CN110928658B - 一种车边云协同架构的协同任务迁移系统及算法 - Google Patents

Abstract

本发明公开了一种车边云协同架构的协同任务迁移系统及算法，包括：车载终端集群，该车载终端集群用于采集车辆信息和输出车辆信息至边缘服务器及远程云服务器；边缘服务器，设置于路侧边缘，与车载终端集群通信连接，以接收并处理车载终端集群采集处理的车辆信息和输出信号指令至车载终端集群内；远程云服务器，与车载终端集群通信连接，与车载终端集群之间进行身份认证、数据存储和数据收发。本发明的车边云协同架构的协同任务迁移系统，通过车载终端、边缘计算服务器和远程云服务器的组合作用，便可实现从传统的车‑边协同架构、车‑云协同架构到车边云协同架构的演进，选择最优的任务迁移机制，实现车载的能耗最小，可有效延长车辆的续航里程。

Description

一种车边云协同架构的协同任务迁移系统及算法

技术领域

本发明属于智能网联汽车技术领域，更具体的说是涉及一种车边云协同架构的协同任务迁移系统及算法。

背景技术

汽车智能化的关键在于构建具有数据融合、高速计算、智能决策、协同控制能力的智能计算平台，以完成汽车行驶和信息交互过程中海量多源异构数据的高速计算处理。现今，车载终端及云服务器的计算能力和硬件配置虽正在逐步增强，但随着车载终端设备的日益增加、无线网络的大规模接入以及车载计算任务应用要求的提升，基站无线总带宽的需求不断增加，继而引发网络传输不稳定、云服务器负载过高等问题，使得计算平台难以在短时间内完成计算资源密集型计算，这对智能网联汽车计算平台的处理能力提出了严峻挑战。

为解决上述问题，CN110134507提出了一种适用于车边协同架构的边缘计算系统下的合作计算方法，利用在边缘服务器侧与众多终端合作计算的方案达到计算资源的最优配置，但边缘服务器的存储和计算能力有限，不可能部署所有类型的服务，不合理的任务迁移策略会导致边缘计算任务处理时间延长，车载终端体验变差，还会导致边缘服务器因过载而不稳定。CN1 10197339提出了一种适用于车云协同架构的基于大数据云计算服务平台及运行方法，可实现后台计算及交互式大数据信息查询，但由于网络带宽限制及海量计算密集型任务的涌现，不能满足智能网联汽车实时响应的需求。

上述技术对于提高车载计算任务及实现交互式的信息查询具有积极意义，但车辆在行驶过程中需要面对复杂的环境，需要与同区域内的其他设备竞争网络资源和计算资源。网络状态和计算资源的不确定性，很容易造成通信不稳定，进而产生数据拥堵，无法满足低时延的要求。尤其，对于电动车辆而言，上述问题还会引发车载能耗过高进而影响续航里程，因此，如何实现实时性和能耗的平衡是一个亟待解决的问题。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种车边云协同架构的协同任务迁移系统及算法，将任务特性、任务迁移策略、计算资源、网络状态等综合建模为一个系统能耗最小优化问题，并以任务计算时延为约束、以系统能耗最低为目标，设计高效的任务迁移机制，从而降低车载计算负荷，显著提升用户体验，同时为远程云计算平台的大数据分析提供基础数据。

为实现上述目的，本发明提供了如下技术方案：一种车边云协同架构的协同任务迁移系统，包括：

车载终端集群，该车载终端集群用于采集车辆信息和输出车辆信息至边缘服务器及远程云服务器；

边缘服务器，设置于路侧边缘，与车载终端集群通信连接，以接收并处理车载终端集群采集处理的车辆信息和输出信号指令至车载终端集群内；

远程云服务器，与车载终端集群通信连接，与车载终端集群之间进行身份认证、数据存储和数据收发。

作为本发明的进一步改进，所述车载终端集群由一定区域内的所有的车载终端和路侧通信基础设施构成，内部采用mm-ware、802.11p、蜂窝网络相互通信，其中，路侧通信基础设施包括路边基站、信号灯，车载终端包括全球导航卫星系统、信息分析模块、信息感知模块、任务迁移决策模块、迁移执行模块、通信模块。

