交通基础设施数字化、网络化，全方位布局交通感知系统，加强关键专用装备研发，推进智能网联汽车在各行各业特别是在农业机械方面的应用[1-2]。至此，将其投入到农业机械场景中进行研究和实践，即采用新一代软硬件技术对交通数据通信的各类基础平台进行优化升级与重构，以大幅降低业务处理延迟和能耗，已成为智能网联汽车领域的研究热点，也将为农业机械实现智能化奠定坚实的基础。

1 国内外研究现状

边缘计算是解决上述关键问题的重要方案之一，已在车联网中得到了初步应用[3]。边缘计算的最大特点是将具有计算和存储功能的服务器从云端改为放置在用户附近的边缘侧，任务的计算请求将会被安排到车辆或路侧单元（Road Side Unit, RSU）的边缘服务器，并对用户的计算服务需求进行提前缓存，从而提供实时的计算和存储能力[4-5]。在边缘计算网络中，灵活的边缘资源分配技术是车对车通信和车对基础设施通信实现可靠、无缝数据交换的关键。通过边缘资源分配，边缘计算能够针对性地为车联网中高数据量的实时通信任务提供可靠的计算数据卸载[6-9]，大幅降低农业机械中车辆获取数据内容的时延，为农业机械场景下的移动用户提供更好的体验质量。

研发一种智能农业机械场景下的具备迁移感知和边缘协同能力的高效边缘计算资源分配架构，不仅能够减少网络的流量使用和拥塞情况，还可以对边缘计算通信过程中的时延与能耗进行综合优化，对提高边缘计算系统中运营商的全局效益具有重要的现实意义[10-13]。

针对移动边缘缓存资源分配的研究，旨在提高边缘计算网络的性能、降低网络的负载压力、为高服务质量要求的用户提供更优质的体验。目前，国内外对于边缘计算资源分配的研究可大致分为以下三个部分。

1.1 低时延高能效边缘计算资源分配策略

如今的边缘计算主要采用分布式服务器内容交付框架，主要包含三种资源缓存机制：本地独立缓存、组内协作缓存、整个网络内的协作缓存[14-17]。其基本思想是：通过考虑用户分布特征和边缘计算服务器位置、内容流行度、边缘计算服务器缓存容量之间的关系，将不同等级的内容缓存在不同层次的服务器上，该策略显著降低了平均服务时延和总能耗。

为了更合理地分配缓存资源，以服务更多用户请求，降低传输时延和传输能耗，一些研究采用协作方式设计缓存策略。文献[18-20]针对时延敏感性较高的信息化服务给车联网带来的负担，在车对车和车对基础设施的混合通信模式下，提出了面向移动信息化服务的能效感知卸载方案，为边缘计算用户提供最优能效卸载节点选择算法，以找到能耗较低的缓存节点。文献[21]研究了面向复杂性较高的多路访问边缘网络的垂直式边缘节点部署，用户依据计算资源的利用率和任务分类，选择性地将计算任务通过不同层级的边缘节点卸载至边缘服务器，在任务时延约束下，降低传输总能耗。文献[22]提出了一种移动边缘节点部署方案，该方案可支持车联网中计算密集型和延迟敏感型的应用程序，同时还提出了再处理机制的资源分配策略，设计了一种容错粒子群优化算法，用于在延迟约束下最大化边缘辅助车联网的能效。

1.2 低时延高命中率边缘计算资源分配策略

目前针对低时延要求下农业机械环境中的提高命中率研究，主要采用分布式联合协作缓存交付架构，主要的研究对象有两种：内容流行度和上下文关联性。通过主动预测、匹配缓存算法，如神经网络、深度学习、强化学习、多元线性回归等算法手段实现智能缓存方案，以最大化缓存收益。

文献[23]综合考虑了两个问题：缓存预取和缓存替换。依据用户历史访问相关性、负载均衡和可用带宽，采用基于贝叶斯网络和马尔可夫链的用户分类模型的缓存预取算，以得到预取文件，再使用成本收益和垃圾收集成本进行过滤，将筛选后的预取文件缓存到边缘节点。但该方案仅适用于分布式的缓存策略，而对于集中式的缓存策略不友好，需要设计高效的缓存策略以适用不同的场景。文献[24]考虑了边缘计算网络中的流量分集和无线分集，对多路访问边缘网络的不同部署方式进行了时延分析和能耗分析，提出了综合内容流行度和上下文关联性的资源匹配算法，以提高边缘计算系统命中率。文献[25]提出了用于车联网中面向智能基础设施的网络架构的定义，通过创建虚拟空间，将其中的车对车、车对基础设施通信与真实世界的对象建立协作关系，以加强决策过程，提高现实场景下的车联网智能边缘资源分配命中率。

1.3 最大化收益边缘计算资源分配策略

在车联网中，通常会通过优化缓存策略的方式，使内容提供商的收益最大化。文献[26]考虑了多内容提供商、多用户场景下的最大化边缘计算效用资源分配策略，当边缘服务器的存储空间有限时，考虑了两个问题，一是合理的缓存，二是有效的放置服务器，通过建立内容提供商间的缓存资源博弈来最大化缓存效用。文献[27]提出在多内容提供商、多用户的移动场景下，协同优化边缘节点之间的服务缓存决策，大大降低了服务的配置成本，提升了通信资源的利用率。文献[28-29]基于车联网场景，提出了一种非正交多址的频率资源分配和功率分配框架，在综合考虑了排队模型、不完全信道状态信息、安全攻击和车速等因素的情况下，验证了该方案的性能优越性。

