CN111372216B - 一种面向智能网联汽车的资源调度方法、系统及存储介质 - Google Patents
一种面向智能网联汽车的资源调度方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111372216B CN111372216B CN202010128924.5A CN202010128924A CN111372216B CN 111372216 B CN111372216 B CN 111372216B CN 202010128924 A CN202010128924 A CN 202010128924A CN 111372216 B CN111372216 B CN 111372216B
- Authority
- CN
- China
- Prior art keywords
- resource
- roadside unit
- vehicle
- roadside
- optimal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000013468 resource allocation Methods 0.000 claims abstract description 32
- 238000009826 distribution Methods 0.000 claims abstract description 26
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000008901 benefit Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 230000006855 networking Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 101000636109 Homo sapiens Ras suppressor protein 1 Proteins 0.000 description 5
- 102100030800 Ras suppressor protein 1 Human genes 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 101001137642 Homo sapiens Kinase suppressor of Ras 1 Proteins 0.000 description 2
- 102100021001 Kinase suppressor of Ras 1 Human genes 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种面向智能网联汽车的资源调度方法、系统及存储介质,其中方法包括:实时获取每个路边单元覆盖范围内的车辆数,并实时计算每个路边单元的最低资源需求;将所有路边单元中的资源通过虚拟化技术构成虚拟化资源池;基于纳什议价博弈理论及每个路边单元的最低资源需求建立路边单元之间的资源分配模型,并通过求解得到每个路边单元从虚拟化资源池中获得的最优资源量;依据每个路边单元的最优资源量为每个路边单元进行资源分配。实时获取每个RSU覆盖范围内的车辆数,进而计算每个RSU的最低资源需求量,然后通过纳什议价博弈理论得到每个RSU的最优资源量,从而实现RSU之间资源的按需分配,可以避免RSU出现资源受限和资源浪费的现象。
Description
技术领域
本发明涉及智能网联汽车技术领域,尤其涉及一种面向智能网联汽车的资源调度方法、系统及存储介质。
背景技术
在智能网联系统中,由于智能网联汽车的随机移动,导致智能网联系统拓扑结构不断变化,每个路边单元(RSU)的负载不均衡。尤其当某个RSU覆盖范围内的车辆数量急剧增多或急剧减少时,会出现资源受限和资源浪费的现象。在这种情况下,如何为每个RSU合理动态的分配资源以满足其资源需求变得至关重要。在另一方面,随着智能网联汽车数量的爆炸式增长以及车辆请求服务的逐渐多样化,有限的系统资源将难以满足所有车辆的需求,如何为每个车辆分配合理的资源量成为亟待解决的问题。
现阶段的智能网联系统中资源分配方法,大多局限于车辆用户之间的资源调度问题,没有考虑到RSU资源受限以及资源浪费现象。一些方法在设计过程中假设RSU中的资源固定不变,这显然是不合理的。与此同时,现有的资源调度方法在研究车辆之间资源调度时,没有考虑到车辆之间的差异性以及车辆请求服务种类的不同。在这种情况下,现有的资源调度方法将难以满足每个车辆的特定资源需求,不能实现智能网联系统中资源的自适应调度。
