CN111343436B - 基于云边协同的轨道交通视频监控方法及系统 - Google Patents
基于云边协同的轨道交通视频监控方法及系统 Download PDFInfo
- Publication number
- CN111343436B CN111343436B CN202010224073.4A CN202010224073A CN111343436B CN 111343436 B CN111343436 B CN 111343436B CN 202010224073 A CN202010224073 A CN 202010224073A CN 111343436 B CN111343436 B CN 111343436B
- Authority
- CN
- China
- Prior art keywords
- resource
- edge
- task
- resources
- video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
Abstract
本发明实施例提供了一种基于云边协同的轨道交通视频监控方法及系统,由云计算中心视频监控模块根据获取到的资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息,将资源信息中的计算资源发送至对应的边缘监控设备,使边缘监控设备通过计算资源对应的资源对接收到的轨道交通视频中的关键数据进行处理,可以实现在最短时间内处理大量关键数据,可以满足轨道交通视频监控系统对关键数据的快速响应的实时性需求,优化云计算中心的工作调度过程,提高任务处理效率。而且,不需要占有云计算中心过多的计算资源和网络资源,可以降低系统的业务负荷。
Description
技术领域
本发明涉及铁路和城市轨道交通技术领域,更具体地,涉及基于云边协同的轨道交通视频监控方法及系统。
背景技术
作为解决城市交通拥堵、提高人民出行效率及安全性的有效途径,轨道交通在城市发展过程中得到了充分应用,轨道交通视频监控系统是确保城市轨道交通安全有序运行的重要保障,随着物联网、大数据、云计算、边缘计算的场景化应用,新技术与视频监控系统的融合也在不断加速。
由于轨道交通视频监控系统的监测对象类型复杂多样、数量庞大且分布广泛,在计算存储、运维管理等方面给系统带来诸多挑战。近几年数据入云逐渐成为发展趋势,而集中式的云计算架构实际上并不能把资源利用、数据融合、应用兼容、统一运维等物联网问题全部解决,对于轨道交通视频监控系统海量的多源异构数据将给云计算架构的网络带宽、计算能力、存储容量带来巨大压力。现有技术中基于云计算架构的轨道交通视频监控系统,采用云计算中心作为计算资源集中对监测对象进行计算处理,这将产生如下问题:1)轨道交通视频监控系统的海量数据传输至云计算中心将对云计算架构的网络带宽有较高要求,使云计算中心对数据的处理产生时延性;2)海量数据集中在云计算中心执行处理任务,将大幅增加云计算中心服务器荷载,增加轨道交通视频监控系统的建设成本。
以城轨闭路电视(Closed-Circuit Television,CCTV)视频监控系统为例,云计算中心既需要边缘设备的灵活响应,又需要就近汇聚边缘设备的数据、视频调看控制,还需要管理复杂的采集、存储、计算等设备,传统的技术方案难以满足CCTV视频监控系统的快速响应的实时性需求,且占用过多的计算资源和网络资源,增加了无效业务负荷。因此,亟需提供一种基于云边协同的轨道交通视频监控方法及系统。
发明内容
为克服上述问题或者至少部分地解决上述问题,本发明实施例提供了一种基于云边协同的轨道交通视频监控方法及系统。
第一方面,本发明实施例提供了一种基于云边协同的轨道交通视频监控方法,包括:
获取各边缘监控设备发送的资源需求请求;
基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息;所述资源信息包括计算资源;
将所述计算资源发送至对应的边缘监控设备,以使对应的边缘监控设备基于所述计算资源对接收到的轨道交通视频中的关键数据进行处理。
优选地,所述资源信息还包括:带宽资源和存储资源;
所述带宽资源用于对应的边缘监控设备的数据传输;
所述存储资源用于存储对应的边缘监控设备传输的数据。
优选地,所述拍卖算法具体包括:英式拍卖算法;所述资源需求请求包括:执行的任务和需要的资源;相应地,
所述基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息,具体包括:
在拍卖周期内,基于每个边缘监控设备对应的执行的任务和需要的资源,利用任务代理为每个边缘监控设备对中心资源进行投标,确定竞价,并确定所有边缘监控设备对所述中心资源的竞价比;
基于所述竞价比,确定为每个边缘监控设备分配的资源信息。
优选地,所述拍卖算法还包括:组合双向拍卖算法;所述资源需求请求包括:执行的任务和需要的资源;相应地,
所述基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息,还包括:
将中心资源按类型和数量划分得到多个资源包,基于每个边缘监控设备对应的执行的任务和需要的资源,确定每个边缘监控设备对每个资源包的出价,并确定每个资源包对应的要价;
基于所述出价和所述要价,将执行的任务与资源包进行匹配;调整所述出价和所述要价,继续将执行的任务与资源包进行匹配,直至满足如下任一条件:
所有执行的任务中优先级高于预设优选级的任务均对应有匹配的资源包;
所述中心资源无剩余;
执行的任务与资源包无法匹配;
拍卖周期结束。
优选地,所述资源需求请求还包括:模型请求;
相应地,所述方法还包括:
选取与所述模型请求对应的数据分析模型发送至对应的边缘监控设备,以使对应的边缘监控设备基于所述数据分析模型对接收到的轨道交通视频中的关键数据进行分析。