作为本发明的进一步改进，所述边缘服务器由路侧边缘设备搭建，其中，路侧边缘设备包括工控机、路由器等。

作为本发明的进一步改进，所述远程云服务器包括身份认证模块、监控模块、存储模块、任务调度模块、数据收发模块。

本发明另一方面提供了一种算法，包括如下步骤：

步骤1，构建车边云协同迁移系统变量模型；

步骤2，确定车载终端的任务特性，令车载终端VT_i中有实时响应要求的任务由四元组(I_i，O_i，C_i，T_i)描述，其中，I_i表示车载终端VT_i任务的总输入数据量，O_i表示车载终端VT_i的任务计算结果的总输出数据量，C_i表示车载终端VT_i的任务执行所需的CPU的周期数，T_i表示车载终端VT_i任务完成限制时间；

步骤3，基于步骤2中的车载终端的任务特性，确定车载终端任务迁移策略Y_i；步骤4，以满足计算时延约束、系统能耗最低为目标，建立目标函数E选择最佳任务迁移矩阵，确定车载终端任务调度条件，其中：

其中，函数max()表示取所有元素的最大值，E_local、E_up、E_down分别表示选择任务迁移策略后车载终端执行本地任务的总功耗、车载终端上传数据的总功耗、车载终端的下载数据总功耗，T_local，i、T_edge，i、T_remote，i分别表示选择任务迁移策略后车载终端VT_i本地执行任务总执行时间、边缘服务器执行任务的总计算时延、远程云服务器执行任务的总计算时延。

作为算法的进一步改进，所述步骤1中的变量模型构建为：假设把时间划分为无数个时间间隙，在某段给定时间间隙Δ内，令车载终端集群中车载终端的集合为VT＝{VT_i}，其中VT_i表示车载终端集群中第i辆车载终端，i＝1，2，…，M，M为当前车载终端集群中车载终端的总数，然后依次构建车载终端模型、边缘服务器模型、远程云服务器模型和数据通信环境模型。

作为算法的进一步改进，所述车载终端模型通过以下步骤构建：

步骤(1)，令车载终端VT_i由六元组VT_i＝(C_local，i，E_i，E_up，i，E_down，i，L_i[t]，N_local，i)描述；

其中，C_local，i表示车载终端VT_i的CPU计算能力，E_i表示车载终端VT_i执行本地任务时单位时间间隙内的功耗，E_up，i、E_down，i表示车载终端VT_i上传/下载数据时单位时间间隙内的功耗，L_i[t]∈{0，1，…，n-1}表示车载终端VT_i本地计算任务的处理进度状态，n表示车载终端能容纳的最大计算子任务数，N_local，i表示当前车载终端VT_i处理未完成的计算任务所需的时间间隙个数，L_i[t]＝0时表示车载终端当前无本地计算任务，可接受任务迁移。

作为算法的进一步改进，所述边缘服务器模型通过以下步骤构建：

步骤(2)，令边缘服务器由三元组(C_edge，L_E[t]，N_edge)描述；

其中，C_edge表示边缘服务器的CPU计算能力，L_E[t]∈{0，1，…，n-1}表示边缘服务器计算任务的处理进度状态，n表示边缘服务器能容纳的最大计算子任务数，N_edge表示当前处理未完成的计算任务所需的时间间隙个数，L_E[t]＝0时表示边缘服务器当前无计算任务正在执行，可接受任务迁移。