发明内容
本发明提供了一种面向智能网联汽车的资源调度方法、系统及存储介质,以解决现有智能网联系统中难以为每个路边单元动态分配合理的资源量的问题。
第一方面,提供了一种面向智能网联汽车的资源调度方法,包括:
实时获取每个路边单元覆盖范围内的车辆数,并实时计算每个路边单元的最低资源需求;
将所有路边单元中的资源通过虚拟化技术构成虚拟化资源池;
基于纳什议价博弈理论及每个路边单元的最低资源需求建立路边单元之间的资源分配模型,并通过求解得到每个路边单元从虚拟化资源池中获得的最优资源量;
依据每个路边单元的最优资源量为每个路边单元进行资源分配。
通过实时获取每个路边单元(RSU)覆盖范围内的车辆数,然后根据车辆数分布情况计算每个RSU的最低资源需求量,然后通过虚拟化技术以及纳什议价博弈理论得到每个RSU的最优资源量,从而实现RSU之间资源的按需分配,通过上述动态的为每个RSU分配资源,可以避免RSU出现资源受限和资源浪费的现象。
进一步地,所述实时获取每个路边单元覆盖范围内的车辆数,并实时计算每个路边单元的最低资源需求,具体包括:
通过道路监控设备实时统计每个路边单元覆盖范围内的车辆数;
基于每辆车的最低资源需求,实时计算得到每个路边单元的最低资源需求。
进一步地,所述将所有路边单元中的资源通过虚拟化技术构成虚拟化资源池,具体包括:
将每个路边单元通过软件定义网络进行相互连接;
将所有路边单元中的资源通过虚拟化技术构成虚拟化资源池。
进一步地,所述基于纳什议价博弈理论及每个路边单元的最低资源需求建立路边单元之间的资源分配模型,具体包括:
基于香农理论,将每个路边单元的吞吐量Rk作为效益函数:
基于纳什议价博弈理论,将路边单元之间的资源分配问题建模为如下资源分配模型:
相比于吞吐量最大化分配模型和平均分配模型,所述基于纳什议价博弈理论及每个路边单元的最低资源需求建立路边单元之间的资源分配模型,解决了单个路边单元的资源受限或资源浪费问题,可以实现路边单元之间资源的按需分配,提高系统资源利用率,同时保障路边单元之间资源分配的比例公平性。
进一步地,所述依据每个路边单元的最优资源量为每个路边单元进行资源分配之后还包括:
根据每辆车通信需求的不同,为每辆车分配权重因子;
基于每辆车的权重因子以及每个路边单元获得的最优资源量,通过高斯赛尔德迭代算法得到每辆车应分配的最优资源量,并依据每辆车应分配的最优资源量为每辆车进行资源分配。
根据每辆车的种类为每辆车制定不同的权重因子,再将权重因子与高斯赛尔德迭代算法相结合,得到每个车辆应分配的最优资源量并依此进行资源分配,实现在有限的系统资源情况下根据每辆车种类为每辆车分配合理的资源量。
进一步地,根据每辆车通信需求的不同,为每辆车分配权重因子,具体包括:
根据每辆车通信需求的不同,为每辆车分配不同的权重因子βn:
式中,βn表示第n辆车的权重因子,且βn∈(0,1],L表示路边单元为车辆提供的服务种类数量,表示路边单元是否能够为第n辆车提供服务l,表示路边单元能够提供服务l,表示路边单元不能够提供服务l,表示第n辆车是否向路边单元请求服务l,表示第n辆车请求服务l,表示第n辆车不需要服务l。
进一步地,所述基于每辆车的权重因子以及每个路边单元获得的最优资源量,通过高斯赛尔德迭代算法得到每辆车应分配的最优资源量,具体包括:
式中,xn表示第n辆车获得的资源量,x-n表示除了第n辆车的其他车辆获得的资源量向量,dn表示延时因子:
式中,N表示第k个路边单元覆盖范围内车辆数量,Rk表示第k个路边单元的吞吐量;
通过对效益函数求导得出xn的最优值,即为每辆车应分配的资源量,过程如下:
式中,i表示迭代次数。
相比于传统车辆之间资源调度方法,所述基于每辆车的权重因子以及每个路边单元获得的最优资源量,并通过高斯赛尔德迭代算法求解的资源分配过程优势在于:简单易实现、收敛速度快、鲁棒性强、以及兼顾车辆优先级。
第二方面,提供了一种面向智能网联汽车的资源调度系统,包括:
车辆数量统计模块,用于实时获取每个路边单元覆盖范围内的车辆数;
路边单元资源需求计算模块,用于实时计算每个路边单元的最低资源需求;
资源虚拟化模块,用于将路边单元中的资源通过虚拟化技术构成虚拟化资源池;
