利用无人机辅助的边缘计算提升灾害抵御能力：一种用于管理异构边缘设备的强化学习方法

《ACM Journal on Autonomous Transportation Systems》：Enhancing Disaster Resilience with UAV-Assisted Edge Computing: A Reinforcement Learning Approach to Managing Heterogeneous Edge Devices

边缘感知与计算在灾害应急场景中面临电力和通信中断挑战，无人机通过计算卸载和中继通信可提升系统可靠性。本文基于强化学习构建多场景动态失效预测模型，通过实时识别高故障风险设备为维护提供优先级指导，并验证了该方案在乡村与城市复杂环境中的有效性，延长关键设备运行周期。

　　

摘要

边缘感知与计算正迅速成为智能基础设施架构的重要组成部分，使得在灾难或紧急情况下能够依赖这些系统来保障运营。在这些场景中，由于电网问题，供电系统很可能会出现故障；同时，由于基站断电或受到洪水、野火等自然因素的破坏，通信系统也可能出现故障。作为移动边缘计算的一种形式，无人机（UAV）被用于从这些设备中卸载计算任务，以节省电池电量。此外，之前也有研究探讨了将无人机用作中继网络节点的可行性。本文进一步考虑了在电力和连接性受限的条件下使用无人机，以延长网络的使用寿命，并确保能够及时从边缘设备接收数据。通过强化学习方法，研究了多种不同电力和通信故障程度的场景。该方法能够识别在特定场景中最有可能发生故障的设备，从而为维护人员提供优先级指导。文章还模拟了农村城镇和城市中心区域的疏散情况，以验证该方法在延长关键边缘设备使用寿命方面的有效性。