基于生成式人工智能的IoV任务卸载策略：从RSU-RSU负载均衡的角度出发

《IEEE Networking Letters》：Generative AI-Enhanced Task Offloading Strategy for the IoV: An RSU-RSU Load-Balancing Perspective

针对智能交通系统中车辆动态特性与RSU部署优化，研究提出基于生成式AI的CNN-GAI模型，实现任务卸载决策与车辆轨迹预测的融合分析，并采用注意力机制强化学习（ARL）优化RSU间负载均衡，最终通过实际场景验证提升系统资源利用率。

　　

摘要：

由于基于上下文感知的响应、网络行为仿真以及边缘智能技术的发展，生成式人工智能（GAI）取得了迅速进展。首先，本文提出了一种基于GAI的卷积神经网络模型（CNN-GAI），用于捕捉车辆动态特性，并完成路边单元（RSU）的部署和任务卸载决策。接着，采用注意力机制强化学习（ARL）来实现RSU之间的负载均衡。最后，通过将该模型与实际场景相结合，获得了RSU的负载均衡情况及其利用率。

一、引言

随着智能交通系统的快速发展，车联网（IoV）已成为交通领域的研究核心方向之一。通过车辆之间的交互（V2V）、车辆与基础设施的交互（V2I）以及车辆与行人的交互（V2P），车联网旨在提升交通安全、效率及用户体验[1]。在车联网的众多关键技术中，任务卸载是实现其高效运行的关键环节，而这一过程高度依赖于高精度的车辆轨迹预测。