车载任务卸载综述：新兴车辆应用的计算资源挑战和解决方案

制作和主办：Elsevier沙特国王大学学报车辆任务卸载综述：分类、问题和挑战Manzoor Ahmeda，Salman Razab，Muhammad Ayzed Mirzac，Abdul Azizd，Manzoor Ahmed Khane，瓦利乌拉汗f，李建波a，朱航g，ha青岛大学计算机科学与技术学院，青岛266071b巴基斯坦费萨拉巴德国家纺织大学计算机科学系北京邮电大学电磁理论与应用国际研究实验室，北京100876d巴基斯坦巴哈瓦尔布尔伊斯兰大学信息与通信工程系，巴哈瓦尔布尔63100eDepartment of Computer and Network Engineering，Collage of IT，UAE University（UAEU），Al Ain，United Arab Emiratesf卢森堡大学安全、可靠性和信任跨学科中心（SnT），1855卢森堡市，卢森堡4365，卢森堡美国休斯敦大学University of Houston，TX 77004h韩国首尔庆熙大学计算机科学与工程系阿提奇莱因福奥文章历史记录：收到2022年2022年5月21日修订2022年5月21日接受2022年5月25日网上发售保留字：车载任务卸载云EdgeCloudletNR V2X802.11bdA B S T R A C T具有严格延迟和可靠性要求的新兴车辆应用提出了高计算要求，并且当前车辆的计算资源不足以满足这些需求。在这种情况下，车辆可以从其他资源丰富的计算平台（包括附近的车辆、固定边缘服务器和远程云服务器）获得帮助来处理任务。然而，需要利用不同的车辆通信网络（VCN）模式来访问这些计算资源，从而提高应用和网络在本文中，我们提出了一个全面的调查车辆任务卸载技术在通信的角度，即，车对车（V2V）、车对路边基础设施（V2I）和车对一切（V2X）。对于任务/计算卸载，我们提出了V2 V，V2 I和V2X通信域下的方法分类。此外，任务/计算卸载类别各自根据其方案的目标进行子分类。从方法、目标、优缺点等方面对车载任务卸载的相关文献进行了综述、比较和分析，最后指出了该领域面临的研究挑战，并对未来的研究趋势进行了展望。©2022作者（S）。由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY许可下的文章（http://creativecommons.org/licenses/by/4.0/）。内容1.导言41361.1.贡献与贡献41372.车辆通信网络、计算卸载架构和测试台/模拟器41392.1.VCN 4139概述2.2.卸载和计算架构概述41402.2.1.卸载41402.2.2.TVCC 4140*通讯作者。电子邮件地址：manzoor. gmail.com（M.艾哈迈德），salmanraza@ntu.edu.pk（S。Raza），mamirza@bupt.edu.cn（M.A.Mirza），abdul. iub.edu.pk（A.Aziz），manzoor-khan@uaeu.ac.ae（M.A. Khan），waliullah. uni.lu（W.U. Khan），lijianbo@qdu.edu.cn（J. Li），zhan2@uh.edu（Z. Han）。沙特国王大学负责同行审查https://doi.org/10.1016/j.jksuci.2022.05.0161319-1578/©2022作者。由Elsevier B.V.代表沙特国王大学出版。这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.comM. 艾哈迈德，S。Raza，Muhammad Ayzed Mirza等.沙特国王大学学报41362.2.3.VEC 41412.2.4.VCC 41412.3.试验台/模拟器41413.车载计算/任务卸载41423.1.基于V2 V的计算/任务卸载41433.1.1.最小化延迟41433.1.2.资源分配41443.1.3.总结和经验教训41453.2.基于V2 I的计算/任务卸载41453.2.1.资源分配、负载平衡和服务器选择41473.2.2.最小化延迟、计算成本和通信41483.2.3.能量最小化3.2.4.总结和经验教训41533.3.基于V2X的计算/任务卸载41533.3.1.