轨迹预测多智能体网络

迁移方向更准

引入车辆轨迹预测来引导任务迁移方向，在边缘服务器负载失衡时做出更靠得住的车级卸载与迁移决策。

Xinyi, Zhang · Wang, Chunyang · 朱燕民 · 曹简 · 刘通

IEEE Transactions on Mobile Computing 2025

技术优势

迁移方向更准

通过探索车辆的未来轨迹来引导任务迁移，避免把任务迁往车辆即将离开的方向，从而减少额外时延。

逐车决策

采用多智能体协同深度强化学习，每辆车都能得到针对性决策，适应多边缘计算场景中不同车辆的状态差异。

可预测运动

集成了基于Informer的多步车辆轨迹预测模块，增强对车辆移动的预测能力，为迁移提供前瞻性信息。

应用场景

• 车路云协同计算：在车路云协同计算中提升任务迁移成功率，降低车辆移动导致的时延。
• 边缘计算：在边缘服务器负载失衡时动态均衡负载，提高资源利用率。
• 智能网联汽车：为自动驾驶车辆运行计算密集型任务提供低时延卸载与迁移决策。
• 移动性管理：依据预测轨迹管理车辆移动性，优化迁移策略避免错误方向。