作为算法的进一步改进，所述远程云服务器模型通过以下步骤构建：

步骤(3)，令远程云服务器由二元组(β，q)描述；

其中，β为单核串行处理子任务所需要的时间，q表示并行计算使用的计算核心数量。

作为算法的进一步改进，所述数据通信环境模型通过以下步骤构建：

步骤(4)，令r_i表示车载终端VT_i的任务通过无线信道传输至服务器的传输速率，则有

其中，w和σ²指信道的带宽及信道噪声功率，p_i表示车载终端VT_i任务迁移时采用的发送功率，表示车载终端VT_i与服务器间链路的信道增益，r_i满足/>其中R为环境的总带宽；

令r_o表示服务器通过无线信道将数据结果反馈至车载终端的传输速率，

其中，w′和σ′²指信道的带宽及信道噪声功率，p′_i表示服务器发送数据采用的发送功率，表示服务器与车载终端间链路的信道增益，r_o满足/>其中R为环境的总带宽。

作为算法的进一步改进，所述车载终端任务迁移策略包括全部本地执行、本地与边缘服务器协作、全部边缘服务器执行、边缘服务器与远程云协作、本地与远程云协作、全部远程云执行和本地、边缘服务器与远程云协作。

本发明的有益效果，通过车载终端集群、边缘服务器和远程云服务器的组合作用，可以在保障系统任务有效执行的情况下，实现从传统的车边协同架构、车云协同架构到车边云协同架构的演进，系统选择最优的任务迁移机制，实现车载的能耗最小，可有效延长车辆的续航里程。并且算法考虑车载终端的任务特性、车载终端需求、车载系统负载平衡、资源利用率、通信延迟等，实现远程通过网络将计算密集型任务自动拆分成多个子任务，再交由多台服务器所组成的庞大系统。经搜索、计算分析之后将处理结果回传给车载终端，智能协调车载系统、边缘服务器和远程云服务器间的车边云协作，可有效降低车载负荷，显著提升用户服务质量，短时间内完成计算密集型任务，有效提高智能网联车辆行驶安全性。

附图说明

图1为本发明车边云协同任务迁移系统示意图；

图2为本发明车边云协同架构的协同任务迁移系统的框架图；

图3为本发明车边云协同架构的协同任务迁移算法的流程图。

具体实施方式

下面将结合附图所给出的实施例对本发明做进一步的详述。

本实施例的一种车边云协同架构的协同任务迁移算法及系统，假设车载终端需执行一定计算任务，边缘服务器及车载终端具有一定的任务计算及处理能力，远程云服务器允许并行计算及串行计算，计算资源可动态拓展，满足计算需求。系统中任务的车载终端任务请求可通过7种方式执行，(1)“全部本地执行”；(2)“本地与边缘服务器协作”；(3)“全部边缘服务器执行”；(4)“边缘服务器与远程云协作”；(5)“本地与远程云协作”；(6)“全部远程云执行”；(7)“本地、边缘服务器与远程云协作”。

如图1所示，车边云协同任务迁移算法及系统由车载终端集群、边缘服务器、远程云服务器组成，通过基站采用无线等方式通信。如图2所示，系统主要功能模块作用及功能如下：

车载终端集群，由一定区域内的所有的车载终端和路侧通信基础设施构成，车载终端集群内部采用mm-ware、802.11p、蜂窝网络等通信方式。其中，路侧通信基础设施包括路边基站、信号灯等；车载终端包括全球导航卫星系统、信息分析模块、信息感知模块、任务迁移模块、迁移执行模块、通信模块。其中，全球导航卫星系统定位车辆位置，选择相邻最近的边缘服务器；信息分析模块分析车载终端任务特性并接受协同系统处理后的计算结果，并汇总；信息感知模块感知车边云协同迁移系统变量；任务迁移决策模块执行协同任务迁移算法，选择最佳任务迁移策略，输入迁移执行模块；迁移执行模块按照最佳任务迁移策略发送子任务；通信模块为车载终端提供网络接入功能。