延迟最小化3.3.2.资源分配、服务器选择和负载平衡41543.3.3.能量最小化3.3.4.总结和经验教训41554.开放的问题和研究方向41574.1.协同车辆环境41574.2.干扰杂环化合物41584.3.可靠性和可靠性41584.4.卸载AI算法41584.5.任务分区41584.6.计算任务迁移4.7.评价标准41594.8.隐私与安全41595.结论4159竞争利益声明参考文献41591. 介绍互联和自动驾驶车辆（CAV）通过各种无线通信设备、处理和存储模块来实现此外，CAV还嵌入了各种传感器、导航系统、数据采集和大数据分析，使其更加智能（Lv等人， 2019年）的报告。汽车行业越来越多地制造具有强大车载计算能力的车辆，以支持车辆应用。这些车辆应用和服务包括人工智能、图像辅助导航、智能车辆控 制 、 增 强 现 实 （ AR ） 、 在 线 游 戏 和 社 交 媒 体 应 用 （ 即 ，Facebook、Twitter）。 此类应用是计算密集型和延迟敏感型的，并且需要在计算和存储方面大量的资源来处理（Uhlemann，2016;Singh等人，2019年），这将给车辆的计算资源带来很大压力。处理新兴应用所需的计算能力将迅速耗尽车辆例如，根据最近的研究，估计，车辆处理实时交通状况并在100 ms延迟约束下实现自主车辆转向大约需要106 DMIPS的计算能力（Intel，2014）。然而，车辆卸 载 或 转 移 工 作 负 载 （ 即 ， 任 务 ） 到 其 他 设 备 进 行 处 理（Boukerche和Soto，2020）对于提高低功率设备/车辆资源使用率至关重要，即，加工、储存和电池。具体地，车载计算卸载解决了资源不足的问题（即，嵌入式车载单元（OBU）处理能力和存储）通过转移计算密集型和延迟敏感型任务（例如，由驾驶系统或车辆乘客产生资源因此，对于车辆应用和服务，已经选择任务卸载来优化车辆的计算和存储容量以增强应用的性能（Liu等人， 2020年）。通过VCN模式在车载环境中卸载任务是一种很有前途的解决方案。涉及车辆的卸载的基本思想以VCN模式为中心，即， 车对车（V2V）（Abbasi和Khan，2018），车对路边基础设施（V2I）（Silva等人，2019年），以及车辆到一切（V2X）（Bian等人，2017年）。车载计算卸载通过将计算密集型和延迟敏感型任务外包给具有足够剩余计算资源的更鲁棒的系统来解决资源不足的问题，从而杠杆老化VCN模式。 智能车辆配备有传感器、处理和不同的无线通信能力，以实现车辆环境中的数据和任务卸载（Guo等人，2017年）。此外，智能汽车为主导和潜在的生活改变服务以及安全性、效率、舒适性和公共合作方面的应用提供了无数机会（Vegni等人，2013年）。随着CAV在各种车辆上应用的增加，车辆对通信和计算的需求不断增长。此外，除了车辆应用/驾驶系统之外，一些车辆的乘客也可以产生计算任务（Dziyauddin等人， 2019年）的报告。值得注意的是，CAV和相关传感器数量的增加使车辆服务成为安全性和非安全性）不仅表明在车辆和基础设施之间交换大量的传感器因此，这需要充足的存储和计算需求来解决由于车辆的车载计算资源不足而导致的延迟敏感或计算密集型任务的过程（Tokody等人，2018;Vahdat-Nejad等人， 2016年）。因此，此类车辆需要卸载M. 艾哈迈德，S。Raza，Muhammad Ayzed Mirza等.沙特国王大学学报4137表1相关调查摘要。引用发布者任务卸载主要贡献V2vV2iV2x（Xu等人，2018年）IEEE调查报告X X X调查机会卸载技术，同时考虑流量和计算卸载协议。然而，这项调查主要集中在基于移动设备的数据和任务卸载上。（Raza等人，2019年度）（Dziyauddin例如， 2019年度）（德索萨例如， 2020年）WC移动计算X X X介绍了VEC架构很少关注任务卸载。ArXiv X X介绍了VEC架构和通信技术的概述而且在不考虑V2V、V2I和V2X通信模式的情况下，还对计算卸载技术的最新技术进行了全面回顾。IEEE Access X X X本文对VAN中计算卸载的相关概念进行了澄清然后研究工作是根据通信标准、问题和实验进行分类。其次是确定关键挑战和未来方向。（Liu等人，2021年）（Hamdi等人， 2022年）移动NW和应用未来一代计算机系统详细介绍了VEC及其现有的与计算卸载相关的模型。