（文献阅读笔记-边缘计算、交通）Offloading in Internet of Vehicles: A Fog-Enabled Real-Time Traffic Management Syste

摘要车辆产生的信息与当地 有关，即车 辆感应的数 据有其自身 的生命周期以及速度空 间范围周期，例子，交通阻塞数据，只对即将靠近、欲驶向该区域的车辆及行人有价值，并且阻塞信息会不断更新。
本文在基于fog的IOV系统中，实现实时卸载交通管理，减少车载事件的平均回应时间，构建分布式城市交通系统，使得靠近RSU 的车辆可以作为雾节点。本文建立了三层系统模型，将整个城市划分为多个区域，每个区域一个cloudlet，多个RSU和fog（parked and moving vehicle），cloudlet和fog同时提供计算能力避免了额外的花费；引入队列理论，cloudlet为MM1队列，parked为MMb队列，moving为MM1队列；数学框架为O（m^4）复杂度。
三层架构
cloud为TMS，仅仅用于进行结果接收和奖励分配；cloudlet、fog是主要的区域数据处理器，该文献关键就是如何对两种进行平衡调度，减小TMS延迟；RSU用于接收数据并对cloudlet、fog进行任务卸载。
卸载算法本文模型的卸载原则是首先选择fog，因为fog比cloudlet离RSU更近，在卸载时，会首先根据公式计算在 这种车载条件下，理想最小时延，计算中，将其看做一个minimum concave-cost network flow problem，使用a brand-and-bound algorithm来解决；然后在该数值下，对部分卸载数据进行重定向，达到负载均衡，时延接近于理想时延，这个过程看做a typical linear minimum cost network flow problem，由 Edmonds–Karp algorithm解决。在fog无法处理完成的条件下，再将不能处理的任务重定向到cloudlet进行处理，根据信息流量来计算cloudlet中可放置的最小服务器数量，实现资源消耗最小化，资源利用率最大化。
仿真
使用收集的上海2015年4月1日至2015年4月30日出租车的真实轨迹，考虑了一个真实的场景，其中包括1000多个出租车的记录信息。 数据集包含相应的信息，例如GPS位置，记录时间，速度和方向。根据上海的行政区划将上海分为七个地区在每个区域内，都有一个cloudlet和几个RSU。利用谷歌地图计算每两个区域的距离，每10分钟来计算500m以内的移动车载的 arrival rate，符合泊松分布。对比方案选择“随机策略”。