边缘服务器，在某个邻近区域内组成的通信网络中，由路侧边缘设备搭建的边缘服务器，其中的路侧设备，包括工控机、路由器等。工控机提供计算能力，路由器提供网络接入功能。

远程云服务器，包括数据收发模块、身份认证模块、监控模块、任务调度模块、存储模块。其中，数据收发模块获取车载终端的请求；身份认证模块连接在数据收发模块与远程云服务器之间，用于识别车载终端信息；监控模块用于监控远程云服务器的各服务器、文件系统和数据使用情况，如果使用率(例如CPU使用率、内存使用率、存储空间使用率等)超过某个阈值，则自动增加相关资源；如果使用率低于某个阈值，则减少相关资源，提升物理资源利用率；任务调度模块，用于远程云服务器计算资源的调度；存储模块用于存储数据，便于后台计算及交互式大数据信息查询。

如图3所示，本发明所述的车边云协同架构的协同迁移任务算法及系统的方法具体包括以下步骤：

1、车载终端全球导航卫星系统定位车辆位置，车辆选择所在区域相邻最近的边缘服务器。

本发明实施例中，若有任务迁移到边缘服务器，车辆已行驶至另一个相邻最近的不同边缘服务器时，未接收到边缘服务器的计算结果，则采用边缘服务器间的任务迁移，计算结束后，将计算结果发送给车载终端。

假设把时间划分为无数个时间间隙，在某段给定时间间隙Δ内，令车载终端集群中任务的车载终端(Vehicle Terminal)的集合为VT＝{VT_i}，其中VT_i表示车载终端集群中第i辆车载终端，i＝1，2，...，M，M为当前车载终端集群中车载终端的总数。

2、车载终端信息感知模块感知车边云协同迁移系统变量。

(1)感知车载终端参数，VT_i＝(C_local，i，E_i，E_up，i，E_down，i，L_i[t]，N_local，i)。其中，C_local，i表示车载终端VT_i的CPU计算能力，E_i表示车载终端VT_i执行本地任务时单位时间间隙内的功耗，E_up，i、E_down，i表示车载终端上传数据的总功耗、车载终端的下载数据总功耗，L_i[t]∈{0，1，…，n-1}表示车载终端VT_i本地计算任务的处理进度状态，n表示车载终端能容纳的最大计算子任务数，N_local，i表示当前车载终端VT_i处理未完成的计算任务所需的时间间隙个数，L_i[t]＝0时表示车载终端当前无本地计算任务，可接受任务迁移。

(2)感知边缘服务器参数，(C_edge，L_E[t]，N_edge)。若有任务迁移到边缘服务器，车辆已行驶至另一个相邻最近的不同边缘服务器时，未接收到边缘服务器的计算结果，则车载终端信息感知模块需重新感知边缘服务器参数。其中，C_edge表示边缘服务器的CPU计算能力，L_E[t]∈{0，1，…，n-1}表示边缘服务器计算任务的处理进度状态，n表示边缘服务器能容纳的最大计算子任务数，N_edge表示当前处理未完成的计算任务所需的时间间隙个数，L_E[t]＝0时表示边缘服务器当前无计算任务正在执行，可接受任务迁移。

(3)感知数据通信环境参数， 其中，r_i表示车载终端集群内车载终端VT_i的任务通过无线信道传输至服务器间的传输速率，w和σ²指信道的带宽及信道噪声功率，p_i表示车载终端VT_i的任务迁移所采用的发送功率，/>表示车载终端VT_i与服务器之间链路的信道增益，r_o表示服务器通过无线信道将数据结果反馈至车载终端的传输速率，w′和σ′²指信道的带宽及信道噪声功率，p′_i表示服务器发送数据采用的发送功率，/>表示服务器与车载终端间链路的信道增益，/>R为当前环境的总带宽。