X X X提出了基于车载雾计算的文献综述的任务卸载过程中，认为三个基本要求需要考虑形成一个服务水平协议（SLA），正确选择目标雾节点。作者提出SLR分析了针对这些需求的可用工作，并试图解决与这些需求相关的基于VFC的任务卸载问题。我们的调查U UU我们从车辆通信技术，通信模式和不同的计算架构。提出一个全面的调查车辆任务卸载考虑VCN的角度来看。自2017年以来，所有相关研究工作都已组织，包括最近的研究工作，这些研究工作根据不同的VCN模式进行分类。考虑到任务卸载方案的目标，每个基于模式的分类被进一步分类此外，所有这些主要类别都有摘要、详细表格和经验教训。最后，提出了一些开放的问题和研究方向。Fig. 1. 车辆任务卸载调查分类。通过V2V、V2I或V2X模式将其计算任务转移到具有丰富计算资源的其他设备一种可能性是访问集中式云;然而，它具有不稳定的连接和长的传播延迟，这似乎不适合于延迟敏感的任务。因此，边缘云计算或多路访问边缘计算（MEC）接近所请求的车辆成为提供低延迟任务卸载解决方案的有前途的范例，从而改善不同的车辆服务和应用。另一方面，目前的道路车辆具有越来越高的计算资源。因此，它们可以实现分布式车辆云（VC），并促进高效且经济的计算卸载平台 VC还可以通过利用静态和动态车辆来增强边缘云（El-Sayed和Chaqfeh，2019; Huang等人，2017年; Zhang等人，2019年c）。VCN模式可以访问任何计算基础设施的任务卸载。此外，VCN可以利用不同的无线电接入技术（RAT）（诸如专用短程通信（DSRC）和蜂窝（即，LTE和新无线电（NR））网络。1.1. 动机和贡献M. 艾哈迈德，S。Raza，Muhammad Ayzed Mirza等.沙特国王大学学报4138有许多研究解决车辆环境中的任务卸载（Xu等人，2018; Raza等人，2019年; DziyauddinM. 艾哈迈德，S。Raza，Muhammad Ayzed Mirza等.沙特国王大学学报4139例如，2019; De Souza等人，2020; Liu等人，2021; Hamdi等人，2022年），列在表1中。然而，考虑到车载通信网络的角度，还没有人覆盖车载环境中的任务卸载在机会性卸载调查中（Xu等人，2018年），作者提出了一个全面的审查，考虑数据和计算卸载的内容扩散和任务分布。在计算卸载域下，基于有线网络、有节点选择和无节点选择、单目标和多目标以及集群内部/外部任务对工作进行分类然而，这一审查表明，机会主义卸载一般。在大多数情况下，基于移动终端的数据和任务卸载是重点，车载任务卸载不是本次调查的重点。因此，（Xu et al.，2018年）既不专门用于任务卸载，也不完全覆盖车辆场景。在（Raza等人，2019年），作者提出了三层车辆边缘计算（VEC）架构和应用程序，而很少关注任务卸载。在另一项调查中（Dziyauddin等人，2019），作者概述了VEC架构和通信技术，并对计算卸载方案进行了全面审查。与上述调查一样，DeSouza等人，2020）研究了车辆环境中的计算卸载，这与表2重要缩略语摘要。首字母缩略词定义AP接入点RAN无线接入网AR增强现实RAT无线接入技术AV自动驾驶汽车RFID射频识别BS基站RSU路边单元BSM基本安全消息SDN软件定义网络现有的调查。它更像是一个教程，其中各种相关的术语和范式的车辆任务卸载是第一次揭秘。然后，根据交流标准、问题类型和在底层领域的实验，对研究作品进行分类。但是，根据每个类别，在简要介绍每个表格的内容后，只列出表格。 与现有的调查不同，在（De Souzaet al.，2020），作者没有单独介绍研究工作。在这项调查工作中（Liu et al.，2021），作者仅详细讨论了VEC及其与计算卸载相关的模型。在最新的调查中，（Hamdi等人，2022）讨论了雾节点的选择过程，通过一些步骤形成服务水平协议（SLA）。此外，不同的要求被确定为SLA设计，和最先进的文学任务卸载的判断，他们是否解决这些问题。然而，本研究仅从不同的角度考虑了基于VFC的任务卸载工作考虑到VCN模式此外，集成VCN，计算范例和卸载技术将在CAV发展中发挥至关重要的作用我们重申，现有的调查没有考虑VCN模式，以不同和重要的角度对车辆任务卸载进行全面根据前面提到的事实和现有文献中未填补的空白，如附表1所示，我们根据车辆通信模式对调查进行了分类，即，V2 V、V2 I和V2X用于任务/计算卸载，如分类图所示。