车联网区块链分布式车对车计算卸载方法研究

作     者：孟珍 任冠宇 万剑雄 李雷孝 MENG Zhen;REN Guanyu;WAN Jianxiong;LI Leixiao

作者机构：内蒙古工业大学数据科学与应用学院呼和浩特010080 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2024年第18卷第7期

页      面：1923-1934页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62362055) 内蒙古自然科学基金(2023MS06008) 内蒙古自治区高等院校科研计划项目(JY20220061,JY20230119,JY20230019) 内蒙古自治区科技计划(重点研发和成果转化计划)京蒙合作项目(2023KJHZ0001) 内蒙古自治区重点研发和成果转化计划项目(2022YFSJ0013,2023YFHH0052) 内蒙古自治区高校青年人才科研计划项目(NJYT22084,NJYT23055) 鄂尔多斯市重点研发计划项目(YF20232328) 内蒙古自治区直属高校基础科学研究经费项目(JY20220078,2022ZY0169) 

主　　题：车辆边缘计算 计算卸载 深度强化学习 区块链 

摘      要：车辆边缘计算是通过车辆间传输计算任务来完成计算卸载,可以提高车辆的计算能力。目前的卸载任务分配策略没有同时考虑数据安全性、卸载任务优先级、计算资源释放和激励车辆共享计算资源,难以适应动态车辆环境。针对以上背景,研究分布式车对车(V2V)计算卸载问题,建立马尔科夫决策过程,设计了基于深度强化学习的计算卸载最优任务分配策略,利用动态定价来激励车辆共享计算资源,考虑卸载任务优先级和计算资源释放机制。将卸载方案嵌入到区块链中,通过建立车联网区块链的身份认证机制,对车辆信息、任务信息、交易信息等敏感信息进行加密处理,满足保障数据安全性的需求。仿真实验结果验证了所提出方法的性能,与其他算法相比,该方法在节省10.28%训练时间的情况下,将系统平均效益至少提高了9.58%。