第二方面,本发明实施例提供了一种基于云边协同的轨道交通视频监控方法,包括:
接收轨道交通视频,若判断获知所述轨道交通视频中存在关键数据,则生成资源需求请求,并将所述资源需求请求发送至云计算中心视频监控模块;
接收所述云计算中心视频监控模块返回的计算资源,并基于所述计算资源对所述关键数据进行处理;所述计算资源由所述云计算中心视频监控模块基于拍卖算法确定。
第三方面,本发明实施例提供了一种基于云边协同的轨道交通视频监控系统,包括:云计算中心视频监控模块和多个边缘监控设备;
所述云计算中心视频监控模块包括智能调度模块;
所述边缘监控设备用于接收轨道交通视频,若判断获知所述轨道交通视频中存在关键数据,则生成资源需求请求,并将所述资源需求请求发送至云计算中心视频监控模块;
所述智能调度模块用于获取各边缘监控设备发送的资源需求请求;基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息;所述资源信息包括计算资源;
所述智能调度模块还用于将所述计算资源发送至对应的边缘监控设备;
所述边缘监控设备还用于接收所述云计算中心视频监控模块返回的计算资源,并基于所述计算资源对所述关键数据进行处理。
优选地,所述资源需求请求还包括:模型请求;相应地,所述云计算中心视频监控模块还包括智能算法模块;
所述智能算法模块用于:选取与所述模型请求对应的数据分析模型发送至对应的边缘监控设备,以使对应的边缘监控设备基于所述数据分析模型对接收到的轨道交通视频中的关键数据进行分析。
第四方面,本发明实施例提供了一种电子设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面或第二方面所述的基于云边协同的轨道交通视频监控方法的步骤。
第五方面,本发明实施例提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面或第二方面所述的基于云边协同的轨道交通视频监控方法的步骤。
本发明实施例提供的一种基于云边协同的轨道交通视频监控方法及系统,由云计算中心视频监控模块根据获取到的资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息,将资源信息中的计算资源发送至对应的边缘监控设备,使边缘监控设备通过计算资源对应的资源对接收到的轨道交通视频中的关键数据进行处理,可以实现在最短时间内处理大量关键数据,可以满足轨道交通视频监控系统对关键数据的快速响应的实时性需求,优化云计算中心的工作调度过程,提高任务处理效率。而且,不需要占有云计算中心过多的计算资源和网络资源,可以降低系统的业务负荷。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于云边协同的轨道交通视频监控方法的流程示意图;
图2为本发明实施例提供的一种基于云边协同的轨道交通视频监控方法中任务与资源包的匹配示意图;
图3为本发明实施例提供的一种基于云边协同的轨道交通视频监控方法的流程示意图;
图4为本发明实施例提供的一种基于云边协同的轨道交通视频监控系统的结构示意图;
图5为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种基于云边协同的轨道交通视频监控方法,包括:
S11,获取各边缘监控设备发送的资源需求请求;
S12,基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息;所述资源信息包括计算资源;
S13,将所述计算资源发送至对应的边缘监控设备,以使对应的边缘监控设备基于所述计算资源对接收到的轨道交通视频中的关键数据进行处理。
具体地,本发明实施例中提供的一种基于云边协同的轨道交通视频监控方法,其执行主体为云计算中心,具体为云计算中心视频监控模块。云计算中心和边缘监控设备均包括在基于云边协同的轨道交通视频监控系统中,云边协同即指云计算中心与边缘监控设备协同实现对轨道交通视频的监控与处理、分析。云计算中心侧重业务数据融合及大数据多维分析应用,边缘监控设备侧重多维感知数据采集和前端智能处理。其中,边缘监控设备具体可以是边缘AI盒子,可以包括摄像头和服务器等。
本发明实施例中,对于轨道交通视频中的关键数据,即需要处理的关键任务,例如轨道交通视频中的车辆、乘客的特殊行为、出现的特殊现象、异常情况等,由于其对实时性要求较高,需要在关键数据出现后及时处理,因此在边缘监控设备本地处理,边缘监控设备具体处理的过程可以包括:关键数据提取、关键数据预处理、关键数据分析以及关键数据存储等,可实时的对部分监控对象就地分析处理判断,并将结构化的数据快速传递回云计算中心。在进行关键数据分析时所需的资源由云计算中心调度匹配得到。对于不存在关键数据的轨道交通视频,边缘监控设备可以在空闲时刻直接本地处理相关视频数据或者在获取之后传输至云计算中心,由云计算中心视频监控模块进行分析处理。
云计算中心视频监控模块首先执行步骤S11,获取各边缘监控设备发送的资源需求请求,边缘监控设备在获取到的轨道交通视频中存在关键数据时向云计算中心视频监控模块发送资源需求请求,以请求云计算中心视频监控模块为边缘监控设备分配资源。资源需求请求用于表征边缘监控设备为对关键数据进行分析处理而需要的资源,资源需求请求具体可包括需要的资源、执行的任务以及需要的模型等。需要的资源具体可以包括计算资源、宽带资源以及存储资源等。需要的模型可以是人脸图像识别模型、异常行为分析模型、语音解析模型等。
云计算中心视频监控模块然后执行步骤S12,根据资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息,实现资源的最优分配。拍卖算法具体可以是英式拍卖算法、荷兰式拍卖算法、第一价格密封拍卖算法、第二价格密封拍卖算法以及组合双向拍卖算法等。拍卖算法中,买方为云计算中心,买方为边缘监控设备,拍卖师为云计算中心视频监控模块,卖方委托拍卖师进行资源和任务拍卖,买方委托任务代理进行资源拍卖,拍卖对象为云计算中心所具有的资源,即中心资源,中心资源也包括计算资源、宽带资源以及存储资源等。最终确定的为每个边缘监控设备分配的资源信息具体可以包括计算资源、带宽资源以及存储资源等。