1.一、此外，基于VCN的分类将进一步证实该领域的现有调查此外，我们建议的调查亦有助读者了解每一种通信方式都有不同的通信方式，CAM协同感知消息CAV互联自动驾驶汽车CDN内容交付网络城市交通的SUMO模拟TMS交通管理系统传统车载云计算使用范例，无线接入网络（即，DSRC和蜂窝）和场景（即，城市或农村）的不同目标（即，响应时间、系统效用、成本函数等）。最后，与现有的调查不同，我们对任务的综合分析采用VCN模式的卸载方案是我们调查的关键之一认知无线电电信系统新的方面。我们的调查DRL深度强化学习DSRC专用短程通信URLLC超可靠低延迟通信V2I车辆到路边基础设施我们建立在现有的文献车辆计算卸载。此外，我们提出了一个全面的EV电动汽车V2V车对车基于车辆任务卸载最新进展的综述FCC联邦通信委员会V2X汽车到一切随着VCN和计算架构的引入，最后，我们报告了第一个最新的，完整的研究工作覆盖车辆环境中的计算卸载解决方案车联网VANET车载自组网VCN模式范围内的部分，即，V2V、V2I和V2X。ITS智能交通系统VC车载云我们将车辆任务卸载方案分类为V2V、V2I和V2X模式。然后进行阐述、比较和分析LTE长期演进VCC车载云计算MAB多臂Bandit VCN车载通信网络从各个方面来看，在同一模式类别中的作品，例如，目标、卸载类型、RAT类型、评估方法、直接或基于中继的通信、集中式或分布式媒体接入控制MCC移动云计算MDP马尔可夫决策过程MEC移动接入边缘计算VCU车载计算单元VEC车载边缘计算VHO垂直切换VLC可见光通信方案，优点，和缺点我们的调查为任务卸载领域下的每个类别提供了新颖的汇总表和经验教训。最后，我们强调了开放的研究挑战和未来的研究方向，在这个有前途的领域。我们相信这项调查将有助于天真和有经验的研究人员。此外，它还可以作为一个门户，ML机器学习VR虚拟现实基础领域的重大进展。NLP自然语言处理易受伤害的道路使用者新无线VSP虚拟服务提供商OBU车载单元WLAN无线局域网网络其余调查的组织如下。第1节提供了车载通信技术及其通信模式和计算架构的列表。PSO粒子群算法优化WAVE无线接入车辆环境第2节涉及车辆任务卸载域及其类别：基于V2 V的计算/任务卸载、基于●●●●M. 艾哈迈德，S。Raza，Muhammad Ayzed Mirza等.沙特国王大学学报4140图二.对于DSRC（即，802.11p和802.11bd）和蜂窝技术（即，4G（LTE）和5G（NR））的场景。图三.描述PC5模式的操作。模式3和4的连接性清晰可见。计算/任务卸载和基于V2X的计算/任务卸载方案。在第3节中，我们提供了一些开放的问题和一些研究方向。最后，在第4节中对本文进行了总结。所有相关首字母缩略词见表2。2. 车载通信网络、计算卸载架构和试验台/模拟器本节首先概述称为RAT的车辆通信技术这些RAT包括基于IEEE长期演进（LTE）和新无线电（NR）网络技术。DSRC和蜂窝技术都有不同的车载通信模式，包括V2V、V2I和V2X。接下来，我们将介绍车辆应用程序和服务所利用的不同计算架构。最后，现有的仿真工具和测试平台进行了简要介绍。2.1. VCN概述VCN自车辆自组织网络（VAN）出现以来一直在不断发展，并有助于实现智能运输系统（ITS）和大量车辆应用，即，安全和非安全应用（Zhang等人，2018年;艾哈迈德和Gharavi，2018年）。对于VCN，使能的当前RAT包括DSRC和蜂窝网络，如图2所示。从车辆通信开始，DSRC被认为是ITS应用的主要RAT，用于通信的5.9GHz频带（Jiang等人，2006; Kenney，2011）。虽然在许可频谱上操作的移动通信或蜂窝RAT也可以在5.9GHz范围内工作，用于车辆通信服务和应用，包括安全和非安全（Wang等人，2017年）。此外，用于VCN的每个RAT具有不同的通信模式：V2V、V2I和V2X。 VCN使能技术（包括DSRC和蜂窝网络）也分别发展为802.11bd和NR V2X，并出现了创新的车辆应用，以确保在高度动态的网络拓扑中提供无缝服务（ Karagiannis 等人， 2011;Alhilal等人， 2020年）。VCN包括处理、通信和若干智能设备以提供通信和计算。通信模块安装在车辆的OBU和路边基础设施处（Abdelhamid等人， 2015年）。