路边单元之间资源调度模块,用于基于纳什议价博弈理论及每个路边单元的最低资源需求建立路边单元之间的资源分配模型,并通过求解得到每个路边单元从虚拟化资源池中获得的最优资源量,并依据每个路边单元的最优资源量为每个路边单元进行资源分配。
通过车辆数量统计模块实时获取每个路边单元(RSU)覆盖范围内的车辆数,然后根据车辆数分布情况计算每个RSU的最低资源需求量,然后通过虚拟化技术以及纳什议价博弈理论得到每个RSU的最优资源量,从而实现RSU之间资源的按需分配,通过上述动态的为每个RSU分配资源,可以避免RSU出现资源受限和资源浪费的现象。
进一步地,还包括:
车辆权重因子制定模块,用于根据每辆车通信需求的不同,为每辆车分配权重因子;
车辆之间资源调度模块,用于基于每辆车的权重因子以及每个路边单元获得的最优资源量,通过高斯赛尔德迭代算法得到每辆车应分配的最优资源量,并依据每辆车应分配的最优资源量为每辆车进行资源分配。
根据每辆车的种类为每辆车制定不同的权重因子,再将权重因子与高斯赛尔德迭代算法相结合,得到每个车辆应分配的最优资源量并依此进行资源分配,实现在有限的系统资源情况下根据每辆车种类为每辆车分配合理的资源量。
第三方面,提供了一种计算机可读存储介质,所述存储介质包括存储的程序指令,所述存储指令适于被处理器加载并执行如上所述的面向智能网联汽车的资源调度方法。
有益效果
本发明提出了一种面向智能网联汽车的资源调度方法、系统及存储介质,通过实时获取每个路边单元(RSU)覆盖范围内的车辆数,然后根据车辆数分布情况计算每个RSU的最低资源需求量,然后通过虚拟化技术以及纳什议价博弈理论得到每个RSU的最优资源量,从而实现RSU之间资源的按需分配,通过上述动态的为每个RSU分配资源,可以避免RSU出现资源受限和资源浪费的现象。
附图说明
图1是本发明实施例提供的一种面向智能网联汽车的资源调度方法流程图;
图2是本发明实施例提供的权重因子随车辆服务种类数目的变化趋势图;
图3是本发明实施例提供的车辆获得的资源量随迭代次数变化趋势图;
图4是本实施例提供的一种面向智能网联汽车的资源调度系统的结构示意图。
具体实施方式
下面结合附图及具体实施方式对本发明进行详细说明。
实施例1
本实施例提供了一种面向智能网联汽车的资源调度方法,如图1所示,包括:
S1:实时获取每个路边单元覆盖范围内的车辆数,并实时计算每个路边单元的最低资源需求;
S2:将所有路边单元中的资源通过虚拟化技术构成虚拟化资源池;
S3:基于纳什议价博弈理论及每个路边单元的最低资源需求建立路边单元之间的资源分配模型,并通过求解得到每个路边单元从虚拟化资源池中获得的最优资源量;依据每个路边单元的最优资源量为每个路边单元进行资源分配。
通过实时获取每个路边单元(RSU)覆盖范围内的车辆数,然后根据车辆数分布情况计算每个RSU的最低资源需求量,然后通过虚拟化技术以及纳什议价博弈理论得到每个RSU的最优资源量,从而实现RSU之间资源的按需分配,通过上述动态的为每个RSU分配资源,可以避免RSU出现资源受限和资源浪费的现象。
以某地一立交桥为具体实例对本方案做进一步进行说明,立交桥附件共有5个路边单元(RSU),分别为RSU1、RSU2、RSU3、RSU4、RSU5。
步骤S1中所述实时获取每个路边单元覆盖范围内的车辆数,并实时计算每个路边单元的最低资源需求,具体包括:
通过道路监控设备实时统计每个路边单元覆盖范围内的车辆数;
基于每辆车的最低资源需求,实时计算得到每个路边单元的最低资源需求。
根据统计结果我们获得RSU1覆盖范围内每个时刻车辆数量,分别为5、10、5、15、20、35、18、20、30,时间间隔为1分钟,时间段为早上5:00-5:08。
步骤S2中,所述将所有路边单元中的资源通过虚拟化技术构成虚拟化资源池,具体包括:
将每个路边单元通过软件定义网络(SDN)进行相互连接;
将所有路边单元中的资源通过虚拟化技术构成虚拟化资源池,虚拟化技术包括SDN(软件定义网络)及NFV(网络功能虚拟化)。
步骤S3中,所述基于纳什议价博弈理论及每个路边单元的最低资源需求建立路边单元之间的资源分配模型,具体包括:
基于香农理论,将每个路边单元的吞吐量Rk作为效益函数:
式中,bk表示第k个路边单元所分配的资源量;σ2表示网络中的高斯白噪声,本实例中取值为10-8;表示第k个路边单元的平均发射功率,本实例中分别取值为50、20、20、25、20;表示第k个路边单元的平均信道增益,本实例中分别取值为1.25×10-7,2.96×10-7,1.0×10-6,1.0×10-6,5.79×10-7;表示第k个路边单元的正交幅度调制的调制系数,可通过下述公式计算得到:
