Multi-agent systems in vehicular edge computing : a communication-centric approach to task handovers

Abstract

Die rasante Entwicklung von Fahrzeugtechnologien, insbesondere im autonomen Fahren und bei Fahrerassistenzsystemen (ADAS), hat die Anforderungen an die Rechenleistung erheblich gesteigert und die Grenzen traditioneller, zentralisierter Cloud-Computing-Ansätze aufgezeigt. Eine der größten Herausforderungen ist die Latenz, die durch die physische Entfernung zwischen Fahrzeugen und entfernten Cloud-Servern entsteht und sich in zeitkritischen Anwendungen negativ auswirken kann. "Vehicular Edge Computing" (VEC) bietet eine Lösung, indem Rechenressourcen näher an die Fahrzeuge gebracht werden und rechenintensive Aufgaben an nahegelegene, sogenannte Roadside Units (RSUs) ausgelagert werden. Allerdings stellen die Dynamik und Mobilität von Fahrzeugnetzen erhebliche Herausforderungen bei der Verwaltung von Aufgabenübergaben (engl. Handover) zwischen RSUs dar, wobei die Minimierung der Latenz und die Sicherstellung eines kontinuierlichen Dienstes entscheidend für die Systemleistung und -sicherheit sind. Diese Arbeit stellt die "Agent-based RSU Handover Coordination" (ARHC) Strategie vor, einen neuartigen Ansatz, der Multi-Agenten-Systeme (MAS) in RSUs integriert, um die Entscheidungsfindung zu dezentralisieren und Handover in VEC-Umgebungen zu optimieren. Die ARHC-Strategie verbessert die Netzwerkleistung, indem unnötige Handover reduziert, Rechenlasten effizient ausgeglichen und die Dienstgüte (engl. Quality of Service, QoS) gesteigert werden. Um die Wirksamkeit der ARHC-Strategie zu bewerten, wurde eine Simulationsumgebung entwickelt, die einen detaillierten Vergleich mit konventionellen Handover-Methoden ermöglichte. Diese Bewertung konzentrierte sich auf Latenz, Kommunikationseffizienz und Skalierbarkeit und lieferte eine umfassende Analyse der Auswirkungen.Die Ergebnisse zeigen, dass die ARHC-Strategie die Anpassungsfähigkeit, Zuverlässigkeit und Effizienz von VEC-Systemen deutlich verbessert, insbesondere in Szenarien mit geringen Latenz- und hohen Zuverlässigkeitsanforderungen. Durch die Dezentralisierung der Kontrolle an den Netzwerkrand wird der Kommunikationsaufwand reduziert und die Ressourcennutzung optimiert.Diese Forschung bietet ein solides Framework für das Management von Handover in VEC und stellt bedeutende Fortschritte in der Entwicklung und Implementierung von Intelligenten Verkehrssystemen dar.

The rapid evolution of vehicular technologies, particularly in Autonomous Driving (AD) and Advanced Driver Assistance Systems (ADAS), has dramatically increased computational demands, revealing critical limitations in traditional centralized cloud computing models. One of the primary challenges is the latency caused by the physical distance between vehicles and remote cloud servers, which can be detrimental in time-sensitive applications. Vehicular Edge Computing (VEC) addresses this issue by bringing computational resources closer to the vehicles, enabling real-time data processing by offloading computationally intensive tasks to nearby Road Side Units (RSUs). However, vehicular networks’ dynamics and mobile nature introduce significant challenges in managing task handovers between RSUs, where minimizing latency and ensuring continuous, uninterrupted service are crucial for maintaining system performance and safety.This thesis introduces the Agent-based RSU Handover Coordination (ARHC) strategy, a novel approach that integrates Multi-Agent Systems (MASs) within RSUs to decentralize handover decision-making and optimize task handovers in VEC environments. The ARHC strategy moves away from traditional centralized or vehicle-based handover methods by shifting control to the network edge. This strategy enhances network performance by reducing unnecessary handovers, efficiently balancing computational loads, and improving overall Quality of Service (QoS). A custom simulation environment was developed to rigorously assess the effectiveness of the ARHC strategy, simulating diverse real-world traffic scenarios and variable network conditions. This evaluation focused on key metrics such as latency, communication efficiency, and system scalability, providing a comprehensive analysis of the strategy’s impact.The results demonstrate that the ARHC strategy significantly improves the adaptability, reliability, and efficiency of VEC systems, particularly in scenarios that demand low latency and high reliability. By decentralizing control to the network edge, the ARHC strategy effectively reduces communication overhead and optimizes resource utilization.This research offers a robust framework for task handover management in VEC, delivering significant advancements in the development and implementation of Intelligent Transportation Systems (ITS).