通常，路边基础设施在此指RSU、射频识别（RFID）读取器、交通灯、路标、车道标记和停车计时器，其有时配备有MEC以满足实时和关键任务应用要求（Santa等人，2008; Khan等人，2020年）。车载通信研究的最终目标是为CAV提供升级的、可靠的和鲁棒的道路安全、拥塞控制系统和其他信息保持服务 为了更好地实 现这 些 服务 ， 车辆 通 信技 术 提供 了 V2V （ Abbasi 和 Khan ，2018），V2I（Silva等人，2019）和V2X（Bianet al.，2017）通信模式。根据不同的sce- narios，这些模式可以使用DSRC或蜂窝网络技术来实现。随着汽车行业的现状和所需服务的异质性，单一的技术不能满足所有的要求。必须有一种技术编排架构支持DSRC的低延迟解决方案（Li et al.， 2016），具有LTE的大覆盖区域和带宽解决方案以及mmWaves提供的高吞吐量和方向性解决方案（Zhang et al.，2019年b）。版本12中的3GPP ProSe服务，LTE 支持的设备到设备（D2D）通信，其成为经由被称为PC 5的边线的V2V通信的基础（Astely等人，2013年）。然后，版本14支持V2 V通信的两种模式，包括PC 5接口和LTE-Uu接口（V2 N），如图2所示（描述B）。LTE V2X支持双模链路，即，Uu和PC5。它是蜂窝网络和无网络技术平台的合并，基于Uu链路的LTE-V 2X）和短距离直接（即，基于PC 5链路的LTE-V 2X）通信（Arena和Pau，2019）。此外，PC5接口然后使用M. 艾哈迈德，S。Raza，Muhammad Ayzed Mirza等.沙特国王大学学报4141称为蜂窝辅助PC 5的两种模式（即，模式3）和自主自组织PC 5（即，模式-4）（Hoymann等人，2016年）。 在图3中，描绘了PC 5模式3和4两者的操作。基于模式3的PC 5在蜂窝网络下操作，其中BS使用许可频带（即， 用于4G和5G网络频谱带）（Abboud等人， 2016年）。相比之下，模式4在没有BS连接的情况下自主操作，并且利用ITS频带（即，5.9 GHz），以分散的方式进行V2V通信。汽车开发平台Qualcomm Snapdragon推出了对DSRC和LTE的IEEE 802.11p双重支持，以响应市场需求。此外，感兴趣的读者可以访问商用设备列表，其中包括V2X芯片组，模块，V2X-RSU，V2X-OBU和V2X软件（5GAA，2020），这将促进创新车辆应用的研发活动（Storck和Duarte-Figueiredo，2019）。由于车载RAT正在快速发展，例如802.11p向802.11bd和LTE-V 2X（3GPP22.885，2015; 3GPP22.886，2018年推出NR V2X。因此，它们的超低延迟、高吞吐量、高移动性和超高准确性支持可以成为下一代车辆应用中的游戏规则改变者。IEEE 802.11bd和NR C-V2X都是基于类似的设计目标开发的，但设计方法不同未来的V2X（3GPP22.886，2018）用例超出了初步的安全和碰撞预防服务。其中包括协调的自动驾驶服务，如涉及智能V2X发现的集成驾驶和动态乘车共享，远程控制服务，认知上下文感知以及车队和道路运输的实时管理（33GPP22.186，2019）。此外，在这些合作车辆的未来V2X用例中，可以发挥更高的自主性因此，完全自动驾驶体验需要至少99.999%的链路可靠性和高达3 ms的延迟（Zeadally等人， 2020年）。这些先进技术将面临的挑战主要取决于不同的因素，如流量的密度和动态。例如，在城市环境的情况下，许多V2X链路是非视距（NLOS）的，见图4。不同计算架构的图示，即，TVCC、VEC和VCC。在VEC中，车辆可以分别使用V2 V和V2 I模式将任务卸载到周围车辆和/或基于RSU/eNB/gNB的边缘服务器特别是在传播路径被不同程度地遮蔽的较密集区域此外，DSRC802.11bd和NR C-V2X（3GPP22.185，2020）的部署是新兴挑战之一，同时关注异构V2X网络中基于雾的资源分配。先进的网络级资源分配协议必须支持无缝通信，以满足超低延迟和高吞吐量的要求。此外，管理IEEE 802.11bd和NR C-V2X何时共存也将是具有挑战性的;例如，当这些下一代技术在相同信道中操作时，信道2.2. 卸载和计算架构本小节的主要目的是概述最流行的车载计算架构。