1.4 发展趋势

车联网环境中，在网络边缘部署缓存服务时，时延和能耗是直接影响用户体验的关键指标，因此，对时延和能耗进行综合考虑成为边缘计算资源分配的研究重点。尤其在5G/B5G技术和农业机械进一步深度融合的现实场景下，低时延不仅是保证用户体验质量的重要因素，也是保证延迟敏感型应用程序高效、安全运行的关键。为了满足低时延要求，除了提升边缘服务器的CPU效率之外，还需要提升移动设备的占用带宽和信号发射功率，这一切无疑将大幅提升通信过程中的能耗，增加通信成本。因此，在低时延要求下，通过应用边缘智能融合的边缘计算资源分配，优化网络层结构来提高通信过程的能效，是边缘计算资源分配策略的一个重要研究方向。

此外，在现实环境中，因为边缘服务器的存储容量有限，不能保证所有内容都可以缓存到边缘服务器。对于内容提供商而言，关注的重要指标是用户的满意程度，因为这是直接影响内容提供商收益的重要因素。因此，优化缓存策略以最大化内容提供商收益，实现内容缓存效用，是边缘计算领域的另一重要研究方向。

综合以上两种情况，基于边缘计算，进行低时延、高能效以及网络运营商效益最大化探究是农业机械通信未来的发展趋势，也是学者们的研究热点。

2 建立资源分配模型

农业机械场景中，为了实现网络资源与车辆任务的动态匹配，提高网络的服务质量，根据不同场景下车辆的行驶特点和任务需求，提出了一种基于边缘计算的农业机械资源分配方案。

2.1 迁移感知资源分配模型

在直线道路场景下，农业车辆往往会进行高速行驶，并且对网络资源的需求也呈现多样化的特点。基于此，本文提出一种迁移感知资源分配方案，在兼顾农业车辆用户体验质量的前提下，为网络运营商提供尽可能多的效益。

在提出的迁移感知资源分配模型中，包含了多辆正在行驶的农业汽车，在道路附近部署了多个配备边缘服务器的RSU以及基站。迁移感知资源分配模型如图1所示，当农业车辆在道路上直线行驶时，会从RSU1行驶到RSU2，在此过程中，相应的内容下载和计算卸载也会从RSU1迁移到RSU2。如果农业车辆产生的任务较大，使得离车辆最近的RSU不能满足用户请求时，车辆会将任务发送给基站，使基站协同RSU一起完成。

图1 迁移感知资源分配模型

2.2 边缘协同资源分配模型

在十字路口场景下，道路上的农业车辆分布不均匀，对资源的需求也呈现多样化的特点，基于此，本文提出一种边缘协同资源分配模型方案。目的是充分利用网络中的空闲资源，提升设备资源的利用率，并在能耗、时延约束下，使得农业机械系统整体时延最小化。

在提出的边缘协同资源分配方案中，包含了多辆在十字路口的农业汽车、多个RSU以及一个云服务器。边缘协同资源分配模型如图2所示，在十字路口中，车辆呈现不均匀分布，并且会与其最近的RSU建立数据连接。为了满足计算需求，提升网络的服务质量，空闲的RSU会对任务繁重的RSU进行协助。

图2 边缘协同资源分配模型

3 实验方案设计

针对农业机械系统运行过程中的直线和十字路口两个场景，设计了如下实验方案。

3.1 迁移感知资源分配方案

1）建立迁移感知资源分配模型。其中包括通信模型的建立、计算模型的建立、缓存模型的建立，通过以上模型的建立，来确定RSU和基站为农业车辆分配的缓存资源。

2）采用基于DQN的动态资源分配算法。将农业机械中卸载策略（本地卸载、边缘卸载）和资源分配建模统一成一个联合优化问题，采用DQN算法进行智能化的资源配置。

3）仿真实验。为了保证农业机械系统的实用性，本项目采用真实交通数据进行模拟，来验证所提出的迁移感知资源分配策略的性能。

3.2 边缘协同资源分配方案

1）构建边缘协同资源分配和联合优化模型。其中包括建立通信模型、计算模型、缓存模型、系统开销模型，通过以上模型的建立，来提升农业机械服务效率和空闲资源利用率。综合考虑农业机械资源的有限性、车辆应用程序的时延以及边缘服务器成本，构建联合优化问题来最小化农业机械整体时延。

2）通过联邦迁移学习算法对优化问题进行求解，以保护用户信息的隐私性。

3）仿真实验。以十字路口为场景进行仿真分析，来确定边缘协同的农业机械联合资源分配策略在农业机械中的性能。

4 结论

本文针对车辆在道路上的直线行驶场景和十字路口行驶场景，提出了基于边缘计算的农业机械资源分配方案。通过设计的农业机械资源分配方案，可以使得道路上直线行驶的车辆，在兼顾用户体验质量的前提下，为网络运营商提供尽可能多的效益；使得十字路口场景下的车辆，在能耗和时延的约束下，较大程度地提升农业机械系统的整体性能。