Эффективные совместные периферийные вычисления для транспортной сети с использованием службы кластеризации

Современные приложения интернета транспортных средств (IoV) предъявляют высокие требования к надежности и минимальному времени отклика в условиях динамичного дорожного движения. Однако высокая скорость транспортных средств и сложные участки инфраструктуры, такие как перекрестки, могут приводить к потере связи и увеличению задержек при передаче и обработке данных. В работе предлагается инновационный фреймворк кластерного взаимодействия транспортных средств на основе периферийных вычислений (CCVEC), реализованный на платформе OpenStack. Разработка ориентирована на обеспечение устойчивой связи и рационального распределения вычислительных ресурсов в интеллектуальных транспортных системах. Проведенное тестирование охватывало различные сценарии движения, включая зоны высокой плотности трафика. Результаты показали, что предложенное решение поддерживает стабильную связь между бортовыми датчиками и облачными сервисами. В оптимальных условиях средняя задержка составила около 390 мс, а пропускная способность достигла 30 кБ/с. Платформа продемонстрировала высокую производительность и эффективное использование памяти при распределении ресурсов. Таким образом, фреймворк CCVEC способен снижать задержки, повышать надежность соединения и эффективно использовать локальные ресурсы, что делает его перспективным для внедрения в системы на базе IoV и периферийных вычислений.

1. Zhou X., Ke R., Yang H., Liu Ch. When Intelligent Transportation Systems Sensing Meets Edge Computing: Vision and Challenges. Applied Sciences. 2021;11(20). https://doi.org/10.3390/app11209680

2. Li Q., Chen P., Wang R. Edge Computing for Intelligent Transportation System: A Review. In: Cyberspace Data and Intelligence, and Cyber-Living, Syndrome, and Health: International 2019 Cyberspace Congress, CyberDI and CyberLife: Proceedings: Part II, 16–18 December 2019, Beijing, China. Singapore: Springer; 2019. P. 130–137. https://doi.org/10.1007/978-981-15-1925-3_10

3. Lakkakorpi J., Pitkänen M., Ott J. Using Buffer Space Advertisements to Avoid Congestion in Mobile Opportunistic DTNs. In: Wired/Wireless Internet Communications: 9th IFIP TC 6 International Conference, WWIC 2011: Proceedings, 15–17 June 2011, Vilanova i la Geltrú, Spain. Berlin, Heidelberg: Springer; 2011. P. 386–397. https://doi.org/10.1007/978-3-642-21560-5_32

4. Yang B., Wu B., You Yu., Guo Ch., Qiao L., Lv Zh. Edge Intelligence Based Digital Twins for Internet of Autonomous Unmanned Vehicles. Software: Practice and Experience. 2024;54(10):1833–1851. https://doi.org/10.1002/spe.3080

5. Abraham A., Prasad Sh., Alhammadi A., Lestable Th., Chaabane F. Internet of Vehicles and Computer Vision Solutions for Smart City Transformations. Cham: Springer; 2025. 476 p. https://doi.org/10.1007/978-3-031-72958-4

6. Yang J., Tan Yu., Xie J., Teng B., Dong S. Vehicle Clustering Based Edge Caching Scheme in Internet of Vehicles. IET Communications. 2023;17(15):1829–1836. https://doi.org/10.1049/cmu2.12657

7. Makawana P.R., Joshi S., Katira A., Bharvad J., Pawar Ch. A Bibliometric Analysis of Recent Research on Delay-Tolerant Networks. In: ICT Systems and Sustainability: Proceedings of ICT4SD 2022, 29–30 July 2022, Goa, India. Singapore: Springer; 2023. P. 247–256. https://doi.org/10.1007/978-981-19-5221-0_24

8. Wang J., Shang P. Edge Computing Application of Expressway Intelligent Transportation System Based on IoT Technology. Computing and Informatics. 2024;43(4):974–992. https://doi.org/10.31577/cai_2024_4_974

9. Liu J., Wei J., Luo R., Yuan G., Liu J., Tu X. Computation Offloading in Edge Computing for Internet of Vehicles via Game Theory. Computers, Materials & Continua. 2024;81(1):1337–1361. https://doi.org/10.32604/cmc.2024.056286

10. More A., Kale R. Review on Recent Research Trends and Applications in Delay Tolerant Networks. In: 2022 6th International Conference on Computing, Communication, Control and Automation (ICCUBEA), 26–27 August 2022, Pune, India. IEEE; 2022. P. 1–9. https://doi.org/10.1109/ICCUBEA54992.2022.10011041