云计算资源对于ITS系统聚合来自不同ITS单元的信息和处理车辆复杂应用至关重要。车辆作为客户端，采用客户-服务器通信模式，从云计算中心获取计算资源。这些存储和处理资源可以是专用的远程云计算资源（即，数据中心）（Dizdarevic等人，2019），或车辆和远程云之间的中间边缘服务器/雾节点（Khan等人， 2019;宁例如，2019），或基于车辆的云（Florin等人，2019年）的报告。我们将远程云计算称为传统车载云计算（TVCC），将边缘服务器/雾节点称为车载边缘计算（VEC），将车载云计算称为车载云计算（VCC）。在讨论三种车载计算架构之前，我们简要定义了车载卸载，以阐明读者2.2.1. 卸载卸载是指从一个数字设备到另一个数字设备的数据传输通信网络中的卸载是涵盖数据/业务和任务/计算的总体概念（Han等人，2010年）。例如，在过载的蜂窝网络的情况下，数据负载被转移到WiFi网络、小小区和移动设备/车辆，以减少蜂窝频谱的使用，释放更多带宽，并以更好的服务质量（QoS）来适应用户（Reichi等人，2015年）。类似地，对于任务/计算卸载情况，具有不足以处理计算密集型和延迟敏感型任务的资源的设备/车辆可以将其任务转移到云/边缘服务器。由于当今车内和外部环境感测）来收集和存储数据、计算以及进行通信。值得注意的是，在车辆卸载场景中，这是一种将计算转移/迁移到云/边缘节点以提高车辆换句话说，云/边缘内部的车辆应用的远程处理被称为卸载。如果车辆应用程序是在云级别计算的，那么它被称为云计算（Mell和Grance，2011）。类似地，如果基于车辆应用程序的任务是延迟敏感和计算密集型的，则选择边缘级服务器，然后将其称为边缘计算（Spinelli和Mancuso，2021）。2.2.2. TVCC传统的车载云计算是一种强大的技术，它利用云计算以按需付费的方式为VANET用户提供服务，如图所示。 四、TVCC用户可以享受云计算的许多独特功能，例如无限的计算资源以及在短期内支付资源并在不再需要时释放资源的能力它还有助于消除云用户的财务承诺，并允许他们根据需要增加硬件/软件资源 （Buyya等人，M. 艾哈迈德，S。Raza，Muhammad Ayzed Mirza等.沙特国王大学学报41422013年）。因此，TVCC的目标是以低成本为车辆提供许多计算服务，以减少交通拥堵、旅行时间和环境污染。除了确保软件、平台和基础设施的低能耗使用和实时服务，同时保证用户的QoS。TVCC可以处理ITS的融合以及移动云计算（MCC）的巨大计算和存储能力。此外，TVCC为更好的道路安全和可靠的城市交通系统提供了技术上可行的WSN、ITS和MCC的无处不在感测的集成（Wang等人，2011年）。相比之下，卸载需要车辆和云之间的通信，导致传输延迟和带宽的额外开销。这种开销不仅影响延迟，而且使卸载成为复杂的决策（Barbera等人， 2013年）。2.2.3. VEC使通信和计算能力在用户附近可用的概念在2009年首次被引入作为云（Satyanarayanan等人，2009年）。这种方法使用户能够通过无线局域网连接到附近的服务器。后来，IBM和诺基亚西门子网络创造了移动边缘计算一词，用于描述在BS（IBM，NSK，2013）。从那时起，学者们就非常关注这一领域（Mach和Becvar，2017）。多路访问边缘计算（MEC）服务器是建立VEC的核心和MEC概念由欧洲电信标准协会（ETSI）定义，以分布式方式实现超低延迟，可靠和可扩展的服务。这里的多址意味着支持有线和无线（即，LTE/5G和WiFi）连接。网络架构的这种进步促进了云计算能力的接近，这对于垂直行业的成功至关重要，包括智能城市，工厂，汽车，物联网，电子医疗保健，AR/ VR和娱乐（Mao等人，2017年）。除了ETSI倡议之外，其他一些标准开发组织也在致力于基于边缘的生 态 系 统 （ Alliance ， 2015 ） ， 其 中 包 括 IEEE 边 缘 自 动 化 平 台（EAP）、第三代合作伙伴计划（3GPP）（3GPP22.261，2019）和Open-RAN联盟（Chih-Lin et al.，2020年）。根据ETSI行业规范组（ISG），MEC创建的主要目的是提供一个标准化和开放的环境，移动运营商可以通过该环境开放其RAN边缘，以允许第三方创建和部署新的服务和应用。