1. Introduction et contexte

Pour ce projet nous allons étudier une optimisation multi-objective dans le cadre de task offloading en IoV, avec un système de voitures connectées. La méthode de task offloading étudiée est le Vehicular Task Offloading (VTO).

Un RSU (Road Side Unit) collecte des données de circulation depuis des routes, et les transmet à des appareils de contrôle, ainsi que des centres de management de circulations. Ces unités sont également des sources d’information pour des véhicules intelligents. Quelques exemples de tâches RSU :

Réception de requêtes de véhicules
Traitement des données
Transmission des métadonnées de tâches.

Dans ce projet, nous cherchons à optimiser la position des RSU afin de minimiser deux fonctions objectifs avec un set de tâches fixes.

2. Le modèle mathématique

Nous supposons qu’il existe $M$ RSU sur le long d’une route, dénotés :

$$ R=\{r_1, r_2, ..., r_M\} $$

Les RSU sont en majorité composées de points d’accès (AP), et de serveurs edge (ES). Les ES entreprennent les tâches les plus importantes, mais sont couteux . Le reste des AP transmettent seulement des données. Nous définissons $W$ serveurs edge :

$$ S = \{ s_1, s_2, ..., s_W\}, W<M $$

Le système vise à transmettre $J$ tâches d’un véhicule à un ES dénotées :

$$ T = \{t_1, t_2, ..., t_J\} $$

Le but du VTO est de transmettre ces tâches aux ES. Lorsqu’une tâche est transmise d’un véhicule à un RSU, le VTO détermine le besoin de la transmettre à un autre RSU, car pas tous comprennent des ES ou ces derniers peuvent être occupés.

$\psi_{j,m} = 1$ si $t_j$ doit être transmis à $r_m$ selon le VTO, sinon $0$

Le nouveau RSU target $s_w$ sera peut-être loin du point d’entrée ou occupé