云计算中心视频监控模块最后执行步骤S13,将为每个边缘监控设备确定的计算资源发送至对应的边缘监控设备,以使对应的边缘监控设备通过计算资源对应的资源对接收到的轨道交通视频中的关键数据进行处理,实现资源的合理调度。
本发明实施例中提供的基于云边协同的轨道交通视频监控方法,由云计算中心视频监控模块根据获取到的资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息,将资源信息中的计算资源发送至对应的边缘监控设备,使边缘监控设备通过计算资源对应的资源对接收到的轨道交通视频中的关键数据进行处理,可以实现在最短时间内处理大量关键数据,可以满足轨道交通视频监控系统对关键数据的快速响应的实时性需求,优化云计算中心的工作调度过程,提高任务处理效率。而且,不需要占有云计算中心过多的计算资源和网络资源,可以降低系统的业务负荷。
在上述实施例的基础上,本发明实施例中提供的基于云边协同的轨道交通视频监控方法,所述资源信息还包括:带宽资源和存储资源;
所述带宽资源用于对应的边缘监控设备的数据传输;
所述存储资源用于存储对应的边缘监控设备传输的数据。
具体地,本发明实施例中,资源信息中还包括带宽资源和存储资源,带宽资源是指云计算中心视频监控模块为每个边缘监控设备分配的、用于与云计算中心之间进行数据传输的资源,存储资源是指云计算中心视频监控模块为每个边缘监控设备分配的、云计算中心内用于对每个边缘监控设备传输的数据进行存储的资源。
在上述实施例的基础上,本发明实施例中提供的基于云边协同的轨道交通视频监控方法,所述拍卖算法具体包括:英式拍卖算法;所述资源需求请求包括:执行的任务和需要的资源;相应地,
所述基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息,具体包括:
在拍卖周期内,基于每个边缘监控设备对应的执行的任务和需要的资源,利用任务代理为每个边缘监控设备对中心资源进行投标,确定竞价,并确定所有边缘监控设备对所述中心资源的竞价比;
基于所述竞价比,确定为每个边缘监控设备分配的资源信息。
具体地,本发明实施例中,英式拍卖又叫公开增价拍卖,英式拍卖算法的思想是卖家提供拍卖对象,在拍卖过程中,买家按照竞价阶梯由低至高喊价,出价最高者成为竞买的赢家。为了保证竞价收敛,一般会为竞价设定一个终止时间,竞价开始时间和终止时间之间的时间段即为拍卖周期。
本发明实施例中采用英式拍卖算法,对云计算中心的中心资源进行拍卖,并根据边缘设备用户竞价比例进行资源分配,通过实时动态的将资源准确高效的给予最匹配的边缘监控设备,以获得整个系统的更大的吞吐量与更低的传输时延,提高轨道交通视频监控系统的实时性和稳定性。
轨道交通视频按照边缘监控设备进行分类,云计算中心视频监控模块根据各个边缘监控设备的资源需求请求分配中心资源。在拍卖周期T内,任务代理对满足约束条件下的中心资源进行投标,确定竞价,并确定所有边缘监控设备对所述中心资源的竞价比,将中心资源按照竞价比进行动态分配给每个边缘监控设备。
具体将卖方云计算中心委托拍卖师进行资源和任务拍卖,买方边缘监控设备委托任务代理进行资源拍卖。英式拍卖算法流程如下:
1)拍卖开始后,买方和卖方分别向拍卖师提交各自的拍卖信息。
2)拍卖师接收到边缘监控设备执行的任务和需要的资源,对资源和任务进行收集整理,并设置被拍卖的中心资源的预期价格。其中,预期价格预先设定,且是考虑执行的任务的优先级、重要性以及紧迫性等因素加权得到的数值。
3)拍卖师计算各任务在中心资源上的预期执行时间,筛选出符合约束条件的任务,通过任务代理对中心资源提交竞价;约束条件为任务对应的预期执行时间小于等于指定时间周期,指定时间周期为预先设定。
4)若任务代理对中心资源的竞价大于中心资源的预期价格则将该任务预分配到中心资源。
5)拍卖师统计并记录各任务,分别通过任务代理对中心资源进行竞价。
6)各任务代理在拍卖周期内提高竞价或者退出竞标。
7)拍卖师对各任务的竞价进行升序排列,升序排列采用的算法可采用冒泡排序法、选择排插入排序法、希尔排序法、选择排序法、冒泡排序法、归并排序法、快速排序法、堆排序法以及基数排序法等。
8)拍卖师根据任务代理对中心资源的竞价按照比例进行资源分配,具体通过竞价比获得资源比,竞价越高分配的中心资源的比例越大。
9)任务代理与云计算中心进行交易,计算并记录此次拍卖的资源吞吐量和传输时延,至此拍卖结束。
在上述实施例的基础上,本发明实施例中提供的基于云边协同的轨道交通视频监控方法,所述拍卖算法还包括:组合双向拍卖算法;所述资源需求请求包括:执行的任务和需要的资源;相应地,
所述基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息,还包括:
将中心资源按类型和数量划分得到多个资源包,基于每个边缘监控设备对应的执行的任务和需要的资源,确定每个边缘监控设备对每个资源包的出价,并确定每个资源包对应的要价;
基于所述出价和所述要价,将执行的任务与资源包进行匹配;调整所述出价和所述要价,继续将执行的任务与资源包进行匹配,直至满足如下任一条件:
所有执行的任务中优先级高于预设优选级的任务均对应有匹配的资源包;
所述中心资源无剩余;
执行的任务与资源包无法匹配;
拍卖周期结束。
具体地,组合双向拍卖是指云计算中心和边缘监控设备双方将多种类型的中心资源按照不同种类与数量进行组合并报价的一种拍卖交易方式,与其他类型的交易方式相比,组合双向拍卖不仅能够较好地规避资源交易中出现的垄断行为,而且可满足边缘监控设备对中心资源多样性的需求。将组合双向拍卖算法应用于云计算中心的中心资源分配中有利于提高交易双方的满意度,实现中心资源的优化配置,通过实时动态的将中心资源准确高效的给予最匹配的边缘设备,以获得整个轨道交通视频监控系统的更大的吞吐量与更低的传输时延,提高轨道交通视频监控系统的实时性和稳定性。