这个新的生态系统不仅使汽车行业的参与者（即，车辆销售商、制造商和其他机构/服务提供商）来集成他们的应用程序，而且还提 供 有 效 的 数 字 服 务 （ Deng 等 人 ， 2020; Spinelli 和 Mancuso ，2020）。MEC服务器可以部署在网关、聚合点（即，4G核心（EPC）或5G核心（NGC））以及eNB/gNB或RSU。在5G架构中，MEC通过在用户附近部署存储和处理资源来实现任务和流量卸载，而无需利用网络卸载来访问传统云。因此，MEC成为最重要的实体之一，因为它能够支持要求超可靠性和低延迟的高级服务和应用。在5G网络中，与软件定义网络（SDN）和网络功能虚拟化（NFV）一起，基于MEC的邻近接入是用于实现各种未来一代互联网的有前途的使能器技术，所述互联网包括IoT（Fettweis，2014）、触觉互联网（Al-Fuqaha等人， 2015年），和我的互联网（Juniper，YYYY）。除了边缘计算边缘计算的上下文感知功能增强了其利用内容上下文信息的能力传播。例如，边缘存储可以用于在本地缓存最著名的内容，然后通过使用车辆通信模式与附近的车辆进行监测和协调来递送内容（Yuan等人，2018年）。边缘计算在提供数据和任务卸载服务方面是通用的。随着移动和物联网设备数量的不断增长，越来越多的移动和车载应用争夺计算能力，以提供定制的体验。在车辆环境中，5G汽车协会（5GAA）已经确定了以下潜在的用例组，例如安全性、便利性、高级驾驶辅助和弱势道路使用者（VRU）（Malinverno等人，2020年; Nguyen等人，2020年）。这些应用中的大多数对实时通信和密集计算有严格的要求（Yao等人， 2018年）。然而，车辆具有受限的资源并且具有有限的计算能力。因此，集中式计算节点已经从数据中心移动到网络边缘，形成分布式VEC以克服这些问题。2019年）的报告。VEC是新兴MEC与传统车辆网络的集成，如图所示。 四、这意味着VEC使资源受限的车辆能够将其任务卸载到具有足够资源的附近车辆或将其任务转移到MEC服务器。因此，VEC有潜力通过确保低延迟和高带宽在满足车辆不断增长的需求方面发挥重要作用（Liu等人，2021年）。此外，向包括部署在RSU或BS处的MEC服务器的VEC架构的任务卸载不仅可以改善它们的计算效率和体验质量 （ QoE ） ， 而 且 还 可 以 减 少 处 理 延 迟 并 节 省 网 络 带 宽 资 源（Bahreini等人，2019年）的报告。换句话说，VEC可以解决车辆的有限资源与车辆的安装计算需求之间的矛盾（Rodrigues等人，2016年）。VEC在低延迟和回程带宽消耗方面是有益的，但与云计算相比，其计算能力相对有限（Mach和Becvar，2017）。2.2.4. VCC车载云计算似乎是一个有吸引力的解决方案，鼓励车辆计算和存储服务请求（Abuelela和Olariu，2010年）。VCC是利用未充分利用的移动或停放的车辆资源（即，计算、感测、存储和通信能力）（Skondras等人， 2019年）的报告。此外，VCC由用户、设备或车辆的共享资源池组成（Manvi和Tangade，2017），如图4所示。因此，它有效地利用了未充分利用的车辆和基础设施资源。允许出租其资源的车辆被视为资源提供者。特别地，停放和移动的车辆可以被视为数据中心，并且它们的资源按需利用（Huang等人，2018年）。此外，像RSU这样的路边基础设施组件可以是VCC的一部分，VCC可以租用它们的资源或托管车辆应用（Eltoweissy等人， 2010年）。2.3. 试验台/模拟器任何技术的研究和开发过程都可以通过在较短的范围内模拟真实场景或在虚拟设计的环境中模拟来测试。几个V2X测试台可用于模拟不同组织和机构的新开发场景和程序。例如，USDOT联网车辆试验台为DSRC和LTE提供实时测试和评估环境（Duhn例如，2019年），亚利桑那州DSRC连接车辆测试台（Joerger等人，2019），思博伦V2X仿真器有助于DSRC和LTE测试（Szendrei等人，2018年）。ZenzicM. 艾哈迈德，S。Raza，Muhammad Ayzed Mirza等.沙特国王大学学报4143和学术界为卓越的自动驾驶设定世界标准（Zenzic，2022）。亚琛-杜塞尔多夫新移动走廊（ACCorD）是另一个由Cohda Wireless和德国联邦建筑和数字基础设施部支持的集成测试环境，用于评估德国真实世界的V2X连接智能交通系统测试案例（Kloeker等人，2021年）。