3、车载终端信息分析模块分析车载终端任务特性(I_i，O_i，C_i，T_i)，其中，I_i表示车载终端VT_i任务的总输入数据量，O_i表示车载终端VT_i的任务计算结果的总输出数据量，C_i为该车载终端VT_i的任务执行所需的CPU周期数，T_i表示车载终端VT_i任务完成限制时间。

本发明实施例中车载终端VT_i的任务分割为n_i个固定数据量大小的子任务，i＝1，2，…，M，固定数据量的大小由当前环境网络的数据链路的吞吐量决定，令车载终端VT_i的子任务由三元组(I_i，j，O_i，j，C_i，j)描述，各子任务可分别迁移执行或在车载终端本地执行。其中，表示车载终端VT_i的第j个子任务的输入数据量，各子任务的I_i，j组成车载终端VT_i的输入数据量矩阵/> O_i，j表示车载终端VT_i的第j个子任务计算结果的输出数据量，各子任务的O_i，j组成车载终端VT_i的输出数据量矩阵/> C_i，j表示车载终端VT_i的第j个子任务执行所需的CPU周期数，各子任务的C_i，j组成车载终端VT_i的所需CPU周期数的矩阵

4、判断任务的实时需求。若是需实时响应的任务，执行5～7，无实时需求的任务，执行8～9。

任务迁移决策模块执行协同任务迁移算法，选择最佳任务迁移策略输入迁移执行模块，其中，n_i是车载终端VT_i的任务分割的子任务的数量，/>分别为1×3的行向量，i＝1，2，…，M，j＝1，2，…，n_i，行向量y_i，j＝[1 0 0]表示车载终端VT_i的第j个子任务必须在本地执行，行向量y_i，j＝[01 0]表示车载终端VT_i的第j个子任务迁移到边缘服务器，行向量y_i，j＝[0 0 1]表示车载终端VT_i的第j个子任务迁移到远程云服务器。根据步骤2、3，可计算如下：

(1)计算车载终端本地任务计算总执行时间，T_local，i＝max{T_L(x)，T_L}+N_local。其中，表示理论状态下任务的执行时间，/>T_L(x)为车载终端信息分析模块建立的本地执行任务计算时间与子任务输入数据量x相关的历史数据的关系数学模型，其计算时间用多项式回归处理，可估计求得表示选择任务迁移策略后，子任务输入数据量为I_i，j时的车载终端的总执行任务时间由描述，函数sum()表示对矩阵所有元素求和，n为建立关系数学模型的历史数据量的大小，A₀为初始值，可采用经验值。

(2)边缘服务器执行任务的总时延，T_edge，i＝(t_de+t_pe)·(Y_i·[0 0 1]^T)。其中，t_de表示时延t_de＝d_s+RTT，t_pe表示执行任务的计算时间， 表示理论状态下执行任务时间/> t_pe(x)为车载终端信息分析模块建立的边缘服务器执行任务计算时间与子任务输入数据量x相关的历史数据的关系数学模型，其计算时间用多项式回归处理，可估计求得表示选择任务迁移策略后，子任务输入数据量为I_i，j时边缘服务器的总执行任务时间由描述，函数sum()表示对矩阵所有元素求和，n为建立关系数学模型的历史数据量的大小，A₀为初始值，可采用经验值。

(3)远程云服务器执行任务的总时延，T_remote，i＝(t_dr+t_pr)·(Y_i·[0 0 1]^T)，t_pr表示计算时间t_pr＝t_pp+t_ps，t_dr表示时延t_dr＝d_s+RTT。其中，t_pp表示云平台并行处理时间，t_pp＝β/q，其中β为单核串行处理子任务所需要的时间，q表示并行计算使用的计算核心数量，t_ps表示云平台串行处理时间，其值采用本次计算之前的k次计算所用时间的平均值，其中k为经验值。

