Um framework para gerenciamento de alocação de tarefas em computação de borda veicular com prioridade por colaboração e sistema billing

Abstract

A evolução das tecnologias associadas aos sistemas de transporte inteligentes tem impulsionado o desenvolvimento e a expansão do mercado de veículos conectados e autônomos em cidades inteligentes. Nesse contexto, a Computação de Borda Veicular (do inglês, Vehicular Edge Computing – VEC) surge como uma abordagem promissora para viabilizar serviços com requisitos de baixa latência e comunicação em tempo real entre veículos e infraestruturas rodoviárias. Entretanto, esse cenário introduz novos desafios para a comunidade científica. Entre os principais desafios destacam-se a elevada dinamicidade dos veículos e as constantes alterações na topologia da rede, fatores que afetam diretamente a disponibilidade de recursos computacionais oferecidos pelos serviços. Embora diversas técnicas de alocação de tarefas tenham sido propostas para ambientes de Computação de Borda Veicular, a maioria das abordagens concentra-se na maximização da taxa de atendimento ou no desempenho do processamento das tarefas, negligenciando a implementação de mecanismos de incentivo capazes de estimular o compartilhamento de recursos computacionais pelos veículos. Ademais, a incorporação de incentivos financeiros associados aos recursos compartilhados, fundamentados no nível de colaboração dos usuários, permanece amplamente inexplorada na literatura. Com o objetivo de superar essas limitações, neste trabalho apresenta-se um framework para gerenciamento da alocação de tarefas em ambientes de Computação de Borda Veicular com priorização baseada na colaboração e sistema de billing, denominado PRIOBILL. O PRIOBILL implementa um mecanismo de seleção de nós de borda fundamentado no Algoritmo de Otimização do Leão (do inglês, Lion Optimization Algorithm – LOA), visando priorizar o atendimento de tarefas de acordo com o histórico de colaboração de cada veículo. Adicionalmente, é implementado um modelo de cobrança baseado no uso (usage-based billing), destinado a recompensar os veículos que disponibilizam seus recursos computacionais para a rede VEC. O framework desenvolvido foi avaliado por meio de extensos experimentos e comparado com técnicas de referência da literatura. Os resultados demonstram que o PRIOBILL é capaz de maximizar o processamento de tarefas, alcançando até 30,98% no número de tarefas processadas e minimizar a taxa de rejeição em até 18,98% em relação ao segundo melhor método. Além disso, o método apresentou elevada eficiência na utilização dos recursos computacionais disponibilizados, alcançando vantagem de até 31,78% em relação aos métodos subsequentes, além de atingir altas taxas de transferência e um equilíbrio adequado entre a latência e a capacidade de atendimento das demandas. Por fim, o PRIOBILL também fornece estimativas de remuneração aos veículos colaboradores por meio do sistema de billing implementado.

The evolution of technologies associated with intelligent transportation systems has driven the development and expansion of the connected and autonomous vehicle market in smart cities. In this context, Vehicular Edge Computing (VEC) emerges as a promising approach to enable services requiring low latency and real-time communication between vehicles and road infrastructure. However, this scenario introduces new challenges for the scientific community. Key challenges include the high mobility of vehicles and constant changes in network topology factors that directly affect the availability of computational resources offered by services. Although various task allocation techniques have been proposed for VEC environments, most approaches focus on maximizing service rates or task processing performance, neglecting the implementation of incentive mechanisms to encourage vehicles to share computational resources. Moreover, the incorporation of financial incentives for shared resources based on user collaboration levels remains largely unexplored in the literature. To address these limitations, this work presents a framework for managing task allocation in VEC environments, featuring collaboration-based prioritization and a billing system, named PRIOBILL. PRIOBILL implements an edge node selection mechanism based on the Lion Optimization Algorithm (LOA), aiming to prioritize task servicing according to each vehicle's collaboration history. Additionally, a usage-based billing model is implemented to reward vehicles that make their computational resources available to the VEC network. The developed framework was evaluated through extensive experiments and compared with benchmark techniques from the literature. The results demonstrate that the PRIOBILL is capable of maximizing task processing achieving up to a 30.98% increase in the number of processed tasks and minimizing the rejection rate by up to 18.98% compared to the second-best method. Furthermore, the method exhibited high efficiency in utilizing available computational resources, outperforming subsequent methods by up to 31.78%, while also achieving high throughput and an appropriate balance between latency and demand-handling capacity. Finally, the framework also provides remuneration estimates for participating vehicles through the implemented billing system.