Jul, 2019

车联网边缘计算与网络：一项调查

PDF
TL;DR本文综述了在智能交通系统中，利用移动边缘计算系统来解决车联网中的通信、计算和存储资源限制，提高响应速度和降低带宽消耗的研究现状和未来方向。
intelligent transportation systemvehicular ad hoc networkmobile edge computingvehicular edge computingresearch
发现论文，激发创造
  • 5G 及以上的多接入边缘计算综述：基础、技术集成及现状

    该研究论文概述了移动边缘计算技术的现状和潜在应用，并提出与 5G 及更高版本的新技术相结合的 MEC 方案，最终总结了当前研究现状和挑战，并探讨了潜在未来方向。

    Jun, 2019

  • 移动边缘计算、元宇宙、6G 无线通信、人工智能和区块链：调查与它们的融合

    本研究探讨了移动边缘计算（MEC）与新兴技术的融合，其中包括 Metaverse、6G 无线通信、人工智能 (AI) 和区块链，重点关注于这些技术的技术融合，如 MEC 和 6G 的融合、MEC 与区块链的融合等，并介绍了 MEC 在移动增强现实（MAR）和 Metaverse 的应用场景。

    Sep, 2022

  • 物联网实现的多接入边缘计算调查

    本文综述了利用 MEC 技术实现 IoT 应用及其协同作用的整体概述，探讨了实现 IoT 中 MEC 的技术方面，并提供了其他整合技术的一些见解。

    May, 2018

  • 车联网中的协作边缘计算深度强化学习

    本文提出一种基于人工智能的协同计算方法，通过将任务分配和调度算法与决策流程相结合，实现车辆网络中任务的外包与协同计算，进而减少计算服务延迟，提高服务可靠性，并实现服务成本最小化。在复杂的城市交通网络中，基于提出的协同计算方法，仿真结果表明该方法适应高度动态环境且性能表现优异。

    Oct, 2020

  • 移动边缘计算：架构和计算卸载的调查

    本研究论文介绍了移动边缘计算（MEC）的概念和应用，特别针对计算卸载的决策、计算资源分配、移动管理等三个关键领域的研究进行了详细的探讨，同时归纳了该领域的研究成果和未来需解决的开放性研究问题。

    Feb, 2017

  • 车联网移动边缘智能与计算

    本文介绍了物联网，自动驾驶汽车和环境的完全集成的智能车联网时代，讨论了存储和处理巨量数据的挑战，以及在车联网的边缘部署储存和计算资源的优势，指出了边缘信息系统对于智能车联网的关键作用。

    Jun, 2019

  • 边缘计算环境中多组件 V2X 应用程序部署

    本文讨论了在边缘计算范式下，通过高效地部署 V2X 基础服务，以最小化 V2X 应用程序的延迟并满足 V2X 基本服务的资源需求，来解决 V2X 服务中的延迟限制和计算限制问题，提出了一个二进制整线性编程模型，并通过仿真实验证明了方法的有效性。

    Apr, 2020

  • 智能健康的边缘计算：上下文感知方法、机遇和挑战

    本文介绍了利用 MEC（多接入边缘计算）架构实现智能医疗应用的愿景，并探讨了其带来的好处，包括实现网络和上下文感知处理以满足 S-Health 的要求，并提出应用于数据传递的两个主要功能，即多模态数据压缩和基于边缘的特征提取。

    Apr, 2020

  • 基于自适应学习的车联网边缘计算任务卸载系统

    本论文针对汽车间的计算任务卸载环境动态不确定的挑战，提出了一种基于自适应学习的任务卸载算法，在多臂赌博理论基础上，利用邻近车辆的卸载延迟性能进行学习并且能够适应动态环境，实现了分布式协作的任务卸载，并证明了具有子线性的学习遗憾。在综合考虑各种不确定性的条件下，实验结果表明，相比现有的以置信上限为基础的学习算法，该算法使任务卸载延迟性能更优，平均延迟降低了高达 30%。

    Jan, 2019

  • 改进的自适应跨层方案用于车联网环境下低延迟 HEVC 流媒体

    在低延迟约束下，该论文提出了一种低复杂度的跨层机制，用于改善 VANET 中 HEVC 视频流的端到端性能，并通过将视频的每个数据包分配到最合适的介质访问控制层上的访问类别（AC）队列来考虑视频编码过程的时间预测结构、帧的重要性和网络流量负载状态，模拟结果表明，该机制在不同目标低延迟视频通信场景中相对于 802.11p 中采用的 EDCA 能够显著提高视频质量和端到端延迟，并进行了服务质量（QoS）和用户体验质量（QoE）评估来验证该方法。

    Nov, 2023