本发明实施例中采用组合双向拍卖算法确定为每个边缘监控设备分配的资源信息,将中心资源按类型和数量划分得到多个资源包,设共有n个边缘监控设备,m个资源包,即具有n个买方和m个卖方。每个买方委托一个任务代理,每个卖方委托一个云资源提供商代理。
n个买方和m个卖方分别向拍卖师提交各自的信息。买方信息包括需要的资源、任务复杂度、任务优先级、任务预期价格、价格策略等;卖方信息包括云计算中心能够提供的计算资源、存储资源、网络资源、虚拟化资源及单价信息、预期价格、价格策略等。拍卖师根据买方任务属性和卖方资源情况分别构建任务列表和资源列表。拍卖师根据卖方提供的资源信息、价格策略、买方需求计算卖方的要价;根据买方的任务预期价格及买方需要的资源,并利用买方的价格策略计算买方的出价。拍卖师计算交易价格,并将资源任务之间的匹配结果和交易价格发送给任务代理和云资源提供者代理。重复计算卖方的要价和买方的出价,直到交易过程满足下列条件之一即视为本次拍卖交易结束:①所有执行的任务中优先级高于预设优选级的任务均对应有匹配的资源包;②中心资源已分配完毕,即中心资源无可用资源;③执行的任务和资源包无法匹配,即二者不能通过调价机制达成交易;④拍卖周期已到。
任务代理根据匹配结果将高计算量的关键任务发送到对应的服务器节点上运行,低级计算任务本地执行,关键数据本地同时备份存储。各任务执行结束后,云资源提供商代理将执行结果和买方需要支付的费用返回给任务代理,由任务代理向云资源提供商支付相关费用,同时,云资源提供商按照违约惩罚约束机制向任务代理支付相应的惩罚金额。至此,整个交易过程结束。需要说明的是,支付的相关费用以及惩罚金额是用于辅助后续交易过程中拍卖师对买方的出价的评估,支付的相关费用或惩罚金额越多,则拍卖师在买方的出价的基础上需乘以小于1的系数,通过降低买方的出价以体现对买方的惩罚。
组合双向拍卖算法流程如下:
1)根据运营单位要求对轨道交通视频中可能出现的多种任务场景进行优先级筛选,对于低于预设优先级的任务可在云边协同计算架构中的边缘设备本地进行处理或者在获取之后传输至云计算中心,由云计算中心视频监控模块进行分析处理,对于高于预设优先级的任务需要云边协同资源进行实时处理。
2)初始化用于存储各种交易信息的列表。
3)n个边缘监控设备对向拍卖师提交执行的任务,拍卖师按照任务提交时间顺序构建任务列表,如果有多个任务的提交时间相同,则任务按照优先级高低排序,并加入到任务列表中;m个云资源提供商代理分别向拍卖师提交资源包信息,拍卖师按照资源包信息构建资源包列表,并根据资源信息及单价更新资源价格列表;
4)拍卖师依次处理任务列表中的各个任务,对任务列表中的每个边缘设备的任务执行以下拍卖过程:
①根据任务需求,筛选资源包。资源包剩余资源必须满足任务列表中不少于一个任务的执行需求,构建符合条件的可分配资源包列表,其中包含每个资源包可执行的任务子列表;
②计算每个任务在可分配资源包列表中的各资源包节点上预期执行完成所需时间,构建任务预执行时间列表;
③结合任务预执行时间列表,计算每个任务在各个可分配资源包节点上执行时需要的资源消耗(包括计算、内存、存储、带宽、虚拟化资源),构建中心资源消耗列表;
④结合可分配资源包列表、获胜时间列表和中心资源消耗列表,并分别利用买卖双方的价格策略计算获胜卖方的要价和买方的出价;
⑤将可分配资源包列表中资源包按照要价降序排列,对每个资源包中任务子列表对任务出价进行降序排列,按由高到低的顺序对任务进行资源包匹配,出价最高的任务匹配资源要价最低的资源包,若存在资源包的要价相同,则选择占有率较低且剩余资源可执行对应任务的资源包作为分配对象以提高云计算中心使用率。
如图2所示,任务1-n的出价由高至低,资源包1-n的要价由高至低。在某一轮的拍卖周期内,在任务1与资源包1匹配完成后,假设资源包1的剩余资源可完成任务2即之后的任务。接着轮到任务2进行资源包匹配,可完成任务2的资源包包括资源包1的剩余资源、资源包2、资源包3,但因资源包3的要价最低,所以选择匹配资源包3,资源包3的剩余资源可以作为可分配资源用于执行其他任务。更新任务列表和资源列表。接着轮到任务3进行资源包匹配,以此类推到这轮周期结束。
经过步骤4)之后,对任务列表中未分配资源的任务进行分类,若存在因价格原因而未分配资源的任务,下一轮所有的资源包重新排序,并分别根据交易双方的价格策略进行出价和要价进行动态调整再次进行拍卖,进入下一轮交易;若存在因任务本身优先级过低的原因,则此类任务在边缘设备本地空闲时处理或传输至云计算中心。
5)拍卖师根据任务资源分配列表,将结果发送给任务代理和云资源提供商代理,云计算中心视频监控模块执行任务,更新任务消耗时间列表,并将执行结果发送给边缘监控设备;
6)计算每个任务与对应资源包的成交价格,并结合违约惩罚约束机制更新任务消费列表,通知交易双方支付相关的费用和违约金;
7)计算并记录此次拍卖的资源吞吐量和传输时延,整个云边资源拍卖匹配交易过程结束。
在上述实施例的基础上,所述资源需求请求还包括:模型请求;
相应地,所述方法还包括:
选取与所述模型请求对应的数据分析模型发送至对应的边缘监控设备,以使对应的边缘监控设备基于所述数据分析模型对接收到的轨道交通视频中的关键数据进行分析。
具体地,本发明实施例中,资源需求请求按请求的类型可以包括:模型请求,用以请求从云计算中心下载需要的数据分析模型。云计算中心视频监控模块选取与模型请求对应的数据分析模型发送至对应的边缘监控设备,以使对应的边缘监控设备基于数据分析模型对接收到的轨道交通视频中的关键数据进行分析。数据分析模型具体可以包括人脸图像识别模型、异常行为分析模型、语音解析模型等。数据分析模型具体是由云计算中心视频监控模块将各个视频监控厂家的不同算法模型均在云计算中心进行迭代训练得到。
