CN108924796A - 一种资源分配及卸载比例联合决策的方法 - Google Patents

Abstract

本发明公开一种资源分配及卸载比例联合决策的方法，应用于车载无线通讯技术领域，为了解决现有技术中基于车联网边缘计算的无线VR业务场景中，对于车辆请求的VR业务，宏基站面临通信资源、计算资源分配及卸载比例的决策问题，本发明首先为每一个车辆分配一个通信子信道，依据通信资源分配确定此时的最佳卸载比例及最佳计算资源分配，随后与计算资源均匀分配作对比，进一步修改当前计算资源分配及卸载比例，使任务完成时间始终保持最小；最后遍历车辆任务完成时间，若还有可分配信道，则为最长完成时间的车辆再分配一个新的通信子信道，并更新计算资源分配及卸载比例，本发明的方法可以在较短的时间内完成车辆请求的VR业务。

Description

一种资源分配及卸载比例联合决策的方法

技术领域

本发明属于车载无线通讯技术领域，特别涉及一种无线VR业务卸载比例及资源分配技术。

背景技术

随着计算和通信技术的发展，连接车辆的车联网(IOV)正在兴起。对车载网络丰富多媒体业务的需求不断增加，引起了业界和学术界的高度重视(参考文献：Z.Su,Y.Hui,Q.Yang,"The next generation vehicular networks:a content-centric framework",IEEE Wireless Communications,vol.24,no.1,pp.60-66,2017.)。而另一方面，车辆自身具有的计算资源不足，导致仅仅依靠车辆完成业务的计算是不现实的；再者，车辆所请求的业务一般具有低延时、高可靠性的要求，车辆向远端服务器请求服务可能很难满足业务需求。

而近年来，移动边缘计算(MEC)作为增强移动设备计算能力的有前途的方法也引起了极大的兴趣。移动边缘计算在解决移动设备计算敏感、延时敏感、可靠性敏感的业务方面有过人之处。因此，很多科研工作者也将目光转到了车联网边缘计算上来(参考文献：X.Huang,R.Yu,J.Kang and Y.Zhang,"Distributed Reputation Management for Secureand Efficient Vehicular Edge Computing and Networks,"in IEEE Access,vol.5,pp.25408-25420,2017.)。

而另一方面，由于能够为用户带来身临其境的360度观看体验，虚拟现实(VR)在无线网络上的应用获得了前所未有的关注。一份新的报告预测，无线VR头盔(基于智能手机和独立设备)的数据消费量在未来4年(2017-2021)将增长650％以上(参考文献：VirtualReality Markets:Hardware Content&Accessories 2017–2022,Aug.2017,[online]Available:https://ww

w.juniperresearch.com/researchstore/innovation-disruption/virtual-reality/hardwarecontent-acces sor ies.)。VR应用是计算密集型，容量密集型和延迟敏感的。由于VR应用的普及车联网边缘计算的不断发展，如何在车联网边缘计算中提供VR应用成为未来的主要挑战之一。

由于车辆自身拥有的计算能力有限，而对于移动边缘计算的大多数现有研究都集中在计算约束上，主要是将计算任务从移动设备迁移到MEC服务器(参考文献：Y.Mao,J.Zhang,Z.Chen,K.B.Letaief,"Dynamic computation offloading for mobile-edgecomputing with energy harvesting devices",IEEE J.Sel.Areas Commun.,vol.34,no.12,pp.3590-3605,Dec.2016.)。在计算受限的MEC中，移动车辆应该能够将任务上传到MEC服务器，然后MEC服务器执行任务并将计算结果传送到移动设备。这种方法导致一个缺点：虽然减少了移动车辆的计算资源消耗，但增加了通信资源消耗。因此，它非常适合低带宽消耗的计算密集型和延迟敏感型应用，例如一些简单的增强现实(AR)游戏，但对于基于车联网边缘计算的虚拟现实(VR)应用则需要做进一步的研究。

发明内容

为了解决现有技术中基于车联网边缘计算的无线VR业务场景中，对于车辆请求的VR业务，宏基站面临通信资源、计算资源分配及卸载比例的决策问题，针对该问题提出了一种资源分配及卸载比例联合决策的方法，使得车辆完成VR业务的时间最短，提高用户体验度。

本发明采用的技术方案为：一种资源分配及卸载比例联合决策的方法，包括：

S1、车辆向宏基站发起无线VR业务请求；

S2、宏基站接收到车辆无线VR业务请求后，为车辆进行通信资源和计算资源的分配，同时决策业务卸载比例；

S3、宏基站根据行通信资源和计算资源的分配结果及卸载比例将业务发送至请求业务的车辆。

进一步地，步骤S2具体包括以下分步骤：

S21、宏基站为每个车辆分配一个通信子信道，并根据传输速率计算每个车辆的最佳卸载比例，依据卸载比例计算对应车辆的最佳计算资源分配；

S22、根据均分计算资源对每个车辆的计算资源分配进行调整；

S23、遍历各车辆完成任务所需的时间，为最长完成时间对应的车辆其分配一个通信子信道，并对该车辆的计算资源及卸载比例进行更新。

更进一步的，步骤S21中的最佳计算卸载比例及最佳计算资源分配的计算表达式分别为：

其中，表示车辆n的最佳计算卸载比例，表示车辆n的最佳计算资源分配，r_n为车辆n的传输速率，f_n,local为车辆n本地计算频率，ρ为完成任务所需CPU周期与任务大小之间的比例，Φ为任务计算后与计算前的大小比例。

更进一步地，步骤S22具体为：若某车辆对应的最佳计算资源分配小于其均分计算资源分配，则对应的该最佳计算资源分配作为该车辆的计算资源分配方案；否则将宏基站剩余的可分配计算资源加上其均分计算资源之和与其最佳计算资源两者中的较小者作为当前车辆的计算资源分配方案。

更进一步地，步骤S22还包括：调整卸载比例。

进一步地，步骤S23中对车辆的计算资源和卸载比例进行更新的过程为：若此时宏基站计算资源已分配完，则调整卸载比例，计算资源分配保持不变；

若计算资源还有剩余，分两种情况：若宏基站剩余计算资源加上该车辆已分得的计算资源能够达到该车辆的最佳计算资源分配，则按最佳计算资源分配及最佳卸载比例进行分配；否则将宏基站剩余的可分配计算资源加上其均分计算资源之和与其最佳计算资源两者中的较小者作为对应车辆的计算资源分配方案；然后调整卸载比例。

更进一步地，调整卸载比例表达式为：

其中，ε_n表示车辆n的卸载比例，r_n为车辆n的传输速率，f_n,local为车辆n本地计算频率，ρ为完成任务所需CPU周期与任务大小之间的比例，Φ为任务计算后与计算前的大小比例，f_n,off表示车辆n分得的计算资源。

进一步地，还包括：重复步骤S23，直至宏基站通信资源分配完毕。

进一步地，步骤S3具体为：

S31、任务计算，宏基站根据为车辆分配的计算资源对所有车辆请求的业务启动计算；

S32、任务传输，按为车辆分配的通信资源，分配相应的通信子信道，按卸载比例将业务卸载到车辆，任务通过无线传输发送至相关车辆；

S33、当S31中的任务计算完成，且S32中的任务传输完成，则将S31的计算结果根据分配的通信子信道，通过无线传输发送至相关车辆；

S34、当车辆完全接收到S32中传输的任务时，车辆启动计算；当车辆完成计算并接收到S33中传输的计算结果时，开始进行任务结果的拼接。

本发明的有益效果：本发明的方法利用宏基站在进行计算的同时可以同时进行数据的传输这一特性，依据车辆的VR业务请求，利用车辆自身拥有的计算能力，对车辆通信资源、计算资源分配及卸载比例作联合决策，使得车辆最长业务完成时间最小化，保障了所有用户能够在较短时间内完成VR业务，提高了用户体验度；同时，由于通信资源、计算资源分配及卸载比例是联合决策的，因此一定程度上可以节约宏基站的计算资源；所有业务很快完成，避免了宏基站与车辆间的长时资源占用。

附图说明

图1为本发明实施例的场景示意图。

图2为本发明实施例提供的方案流程图。

图3为本发明实施例提供的通信资源和计算资源的分配以及决策业务卸载比例的流程图。

具体实施方式

为便于本领域技术人员理解本发明的技术内容，下面结合附图对本发明内容进一步阐释。

本发明应用的车联网场景如图1所示：网络系统由一个具有移动边缘计算服务器的宏基站及接入该宏基站的车辆组成。其中，宏基站能为接入自身的车辆提供通信服务以及计算服务。将宏基站的通信资源划分为K个子信道，并且这K个子信道相互正交，不存在干扰。子信道的集合用K＝{1,2,...,K}表示。车辆集合为N＝{1,2,...,N}。假定每个车辆都会向宏基站请求无线VR业务s，并且该无线VR业务s可以进行任意拆分成两个子任务s₁、s₂，两个子任务完成后拼接成一个完整的任务。车辆所请求的VR业务的大小服从U(u₁,u₂)的均匀分布，车辆自身的计算能力也服从U(u₃,u₄)的均匀分布。卸载到宏基站上的任务比例为ε，任务计算后与计算前的大小比例为Φ(Φ＞1)，完成任务所需的CPU周期与任务大小之间的比例为ρ。

图1中的VR Application表示虚拟现实应用；MEC computation resource表示MEC(Mobile Edge Computing，移动边缘计算)计算资源；Vehicle computation resource表示车辆计算资源；MEC Server表示MEC服务器；MBS(Macro Base Station)表示宏基站。

基于上述场景，本发明提供了一种基于车联网边缘计算的无线VR业务卸载比例及资源分配的联合决策方法，如图2所示，包括以下步骤：

S1、当车辆有无线VR业务需求时，向宏基站发起无线VR业务请求。

S2、宏基站接收到车辆无线VR业务请求后，为相关车辆进行通信资源和计算资源的分配，同时决策业务卸载比例，使得最长的任务完成时间最小；

对于步骤S2中，如图3所示，具体过程为：

S21、宏基站为每个车辆分配一个通信子信道，并根据传输速率计算最佳卸载比例，依据卸载比例计算最佳计算资源分配。最佳卸载比例及最佳计算资源分配的计算表达式分别为：

其中，r_n为车辆n的传输速率，其计算方法为：f_n,local为车辆n本地计算频率，ρ为完成任务所需CPU周期与任务大小之间的比例，Φ为任务计算后与计算前的大小比例，W₀为通信子信道带宽，c_nk表示车辆n是否使用子信道k，c_nk＝1表示车辆n使用子信道k；c_nk＝0表示车辆n没有使用子信道k。p_nk表示车辆n在子信道k上的接收功率，h_nk表示车辆n在子信道k上的功率增益，σ²表示噪声功率，I_nk表示车辆n在子信道k上的干扰功率。

S22、对每个车辆的计算资源分配进行细微调整，即与均分计算资源对比，超过均分计算资源的部分退回给宏基站，少于均分计算资源的就继续分配计算资源，直到宏基站计算资源分配完或没有多余均分计算资源的车辆。对卸载比例进行调整，使得当前完成时间最小。均分计算资源是指将宏基站的计算资源均分给所有的车辆。完成时间的定义为：

其中，s_n是车辆n请求的VR业务大小。

依次将步骤S21中计算得到的车辆对应的最佳计算资源与均分计算资源对比；其均分计算资源分配的表达式为N为车辆总数，f为宏基站计算资源总量。对于车辆n，若则其分配到的计算资源为若则其分配到的计算资源为f_Δ为宏基站剩余的可分配计算资源。

卸载比例进行调整的准则为：

S23、遍历车辆完成任务所需的时间，找到最长完成时间对应的车辆n，为其分配一个通信子信道，对该车辆的计算资源及卸载比例进行更新，直到宏基站的通信资源分配完毕，无可分配信道为止。对车辆的计算资源和卸载比例进行更新的方法为：若此时宏基站计算资源已分配完，则依据步骤S22中卸载比例的调整准则对卸载比例进行更新，而计算资源分配保持不变；若计算资源还有剩余，分两种情况；若宏基站剩余计算资源加上车辆n已分得的计算资源能够达到车辆n的最佳计算资源分配，则按最佳计算资源分配及最佳卸载比例进行分配；否则将宏基站剩余的可分配计算资源加上其均分计算资源之和与其最佳计算资源两者中的较小者作为车辆n的计算资源分配方案，即，车辆分得的计算资源为然后依据步骤S22中卸载比例的调整准则对卸载比例进行更新。

S3、宏基站按照卸载比例及通信资源、计算资源分配对车辆发起的请求提供通信计算服务。具体方案为：

S31、宏基站根据为车辆分配的计算资源对所有车辆请求的业务启动计算；

S32、同时，按为车辆分配的通信资源，分配相应的通信子信道，按卸载比例将卸载到车辆的任务通过无线传输发送至相关车辆；

S33、当S31中的任务计算完成后，若S32中的传输完成，则将S31的计算结果根据分配的通信子信道，通过无线传输发送至相关车辆；若S32中的传输未完成，则等待其完成后，将S31的计算结果根据分配的通信子信道，通过无线传输发送至相关车辆