(2)、(3)中，d_s表示发送时延，RTT表示传播时延，表示数据帧从发出到边缘服务器或者远程云服务器确认的时间差，每测量到一个RTT，就重新计算一次RTTs，RTTs＝(1-α)·RTTs+α·RTT，0≤α＜1，其中，RTTs为加权平均往返时间，α可采用经验值，一般取0.125。

(4)系统总能耗，E＝E_local+E_up+E_down，车载终端计算的总功耗E_local＝E_iT_local，i，上传数据车载终端的总功耗下载数据车载终端的总功耗

(5)本发明算法以满足计算时延、系统能耗最低为目标，建立目标函数E，选择最佳任务迁移策略。

5、迁移执行模块按照最佳任务迁移策略发送子任务至边缘服务器及远程服务器。

6、本地、边缘服务器、远程云服务器分别计算子任务，并发送计算结果至车载终端信息分析模块，若有任务迁移到边缘服务器，车辆已行驶至另一个相邻最近的不同边缘服务器时，未接收到边缘服务器的计算结果，则采用边缘服务器间的任务迁移，计算结束后，发送给车载终端信息分析模块。

7、车载终端集群中无实时响应需求的任务，在车载终端空闲且联网的状态下直接传入远程云服务器，如车辆的行驶状态信息、用户信息、系统日志等。

8、远程云服务器数据接受模块接受信息并储存，为远程云服务器的大数据分析提供基础数据，并提供给智能网联车辆开发商等，实现交互式的信息查询。

在本发明实施例中，当邻近区域的汽车VT＝{VT_i}拥有大量相同或相似的计算任务，比如摄像头采集到的相同的图片感知信息，利用协同的方式削减冗余的任务。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种车边云协同架构的协同任务迁移系统，其特征在于：包括：

车载终端集群(1)，该车载终端集群(1)用于采集车辆信息和输出车辆信息至边缘服务器(2)及远程云服务器(3)；

边缘服务器(2)，设置于路侧边缘，与车载终端集群(1)通信连接，以接收并处理车载终端集群(1)采集处理的车辆信息和输出信号指令至车载终端集群(1)内；

远程云服务器(3)，与车载终端集群(1)通信连接，与车载终端集群之间进行身份认证、数据存储和数据收发；其中，车载终端集群(1)、边缘服务器(2)、远程云服务器(3)执行以下算法，具体包括如下步骤：

步骤1，构建车边云协同迁移系统变量模型；

步骤2，确定车载终端的任务特性，令车载终端VT_i中有实时响应要求的任务由四元组(I_i，O_i，C_i，T_i)描述，其中，I_i表示车载终端VT_i任务的总输入数据量，O_i表示车载终端VT_i的任务计算结果的总输出数据量，C_i表示车载终端VT_i的任务执行所需的CPU的周期数，T_i表示车载终端VT_i任务完成限制时间；

步骤3，基于步骤2中的车载终端的任务特性，确定车载终端任务迁移策略Y_i；

步骤4，以满足计算时延约束、系统能耗最低为目标，建立目标函数E选择最佳任务迁移矩阵，确定车载终端任务调度条件，其中：

s.t max(T_local，i，T_edge，i，T_remote，i)-T_i≤0

其中，函数max()表示取所有元素的最大值，E_local、E_up、E_down分别表示选择任务迁移策略后车载终端执行本地任务的总功耗、车载终端上传数据的总功耗、车载终端的下载数据总功耗，T_local，i、T_edge，i、T_remote，i分别表示选择任务迁移策略后车载终端VT_i本地执行任务总执行时间、边缘服务器执行任务的总计算时延、远程云服务器执行任务的总计算时延。

2.根据权利要求1所述的车边云协同架构的协同任务迁移系统，其特征在于：所述车载终端集群(1)由一定局域内的所有的车载终端和路侧通信基础设施构成，内部采用mm-ware、802.11p、蜂窝网络相互通信，其中，路侧通信基础设施包括路边基站、信号灯，车载终端包括全球导航卫星系统、信息分析模块、信息感知模块、任务迁移决策模块、迁移执行模块、通信模块。