如图3所示,在上述实施例的基础上,本发明实施例中提供了一种基于云边协同的轨道交通视频监控方法,包括:
S31,接收轨道交通视频,若判断获知所述轨道交通视频中存在关键数据,则生成资源需求请求,并将所述资源需求请求发送至云计算中心视频监控模块;
S32,接收所述云计算中心视频监控模块返回的计算资源,并基于所述计算资源对所述关键数据进行处理;所述计算资源由所述云计算中心视频监控模块基于拍卖算法确定。
具体地,本发明实施例中,执行主体为每个边缘监控设备。每个边缘监控设备首先执行步骤S31,即接收轨道交通视频,然后判断轨道交通视频中是否存在关键数据,即边缘监控设备是否需要执行关键任务,若判断获知轨道交通视频中存在关键数据,则生成包含有执行的任务、需要的资源等信息的资源需求请求,并将资源需求请求发送至云计算中心视频监控模块。边缘监控设备然后执行步骤S32,接收云计算中心视频监控模块返回的计算资源,并基于所述计算资源对关键数据进行处理;计算资源由云计算中心视频监控模块基于拍卖算法确定,具体的确定过程参见上述以云计算中心视频监控模块为执行主体的方法类实施例,本发明实施例中对此不再赘述。
在上述实施例的基础上,本发明实施例中提供的基于云边协同的轨道交通视频监控方法,还包括:将轨道交通视频中存在的关键数据进行存储,以实现对关键数据的备份。
如图4所示,在上述实施例的基础上,本发明实施例中提供了一种基于云边协同的轨道交通视频监控系统,包括:云计算中心视频监控模块41和多个边缘监控设备42。云计算中心视频监控模块41包括智能调度模块411。
边缘监控设备42用于接收轨道交通视频,若判断获知所述轨道交通视频中存在关键数据,则生成资源需求请求,并将所述资源需求请求发送至云计算中心视频监控模块41。
智能调度模块411用于获取各边缘监控设备42发送的资源需求请求;基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备42分配的资源信息;所述资源信息包括计算资源。
智能调度模块411还用于将计算资源发送至对应的边缘监控设备42。
边缘监控设备42还用于接收云计算中心视频监控模块41返回的计算资源,并基于计算资源对关键数据进行处理。
在上述实施例的基础上,所述资源需求请求还包括:模型请求;相应地,云计算中心视频监控模块41还包括智能算法模块412。
智能算法模块412用于:选取与所述模型请求对应的数据分析模型发送至对应的边缘监控设备,以使对应的边缘监控设备基于所述数据分析模型对接收到的轨道交通视频中的关键数据进行分析。
具体地,本发明实施例中,云计算中心视频监控模块41主要包括智能调度模块411和智能算法模块412。智能调度模块411是指计算量较大的模型训练,流媒体分析、智能分析的任务调度和包括计算资源,带宽资源、存储资源等的资源调度。智能算法模块412是指利用人脸图像识别算法、异常行为分析算法、大数据融合分析算法、语音解析算法等训练得到相应的模型,以供边缘监控设备按需下载。
综上所述,本发明实施例中提供了一种基于云边协同的轨道交通视频监控方法及系统,建立了有效的资源配置机制,降低了视频监控系统的低时延性,减少了对云计算中心和边缘监控设备之间的存储资源、计算资源、网络资源等,降低了云计算中心的建设成本。而且,关键数据同时存储在云计算中心和边缘监控设备,提高了关键数据的安全性。
图5所示,在上述实施例的基础上,本发明实施例中提供了一种电子设备,包括:处理器(processor)501、存储器(memory)502、通信接口(Communications Interface)503和通信总线504;其中,
所述处理器501、存储器502、通信接口503通过通信总线504完成相互间的通信。所述存储器502存储有可被所述处理器501执行的程序指令,处理器501用于调用存储器502中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:获取各边缘监控设备发送的资源需求请求;基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息;所述资源信息包括计算资源;将所述计算资源发送至对应的边缘监控设备,以使对应的边缘监控设备基于所述计算资源对接收到的轨道交通视频中的关键数据进行处理。或者,包括:接收轨道交通视频,若判断获知所述轨道交通视频中存在关键数据,则生成资源需求请求,并将所述资源需求请求发送至云计算中心视频监控模块;接收所述云计算中心视频监控模块返回的计算资源,并基于所述计算资源对所述关键数据进行处理;所述计算资源由所述云计算中心视频监控模块基于拍卖算法确定。
需要说明的是,本实施例中的电子设备在具体实现时可以为服务器,也可以为PC机,还可以为其他设备,只要其结构中包括如图5所示的处理器501、通信接口503、存储器502和通信总线504,其中处理器501、通信接口503和存储器502通过通信总线504完成相互间的通信,且处理器501可以调用存储器502中的逻辑指令以执行上述方法即可。本实施例不对电子设备的具体实现形式进行限定。
存储器502中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地,本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取各边缘监控设备发送的资源需求请求;基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息;所述资源信息包括计算资源;将所述计算资源发送至对应的边缘监控设备,以使对应的边缘监控设备基于所述计算资源对接收到的轨道交通视频中的关键数据进行处理。或者,包括:接收轨道交通视频,若判断获知所述轨道交通视频中存在关键数据,则生成资源需求请求,并将所述资源需求请求发送至云计算中心视频监控模块;接收所述云计算中心视频监控模块返回的计算资源,并基于所述计算资源对所述关键数据进行处理;所述计算资源由所述云计算中心视频监控模块基于拍卖算法确定。
