05 set 2023
09:00 Defesa de Doutorado Sala 85 do IC2
Tema
Mobility-aware Resource Management for Vehicular Edge Computing
Aluno
Joahannes Bruno Dias da Costa
Orientador / Docente
Leandro Aparecido Villas - Coorientador: Denis Lima do Rosário
Breve resumo
A indústria automobilística vem investindo continuamente na modernização dos veículos, aprimorando suas capacidades de comunicação e processamento de dados. Seguindo essa evolução, o paradigma de Computação de Borda Veicular (VEC) surge com a finalidade de prover serviços de computação em nuvem próximo aos usuários veiculares, utilizando os recursos computacionais dos próprios veículos. Nesse cenário, veículos e infraestruturas de comunicação podem cooperativamente atender serviços/aplicações veiculares, agregando seus recursos e disponibilizando-os por meio das Nuvens Veiculares (VCs). Para que essa disponibilização aconteça, os seguintes processos devem ser realizados: (i) Formação de VCs, que é o agrupamento dos veículos e seus recursos computacionais disponíveis; e (ii) Escalonamento de Tarefas, que tem como finalidade decidir em qual das VCs um determinado conjunto de tarefas será processado. Além disso, realizar balanceamento de carga entre as VCs é fundamental para aumentar a justiça na utilização dos recursos e tornar a distribuição de carga na rede mais homogênea. No entanto, a mobilidade é um dos principais desafios na proposição de soluções nesses cenários, uma vez que a mobilidade veicular provoca diversas mudanças na topologia da rede e conexões intermitentes. Nesse contexto, esta tese apresenta um estudo de como se dá a formação das VCs e como as aplicações podem utilizar os recursos dessas nuvens de forma eficiente para processamento de dados e, com isso, auxiliar em tomadas de decisão que exigem baixa latência e tempo de processamento restrito. Além disso, esta tese propõe uma série de mecanismos para lidar com diferentes aspectos da mobilidade na borda da rede veicular. A primeira contribuição desta tese reside em uma solução ciente de mobilidade para estimar o tempo de permanência dos veículos em uma determinada região e, assim, mitigar os impactos da mobilidade na formação de VCs. Como segunda contribuição, foi proposto um mecanismo de escalonamento de tarefas que utiliza uma arquitetura de Rede Neural Recorrente (RNN) para estimar os recursos computacionais nas VCs e garantir que as demandas dos usuários sejam atendidas. Essa abordagem consegue aumentar o número de tarefas escalonadas, diminuir a latência geral do sistema e diminuir os custos monetários pela utilização dos recursos computacionais. A terceira contribuição se volta no aumento da justiça e no balanceamento de carga na utilização dos recursos das VCs. As principais vantagens desse último mecanismo incluem: (i) um escalonamento de tarefas que maximiza o número de tarefas escalonadas e processadas com sucesso enquanto mantém um balanceamento de carga justo no uso de recursos computacionais e (ii) o uso de multithreading para resolução paralela de subproblemas de escalonamento, visando reduzir a latência do sistema sem comprometer o desempenho geral da solução. As soluções propostas foram amplamente comparadas com outras soluções da literatura em diferentes métricas de avaliação de desempenho e considerando cenários de mobilidade realísticos. Os resultados mostram que as abordagens propostas são eficientes e escaláveis, no qual podem ser boas alternativas para mitigar os desafios impostos pela dinamicidade da mobilidade veicular nos ambientes de VEC.
Banca examinadora
Titulares:
Leandro Aparecido Villas | IC/UNICAMP |
Fabrício Aguiar Silva | CEDAF/UFV |
Lourenço Alves Pereira Júnior | COMP/ITA |
Juliana Freitag Borin | IC/UNICAMP |
Carlos Alberto Astudillo Trujillo | IGCE/UNESP |
Suplentes:
Judy Carolina Guevara Amaya | IC/UNICAMP |
Helder May Nunes da Silva Oliveira | CECS/UFABC |
Vinícius Fernandes Soares Mota | INF/UFES |