The emergence of vehicular networking enables distributed cooperative computation among nearby vehicles and infrastructures to achieve various applications that may need to handle mass data by a short deadline. In this paper, we investigate the fundamental problems of a cooperative vehicle-infrastructure system (CVIS): how does vehicular communication and networking affect the benefit gained from cooperative computation in the CVIS and what should a reliability-optimal cooperation be? We develop an analytical framework of reliability-oriented cooperative computation optimization, considering the dynamics of vehicular communication and computation. To be specific, we propose stochastic modeling of V2V and V2I communications, incorporating effects of the vehicle mobility, channel contentions, and fading, and theoretically derive the probability of successful data transmission. We also formulate and solve an execution time minimization model to obtain the success probability of application completion with the constrained computation capacity and application requirements. By combining these models, we develop constrained optimizations to maximize the coupled reliability of communication and computation by optimizing the data partitions among different cooperators. Numerical results confirm that vehicular applications with a short deadline and large processing data size can better benefit from the cooperative computation rather than non-cooperative solutions.

中文翻译：

---

车联网系统中的可靠性-最优协作通信和计算

车联网的出现使得附近车辆和基础设施之间的分布式协作计算成为可能，以实现可能需要在短时间内处理大量数据的各种应用。在本文中，我们研究了协同车辆基础设施系统 (CVIS) 的基本问题：车辆通信和网络如何影响从 CVIS 中的协同计算中获得的收益，以及可靠性最佳合作应该是什么？我们开发了一个面向可靠性的协同计算优化的分析框架，考虑了车辆通信和计算的动态。具体来说，我们提出了 V2V 和 V2I 通信的随机建模，结合了车辆移动性、信道争用和衰落的影响，并从理论上推导出数据传输成功的概率。我们还制定并求解了一个执行时间最小化模型，以获得具有约束计算能力和应用程序要求的应用程序完成的成功概率。通过组合这些模型，我们开发了约束优化，通过优化不同合作者之间的数据分区来最大化通信和计算的耦合可靠性。数值结果证实，与非合作解决方案相比，具有短期限和大处理数据量的车辆应用可以更好地受益于协作计算。我们还制定并求解了一个执行时间最小化模型，以获得具有约束计算能力和应用程序要求的应用程序完成的成功概率。通过组合这些模型，我们开发了约束优化，通过优化不同合作者之间的数据分区来最大化通信和计算的耦合可靠性。数值结果证实，与非合作解决方案相比，具有短期限和大处理数据量的车辆应用可以更好地受益于协作计算。我们还制定并求解了一个执行时间最小化模型，以获得具有约束计算能力和应用程序要求的应用程序完成的成功概率。通过组合这些模型，我们开发了约束优化，通过优化不同合作者之间的数据分区来最大化通信和计算的耦合可靠性。数值结果证实，与非合作解决方案相比，具有短期限和大处理数据量的车辆应用可以更好地受益于协作计算。