Date of Award

11-2023

Document Type

Dissertation

Degree Name

Doctor of Philosophy in Informatics and Computing

Department

Computer Science and Software Engineering

First Advisor

Dr. Leila Ismail

Abstract

The emergence of Internet of Vehicles technology through Vehicular Ad-hoc Networks represents a promising development in the realm of smart city. It empowers the development of smart city applications with a primary focus on improving traffic safety, optimizing traffic flow, and enhancing the overall driving experience. These applications come with demanding quality of service requirements outlined in Service Level Agreements (SLAs). They are communication-intensive, requiring a real-time response, and computation-intensive, demanding high processing. Due to inherent limitations in the computational and storage capacities of vehicles, the system relies on offloading application requests to edge and cloud computing infrastructures. However, the heightened energy consumption associated with edge and cloud servers escalates operational expenses and contributes to carbon dioxide emissions, thus exacerbating global warming concerns.

Existing offloading strategies primarily focus on minimizing vehicle energy consumption and requests execution times, while adhering to a single SLA requirement. Nonetheless, several gaps exist in this domain. First, prior research overlooks the energy consumption of both edge and cloud servers and does not consider multiple SLA constraints for compute-intensive and communication-intensive applications. Second, vehicles mobility is not considered, nor the influence of concurrent requests executions on servers. Third, existing optimization algorithms rely on fixed penalties for SLA violations, regardless of the severity of SLA violations, thus considering all violating offloading solutions with the same criticality.

This thesis introduces innovative approaches employing a genetic algorithm and Deep Q-Network (DQN) to minimize the weighted sum of energy consumption across the edge and cloud resources, and the total execution time of requests, while respecting applications stringent requirements in terms of latency, processing time, and deadlines. The proposed algorithms introduce a novel dynamic fitness (for genetic), and a reward function (for DQN), which are based on the number of requests violating SLAs and the extent of these violations. These algorithms take into account the mobility of vehicles and the effects of multi-request processing by edge and cloud servers. To validate their performances, we rigorously compare them with state-of-the-art approaches. Numerical results reveal that our proposed genetic algorithm executes requests 5.672 times faster and saves 2.17 times energy on average compared to the state-of-the-art and baseline approaches. Moreover, the proposed algorithm violates 55.84% fewer SLAs, on average, compared to the compared approaches. Furthermore, the proposed DQN algorithm executes requests 2.47 time faster with 30.5% less energy and 40.12% fewer SLA violations on average compared to the state-of-the-art and baseline approaches.

Arabic Abstract


الحوسبة الذكية لتفريغ التحميل في نظام الحافة والإنترنت السحابي للمركبات الملخص

يمثل ظهور تكنولوجيا إنترنت المركبات من خلال “الشبكات المخصصة للمركبات” تطوراً واعداً في مجال المدينة الذكية إنه يتيح تطوير تطبيقات المدن الذكية مع التركيز بشكل أساسي على تحسين السلامة المرورية، وتحسين تدفق حركة المرور وتعزيز تجربة القيادة الشاملة. تأتي هذه التطبيقات مع متطلبات جودة الخدمة المطلوبة الموضحة في اتفاقيات مستوى الخدمة "Service Level Agreement (SLA)"وهي تتطلب اتصالات مكثفة، استجابة في الوقت الفعلي و عمليات حسابية مكثفة، وتتطلب أيضا معالجة عالية. نظرًا للقيود الكامنة في القدرات الحسابية والتخزينية للمركبات، يعتمد النظام على تفريغ طلبات التطبيقات إلى البنية التحتية للحوسبة السحابية والحافة. ومع ذلك، فإن الاستهلاك المتزايد للطاقة المرتبط بالخوادم الطرفية والسحابية يؤدي إلى تصاعد النفقات التشغيلية ويساهم في انبعاثات ثاني أكسيد الكربون، مما يؤدي إلى تفاقم المخاوف المتعلقة بالاحتباس الحراري. 

تركز استراتيجيات التفريغ الحالية في المقام الأول على تقليل استهلاك طاقة السيارة و أوقات تنفيذ الطلبات مع الالتزام بمتطلبات اتفاقية مستوى الخدمة. توجد ثغرات عديدة في هذا المجال. أولاً، تتجاهل الأبحاث السابقة استهلاك الطاقة لكل من الخوادم الطرفية والسحابية ولا تأخذ بعين الاعتبار القيود المتعددة لاتفاقية مستوى الخدمة للتطبيقات كثيفة الاستخدام للحوسبة والاتصالات. ثانيًا، لا يتم أخذ تنقل المركبات بعين الاعتبار، ولا تأثير تنفيذ الطلبات المتزامنة على الخوادم. ثالثًا، تعتمد خوارزميات التحسين الحالية على عقوبات ثابتة لانتهاكات اتفاقية مستوى الخدمة بغض النظر عن خطورة انتهاكات اتفاقية مستوى الخدمة وبالتالي اعتبارجميع حلول التفريغ المخالفة بنفس الأهمية.

تقدم هذه الأطروحة أساليب مبتكرة تستخدم الخوارزمية الجينية وشبكة Q العميقة لتقليل المجموع المرجح لاستهلاك الطاقة عبر موارد الحافة والسحابة وإجمالي وقت تنفيذ الطلبات مع احترام المتطلبات الصارمة للتطبيقات من حيث زمن الوصول، وقت المعالجة والمواعيد النهائية. تقدم الخوارزميات المقترحة ملاءمة ديناميكية جديدة (للجينات) وصياغة المكافأة (لشبكة Q العميقة)، والتي تعتمد على عدد الطلبات التي تنتهك اتفاقيات مستوى الخدمة ومدى هذه الانتهاكات. تأخذ هذه الخوارزميات في الاعتبار إمكانية تنقل المركبات وتأثيرات معالجة الطلبات المتعددة بواسطة خوادم الحافة والسحابة. وللتحقق من صحة أدائها، نقوم بمقارنتها بدقة مع أحدث الأساليب. تكشف النتائج العددية أن الخوارزمية الجينية المقترحة لدينا تنفذ الطلبات بشكل أسرع بمقدار 5.672 مرة وتوفر الطاقة 2.17 مرة في المتوسط مقارنة بالطرق الحديثة والأساسية. علاوة على ذلك، فإن الخوارزمية المقترحة تنتهك اتفاقيات مستوى الخدمة أقل بنسبة 55.84%، في المتوسط، مقارنة بالطرق المقارنة. علاوة على ذلك، تنفذ خوارزمية DQN المقترحة الطلبات بشكل أسرع بمقدار 2.47 مرة مع طاقة أقل بنسبة 30.5% وانتهاكات أقل لاتفاقية مستوى الخدمة بنسبة 40.12% في المتوسط مقارنة بالطرق الحديثة والأساسية.

Download

Share

COinS