3.根据权利要求1或2所述的车边云协同架构的协同任务迁移系统，其特征在于：所述边缘服务器(2)由路侧边缘设备搭建，其中，路侧边缘设备包括工控机、路由器，所述远程云服务器(3)包括身份认证模块、监控模块、存储模块、任务调度模块、数据收发模块。

4.根据权利要求3所述的车边云协同架构的协同任务迁移系统，其特征在于：所述步骤1中的变量模型构建为：假设把时间划分为无数个时间间隙，在某段给定时间间隙Δ内，令车载终端集群中车载终端的集合为VT＝{VT_i}，其中VT_i表示车载终端集群中第i辆车载终端，i＝1，2，…，M，M为当前车载终端集群中车载终端的总数，然后依次构建车载终端模型、边缘服务器模型、远程云服务器模型和数据通信环境模型。

5.根据权利要求4所述的车边云协同架构的协同任务迁移系统，其特征在于：所述车载终端模型通过以下步骤构建：

步骤(1)，令车载终端VT_i由六元组VT_i(C_local，i，E_i，E_up，i，E_down，i，L_i[t]，N_local,i)描述；其中，C_local，i表示车载终端VT_i的CPU计算能力，E_i表示车载终端VT_i执行本地任务时单位时间间隙内的功耗，E_up，i、E_down，i表示车载终端VT_i上传/下载数据时单位时间间隙内的功耗，L_i[t]∈{0，1，…，n-1}表示车载终端VT_i本地计算任务的处理进度状态，n表示车载终端能容纳的最大计算子任务数，N_local，i表示当前车载终端VT_i处理未完成的计算任务所需的时间间隙个数，L_i[t]＝0时表示车载终端当前无本地计算任务，可接受任务迁移。

6.根据权利要求4所述的车边云协同架构的协同任务迁移系统，其特征在于：所述边缘服务器模型通过以下步骤构建：

步骤(2)，令边缘服务器由三元组(C_edge，L_E[t]，N_edge)描述；

其中，C_edge表示边缘服务器的CPU计算能力，L_E[t]∈{0，1，…，n-1}表示边缘服务器计算任务的处理进度状态，n表示边缘服务器能容纳的最大计算子任务数，N_edge表示当前处理未完成的计算任务所需的时间间隙个数，L_E[t]＝0时表示边缘服务器当前无计算任务正在执行，可接受任务迁移。

7.根据权利要求5所述的车边云协同架构的协同任务迁移系统，其特征在于：所述远程云服务器模型通过以下步骤构建：

步骤(3)，令远程云服务器由二元组(β，q)描述；

其中，β为单核串行处理子任务所需要的时间，q表示并行计算使用的计算核心数量。

8.根据权利要求5所述的车边云协同架构的协同任务迁移系统，其特征在于：所述数据通信环境模型通过以下步骤构建：

步骤(4)，令r_i表示车载终端VT_i的任务通过无线信道传输至服务器的传输速率，则有

其中，w和σ²指信道的带宽及信道噪声功率，p_i表示车载终端VT_i任务迁移时采用的发送功率，表示车载终端VT_i与服务器间链路的信道增益，r_i满足/>其中R为环境的总带宽；

令r_o表示服务器通过无线信道将数据结果反馈至车载终端的传输速率，

其中，w′和σ′²指信道的带宽及信道噪声功率，p′_i表示服务器发送数据采用的发送功率，表示服务器与车载终端间链路的信道增益，r_o满足/>其中R为环境的总带宽。

9.根据权利要求4所述的车边云协同架构的协同任务迁移系统，其特征在于：所述车载终端任务迁移策略包括全部本地执行、本地与边缘服务器协作、全部边缘服务器执行、边缘服务器与远程云协作、本地与远程云协作、全部远程云执行、本地与边缘服务器与远程云协作。