Page 147 - 公共安全与应急管理研究

第五章 应急通信

载情况等多种因素，基于 MEC 的任务调度方案的目标是在满足用户的 QoS 要求
的前提下，最大化系统的吞吐量和最小化系统的能耗。
基于 MEC 的计算卸载调度要解决的主要问题是卸载决策的实现和调度模型

的构建。卸载决策包括部分卸载和全部卸载两种模式。设计了一个二进制卸载决
策变量来描述任务是否被完全卸载到同一服务器；为了最大化系统吞吐量允许同
一任务数据在不同位置处理。计算卸载调度模型主要包括马尔可夫决策过程和混
合整数线性规划模型。马尔可夫决策过程适用于计算任务动态到达的情况，并且

能通过多次学习较快地得到最优调度策略。将边缘、云计算体系结构中的调度问
题建模为马尔可夫决策过程，并通过强化学习方法求解最优调度策略。而混合整
数线性规划模型适用于约束更为复杂且存在多个优化目标的情况。在混合整数线

性规划模型的基础上通过联合优化用户关联、上行链路功率控制和信道分配来确
定最优调度策略。多项研究表明，在性能表现方面，利用强化学习方法求解的马
尔可夫决策过程模型与利用启发式算法求解的混合整数线性规划模型相比，任务
处理延迟降低高达 30%，且算法平均运行时间相比后者大大减少。
未来超可靠和超低延迟的应急通信旨在利用所有新兴的技术创新来增强用户

在应急事件发生时的态势感知。这些进步的潜在推动力之一是万物互联时代中大
量物联网设备的部署。根据国际数据公司 IDC 的预测，到 2025 年，将有 559 亿
台连接设备和 79.4ZB 的数据由物联网设备创建。而基于 MEC 的计算卸载调度

研究的主要挑战正是如何管理空前数量的物联网设备带来的并发连接，并在有限
资源的约束下确保灾害监测、智能交通和 VR 等时延敏感业务的超低延迟、超高
可用性和可靠性。另外，未来的研究可以探索如何在考虑虚拟机异构性的情况下
进行卸载调度，从而提高调度系统的灵活性和可扩展性。
4. 基于多层协作的一体化调度方案

随着应急通信网络空天地一体化进程的稳步推进，如何处理整个系统调度过
程中包括数据量与传输时间不匹配在内的多种冲突、多目标优化权衡等成为了一
体化协同调度研究中的重点研究方向。

基于多层协作的空天地一体化任务调度框架分为四个层次：基础设施层、任
务资源层、调度控制层和应用层。通过网络功能虚拟化，基础设施层梳理了天基、
空基和地基三层网络的用户和资源实体。任务资源层在此基础上对任务和资源的
各项属性进行抽象化描述，对空天地一体化资源进行分类和评估，以满足多样化

133