CN109743099A - 移动边缘计算系统及其资源分配方法 - Google Patents

Abstract

本申请涉及一种移动边缘计算系统及其资源分配方法，移动边缘计算系统包括：物联网设备、无人机、移动边缘服务器；无人机与所述物联网设备建立视距的空地通信链路；移动边缘服务器搭载在无人机上，移动边缘服务器与物联网设备通过所述空地通信链路通信连接，移动边缘服务器从所述物联网设备获取待处理数据，并根据所述待处理数据进行资源分配，可以实现为远端物联网设备提供可靠的边缘计算服务。

Description

移动边缘计算系统及其资源分配方法

技术领域

本申请涉及移动边缘计算技术领域，尤其是一种移动边缘计算系统及其资源分配方法。

背景技术

对于一些物联网设备(Internet of Things Devices，IoTDs)，例如，温度传感器等，由于其自身物理大小和成本受限而无法安装计算处理器芯片，因此只具有较弱的计算能力甚至不具有计算能力。为了使IoTDs有足够的计算能力计算自身数据，相关技术中，在移动用户附近的无线接入网络内，使用移动边缘计算技术为用户提供云计算能力。例如，部署于广阔空间中的IoTDs产生大量监测信息等数据，其需要处理监测信息数据判断下一步执行操作。由于自身计算能力受限，IoTDs将待计算数据上传给附近微蜂窝基站，微蜂窝基站使用自身事先部署的边缘计算服务器计算接收的待计算数据，并将结果指令返还给IoTDs。然而对于智慧农场等物联网应用场景，IoTDs通常远离无线接入点或边缘云设备，因此这种解决方案无法为远端IoTDs提供可靠的边缘计算服务。

发明内容

为至少在一定程度上克服相关技术中在IoTDs远离无线接入点或边缘云设备，数据无法上传给附近微蜂窝基站从而无法为远端IoTDs提供可靠的边缘计算服务的问题，本申请提供一种移动边缘计算系统及其资源分配方法。

第一方面，一种移动边缘计算系统，包括：

物联网设备、无人机、移动边缘服务器；

所述无人机与所述物联网设备建立视距的空地通信链路，接收所述物联网设备发送的待处理数据；

所述移动边缘服务器搭载在所述无人机上，所述移动边缘服务器根据所述待处理数据进行资源分配，并通过所述无人机向所述物联网设备发送指令。

进一步的，所述物联网设备用于收集环境信息，并将所述环境信息转换成所述待处理数据。

进一步的，所述资源分布包括：控制所述物联网设备与所述无人机是否进行通信、确定所述无人机的悬停时间和确定所述移动边缘服务器CPU的计算频率。

第二方面，一种移动边缘计算系统的资源分配方法，包括：

建立基于无人机平台的物联网边缘计算系统模型，所述系统模型包括多个计算变量；

对所述多个计算变量进行物理意义表示；

建立目标问题模型；

使用基于拉格朗日对偶分解和线性规划的交替迭代算法对所述目标问题模型进行求解。

进一步的，所述目标问题包括3个决策变量，所述决策变量包括：

无人机在第t个地点悬停时长T_i[t]、无人机在第t个悬停时段分配给第i个物联网设备的计算频率f_i[t]和第i个物联网设备选择无人机第t个悬停时长传输数据a_i[t]。

进一步的，所述使用基于拉格朗日对偶分解和线性规划的交替迭代算法对所述目标问题模型进行求解，包括：

固定a_i[t]和T_i[t]，使用拉格朗日对偶求解方法优化f_i[t]变量；

固定f_i[t]，使用线性规划重构方法求解a_i[t]和T_i[t]。

进一步的，所述使用线性规划重构方法求解a_i[t]和T_i[t]，包括：将所述a_i[t]和T_i[t]转换成两个独立的优化目标，迭代更新a_i[t]和T_i[t]直到迭代条件终止。

进一步的，所述迭代条件终止，包括：预设迭代最大次数，迭代字数达到迭代最大次数；

或者，预设能耗下降门限，能耗下降量小于所述能耗下降门限。

进一步的，所述对所述多个计算变量进行物理意义表示，包括：

表示出物联网设备的待计算任务量；

表示出物联网设备的通信传输决策量；

表示出传输上传待计算任务时间量；

表示出无人机计算待计算数据时间量；

表示出无人机执行计算服务能耗量。

进一步的，所述无人机执行计算服务能耗量，包括：计算能耗量和悬停能耗量。

本申请的实施例提供的技术方案可以包括以下有益效果：

本申请通过无人机与物联网设备建立视距的空地通信链路，在空旷的应用场景，也能为物联网设备提供无线接入点，通过将移动边缘服务器搭载在无人机上，移动边缘服务器根据待处理数据进行资源分配，并通过无人机向物联网设备发送指令，为远端物联网设备提供可靠的边缘计算服务。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是本申请一个实施例提供的一种移动边缘计算系统的示意图。

图2是本申请一个实施例提供的一种移动边缘计算系统的应用流程图。

图3是本申请另一个实施例提供的一种移动边缘计算系统的应用流程图。

图4是本申请一个实施例提供的一种移动边缘计算系统的资源分配方法的流程图。

图5是本申请一个实施例提供的一种移动边缘计算系统的资源分配方法的局部流程图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

图1是本申请一个实施例提供的一种移动边缘计算系统的示意图。

如图1所示，本实施例的移动边缘计算系统，包括：

物联网设备11、无人机12、移动边缘服务器(图中未示出)；

无人机12与物联网设备11建立视距的空地通信链路，接收物联网设备11发送的待处理数据；

移动边缘服务器(图中未示出)搭载在无人机12上，移动边缘服务器根据所述待处理数据进行资源分配，并通过无人机12向物联网设备11发送指令。

无人机通信具有高灵活度、可靠视距传输和低部署成本的特性，因此无人机12(Unmanned Aerial Vehicle，UAV)可作为移动边缘计算平台，其可搭载高性能处理器作为移动边缘服务器13，并与远端物联网设备11(Internet of Things Devices，IoTDs)建立视距的高能效空地通信链路，进而提供可靠的移动边缘计算服务。

作为本发明可选的一种实现方式，物联网设备11用于收集环境信息，并将所述环境信息转换成所述待处理数据。

作为本发明可选的一种实现方式，所述资源分布包括：控制物联网设备11与无人机12是否进行通信、确定无人机12的悬停时间和确定移动边缘服务器的CPU的计算频率。

移动边缘服务器收集远端IoTDs全部数据，并为其提供边缘计算服务，由于UAV所携带的计算资源和能量有限，因此为了实现高能效的移动边缘计算服务，对UAV的计算资源进行合理分配、控制UAV悬停时间以及控制IoTDs的通信传输非常必要。

本实施例中，通过通过无人机与物联网设备建立视距的空地通信链路，在空旷的应用场景，也能为物联网设备提供无线接入点，由于无人机与物联网设备距离近，因此可以保证通信质量；通过将移动边缘服务器搭载在无人机上，移动边缘服务器根据待处理数据进行资源分配，并通过无人机向物联网设备发送指令，为远端物联网设备提供可靠的边缘计算服务。

图2是本申请一个实施例提供的一种移动边缘计算系统的应用流程图。

如图2所示，本实施例的移动边缘计算系统的应用流程包括：

S21：无人机与物联网设备建立视距的空地通信链路；

S22：获取物联网设备待处理数据；

S23：将所述待处理数据发送至移动边缘服务器；

S24：接收移动边缘服务器指令并将所述指令发送至物联网设备。

待处理数据例如为物联网设备自身坐标和待计算任务量等。

无人机接收移动边缘服务器指令并将所述指令发送至物联网设备，包括：

无人机依次飞抵事先确定好的地点进行悬停；

无人机与IoTDs进行通信，通信内容为：(无人机→IoTDs)比特量指令信息、(IoTDs→无人机)待计算的传感器采集数据，例如，监控区域2小时内的温度，湿度记录等。

无人机可根据设备位置信息等事先确定悬停位置，例如，无人机在事先铺设于稻田的多个数据采集传感器的几何坐标中心进行悬停，或者无人机飞往临近工厂的所有传感器几何坐标中心进行悬停。

本实施例中，无人机与物联网设备建立视距的空地通信链路，将所述待处理数据发送至移动边缘服务器，接收移动边缘服务器指令并将所述指令发送至物联网设备，在智慧农场等空旷场景中可以直接应用移动边缘计算系统为物联网设备提供移动边缘计算服务。

图3是本申请另一个实施例提供的一种移动边缘计算系统的应用流程图。

如图3所示，本实施例的移动边缘计算系统的应用流程包括：

S31：物联网设备与无人机建立视距的空地通信链路；

S32：获取环境信息并将环境信息转换成待处理数据发送至无人机；

S33：接收无人机发送的指令，并根据指令进行工作。

环境信息例如为大型田地灌溉系统中，喷洒设备温度和湿度传感器所采集的2小时内的田地温度和湿度记录数据。

指令例如为灌溉系统的启动和关闭指令，更详细的可以是，喷洒设备继续运行的时长、喷洒设备下一次启动时刻、喷洒设备将被设定的喷洒量等级(强力喷洒、微量喷洒)。

本实施例中，物联网设备获取环境信息并将环境信息转换成待处理数据发送至无人机，接收无人机发送的指令，并根据指令进行工作，在智慧农场等空旷场景中可以直接应用移动边缘计算系统为物联网设备提供移动边缘计算服务。

图4是本申请一个实施例提供的一种移动边缘计算系统的资源分配方法的流程图。

如图4所示，本实施例的移动边缘计算系统的资源分配方法，包括：

S41：建立基于无人机平台的物联网边缘计算系统模型，所述系统模型包括多个计算变量；

S42：对所述多个计算变量进行物理意义表示；

S43：建立目标问题模型；

S44：使用基于拉格朗日对偶分解和线性规划的交替迭代算法对所述目标问题模型进行求解。

例如，在一个方形的L×L有界区域内，分布着N个IoTDs，其中N≥1。第i个IoTD的坐标为(x_i,y_i,0)，i∈N＝{1,2,...,N}。设定UAV在有界区域内的M个指定地点悬停，UAV坐标为(X[t],Y[t],H)，t∈M＝{1,2,...,M}。UAV在第t个地点悬停时长为T[t]，每个IoTD从M个UAV悬停时段内选择一个时段传输数据并等待UAV计算完毕数据后下达指令。本实施例中，UAV下达每个IoTD的指令大小极小，例如，传感器继电器开关指令为比特量0或1，因此传输时间可忽略不计。

作为本发明可选的一种实现方式，所述目标问题包括3个决策变量，所述决策变量包括：

无人机在第t个地点悬停时长T_i[t]、无人机在第t个悬停时段分配给第i个物联网设备的计算频率f_i[t]和第i个物联网设备选择无人机第t个悬停时长传输数据a_i[t]。

作为本发明可选的一种实现方式，所述使用基于拉格朗日对偶分解和线性规划的交替迭代算法对所述目标问题模型进行求解，包括：

固定a_i[t]和T_i[t]，使用拉格朗日对偶求解方法优化f_i[t]变量；

固定f_i[t]，使用线性规划重构方法求解a_i[t]和T_i[t]。

作为本发明可选的一种实现方式，所述使用线性规划重构方法求解a_i[t]和T_i[t]，包括：将所述a_i[t]和T_i[t]转换成两个独立的优化目标，迭代更新a_i[t]和T_i[t]直到迭代条件终止。

作为本发明可选的一种实现方式，所述对所述多个计算变量进行物理意义表示，包括：

表示出物联网设备的待计算任务量；

表示出物联网设备的通信传输决策量；

表示出传输上传待计算任务时间量；

表示出无人机计算待计算数据时间量；

表示出无人机执行计算服务能耗量。

IoTDs待计算任务量：

定义D_i为第i个IoTD需要传输给UAV的数据量，F_i为UAV计算该任务所需总的CPU周期数。于是可将第i个IoTD的待计算任务量表示为：

I_i＝(D_i,F_i),i＝1,2,...,N (1)

IoTDs通信传输决策量：

在本实施例中IoTD仅从M个UAV悬停时段内选择一个时段传输数据，同时UAV可在每个悬停时段内为多个IoTDs提供边缘计算服务。定义：

a_i[t]＝1表示第i个IoTD选择UAV第t个悬停时长传输数据，否则a_i[t]＝0。

传输待计算任务时间量：

根据香农信道容量公式，定义第i个IoTD在UAV第t个悬停时段上传数据速率为：

其中B为信道带宽，P_i为第i个IoTD天线发射功率，h₀表示发射功率为1W时，在参考距离为1m处的接收功率，σ²为信道噪声功率。定义第i个IoTD在UAV第t个悬停时段传输待计算任务时间量为：

UAV处理待计算数据时间量：

定义UAV在第t个悬停时段分配给第i个IoTD的计算频率为f_i[t]，定义UAV在第t个悬停时段处理第i个IoTD的数据所需时间为：

作为本发明可选的一种实现方式，所述无人机执行计算服务能耗量，包括：计算能耗量和悬停能耗量。

UAV提供物联网移动边缘计算服务能耗量包括计算能耗和悬停能耗两部分。定义E^C为无人机处理器计算能耗，κ_i≥0为处理器有效开关电容，v_i为正数常数，E^H为UAV总的悬停能耗，P^h为UAV悬停功率，E^h[t]为UAV在第t个悬停时段的悬停能耗，T_i[t]为UAV在第t个悬停地点为第i个IoTD悬停的时间，E为UAV总能耗，φ为UAV计算能耗和悬停能耗优化权重。在本发明中，UAV提供物联网移动边缘计算服务能耗量表示如下：

为了符合实际场景，本实施例设定κ_i＝10^-26，v_i＝3。

目标问题P1可表示为

s.t.a_i[t]＝{0,1} (8a)

0≤f_i[t]≤f_max (8b)

a_i[t](T_i ^C[t]+T_i ^Tr[t])≤T_i[t] (8e)

约束式子(8b)表明，UAV分配给第i个IoTD的计算资源不超过UAV携带的最大计算资源；约束(8d)表明，UAV在M次悬停后须处理完每个IoTD的计算任务；约束(8e)表示UAV在第t个悬停时段为第i个IoTD停留的时间要大于计算和传输数据所消耗的时间。

由于目标函数(8)为非凸函数，约束(8a)表明决策变量a_i[t]为0-1离散量，(8d-e)为非凸约束，因此原问题为混合0-1整数非凸问题，且为NP难问题。首先考虑将离散变量松弛为连续变量，约束(8a)可转化为：

使用交替迭代的思想，先固定a_i[t]和T_i[t]求解f_i[t]，然后固定f_i[t]求解a_i[t]和T_i[t]。进一步地，所述使用基于拉格朗日对偶分解和线性规划的交替迭代算法对所述目标问题模型进行求解，包括：

固定a_i[t]和T_i[t]，问题中仅有f_i[t]变量，目标问题P1转化为P2问题

其中，

给定a_i[t]和T_i[t]，P2中仅剩f_i[t]优化变量。目标函数(10)为N×M个凸函数的非负加权和，即目标函数(10)为凸函数，(10a)(8d)为凸约束，因此P2为一凸优化问题，可使用拉格朗日对偶分解方法求解该问题。对约束(8d)引入拉格朗日系数P2的部分拉格朗日函数(partial Lagrangian function)为:

P 2的对偶函数表示为：

因此，P 2的对偶问题为：

由于P 2为凸问题并且满足Slater条件，因此P 2与其对偶问题(13)满足强对偶性条件，对偶问题(13)的解即为原问题P2的解。

为求解对偶函数g(μ)表达式，假定μ给定，可通过求解(12)获得对偶函数表达式。问题(12)可被分解为以下N×M个子问题：

利用目标函数单调性，即可得到(14)的解：

其中f_i ^*[t]根据μ的全部取值区间分为a,b,c三段。

求解对偶问题(13)，即在μ的定义域内找寻μ^*使g(μ)取得最大值。将上述求解的f_i ^*[t]按照不同讨论区间带入g(μ)，将g(μ)等效分解为N个子问题并利用函数单调性，可得：

其中由于约束(8d)，综上，最优解F^*为：

或者，固定f_i[t]，问题余下a_i[t]和T_i[t]变量，原问题转化为P3问题：

在给定f_i[t]后，原约束(8d)使用公式(6)后被(8c)取代，由于(20a)为非凸约束，因此P3为非凸规划。仔细观察可知，目标函数由两个独立的优化目标构成，为了节省悬停能耗,有：

可得第t个悬停地点UAV悬停时间为：

因此P 3转化为P 4：

P4为单一优化变量线性规划问题，结合“线性规划在变量定义域边界取得解”，因此在给定f_i[t]的条件下，针对第i个IoTD，当且仅当a_i[t]系数取到最小时a_i[t]＝1，否则a_i[t]＝0。因此可使用常规方法例如内点法较快速地求得线性规划问题P4的解。

本实施例中，通过建立基于无人机平台的物联网边缘计算系统模型，对所述多个计算变量进行物理意义表示，建立目标问题模型，使用基于拉格朗日对偶分解和线性规划的交替迭代算法对所述目标问题模型进行求解，可以为移动边缘计算系统提供高能效计算资源分配方法。

