[發明專利]一種基于車輛邊緣計算的任務卸載方法及系統

在審

• 申請號: 202210042968.5
• 申請日: 2022-01-14
• 公開（公告）號: CN114531669A
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 翟臨博;王玲玲;朱秀敏;楊峰;趙景梅
• 申請（專利權）人: 山東師范大學
• 主分類號: H04W4/40
• 分類號: H04W4/40;H04W16/10;H04W28/18;H04W72/04
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 楊琪

本發明提供了一種基于車輛邊緣計算的任務卸載方法及系統，包括：獲取某時隙內用戶車輛的基本信息和任務屬性信息，待服務車輛、基站和路邊單元的基本信息、計算能力和狀態信息；基于用戶車輛的任務屬性信息，以及待服務車輛的狀態信息和計算能力，在待服務車輛中篩選出服務車輛；基于用戶車輛的基本信息和篩選出的服務車輛的基本信息，構建用戶與服務車輛權重矩陣；將權重矩陣、任務屬性信息、以及服務車輛、基站和路邊單元的基本信息、計算能力和狀態信息，輸入強化學習網絡，得到用戶車輛的任務卸載方式。能夠充分利用邊緣設備資源，實現車輛終端的高效計算。

技術領域

本發明屬于車聯網技術領域，尤其涉及一種基于車輛邊緣計算的任務卸載方法及系統。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

隨著無線通信和人工智能的迅速發展，車輛越來越互聯和智能化并形成了車聯網(IOV)，在IOV系統中，數據計算量迅速的增大以及對時延的要求更高，例如自動駕駛、實時導航、信息娛樂服務。因此，這些資源密集型需求對處理能力有限的車輛構成了巨大的挑戰。

針對上述挑戰，將車輛處理不了的計算密集型任務卸載到其他強大的服務器上是一個必然的選擇。比較成熟的解決方案是移動云計算(MCC)。移動云計算憑借其高效的計算能力、海量的存儲資源使全球數十億用戶受益。然而，由于云服務器和移動用戶之間的物理距離太長產生大量的長傳播延遲，以及大量的用戶接入云端會相互競爭頻譜資源，導致車輛的許多實時應用的不可行。

發明內容

為了解決上述背景技術中存在的技術問題，本發明提供一種基于車輛邊緣計算的任務卸載方法及系統，能夠充分利用邊緣設備資源，實現車輛終端的高效計算。

為了實現上述目的，本發明采用如下技術方案：

本發明的第一個方面提供一種基于車輛邊緣計算的任務卸載方法，其包括：

獲取某時隙內用戶車輛的基本信息和任務屬性信息，待服務車輛、基站和路邊單元的基本信息、計算能力和狀態信息；

基于用戶車輛的任務屬性信息，以及待服務車輛的狀態信息和計算能力，在待服務車輛中篩選出服務車輛；

基于用戶車輛的基本信息和篩選出的服務車輛的基本信息，構建用戶與服務車輛權重矩陣；

將權重矩陣、任務屬性信息、以及服務車輛、基站和路邊單元的基本信息、計算能力和狀態信息，輸入強化學習網絡，得到用戶車輛的任務卸載方式。

進一步的，所述服務車輛需要在所述時隙內不產生任務，且在所述時隙內能夠緩存的最大任務個數與已經緩存的任務個數的差值大于閾值。

進一步的，所述用戶與服務車輛權重矩陣中的每個元素為一個用戶車輛與一個服務車輛的標志位；

若某標志位對應的用戶車輛與服務車輛之間的距離在預設范圍內，則該標志位的值加1；

若某標志位對應的用戶車輛與服務車輛之間的速度之差在預設范圍內，則該標志位的值加1；

若某標志位對應的用戶車輛與服務車輛之間的行駛方向一致，則該標志位的值加1。

進一步的，所述強化學習網絡以最小化時延成本、通信成本和計算成本為目標函數。

進一步的，所述強化學習網絡在訓練過程中，基于均方誤差損失函數，利用梯度下降法，更新參數。

進一步的，所述任務屬性信息包括任務的數據復雜度、最大時延要求和數據量長度。

進一步的，所述待服務車輛的狀態信息包括待服務車輛的處理任務的能力以及待服務車輛處理器轉一周所需要的時間；