为了测试mmWave在车载环境中的真实有效性，mmWave V2X测试床为基于mmWave的V2X网络和测试用例提供了一个开源的可编程mmWave实验平台。此外，它还提供了高机动性下波束形成和多阵列共相位方法的评估机制（张例如，2022; Wang等人， 2020年）。这些测试平台在评估测试的每个方面和类型时可能有一些限制为了克服这些限制，基于软件的模拟器，例如，NS 2和NS 3可以支持用于VAN的LTE和毫米波协议栈实时道路交通管理解决方案的集成无线和交通平台（iTETRIS）是NS3的扩展，指定与支持ITS兼容的车辆间通信（IVC）协议栈的VANET一起工作Veins（Vehicle innetwork simulation ） 和 VENTOS （ Vehicle network opensimulator）是集成的仿真平台，集成了OMNet++（网络仿真器）和SUMO（道路交通仿真器），为IVC协议栈提供了全面的支持研究道路安全的模拟器（SiRoS）是专门用于道路安全应用的模拟器Verkehr in städten- simulations model（VISSIM）是一种专有的模拟器，用于微观多模态交通流模拟，并对行人模型提供额外支持V2X仿真运行时基础设施（VSimRTI）提供了用于仿真基于LTE和DSRC的V2X场景的平台（Sommer等人，2015年; Amoozadeh例如，2019; Sommer等人，2019年）的报告。基于Gazebo机器人仿真引擎的V2XSim仿真器为联网车辆环境仿真提供了实验平台。V2XSim集成了精确的车辆力学、车辆运动的精确物理学（Zhang和Masoud，2020）如今，仿真器和模拟器不足以进行某些实验评估。此外，在V2X用例中，机器和环境智能的附件，也需要全面和强大的数据集。DAIR-V2X-C是用于V2 I协作自动驾驶（VICAD）的大规模、多模态、多视图数据集，具有2D& 3D对象注释（Yu等人，2022年）。V2X-Sim数据集是由纽约大学AI 4CE实验室和上海交通大学MediaBrain Group开发的基于大规模合作理念的合成自动驾驶公共数据集它以各种方式提供了基础设施节点和车载传感器节点的多样化、明确定义和简化的协作印象Li等人，2022年。除了这些数据集之外，其他类型的数据集也可用于实验目的，例如， （Parvini，2021）提供了一个用于强化学习的V2X资源分配数据集（Yacoub，2020; Yacoub等人，2020）提供了用于测试6GHz以下5G和V2X通信天线系统的数据集。3. 车载计算/任务卸载本节概述了车载计算/任务卸载及其类型。接下来，我们提出了任务卸载前沿方案的分类：基于V2 V的计算/任务卸载，基于V2 I的计算卸载和基于V2X的计算卸载，如图所示。1.一、此外，每个任务/计算卸载类别被进一步划分，考虑到国家的最先进的计划的关键目标。最后，值得一提的是，通过总结和经验教训，激励读者深入研究这一领域。车辆计算/任务卸载概述：随着CAV的车辆应用不断发展，不仅对延迟敏感，而且对计算密集型也越来越敏感，这对计算资源有限的单个车辆造成了挑战（Boukerche和Soto，2020）。在这种情况下，车辆可以获得其他计算资源的帮助这些计算资源包括TVCC、VEC和VCC，可以根据应用与WiFi卸载和将移动终端卸载到其他设备不同，在车辆卸载环境中，CAV应用不仅对时间更敏感和计算密集，而且由于高移动性而受到影响。因此，考虑到车辆通信环境的高动态性，车辆卸载变得比其他卸载更具挑战性，这导致高度动态的网络拓扑和快速变化的信道特性。在这种情况下，处理临界（例如，自动驾驶和安全支持）和高优先级安全增强应用（例如，高清晰度地图、位置视线检测、道路状况和保持视野增强）（Dziyauddin等人，2019;Tokody等人， 2018年）是极具挑战性的，需要强大的计算架构。可以利用计算卸载机制来加速在各种条件和场景下的任务的执行。在包括自动驾驶在内的各种计算卸载应用中，计算和传输的延迟在VCN中，车辆对于任务卸载，关键的每帧指示符或度量是包括三个部分的延迟：1）上传延迟（即，与任务的数据大小相关联2)计算车辆/边缘节点处的延迟（即，与数据大小和计算复杂度相关），以及3）下载延迟（即，与输出数据大小相关联）。例如，经由TVCC的车辆到云卸载在利用无限的云计算资源以提高车辆应用的性能方面起着至关重要的作用。然而，计算卸载需要车辆和云之间的广泛通信，