在上述实施例的基础上,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法,例如包括:获取各边缘监控设备发送的资源需求请求;基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息;所述资源信息包括计算资源;将所述计算资源发送至对应的边缘监控设备,以使对应的边缘监控设备基于所述计算资源对接收到的轨道交通视频中的关键数据进行处理。或者,包括:接收轨道交通视频,若判断获知所述轨道交通视频中存在关键数据,则生成资源需求请求,并将所述资源需求请求发送至云计算中心视频监控模块;接收所述云计算中心视频监控模块返回的计算资源,并基于所述计算资源对所述关键数据进行处理;所述计算资源由所述云计算中心视频监控模块基于拍卖算法确定。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于云边协同的轨道交通视频监控方法,其特征在于,包括:
边缘监控设备获取轨道交通视频,所述轨道交通视频中存在关键数据时,所述边缘监控设备向云计算中心视频监控模块发送资源需求请求;
所述关键数据包括:轨道交通视频中的车辆、乘客的特殊行为、出现的特殊现象、异常情况;
获取各边缘监控设备发送的资源需求请求;
基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息;所述资源信息包括计算资源;
将所述计算资源发送至对应的边缘监控设备,以使对应的边缘监控设备基于所述计算资源对接收到的轨道交通视频中的关键数据进行处理;
对于不存在关键数据的轨道交通视频,由边缘监控设备在本地进行处理后,并将处理结果传输至云计算中心,由所述云计算中心视频监控模块进行分析处理;
所述资源需求请求还包括:模型请求;
相应地,所述方法还包括:
选取与所述模型请求对应的数据分析模型发送至对应的边缘监控设备,以使对应的边缘监控设备基于所述数据分析模型对接收到的轨道交通视频中的关键数据进行分析;
所述拍卖算法还包括:组合双向拍卖算法;所述资源需求请求包括:执行的任务和需要的资源;相应地,
所述基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息,还包括:
将中心资源按类型和数量划分得到多个资源包,基于每个边缘监控设备对应的执行的任务和需要的资源,确定每个边缘监控设备对每个资源包的出价,并确定每个资源包对应的要价;
所述确定每个边缘监控设备对每个资源包的出价,还基于:任务复杂度、任务优先级、任务预期价格;
基于所述出价和所述要价,将执行的任务与资源包进行匹配;
出价最高的任务匹配资源要价最低的资源包;
调整所述出价和所述要价,继续将执行的任务与资源包进行匹配,直至满足如下任一条件:
所有执行的任务中优先级高于预设优选级的任务均对应有匹配的资源包;
所述中心资源无剩余;
执行的任务与资源包无法匹配;
拍卖周期结束。
2.根据权利要求1所述的基于云边协同的轨道交通视频监控方法,其特征在于,所述资源信息还包括:带宽资源和存储资源;
所述带宽资源用于对应的边缘监控设备的数据传输;
所述存储资源用于存储对应的边缘监控设备传输的数据。
3.根据权利要求1所述的基于云边协同的轨道交通视频监控方法,其特征在于,所述拍卖算法具体包括:英式拍卖算法;所述资源需求请求包括:执行的任务和需要的资源;相应地,
所述基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息,具体包括:
在拍卖周期内,基于每个边缘监控设备对应的执行的任务和需要的资源,利用任务代理为每个边缘监控设备对中心资源进行投标,确定竞价,并确定所有边缘监控设备对所述中心资源的竞价比;
基于所述竞价比,确定为每个边缘监控设备分配的资源信息。
4.一种基于云边协同的轨道交通视频监控系统,其特征在于,包括:云计算中心视频监控模块和多个边缘监控设备;
所述云计算中心视频监控模块包括智能调度模块;
所述边缘监控设备用于接收轨道交通视频,若判断获知所述轨道交通视频中存在关键数据,则生成资源需求请求,并将所述资源需求请求发送至云计算中心视频监控模块;
所述资源需求请求还包括:模型请求;
相应地,所述云计算中心视频监控模块还包括智能算法模块;
所述智能算法模块用于:选取与所述模型请求对应的数据分析模型发送至对应的边缘监控设备,以使对应的边缘监控设备基于所述数据分析模型对接收到的轨道交通视频中的关键数据进行分析;
所述边缘监控设备还用于:
对于不存在关键数据的轨道交通视频,由边缘监控设备在本地进行处理后,并将处理结果传输至云计算中心,由所述云计算中心视频监控模块进行分析处理;
所述智能调度模块用于获取各边缘监控设备发送的资源需求请求;基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息;所述资源信息包括计算资源;
所述拍卖算法还包括:组合双向拍卖算法;所述资源需求请求包括:执行的任务和需要的资源;相应地,
所述基于所述资源需求请求,利用拍卖算法确定为每个边缘监控设备分配的资源信息,还包括:
将中心资源按类型和数量划分得到多个资源包,基于每个边缘监控设备对应的执行的任务和需要的资源,确定每个边缘监控设备对每个资源包的出价,并确定每个资源包对应的要价;
所述确定每个边缘监控设备对每个资源包的出价,还基于:任务复杂度、任务优先级、任务预期价格;
基于所述出价和所述要价,将执行的任务与资源包进行匹配;
出价最高的任务匹配资源要价最低的资源包;
调整所述出价和所述要价,继续将执行的任务与资源包进行匹配,直至满足如下任一条件:
所有执行的任务中优先级高于预设优选级的任务均对应有匹配的资源包;所述中心资源无剩余;执行的任务与资源包无法匹配;拍卖周期结束;
所述智能调度模块还用于将所述计算资源发送至对应的边缘监控设备;
所述边缘监控设备还用于接收所述云计算中心视频监控模块返回的计算资源,并基于所述计算资源对所述关键数据进行处理。
5.一种电子设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-3中任一项所述的基于云边协同的轨道交通视频监控方法的步骤。
6.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-3中任一项所述的基于云边协同的轨道交通视频监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010224073.4A CN111343436B (zh) | 2020-03-26 | 2020-03-26 | 基于云边协同的轨道交通视频监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010224073.4A CN111343436B (zh) | 2020-03-26 | 2020-03-26 | 基于云边协同的轨道交通视频监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111343436A CN111343436A (zh) | 2020-06-26 |
CN111343436B true CN111343436B (zh) | 2022-04-19 |
Family
ID=71186306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010224073.4A Active CN111343436B (zh) | 2020-03-26 | 2020-03-26 | 基于云边协同的轨道交通视频监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111343436B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111953932A (zh) * | 2020-06-30 | 2020-11-17 | 视联动力信息技术股份有限公司 | 数据处理方法、装置、终端设备和存储介质 |
CN112367354B (zh) * | 2020-10-09 | 2023-08-04 | 国网电力科学研究院有限公司 | 一种云边资源图智能调度系统及其调度方法 |
CN112511586A (zh) * | 2020-10-21 | 2021-03-16 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种基于云边协同的高速铁路智能行车调度安全卡控系统 |
CN113158717A (zh) * | 2020-11-25 | 2021-07-23 | 杭州视洞科技有限公司 | 一种端及云人脸识别架构 |
CN113297415B (zh) * | 2021-04-27 | 2023-09-15 | 安徽继远软件有限公司 | 面向电力边缘侧的边缘视频分析智能服务方法及系统 |
CN113298063B (zh) * | 2021-07-28 | 2021-10-15 | 江苏电力信息技术有限公司 | 一种基于云-边缘的动态物体检测方法 |
CN114241002B (zh) * | 2021-12-14 | 2024-02-02 | 中国电信股份有限公司 | 基于云边协同的目标跟踪方法、系统、设备和介质 |
CN114024967B (zh) * | 2022-01-10 | 2022-03-25 | 广东电力信息科技有限公司 | 一种基于云边和边边协同架构的iaas数据处理系统及方法 |
CN116955304B (zh) * | 2023-07-24 | 2024-04-16 | 安徽中车浦镇城轨交通运维科技有限公司 | 一种基于云平台的轨道交通资源共享调用系统 |
CN116886706B (zh) * | 2023-09-07 | 2023-11-28 | 典基网络科技(上海)有限公司 | 一种应用程序放置方法、装置、电子设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254284A (zh) * | 2011-07-29 | 2011-11-23 | 东北大学 | 一种基于同时向上报价拍卖机制的网格资源调度方法 |
CN110012508A (zh) * | 2019-04-10 | 2019-07-12 | 中南大学 | 一种面向超密集网络的边缘计算的资源分配方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11010767B2 (en) * | 2006-12-21 | 2021-05-18 | Ice Data, Lp | Method and system for collecting and parsing market data from various sources |
US9043401B2 (en) * | 2009-10-08 | 2015-05-26 | Ebay Inc. | Systems and methods to process a request received at an application program interface |
CN105721565B (zh) * | 2016-01-29 | 2018-07-24 | 南京邮电大学 | 基于博弈的云计算资源分配方法和系统 |