式中,Erk表示第k个RSU网络中的平均误码率,本实例中每个RSU网络的平均误码率分别取值为1.0×10-2,1.0×10-2,1.0×10-2,1.0×10-2,1.0×10-2;
基于纳什议价博弈理论,将路边单元之间的资源分配问题建模为如下资源分配模型:
对建模得到的资源分配模型采用拉格朗日乘子法进行求解,具体求解过程如下:
通过引入拉格朗日乘子λ,上述目标优化函数可以改写为:
根据KKT条件的定义,为了保证最优解的存在,上述目标函数需满足以下三个条件:
(3)λ≥0
然后,分别对bk和λ求偏导,并令其偏导数为0,
其中,
通过对上式进行推导,可以得到bk和λ的表达式:
基于上述求解过程,在5:01时刻,路边单元之间的资源分配情况,如表1所示:
表1 路边单元之间资源分配情况表
路边单元 | RSU1 | RSU2 | RSU3 | RSU4 | RSU5 |
资源量(MHz) | 6.41 | 5.94 | 6.12 | 5.57 | 5.96 |
优选地,所述依据每个路边单元的最优资源量为每个路边单元进行资源分配之后还包括:
S4:根据每辆车通信需求的不同,为每辆车分配权重因子;
S5:基于每辆车的权重因子以及每个路边单元获得的最优资源量,通过高斯赛尔德迭代算法得到每辆车应分配的最优资源量,并依据每辆车应分配的最优资源量为每辆车进行资源分配。
根据每辆车的种类为每辆车制定不同的权重因子,再将权重因子与高斯赛尔德迭代算法相结合,得到每个车辆应分配的最优资源量并依此进行资源分配,实现在有限的系统资源情况下根据每辆车种类为每辆车分配合理的资源量。
详细的,所述根据每辆车通信需求的不同,为每辆车分配权重因子,具体包括:
根据每辆车通信需求的不同,为每辆车分配不同的权重因子βn:
式中,βn表示第n辆车的权重因子,且βn∈(0,1],其变化趋势如图2所示,L表示路边单元为车辆提供的服务种类数量,本实施例中其大小为20;表示路边单元是否能够为第n辆车提供服务l,表示路边单元能够提供服务l,表示路边单元不能够提供服务l,为了便于分析,设置恒等于1;表示第n辆车是否向路边单元请求服务l,表示第n辆车请求服务l,表示第n辆车不需要服务l。
详细的,所述基于每辆车的权重因子以及每个路边单元获得的最优资源量,通过高斯赛尔德迭代算法得到每辆车应分配的最优资源量,具体包括:
式中,xn表示第n辆车获得的资源量,x-n表示除了第n辆车的其他车辆获得的资源量向量,dn表示延时因子:
式中,N表示第k个路边单元覆盖范围内车辆数量,Rk表示第k个路边单元的吞吐量;
所建立的效益函数Un(xn,x-n)是凸函数,可通过对效益函数求导得出xn的最优值,即为每辆车应分配的资源量,过程如下:
式中,i表示迭代次数。迭代收敛条件为βn∈(0,1],在收敛条件下,为了保证所述方法的高效性,本实施例中选取50为最大迭代次数,即可实现每个车辆获取到最优的资源量。基于上述求解过程,在5:01时刻,RSU1内每个车辆最终获得的资源量及其变化趋势,分别如表2、图3所示。
表2 RSU1内每个车辆获得的资源量分配表
车辆 | 车辆1 | 车辆2 | 车辆3 | 车辆4 | 车辆5 |
资源量(MHz) | 0.87 | 0.46 | 0.31 | 0.57 | 0.51 |
车辆 | 车辆6 | 车辆7 | 车辆8 | 车辆9 | 车辆10 |
资源量(MHz) | 0.21 | 0.40 | 0.85 | 0.45 | 0.18 |
实施例2
本实施例提供了一种面向智能网联汽车的资源调度系统,如图4所示,包括:
车辆数量统计模块100,用于实时获取每个路边单元覆盖范围内的车辆数;
路边单元资源需求计算模块200,用于实时计算每个路边单元的最低资源需求;
资源虚拟化模块300,用于将路边单元中的资源通过虚拟化技术构成虚拟化资源池;
路边单元之间资源调度模块400,用于基于纳什议价博弈理论及每个路边单元的最低资源需求建立路边单元之间的资源分配模型,并通过求解得到每个路边单元从虚拟化资源池中获得的最优资源量,并依据每个路边单元的最优资源量为每个路边单元进行资源分配。
通过车辆数量统计模块实时获取每个路边单元(RSU)覆盖范围内的车辆数,然后根据车辆数分布情况计算每个RSU的最低资源需求量,然后通过虚拟化技术以及纳什议价博弈理论得到每个RSU的最优资源量,从而实现RSU之间资源的按需分配,通过上述动态的为每个RSU分配资源,可以避免RSU出现资源受限和资源浪费的现象。