S34、当车辆完全接收到S32中传输的任务时，车辆启动计算；当车辆完成计算并接收到S33中传输的计算结果时，开始进行任务结果的拼接。

通过上述实施可以看出，本发明采用的通信资源、计算资源分配及卸载比例联合决策算法，利用车辆已有计算能力，首先为每一个车辆分配一个通信子信道，依据通信资源分配确定此时的最佳卸载比例及最佳计算资源分配，随后与计算资源均匀分配作对比，进一步修改当前计算资源分配及卸载比例，使任务完成时间始终保持最小；最后遍历车辆任务完成时间，为最长完成时间的车辆再分配一个新的通信子信道，并更新计算资源分配及卸载比例。由于算法始终保持着完成时间最小化，可以在较短的时间内完成车辆请求的VR业务，有效的缩短了任务完成时间，提高了用户体验度。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (9)

1.一种资源分配及卸载比例联合决策的方法，其特征在于，包括：

S1、车辆向宏基站发起无线VR业务请求；

S2、宏基站接收到车辆无线VR业务请求后，为车辆进行通信资源和计算资源的分配，同时决策业务卸载比例；

S3、宏基站根据行通信资源和计算资源的分配结果及卸载比例将业务发送至请求业务的车辆。

2.根据权利要求1所述的一种资源分配及卸载比例联合决策的方法，其特征在于，步骤S2具体包括以下分步骤：

S21、宏基站为每个车辆分配一个通信子信道，并根据传输速率计算每个车辆的最佳卸载比例，依据卸载比例计算对应车辆的最佳计算资源分配；

S22、根据均分计算资源对每个车辆的计算资源分配进行调整；

S23、遍历各车辆完成任务所需的时间，为最长完成时间对应的车辆其分配一个通信子信道，并对该车辆的计算资源及卸载比例进行更新。

3.根据权利要求2所述的一种资源分配及卸载比例联合决策的方法，其特征在于，步骤S21中的最佳计算卸载比例及最佳计算资源分配的计算表达式分别为：

其中，表示车辆n的最佳计算卸载比例，表示车辆n的最佳计算资源分配，r_n为车辆n的传输速率，f_n,local为车辆n本地计算频率，ρ为完成任务所需CPU周期与任务大小之间的比例，Φ为任务计算后与计算前的大小比例。

4.根据权利要求3所述的一种资源分配及卸载比例联合决策的方法，其特征在于，步骤S22具体为：若某车辆对应的最佳计算资源分配小于其均分计算资源分配，则对应的该最佳计算资源分配作为该车辆的计算资源分配方案；否则将宏基站剩余的可分配计算资源加上其均分计算资源之和与其最佳计算资源两者中的较小者作为当前车辆的计算资源分配方案。

5.根据权利要求4所述的一种资源分配及卸载比例联合决策的方法，其特征在于，步骤S22还包括：调整卸载比例。

6.根据权利要求5所述的一种资源分配及卸载比例联合决策的方法，其特征在于，步骤S23中对车辆的计算资源和卸载比例进行更新的过程为：若此时宏基站计算资源已分配完，则调整卸载比例，计算资源分配保持不变；

若计算资源还有剩余，分两种情况：若宏基站剩余计算资源加上该车辆已分得的计算资源能够达到该车辆的最佳计算资源分配，则按最佳计算资源分配及最佳卸载比例进行分配；否则将宏基站剩余的可分配计算资源加上其均分计算资源之和与其最佳计算资源两者中的较小者作为对应车辆的计算资源分配方案；然后调整卸载比例。

7.根据权利要求6所述的一种资源分配及卸载比例联合决策的方法，其特征在于，调整卸载比例表达式为：

其中，ε_n表示车辆n的卸载比例，r_n为车辆n的传输速率，f_n,local为车辆n本地计算频率，ρ为完成任务所需CPU周期与任务大小之间的比例，Φ为任务计算后与计算前的大小比例，f_n,off表示车辆n分得的计算资源。

8.根据权利要求7所述的一种资源分配及卸载比例联合决策的方法，其特征在于，还包括：重复步骤S23，直至宏基站通信资源分配完毕。

9.根据权利要求8所述的一种资源分配及卸载比例联合决策的方法，其特征在于，步骤S3具体为：

S31、任务计算，宏基站根据为车辆分配的计算资源对所有车辆请求的业务启动计算；

S32、任务传输，按为车辆分配的通信资源，分配相应的通信子信道，按卸载比例将业务卸载到车辆，任务通过无线传输发送至相关车辆；

S33、当S31中的任务计算完成，且S32中的任务传输完成，则将S31的计算结果根据分配的通信子信道，通过无线传输发送至相关车辆；

S34、当车辆完全接收到S32中传输的任务时，车辆启动计算；当车辆完成计算并接收到S33中传输的计算结果时，开始进行任务结果的拼接。