US11315024B2 (en) * | 2018-06-25 | 2022-04-26 | Kyndryl, Inc. | Cognitive computing systems and services utilizing internet of things environment |
CN110782673A (zh) * | 2019-10-26 | 2020-02-11 | 江苏看见云软件科技有限公司 | 一种基于无人机拍摄云端计算的车辆违章识别检测系统 |
-
2020
- 2020-03-26 CN CN202010224073.4A patent/CN111343436B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254284A (zh) * | 2011-07-29 | 2011-11-23 | 东北大学 | 一种基于同时向上报价拍卖机制的网格资源调度方法 |
CN110012508A (zh) * | 2019-04-10 | 2019-07-12 | 中南大学 | 一种面向超密集网络的边缘计算的资源分配方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111343436A (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111343436B (zh) | 基于云边协同的轨道交通视频监控方法及系统 | |
Wang et al. | Towards optimal capacity segmentation with hybrid cloud pricing | |
US8584135B2 (en) | Intelligent buyer's agent usage for allocation of service level characteristics | |
CN111026547B (zh) | 基于拍卖机制的边缘计算服务器资源分配方法 | |
US8589206B2 (en) | Service requests for multiple service level characteristics | |
CN109714797B (zh) | 一种基于拍卖理论的移动边缘网络资源分配方法 | |
CN104737132A (zh) | 用于按需服务环境中的消息队列的基于竞价的资源共享 | |
CN112491964B (zh) | 移动辅助边缘计算方法、装置、介质和设备 | |
CN106817401B (zh) | 一种云环境中的资源配置方法 | |
CN110111189B (zh) | 基于双边拍卖的在线组合资源分配与支付方法 | |
CN110830390B (zh) | 一种QoS驱动的移动边缘网络资源分配方法 | |
Besharati et al. | An incentive-compatible offloading mechanism in fog-cloud environments using second-price sealed-bid auction | |
US20210294661A1 (en) | TASK MANAGEMENT OF LARGE COMPUTING WORKLOADS in A CLOUD SERVICE AGGREGATED FROM DISPARATE, RESOURCE-LIMITED, PRIVATELY CONTROLLED SERVER FARMS | |
Zhao et al. | Online procurement auctions for resource pooling in client-assisted cloud storage systems | |
JP6298078B2 (ja) | 増分評価に基づくネットワーク容量の割り当て | |
Kang et al. | A novel approach to allocate cloud resource with different performance traits | |
CN105204947A (zh) | 一种基于商业银行模型的混合云计算资源管理系统 | |
Farajian et al. | Market-driven continuous double auction method for service allocation in cloud computing | |
Mao et al. | Priority combinatorial double auction based resource allocation in the cloud | |
CN113543055B (zh) | 基于双向拍卖机制的车辆边缘计算中资源分配方法 | |
KR101720292B1 (ko) | 서비스 제공자의 수익에 대한 기대값을 이용한 클라우드 서비스 자원할당방법 | |
Liu et al. | An online combinatorial auction based resource allocation and pricing mechanism for network slicing in 5G | |
CN109559024B (zh) | 一种面向电力系统无服务器架构下的资源动态调度方法 | |
Farajian et al. | Parallel Continuous Double Auction for Service Allocation in Cloud Computing | |
CN113535408A (zh) | 边缘侧计算资源拍卖式优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |