CN110868700B - 车载边缘计算环境下基于可分裂任务的协作计算卸载方法 - Google Patents

车载边缘计算环境下基于可分裂任务的协作计算卸载方法 Download PDF

Info

Publication number
CN110868700B
CN110868700B CN201910982657.5A CN201910982657A CN110868700B CN 110868700 B CN110868700 B CN 110868700B CN 201910982657 A CN201910982657 A CN 201910982657A CN 110868700 B CN110868700 B CN 110868700B
Authority
CN
China
Prior art keywords
task
vehicle
processed
vehicles
service
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
Application number
CN201910982657.5A
Other languages
English (en)
Other versions
CN110868700A (zh
Inventor
郭重涛
黄智锋
廖斌
何晓燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN201910982657.5A priority Critical patent/CN110868700B/zh
Publication of CN110868700A publication Critical patent/CN110868700A/zh
Application granted granted Critical
Publication of CN110868700B publication Critical patent/CN110868700B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • 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
    • G06F9/5038—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 considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了一种车载边缘计算环境下基于可分裂任务的协作计算卸载方法，在所述待处理任务的计算量无法承担时，发出所述待处理任务卸载请求；根据所述待处理任务卸载请求的反馈，获取可调用计算资源的相关信息；根据所述可调用计算资源的相关信息，获得最优分裂比进行任务分割。由此，综合考虑车辆的计算能力选择最佳的卸载决策，便于获得最小化任务完成时延。请求车辆接收到可调用计算资源的相关信息之后，构建任务分裂模型并进行计算，获取最优分裂比，并实践分布式任务分裂与卸载方案，保证每个请求车辆仅基于所收到的信息自主决定任务的分裂与卸载决策，避免集中式方案中频繁的信息交互。

Description

车载边缘计算环境下基于可分裂任务的协作计算卸载方法
技术领域
本发明涉及移动边缘计算车联网技术领域，尤其是指一种车载边缘计算环境下基于可分裂任务的协作计算卸载方法。
背景技术
为了应对MEC数据的爆炸性增长，基于移动云计算(MCC)的车载云计算网络(VCC)已被设想为潜在的解决方案。MCC中的车辆通过高速率和高可靠的空中接口将复杂的、难以在最大容忍时间内完成的计算任务卸载到远端云数据中心执行。
而且车辆与远端云数据中心的传播距离过长，考虑到快速变化的无线信道以及大量移动用户与移动云之间频繁的数据交换会使得回程网络变得拥堵，这将导致卸载效率降低，无法满足实时应用的要求。因此对一些计算密集且延迟约束苛刻的应用来说，这需要前所未有的高访问速度和低延迟，VCC是不够的。
为了克服这些问题，新的网络架构被提出，称为移动边缘计算(MEC)，其将云服务推向无线电接入网络边缘，移动设备只需一跳来访问边缘云，这大大减少了通信延迟并避免了拥塞情况，能够为移动设备提供高可靠，高带宽和低延迟的计算服务。
发明内容
本发明所要解决的技术问题是：避免集中式方案中与基站频繁的信息交互，最小化整个任务的完成延迟。
为了解决上述技术问题，本发明采用的技术方案为：一种车载边缘计算环境下基于可分裂任务的协作计算卸载方法，具体包括如下步骤：
在所述待处理任务的计算量无法承担时，发出所述待处理任务卸载请求；
根据所述待处理任务卸载请求的反馈，获取可调用计算资源的相关信息；
根据所述可调用计算资源的相关信息，获得最优分裂比进行任务分割。
进一步地，所述获取最优分裂比的过程包括如下步骤：
获取本地计算所述待处理任务的延迟时间；
获取远程计算所述待处理任务的延迟时间；
获取所述本地计算所述待处理任务的延迟时间与所述远程计算所述待处理任务的延迟时间中的最大值；
根据所述本地计算所述待处理任务的延迟时间与所述远程计算所述待处理任务的延迟时间中的最大值求得最优分裂比；
上述中，所述获取可调用计算资源的相关信息的具体过程包括如下步骤：
获取所述远程计算所述待处理任务的i个处理单元的延迟时间；
比较所述远程计算所述待处理任务的i个处理单元的延迟时间，获取所述远程计算所述待处理任务的i个处理单元的延迟时间的最大值；
所述计算所述待处理任务的i个处理单元的延迟时间的最大值为所述远程计算所述待处理任务的延迟时间，i为正整数。
上述中，所述获取本地计算所述待处理任务的延迟时间具体包括如下步骤：
获取本地计算所述待处理任务的CPU周期数；
获取获取本地交互运算子单元的CPU频率；
根据所述本地计算所述待处理任务的CPU周期数及所述本地交互运算子单元的CPU频率，获取本地计算所述待处理任务的延迟时间。
进一步地，所述远程计算所述待处理任务的i个处理单元的延迟时间包括：本地车辆传出任务的时间、远程处理任务的时间、处理单元传回任务结果的有其他单元的干扰时延、处理单元传回任务结果的部分无其他单元的干扰时延、处理单元传回任务结果的全部其他处理单元传输后的干扰时延。
上述中，在所述待处理任务的计算量无法承担时，发出所述待处理任务卸载请求之前还包括如下步骤：
周期性地广播自身状态信息；
根据所述周期性地广播自身状态信息，获取周围所述可调用计算资源的相关信息；
根据定期收集周围所述可调用计算资源的信息，找出潜在的所述可调用计算资源的相关信息。
进一步地，所述获取最优分裂比分配任务的过程还包括如下步骤：
根据所述最优分裂比，分割并分配所述待处理任务；
根据所述待处理任务的分割，处理所述待处理任务；
在处理所述待处理任务后，获取所述待处理任务的结果。
本发明还提供了一种车载边缘计算环境下基于可分裂任务的协作计算卸载系统，包括任务请求车辆与任务处理车辆；
所述任务请求车辆用于：获取待处理任务；在所述待处理任务的计算量无法承担时，发出所述待处理任务卸载请求；根据所述待处理任务卸载请求的反馈，获取可调用计算资源的信息；根据所述可调用计算资源的信息，获取最优分裂比；
所述任务处理车辆，用于提供所述可调用计算资源的信息。
进一步地，所述任务请求车辆与所述任务处理车辆的速度相同且方向相同。
进一步地，所述任务请求车辆与所述任务处理车辆分别配备车载单元、全球定位系统、无线通信模块和MEC服务器；
所述车载单元，用于确定车辆身份；
所述全球定位系统，用于确定车辆位置；
所述无线通信模块，用于收发信息；
所述MEC服务器，用于计算处理。
当任务请求车辆遇到计算密集且延迟苛刻的可分割任务时，向周围的任务处理车辆进行广播，请求协助处理；通过车辆之间的相互协助，从而保证计算性能。任务处理车辆接收到协助处理的请求后，估计信道质量和任务车辆的可调用的计算资源，并将其状态信息发送给任务请求车辆；由此，综合考虑车辆的计算能力选择最佳的卸载决策，便于获得最小化任务完成时延。请求车辆接收到可调用计算资源的相关信息之后，构建任务分裂模型并进行计算，获取最优分裂比，并实践分布式任务分裂与卸载方案，保证每个请求车辆仅基于所收到的信息自主决定任务的分裂与卸载决策，避免集中式方案中频繁的信息交互。
附图说明
下面结合附图详述本发明的具体结构：
图1为本发明第一实施例的卸载方法的结构原理示意图；
图2为本发明第一实施例的卸载方法构建的分裂模型示意图；
图3为本发明第二实施例的卸载方法的流程示意图；
图4为本发明第一实施例的卸载系统的单元分类示意图；
图5为本发明第二实施例的任务请求车辆的子单元结构示意图；
图6为本发明第二实施例的任务处理车辆的子单元结构示意图。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。
请参阅图1，图1为本发明第一实施例的卸载方法的结构原理示意图；
一种车载边缘计算环境下基于可分裂任务的协作计算卸载方法，具体包括如下步骤：
步骤S1、在待处理任务的计算量无法承担时，发出待处理任务卸载请求；
步骤S2、根据待处理任务卸载请求的反馈，获取可调用计算资源的相关信息；
步骤S3、根据可调用计算资源的相关信息，获得最优分裂比进行任务分割。
当任务请求车辆遇到待处理任务的计算量无法承担时，向周围的任务处理车辆进行广播，请求协助处理；通过车辆之间的相互协助，从而保证计算性能。计算量无法承担的待处理任务为，计算密集且延迟苛刻的可分割任务的待处理任务，包括：复杂图像处理和增强现实以及其他类似任务。
任务处理车辆接收到协助处理的请求后，估计信道质量和任务车辆的可调用的计算资源，并将其状态信息发送给任务请求车辆；由此，综合考虑车辆的计算能力选择最佳的卸载决策，便于获得最小化任务完成时延。
请求车辆接收到可调用计算资源的相关信息之后，构建任务分裂模型并进行计算，获取最优分裂比，并进行任务分割,最后将分割的子任务卸载到服务车辆。
综上所述，形成分布式任务分裂与卸载方案，使得每个请求车辆仅基于所收到的信息自主决定任务的分裂与卸载决策，避免集中式方案中频繁的信息交互。
具体地，步骤S1、在待处理任务的计算量无法承担时，发出待处理任务卸载请求；
请求车辆有一个计算密集且延迟苛刻的可分割任务需要完成。请求车辆的可分割任务表示为：Mk＝{Dk，Ck，tmax}。
其中，Dk表示该任务数据量大小；Ck表示计算此任务1bit所需的CPU周期数；tmax表示此任务允许的最大完成时间。
步骤S2、根据待处理任务卸载请求的反馈，获取可调用计算资源的相关信息；
上述中，获取可调用计算资源的相关信息具体的步骤如下：
构建通信模型，通信模型的信息包括，信道增益的信息、信噪比的信息、传输速率的信息，具体公式如下：
信道增益计算表达式为：
Figure BDA0002235702710000061
其中，A为常量系数；gij为小尺度快衰落功率参数，服从指数分布；βij是标准差为ξ的对数正态阴影衰落随机变量；dij表示两节点间的距离；
Figure BDA0002235702710000063
表示路径损耗指数。
信噪比计算表达式为：
Figure BDA0002235702710000062
其中，Pi为节点i的发射功率；σ为干扰噪声。
传输速率计算表达式为：rij＝bijlog2(1+γij)
其中，bij为信道带宽；由香农公式可以计算出数据传输速率为rij＝bijlog2(1+γij)。
模型信息体现且不局限于上述信息。
步骤S1、在待处理任务的计算量无法承担时，发出待处理任务卸载请求；
步骤S2、根据待处理任务卸载请求的反馈，获取可调用计算资源的相关信息；
步骤S3、根据可调用计算资源的相关信息，获得最优分裂比进行任务分割。
请参阅图2及图4，图2为本发明第一实施例的卸载方法构建的分裂模型示意图；
图4为本发明第一实施例的卸载系统的单元分类示意图。
本实施例中有一个任务请求车辆、任务处理车辆1、任务处理车辆2，但本发明不仅限于两个任务处理车辆。
进一步地，请求车辆通过分裂比例ρ将任务Mk分割为两个子任务Mk1和Mk2：
Mk1＝{ρDk，Ck1，tmax}
Mk2＝{(1-ρ)Dk，Ck2，tmax}
其中，子任务Mk1由请求车辆本地计算处理，而子任务Mk2由请求车辆卸载到邻近的两辆服务车辆v2和v3协同计算处理，其中车辆v2处理子任务Mk2的x2部分，而车辆v3处理子任务Mk2的x3部分，即x2+x3＝(1-ρ)Dk。
服务车辆v2处理完后数据量大小为μx2：a1+a2+a3＝μx2
其中，μ为任务压缩比率，a1为车辆v2计算处理完后无干扰传回给车辆v1的数据量；a2为有车辆v3传输干扰的数据量；a3为车辆v3传输完后无干扰传输的数据量。
请求车辆v3处理完后数据量大小为μx3
b1+b2+b3＝μx3
其中b1为车辆v3计算处理完后无干扰传回给车辆v1的数据量；b2为有车辆v2传输干扰的数据量；b3为车辆v2传输完后无干扰传输的数据量。
进一步地，获取最优分裂比的过程包括如下步骤：
步骤S31、获取本地计算待处理任务的延迟时间；
获取远程计算待处理任务的延迟时间。
步骤S32、获取所述本地计算所述待处理任务的延迟时间与所述远程计算所述待处理任务的延迟时间中的最大值；
步骤S33、根据所述本地计算所述待处理任务的延迟时间与所述远程计算所述待处理任务的延迟时间中的最大值求得最优分裂比。
步骤S31、获取本地计算待处理任务的延迟时间；
获取远程计算待处理任务的延迟时间。
本实施中，获取本地请求车辆计算待处理任务的延迟时间；再对应该是本地请求车辆计算待处理任务的延迟时间、多个请求车辆的延迟时间，取最大值。
上述中，本地请求车辆计算待处理任务的延迟时间与多个请求车辆的延迟时间进行比较，取最大值。
步骤S32、获取本地计算待处理任务的延迟时间与远程计算待处理任务的延迟时间中的最大值；
步骤S33、根据本地计算待处理任务的延迟时间与远程计算待处理任务的延迟时间中的最大值。
在计算资源和通信链路条件给定的条件下，会存在一个极值，通过这个极值点可以求得最优的分裂比。
上述中，获取最优分裂比的过程，用公式表示为：
Figure BDA0002235702710000081
其中，
Figure BDA0002235702710000082
为请求车辆本地计算时延；
t2为请求车辆将分裂的子任务卸载到服务车辆v2执行任务并回传结果的时延；
t3为请求车辆将分裂的子任务卸载到服务车辆v3执行任务并回传结果的时延。
上述中，在给定计算和通信条件的情况下，可以由以下约束条件计算得出最佳的分裂比ρ，即得到任务完成时延的极小值。
具体计算如下：
Figure BDA0002235702710000083
s.t.C1：0≤ρ≤1
Figure BDA0002235702710000084
进一步地，获取可调用计算资源的相关信息的具体过程包括如下步骤：
步骤S201、获取远程计算待处理任务的i个处理单元的延迟时间；
步骤S202、比较远程计算待处理任务的i个处理单元的延迟时间，获取远程计算待处理任务的i个处理单元的延迟时间的最大值。
其中，计算待处理任务的i个处理单元的延迟时间的最大值为远程计算待处理任务的延迟时间，i为正整数。
具体的，步骤S201、获取远程计算待处理任务的i个处理单元的延迟时间；
步骤S202、比较远程计算待处理任务的i个处理单元的延迟时间，获取远程计算待处理任务的i个处理单元的延迟时间的最大值。
步骤S301、获取本地计算待处理任务的延迟时间；
步骤S302、获取并比较各个任务处理车辆远程计算的延迟时间，获取远程计算待处理任务的延迟时间的最大值；
步骤S303、根据所述本地计算所述待处理任务的延迟时间与所述远程计算所述待处理任务的延迟时间中的最大值。
在计算资源和通信链路条件给定的条件下，会存在一个极值，通过这个极值点可以求得最优的分裂比。
由此，可以计算多个任务处理车辆共同处理的复杂任务。
进一步地，获取本地计算待处理任务的延迟时间具体包括如下步骤：
步骤S311、获取本地计算待处理任务的CPU周期数；
获取本地交互运算子单元的CPU频率；
步骤S312、根据本地计算待处理任务的CPU周期数及本地交互运算子单元的CPU频率；获取本地计算待处理任务的延迟时间。
上述中，本地执行时延计算表达式：t1 comp＝c0/fi
其中，c0为本地处理任务所需的CPU周期数；fi为本地交互运算子单元的CPU频率CPU周期频率。
本实施例中，本地交互运算子单元为本地车辆上设置的MEC服务器。
进一步地，远程计算待处理任务的i个处理单元延迟时间包括：本地车辆传出任务的时间、远程处理任务的时间、处理单元传回任务结果的有其他单元的干扰时延，处理单元传回任务结果的部分无其他处理单元的干扰时延，处理单元传回任务结果的全部无其他处理单元传输后的干扰时延，i为正整数。
具体的，在本实施例中，有一个任务请求车辆，表示为车辆v1；
当i＝1时，处理单元延迟时间包括本地车辆传出任务的时间、远程处理任务的时间及处理单元传回任务结果的全部其他处理单元传输后的干扰时延；
而处理单元传回任务结果的有其他单元的干扰时延、处理单元传回任务结果的部分无其他单元的干扰时延相当于0。
当i＝2，即有任务处理车辆1与任务处理车辆2，表示为车辆v2与车辆v3：
车辆v2计算处理远程任务时间的表达式为：
Figure BDA0002235702710000091
其中，t2为车辆v2处理远程任务的时间；
ttran为车辆v1将子任务Tk2卸载到车辆v2和车辆v3的传输时间；
Figure BDA0002235702710000092
车辆v2计算处理时间；
Figure BDA0002235702710000093
车辆v2计算结果回传车辆v1时无车辆v3干扰时延；
Figure BDA0002235702710000101
车辆v2计算结果回传车辆v1时有车辆v3干扰时延；
Figure BDA0002235702710000102
为车辆v3传输完后，车辆v2计算结果回传车辆v1时无车辆v3干扰时延；
车辆v3计算处理远程任务时间的表达式为：
Figure BDA0002235702710000103
t3为车辆v3处理远程任务的时间
Figure BDA0002235702710000104
车辆v3计算处理时间；
Figure BDA0002235702710000105
车辆v3计算结果回传车辆v1时无车辆v2干扰时延；
Figure BDA0002235702710000106
车辆v3计算结果回传车辆v1时有车辆v2干扰时延；
Figure BDA0002235702710000107
为车辆v2传输完后，车辆v3计算结果回传车辆v1时无车辆v2干扰时延。
上述中，当i＞2时，各公式增加相应的干扰时延，在此不加赘述。
进一步地，请参阅图3，图3为本发明第二实施例的卸载方法的流程示意图；
在待处理任务的计算量无法承担时，发出待处理任务卸载请求之前还包括如下步骤：
步骤S10、周期性地广播自身状态信息；
步骤S20、根据周期性地广播自身状态信息，获取周围可调用计算资源的相关信息；
步骤S30、根据定期收集周围可调用计算资源的相关信息，找出潜在的可调用计算资源的相关信息。
步骤S40、在待处理任务的计算量无法承担时，发出待处理任务卸载请求；
步骤S50、根据待处理任务卸载请求的反馈，获取可调用计算资源的相关信息；
步骤S60、根据可调用计算资源的相关信息，获得最优分裂比进行任务分割。
本实施例中，任务请求车辆和任务处理车辆为并非固定关系，当出现车辆本身的待处理任务的计算量无法承担的情况时，该车辆为任务请求车辆。
周期性广播自身的信息，可以在自身需要调用外部资源时，快速找到可调用资源；同时，也可在他人需要外部资源的调用时，急事提供资源。
步骤S40～S60的具体实施过程在前文已提及，在此不做赘述。
进一步地，获取最优分裂比分配任务的过程具体包括如下步骤：
根据最优分裂比，分割并分配待处理任务；
根据待处理任务的分割，处理待处理任务；
在处理待处理任务后，获取待处理任务的结果。
请参阅图5及图6，图5为本发明第二实施例的任务请求车辆的子弹元结构示意图；
图6为本发明第二实施例的任务处理车辆的子弹元结构示意图；
本发明还提供了一种车载边缘计算环境下基于可分裂任务的协作计算卸载系统，包括任务请求车辆与任务处理车辆；
任务请求车辆用于：获取待处理任务；在待处理任务的计算量无法承担时，发出待处理任务卸载请求；根据待处理任务卸载请求的反馈，获取可调用计算资源的信息；根据可调用计算资源的信息，获取最优分裂比；
任务处理车辆，用于提供可调用计算资源的信息。
进一步地，任务请求车辆与任务处理车辆的速度相同且方向相同。
上述中，任务请求车辆与任务处理车辆分别配备车载单元100、全球定位系统200、无线通信模块300和MEC服务器400；
车载单元100，用于确定车辆身份；
全球定位系统200，用于确定车辆位置；
无线通信模块300，用于收发信息；
MEC服务器400，用于计算处理。
上述中，选用MEC服务器400增强了计算能力，减小了服务时延，提供实时性服务；将云服务推向无线电接入网络边缘，移动设备只需一跳来访问边缘云，这大大减少了通信延迟；减少了网络阻塞，VEC系统中的MEC服务器400可以分担一些任务，避免大量任务被卸载到远端云数据处理中心，造成网络阻塞。
以上仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种车载边缘计算环境下基于可分裂任务的协作计算卸载方法，其特征在于，应用于请求车辆和服务车辆，具体包括如下步骤：
在待处理任务的计算量无法承担时，发出所述待处理任务卸载请求；
根据所述待处理任务卸载请求的反馈，获取可调用计算资源的相关信息；
构建任务分裂模型，通过分裂比例
Figure 386283DEST_PATH_IMAGE001
将所述待处理任务
Figure 499732DEST_PATH_IMAGE002
分割为两个子任务
Figure 487280DEST_PATH_IMAGE003
和
Figure 711588DEST_PATH_IMAGE004
：
Figure 38664DEST_PATH_IMAGE005
Figure 136064DEST_PATH_IMAGE006
其中，
Figure 283012DEST_PATH_IMAGE007
表示该任务数据量大小；
Figure 311011DEST_PATH_IMAGE008
表示计算此任务1bit所需的CPU周期数；
Figure 554910DEST_PATH_IMAGE009
表示 此任务允许的最大完成时间；所述子任务
Figure 10162DEST_PATH_IMAGE003
由所述请求车辆本地计算处理，所述子任务
Figure 909985DEST_PATH_IMAGE004
由所述请求车辆卸载到邻近的所述服务车辆协同计算处理，其中服务车辆
Figure 790610DEST_PATH_IMAGE010
处理子任 务
Figure 826699DEST_PATH_IMAGE004
的
Figure 452852DEST_PATH_IMAGE011
部分，服务车辆
Figure 636709DEST_PATH_IMAGE012
处理子任务
Figure 6510DEST_PATH_IMAGE004
的
Figure 162685DEST_PATH_IMAGE013
部分，
Figure 959740DEST_PATH_IMAGE014
；
所述服务车辆
Figure 381625DEST_PATH_IMAGE010
处理完后数据量大小为
Figure 289538DEST_PATH_IMAGE015
：
Figure 362537DEST_PATH_IMAGE016
；
其中，
Figure 330493DEST_PATH_IMAGE017
为任务压缩比率，
Figure 738209DEST_PATH_IMAGE018
为所述服务车辆
Figure 449813DEST_PATH_IMAGE010
计算处理完后无干扰传回给所述请求车 辆
Figure 642897DEST_PATH_IMAGE019
的数据量；
Figure 781754DEST_PATH_IMAGE020
为有其他服务车辆传输干扰的数据量；
Figure 99603DEST_PATH_IMAGE021
为其他服务车辆传输完后无干 扰传输的数据量；
所述服务车辆
Figure 427948DEST_PATH_IMAGE012
处理完后数据量大小为
Figure 413221DEST_PATH_IMAGE022
：
Figure 722980DEST_PATH_IMAGE023
；
其中，
Figure 590442DEST_PATH_IMAGE024
为所述服务车辆
Figure 643848DEST_PATH_IMAGE012
计算处理完后无干扰传回给所述请求车辆
Figure 483628DEST_PATH_IMAGE019
的数据量；
Figure 290521DEST_PATH_IMAGE025
为有其他服务车辆传输干扰的数据量；
Figure 848541DEST_PATH_IMAGE026
为其他服务车辆传输完后无干扰传输的数据量；
根据所述可调用计算资源的相关信息及所述任务分裂模型，计算任务完成时延，通过优化目标获得最优分裂比进行任务分割；
车辆
Figure 440060DEST_PATH_IMAGE010
计算处理远程任务时间的表达式为：
Figure 399925DEST_PATH_IMAGE027
其中，
Figure 113804DEST_PATH_IMAGE028
为服务车辆
Figure 893541DEST_PATH_IMAGE010
处理远程任务的时间；
Figure 288750DEST_PATH_IMAGE029
为请求车辆
Figure 916171DEST_PATH_IMAGE019
将子任务
Figure 738634DEST_PATH_IMAGE004
卸载到 服务车辆
Figure 5667DEST_PATH_IMAGE010
的传输时间；
Figure 204567DEST_PATH_IMAGE030
为服务车辆
Figure 935763DEST_PATH_IMAGE010
计算处理时间；
Figure 929127DEST_PATH_IMAGE031
为服务车辆
Figure 995041DEST_PATH_IMAGE010
将计算算结 果回传至请求车辆
Figure 997632DEST_PATH_IMAGE019
时无其他服务车辆干扰时延；
Figure 521017DEST_PATH_IMAGE032
为服务车辆
Figure 685282DEST_PATH_IMAGE010
将计算结果回传至请 求车辆
Figure 989224DEST_PATH_IMAGE019
时有其他服务车辆干扰时延；
Figure 529927DEST_PATH_IMAGE033
为其他服务车辆传输完后，服务车辆
Figure 907819DEST_PATH_IMAGE010
将计算结 果回传至请求车辆
Figure 321614DEST_PATH_IMAGE019
时无其他服务车辆干扰时延；
车辆
Figure 784956DEST_PATH_IMAGE012
计算处理远程任务时间的表达式为：
Figure 129350DEST_PATH_IMAGE034
其中，
Figure 361748DEST_PATH_IMAGE035
为服务车辆
Figure 195712DEST_PATH_IMAGE012
处理远程任务的时间；
Figure 146350DEST_PATH_IMAGE036
为服务车辆
Figure 28856DEST_PATH_IMAGE012
计算处理时间；
Figure 695854DEST_PATH_IMAGE037
为服务车辆
Figure 638402DEST_PATH_IMAGE012
将计算结果回传至请求车辆
Figure 76337DEST_PATH_IMAGE019
时无其他服务车辆干扰时延；
Figure 824850DEST_PATH_IMAGE038
为服务车辆
Figure 31840DEST_PATH_IMAGE012
将计算结果回传至请求车辆
Figure 145290DEST_PATH_IMAGE019
时有其他服务车辆干扰时延；
Figure 70520DEST_PATH_IMAGE039
为其他服务车辆传输完 后，服务车辆
Figure 107878DEST_PATH_IMAGE012
将计算结果回传至请求车辆
Figure 434954DEST_PATH_IMAGE019
时无其他服务车辆干扰时延；
优化目标用公式表示为：
Figure 453725DEST_PATH_IMAGE040
其中，
Figure 928569DEST_PATH_IMAGE041
为请求车辆
Figure 956568DEST_PATH_IMAGE019
本地计算时延；
Figure 138151DEST_PATH_IMAGE028
为请求车辆
Figure 904987DEST_PATH_IMAGE019
将分裂的子任务卸载到服务 车辆
Figure 539231DEST_PATH_IMAGE010
执行任务并回传结果的时延；
Figure 105341DEST_PATH_IMAGE035
为请求车辆
Figure 407010DEST_PATH_IMAGE019
将分裂的子任务卸载到服务车辆
Figure 95480DEST_PATH_IMAGE012
执行任务并回传结果的时延。
2.根据权利要求1所述的车载边缘计算环境下基于可分裂任务的协作计算卸载方法，其特征在于，
所述获得最优分裂比的过程包括如下步骤：
获取本地计算所述待处理任务的延迟时间；
获取远程计算所述待处理任务的延迟时间；
获取所述本地计算所述待处理任务的延迟时间与所述远程计算所述待处理任务的延迟时间的最大值；
根据所述本地计算所述待处理任务的延迟时间与所述远程计算所述待处理任务的延迟时间的最大值，获取最优分裂比。
3.根据权利要求2所述的车载边缘计算环境下基于可分裂任务的协作计算卸载方法，其特征在于，
所述获取可调用计算资源的相关信息的具体过程包括如下步骤：
获取所述远程计算所述待处理任务的i个处理单元的延迟时间；
比较所述远程计算所述待处理任务的i个处理单元的延迟时间，获取所述远程计算所述待处理任务的i个处理单元的延迟时间的最大值；
所述计算所述待处理任务的i个处理单元的延迟时间的最大值为所述远程计算所述待处理任务的延迟时间，i为正整数。
4.根据权利要求3所述的车载边缘计算环境下基于可分裂任务的协作计算卸载方法，其特征在于，
所述获取本地计算所述待处理任务的延迟时间具体包括如下步骤：
获取本地计算所述待处理任务的CPU周期数；
获取本地交互运算子单元的CPU频率；
根据所述本地计算所述待处理任务的CPU周期数及所述本地交互运算子单元的CPU频率获取本地计算所述待处理任务的延迟时间。
5.根据权利要求3所述的车载边缘计算环境下基于可分裂任务的协作计算卸载方法，其特征在于，所述远程计算所述待处理任务的i个处理单元的延迟时间包括：本地车辆传出任务的时间、远程处理任务的时间、处理单元传回任务结果的部分无其他单元的干扰时延、处理单元传回任务结果的全部其他处理单元传输后的干扰时延。
6.根据权利要求1所述的车载边缘计算环境下基于可分裂任务的协作计算卸载方法，其特征在于，
在所述待处理任务的计算量无法承担时，发出所述待处理任务卸载请求之前还包括如下步骤：
周期性地广播自身状态信息；
根据所述周期性地广播自身状态信息，获取周围所述可调用计算资源的相关信息；
根据定期收集周围所述可调用计算资源的信息，找出潜在的所述可调用计算资源的相关信息。
7.根据权利要求1-6中任意一项所述的车载边缘计算环境下基于可分裂任务的协作计算卸载方法，其特征在于，
所述获得最优分裂比进行任务分割的过程包括如下步骤：
根据所述最优分裂比，分割并分配所述待处理任务；
根据所述待处理任务的分割，处理所述待处理任务；
在处理所述待处理任务后，获取所述待处理任务的结果。
8.一种车载边缘计算环境下基于可分裂任务的协作计算卸载系统，其特征在于，包括请求车辆与服务车辆；
所述请求车辆用于：获取待处理任务；在待处理任务的计算量无法承担时，发出所述待 处理任务卸载请求；根据所述待处理任务卸载请求的反馈，获取可调用计算资源的信息；构 建任务分裂模型，通过分裂比例
Figure 217020DEST_PATH_IMAGE001
将所述待处理任务
Figure 586821DEST_PATH_IMAGE002
分割为两个子任务
Figure 556045DEST_PATH_IMAGE003
和
Figure 353100DEST_PATH_IMAGE004
：
Figure 961936DEST_PATH_IMAGE005
Figure 932166DEST_PATH_IMAGE006
其中，
Figure 942847DEST_PATH_IMAGE007
表示该任务数据量大小；
Figure 910803DEST_PATH_IMAGE008
表示计算此任务1bit所需的CPU周期数；
Figure 321450DEST_PATH_IMAGE009
表示 此任务允许的最大完成时间；所述子任务
Figure 33054DEST_PATH_IMAGE003
由所述请求车辆本地计算处理，所述子任务
Figure 898241DEST_PATH_IMAGE004
由所述请求车辆卸载到邻近的所述服务车辆协同计算处理，其中服务车辆
Figure 37099DEST_PATH_IMAGE010
处理子任 务
Figure 682844DEST_PATH_IMAGE004
的
Figure 198139DEST_PATH_IMAGE011
部分，服务车辆
Figure 917833DEST_PATH_IMAGE012
处理子任务
Figure 40641DEST_PATH_IMAGE004
的
Figure 111365DEST_PATH_IMAGE013
部分，
Figure 164772DEST_PATH_IMAGE014
；
所述服务车辆
Figure 66869DEST_PATH_IMAGE010
处理完后数据量大小为
Figure 547529DEST_PATH_IMAGE015
：
Figure 105549DEST_PATH_IMAGE016
；
其中，
Figure 697067DEST_PATH_IMAGE017
为任务压缩比率，
Figure 702938DEST_PATH_IMAGE018
为所述服务车辆
Figure 620079DEST_PATH_IMAGE010
计算处理完后无干扰传回给所述请求车 辆
Figure 399816DEST_PATH_IMAGE019
的数据量；
Figure 857342DEST_PATH_IMAGE020
为有其他服务车辆传输干扰的数据量；
Figure 671714DEST_PATH_IMAGE021
为其他服务车辆传输完后无干 扰传输的数据量；
所述服务车辆
Figure 494177DEST_PATH_IMAGE012
处理完后数据量大小为
Figure 574259DEST_PATH_IMAGE022
：
Figure 773160DEST_PATH_IMAGE023
；
其中，
Figure 442038DEST_PATH_IMAGE024
为所述服务车辆
Figure 435402DEST_PATH_IMAGE012
计算处理完后无干扰传回给所述请求车辆
Figure 252048DEST_PATH_IMAGE019
的数据量；
Figure 989060DEST_PATH_IMAGE025
为有其他服务车辆传输干扰的数据量；
Figure 512445DEST_PATH_IMAGE026
为其他服务车辆传输完后无干扰传输的数据量；
根据所述可调用计算资源的相关信息及所述任务分裂模型，计算任务完成时延，通过优化目标获得最优分裂比进行任务分割；
车辆
Figure 256804DEST_PATH_IMAGE010
计算处理远程任务时间的表达式为：
Figure 498429DEST_PATH_IMAGE027
其中，
Figure 773553DEST_PATH_IMAGE028
为服务车辆
Figure 479341DEST_PATH_IMAGE010
处理远程任务的时间；
Figure 814507DEST_PATH_IMAGE029
为请求车辆
Figure 543429DEST_PATH_IMAGE019
将子任务
Figure 435292DEST_PATH_IMAGE004
卸载到 服务车辆
Figure 933270DEST_PATH_IMAGE010
的传输时间；
Figure 704917DEST_PATH_IMAGE030
为服务车辆
Figure 655555DEST_PATH_IMAGE010
计算处理时间；
Figure 600378DEST_PATH_IMAGE031
为服务车辆
Figure 952861DEST_PATH_IMAGE010
将计算算结 果回传至请求车辆
Figure 895410DEST_PATH_IMAGE019
时无其他服务车辆干扰时延；
Figure 644929DEST_PATH_IMAGE032
为服务车辆
Figure 65546DEST_PATH_IMAGE010
将计算结果回传至请 求车辆
Figure 538115DEST_PATH_IMAGE019
时有其他服务车辆干扰时延；
Figure 713882DEST_PATH_IMAGE033
为其他服务车辆传输完后，服务车辆
Figure 639113DEST_PATH_IMAGE010
将计算结 果回传至请求车辆
Figure 863420DEST_PATH_IMAGE019
时无其他服务车辆干扰时延；
车辆
Figure 924917DEST_PATH_IMAGE012
计算处理远程任务时间的表达式为：
Figure 22318DEST_PATH_IMAGE034
其中，
Figure 434844DEST_PATH_IMAGE035
为服务车辆
Figure 462843DEST_PATH_IMAGE012
处理远程任务的时间；
Figure 706743DEST_PATH_IMAGE036
为服务车辆
Figure 896416DEST_PATH_IMAGE012
计算处理时间；
Figure 796238DEST_PATH_IMAGE037
为服务车辆
Figure 665144DEST_PATH_IMAGE012
将计算结果回传至请求车辆
Figure 966813DEST_PATH_IMAGE019
时无其他服务车辆干扰时延；
Figure 327387DEST_PATH_IMAGE038
为服务车辆
Figure 714506DEST_PATH_IMAGE012
将计算结果回传至请求车辆
Figure 146624DEST_PATH_IMAGE019
时有其他服务车辆干扰时延；
Figure 37220DEST_PATH_IMAGE039
为其他服务车辆传输完 后，服务车辆
Figure 834275DEST_PATH_IMAGE012
将计算结果回传至请求车辆
Figure 256160DEST_PATH_IMAGE019
时无其他服务车辆干扰时延；
优化目标用公式表示为：
Figure 429652DEST_PATH_IMAGE040
其中，
Figure 440334DEST_PATH_IMAGE041
为请求车辆
Figure 470606DEST_PATH_IMAGE019
本地计算时延；
Figure 566738DEST_PATH_IMAGE028
为请求车辆
Figure 278342DEST_PATH_IMAGE019
将分裂的子任务卸载到服务 车辆
Figure 143530DEST_PATH_IMAGE010
执行任务并回传结果的时延；
Figure 593972DEST_PATH_IMAGE035
为请求车辆
Figure 177400DEST_PATH_IMAGE019
将分裂的子任务卸载到服务车辆
Figure 427116DEST_PATH_IMAGE012
执行任务并回传结果的时延。
9.根据权利要求8所述的车载边缘计算环境下基于可分裂任务的协作计算卸载系统，其特征在于，
所述请求车辆与所述服务车辆的速度相同且方向相同。
10.根据权利要求8所述的车载边缘计算环境下基于可分裂任务的协作计算卸载系统，其特征在于，
所述请求车辆与所述服务车辆分别配备车载单元、全球定位系统、无线通信模块和MEC服务器；
所述车载单元，用于确定车辆身份；
所述全球定位系统，用于确定车辆位置；
所述无线通信模块，用于收发信息；
所述MEC服务器，用于计算处理。
CN201910982657.5A 2019-10-16 2019-10-16 车载边缘计算环境下基于可分裂任务的协作计算卸载方法 Active CN110868700B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910982657.5A CN110868700B (zh) 2019-10-16 2019-10-16 车载边缘计算环境下基于可分裂任务的协作计算卸载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910982657.5A CN110868700B (zh) 2019-10-16 2019-10-16 车载边缘计算环境下基于可分裂任务的协作计算卸载方法

Publications (2)

Publication Number Publication Date
CN110868700A CN110868700A (zh) 2020-03-06
CN110868700B true CN110868700B (zh) 2023-04-07

Family

ID=69652459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910982657.5A Active CN110868700B (zh) 2019-10-16 2019-10-16 车载边缘计算环境下基于可分裂任务的协作计算卸载方法

Country Status (1)

Country Link
CN (1) CN110868700B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111970318B (zh) * 2020-05-18 2022-05-24 北京邮电大学 基于移动边缘计算的车辆与路边单元协同卸载任务方法及装置
CN111711962B (zh) * 2020-06-15 2022-04-12 重庆邮电大学 一种移动边缘计算系统子任务协同调度方法
CN111918245B (zh) * 2020-07-07 2021-11-19 西安交通大学 基于多智能体的车速感知的计算任务卸载和资源分配方法
WO2022067560A1 (zh) * 2020-09-29 2022-04-07 西门子股份公司 协同工作方法和系统、移动机器人、计算设备和存储介质
CN112698940B (zh) * 2020-12-17 2023-11-14 北京交通大学 用于车路协同的车辆辅助边缘计算任务分配系统
CN113068152B (zh) * 2021-03-04 2023-07-18 西安联乘智能科技有限公司 一种车联网中基于信息感知的计算卸载方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109379727A (zh) * 2018-10-16 2019-02-22 重庆邮电大学 车联网中基于mec的任务分布式卸载与协作执行方案
CN109800072A (zh) * 2019-01-22 2019-05-24 深圳市简智联信息科技有限公司 基于边缘计算的任务调度优化方法和装置
CN109951821A (zh) * 2019-02-26 2019-06-28 重庆邮电大学 基于移动边缘计算的最小化车辆能耗任务卸载方案

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012097875A1 (en) * 2011-01-20 2012-07-26 Telefonaktiebolaget Lm Ericsson (Publ) Gateway allocation in a mobile communication system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109379727A (zh) * 2018-10-16 2019-02-22 重庆邮电大学 车联网中基于mec的任务分布式卸载与协作执行方案
CN109800072A (zh) * 2019-01-22 2019-05-24 深圳市简智联信息科技有限公司 基于边缘计算的任务调度优化方法和装置
CN109951821A (zh) * 2019-02-26 2019-06-28 重庆邮电大学 基于移动边缘计算的最小化车辆能耗任务卸载方案

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Delay-Optimal Computation Task Scheduling for Mobile-Edge Computing Systems";Juan Liu等;《2016 IEEE INTERNATIONAL SYMPOSIUM ON INFORMATION THEORY》;20160715;全文 *
"移动云计算中基于卸载代价最小的混合云选择策略研究";刘星;《中国优秀硕士学位论文全文数据库信息科技辑》;20190131;全文 *

Also Published As

Publication number Publication date
CN110868700A (zh) 2020-03-06

Similar Documents

Publication Publication Date Title
CN110868700B (zh) 车载边缘计算环境下基于可分裂任务的协作计算卸载方法
CN111586696B (zh) 一种基于多智能体架构强化学习的资源分配及卸载决策方法
CN109951869B (zh) 一种基于云雾混合计算的车联网资源分配方法
CN112737842B (zh) 空地一体化车联网中基于最小化时延的任务安全卸载方法
CN111405569A (zh) 基于深度强化学习的计算卸载和资源分配方法及装置
CN112996056A (zh) 一种云边协同下时延最优化的计算任务卸载方法及装置
CN111757361B (zh) 一种雾网络中基于无人机辅助的任务卸载方法
CN114142907B (zh) 一种通信终端设备的信道筛选优化方法及系统
CN113114738B (zh) 基于sdn的车联网任务卸载的优化方法
CN111355779B (zh) 基于服务的车联网任务卸载方法及其卸载装置
CN113645273B (zh) 基于业务优先级的车联网任务卸载方法
WO2020108506A1 (zh) 干扰源识别方法、相关设备及计算机存储介质
CN117835418B (zh) 基于蜂窝网联无人机的空地协同监控资源分配方法及装置
CN114363803A (zh) 一种移动边缘计算网络节能的多任务分配方法及系统
CN116567582A (zh) 一种车辆任务卸载方法、装置、电子设备及存储介质
CN116737391A (zh) 一种联邦模式下基于混合策略的边缘计算协作方法
CN107682812A (zh) 一种异构多通信链路融合网络的链路适配方法及装置
CN116633936A (zh) 一种多智能体强化学习车联网计算卸载方法
CN114828047A (zh) 一种5g移动边缘计算环境中多智能体协同计算卸载方法
KR102439426B1 (ko) 에지 컴퓨팅에서 멀티 연합 학습 서비스 오케스트레이터 및 이의 실행 방법
CN109298933B (zh) 基于边缘计算网络的无线通信网络设备及系统
CN110784512A (zh) 一种机载式动态云系统及其实时响应资源分配方法
CN113691606B (zh) 任务卸载方法、装置、电子设备、系统和存储介质
WO2022199315A1 (zh) 数据处理方法及装置
CN115373856B (zh) 一种端边云网络框架中智能车辆的卸载任务分配方法

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