图5是本申请一个实施例提供的一种移动边缘计算系统的资源分配方法的局部流程图。

如图5所示，本实施例的一种移动边缘计算系统的资源分配方法的局部流程，包括：

S51：初始化迭代次数k为0，设置算法最大迭代次数kmax；

S52：固定a_i[t]和T_i[t]，更新f_i[t]；

S53：固定f_i[t]，更新a_i[t]和T_i[t]；

S54：重复S52-S53，，每重复一次迭代次数k加1；

S55：判断是否迭代条件终止，若满足，根据资源分配结果控制IoTDs的通信、确定UAV的悬停时间和CPU计算频率。

作为本发明可选的一种实现方式，所述迭代条件终止，包括：预设迭代最大次数，迭代字数达到迭代最大次数；

或者，预设能耗下降门限，能耗下降量小于所述能耗下降门限。

例如，当目标函数(UAV能耗)在迭代的过程中下降量小于门限0.01焦耳时，算法停止迭代，或者，当算法迭代次数达到kmax＝1000还未结束时，算法停止迭代。

本实施例中，通过使用基于拉格朗日对偶分解和线性规划的交替迭代算法对所述目标问题模型进行求解，可以使资源分配结果更加合理高效。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本申请的

描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

需要说明的是，本发明不局限于上述最佳实施方式，本领域技术人员在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是具有与本申请相同或相近似的技术方案，均落在本发明的保护范围之内。

Claims (10)

1.一种移动边缘计算系统，其特征在于，包括：

物联网设备、无人机、移动边缘服务器；

所述无人机与所述物联网设备建立视距的空地通信链路，接收所述物联网设备发送的待处理数据；

所述移动边缘服务器搭载在所述无人机上，所述移动边缘服务器根据所述待处理数据进行资源分配，并通过所述无人机向所述物联网设备发送指令。

2.根据权利要求1所述的移动边缘计算系统，其特征在于，所述物联网设备用于收集环境信息，并将所述环境信息转换成所述待处理数据。

3.根据权利要求1所述的移动边缘计算系统，其特征在于，所述资源分布包括：控制所述物联网设备与所述无人机是否进行通信、确定所述无人机的悬停时间和确定所述移动边缘服务器CPU的计算频率。

4.一种移动边缘计算系统的资源分配方法，其特征在于，包括：

建立基于无人机平台的物联网边缘计算系统模型，所述系统模型包括多个计算变量；

对所述多个计算变量进行物理意义表示；

建立目标问题模型；

使用基于拉格朗日对偶分解和线性规划的交替迭代算法对所述目标问题模型进行求解。

5.根据权利要求4所述的方法，其特征在于，所述目标问题包括3个决策变量，所述决策变量包括：

无人机在第t个地点悬停时长T_i[t]、无人机在第t个悬停时段分配给第i个物联网设备的计算频率f_i[t]和第i个物联网设备选择无人机第t个悬停时长传输数据a_i[t]。

6.根据权利要求5所述的方法，其特征在于，所述使用基于拉格朗日对偶分解和线性规划的交替迭代算法对所述目标问题模型进行求解，包括：

固定a_i[t]和T_i[t]，使用拉格朗日对偶求解方法优化f_i[t]变量；

固定f_i[t]，使用线性规划重构方法求解a_i[t]和T_i[t]。

7.根据权利要求6所述的方法，其特征在于，所述使用线性规划重构方法求解a_i[t]和T_i[t]，包括：将所述a_i[t]和T_i[t]转换成两个独立的优化目标，迭代更新a_i[t]和T_i[t]直到迭代条件终止。

8.根据权利要求7所述的方法，其特征在于，所述迭代条件终止，包括：预设迭代最大次数，迭代字数达到迭代最大次数；

或者，预设能耗下降门限，能耗下降量小于所述能耗下降门限。

9.根据权利要求4所述的方法，其特征在于，所述对所述多个计算变量进行物理意义表示，包括：

表示出物联网设备的待计算任务量；

表示出物联网设备的通信传输决策量；

表示出传输上传待计算任务时间量；

表示出无人机计算待计算数据时间量；

表示出无人机执行计算服务能耗量。

10.根据权利要求9所述的方法，其特征在于，所述无人机执行计算服务能耗量，包括：计算能耗量和悬停能耗量。