随着城市智慧交通及车联网蓬勃发展,自动驾驶、图像语音处理等计算密集型应用对计算和缓存资源需求攀升。鉴于传统车联网中云计算架构因云服务器位于网络核心,传播延迟大,难以给予行驶车辆实时优质服务,旨在提出区块链赋能的车辆边缘网络任务卸载方法研究。通过任务卸载,将车辆生成的计算任务动态分配到边缘计算服务器或邻近车辆中,从而减少计算负载并降低延迟。首先,将边缘计算融入车联网,构建车辆边缘网络,把边缘计算服务器部署于网络边缘,削减数据通信延迟,提升任务卸载计算效率;然后,设计预测-奖励-检测的双深度学习算法,融合深度神经网络与Q-learning算法展开策略训练学习,利用预测-奖励-检测训练过程预估相邻状态累计奖励并用于算法训练,实现动态决策以适配变化环境;最后,在边缘计算服务器中集成区块链技术,通过私有区块链结构维护任务卸载交易的完整性和可靠性。实验结果表明,与传统多智能体深度确定性策略梯度方法相比,所提方法优势显著,累计奖励提高39.98%,能耗降低20.09%。
