1.《车联网中基于 SDN 的移动边缘计算卸载策略》
作者：章宦成；王海江
发表时间：2021年8月
发表刊物：《软件导刊》
本文提出了一种基于K-means算法的计算卸载策略，主要是通过K-means算法来决定计算任务是卸载至云端还是边缘服务器上，使得计算卸载有更高的成功率和更低的时延和能耗。
所提出问题
将边缘计算应用于车联网场景后，对时延和任务卸载成功率有很高的要求，本文提出的问题是如何提高任务卸载成功率和时延以及降低能耗。
解决方法
- 建模：本文构建了通信模型和计算模型。
其中通信模型利用香农公式得出任务上传到MEC服务器上的速率，然后由任务大小除以上传速率得到上传时延。
计算模型利用任务处理所需资源数除以计算能力分别得到云端和边缘端处理时延，由此得出总时延。 - 用主成成分分析对数据降维处理，引入K-means算法来训练，计算得出云端簇和边缘簇，由此来区分任务卸载至何处。
- 引入了最大可容忍时延来判断哪些任务对时延不敏感从而将其卸载至云端。
- 给任务设置优先级，设定“挨饿”时间，避免任务出现“饿死”现象。
- 作者整体思路是：先根据任务到两簇的距离给任务分类，随后若任务时延阈值大于最大可忍耐时延则卸载至云端，否则，只要边缘服务器能处理，优先卸载至边缘服务器。
数据集
本文部分数据由模拟随机产生，具体参数如下：
评价指标
作者拿本文所提出的BSES策略与随机卸载策略（Random）和MEC卸载策略（ALLMEC）进行对比。
可知，随机卸载策略随着任务量增大，之后会有一定卸载不成功率；MEC卸载策略是将所有任务都卸载至边缘服务器，随着任务量增大一定会导致有任务卸载不成功；而BSES策略则先分类再进行决策来决定任务卸载至哪里，故任务卸载成功率会高于二者。
BSES策略引入了优先级队列，所以其相较于另外两种策略，能有更低的时延；另外BSES策略能将时延要求低的任务卸载至云端处理，由于云端服务器计算能力更强，故所消耗的能耗也小于另外两种策略。
总结
作者在用K-means算法分类的基础上，再将特殊的任务（时延要求很低的任务、容易“饿死”的任务）进行特别处理，可以有效提高卸载成功率，保证低时延低能耗。但是作者所对比的策略是最基本的卸载策略，能说明本文提出的策略比基本策略好，但是感觉和一些优化过的算法再进行比较更能体现出本文策略的高效。
2.《基于5G与边缘计算的发热病人智能排查系统》
作者：姚驰甫；沈富可；何印蕾
发表时间：2021-08-01
发表刊物：《电子技术与软件工程》
本文结合5G和边缘计算各自的特点，提出了一种用于检测体温的安检机器人，并且作者做了模拟实验，结果表明该安检机器人能有效提高安检效率并节省人力。
所提出问题
疫情时代各个人流密集处都需要进行体温测量，怎样提高安检效率，降低安检人员感染率成为一个问题。
解决方法
5G所带来的高带宽低时延可以让机器更快地传输数据；边缘计算能有效减少云端服务器的负载，也能更一步降低时延，更快响应；机器人能代替人力。
作者提出一种结合5G和边缘计算的机器人用于安检，优先读取人的虹膜信息（因为大家都戴着口罩），如若虹膜信息检测不出来则使用人脸。同时机器人还能结合大数据分析被检测人员是否来自疫区。部署方案如下图：
数据集
本文没有公布所使用的数据集，作者进行了仿真实验，用到了身份证信息和虹膜信息，乘车轨迹数据为模拟的数据。
评价指标
本文将仿真实验的数据与人工数据进行对比。
机器人可以直接通过虹膜信息识别，比人工检查身份证之类的效率更高，另外机器人能长时间工作下去而人工需要换班调整，相较之下更节省人力。
总结
本文提出了边缘计算和5G结合的一个用途，可以给我们很好的提示，一些原本部署在云端的任务我们可以结合5G高带宽低时延的优势将其部署在边缘。但是本文未提及机器人本身制造成本，未对其可普及性进行分析。