优选地,还包括:
车辆权重因子制定模块500,用于根据每辆车通信需求的不同,为每辆车分配权重因子;
车辆之间资源调度模块600,用于基于每辆车的权重因子以及每个路边单元获得的最优资源量,通过高斯赛尔德迭代算法得到每辆车应分配的最优资源量,并依据每辆车应分配的最优资源量为每辆车进行资源分配。
根据每辆车的种类为每辆车制定不同的权重因子,再将权重因子与高斯赛尔德迭代算法相结合,得到每个车辆应分配的最优资源量并依此进行资源分配,实现在有限的系统资源情况下根据每辆车种类为每辆车分配合理的资源量。
可选地,还包括车辆资源统计模块700,用于根据车辆之间资源调度模块600获取的车辆所分配资源量数据,统计每个车辆的资源分配情况。
关于上述面向智能网联汽车的资源调度系统各模块功能的具体实现和原理可参照实施例1,在此不再赘述。
实施例3
本实施例提供了一种计算机可读存储介质,所述存储介质包括存储的程序指令,所述存储指令适于被处理器加载并执行如实施例1所述的面向智能网联汽车的资源调度方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明提供了一种面向智能网联汽车的资源调度方法、系统及存储介质,通过实时获取每个路边单元(RSU)覆盖范围内的车辆数,然后根据车辆数分布情况计算每个RSU的最低资源需求量,然后通过虚拟化技术以及纳什议价博弈理论得到每个RSU的最优资源量,从而实现RSU之间资源的按需分配,通过上述动态的为每个RSU分配资源,可以避免RSU出现资源受限和资源浪费的现象。根据每辆车的种类为每辆车制定不同的权重因子,再将权重因子与高斯赛尔德迭代算法相结合,得到每个车辆应分配的最优资源量并依此进行资源分配,实现在有限的系统资源情况下根据每辆车种类为每辆车分配合理的资源量。本发明提供的方案不仅简单高效、逻辑清晰,而且相比之前智能网联系统中资源调度方法具有更低的时间复杂度和空间复杂度,只需要自定义差异化函数,得出权值因子,便可实现车辆之间资源的合理调度分配。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,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保护范围之内。
Claims (7)
1.一种面向智能网联汽车的资源调度方法,其特征在于,包括:
实时获取每个路边单元覆盖范围内的车辆数,并实时计算每个路边单元的最低资源需求;
将所有路边单元中的资源通过虚拟化技术构成虚拟化资源池;
基于纳什议价博弈理论及每个路边单元的最低资源需求建立路边单元之间的资源分配模型,并通过求解得到每个路边单元从虚拟化资源池中获得的最优资源量;
依据每个路边单元的最优资源量为每个路边单元进行资源分配;
根据每辆车通信需求的不同,为每辆车分配权重因子;其中权重因子βn表示为:
式中,βn表示第n辆车的权重因子,且βn∈(0,1],L表示路边单元为车辆提供的服务种类数量,表示路边单元是否能够为第n辆车提供服务l,表示路边单元能够提供服务l,表示路边单元不能够提供服务l,表示第n辆车是否向路边单元请求服务l,表示第n辆车请求服务l,表示第n辆车不需要服务l;
基于每辆车的权重因子以及每个路边单元获得的最优资源量,通过高斯赛尔德迭代算法得到每辆车应分配的最优资源量,并依据每辆车应分配的最优资源量为每辆车进行资源分配。
2.根据权利要求1所述的面向智能网联汽车的资源调度方法,其特征在于,所述实时获取每个路边单元覆盖范围内的车辆数,并实时计算每个路边单元的最低资源需求,具体包括:
通过道路监控设备实时统计每个路边单元覆盖范围内的车辆数;
基于每辆车的最低资源需求,实时计算得到每个路边单元的最低资源需求。
3.根据权利要求1所述的面向智能网联汽车的资源调度方法,其特征在于,所述将所有路边单元中的资源通过虚拟化技术构成虚拟化资源池,具体包括:
将每个路边单元通过软件定义网络进行相互连接;
将所有路边单元中的资源通过虚拟化技术构成虚拟化资源池。
4.根据权利要求1所述的面向智能网联汽车的资源调度方法,其特征在于,所述基于纳什议价博弈理论及每个路边单元的最低资源需求建立路边单元之间的资源分配模型,具体包括:
基于香农理论,将每个路边单元的吞吐量Rk作为效益函数:
基于纳什议价博弈理论,将路边单元之间的资源分配问题建模为如下资源分配模型:
6.一种面向智能网联汽车的资源调度系统,其特征在于,包括:
车辆数量统计模块,用于实时获取每个路边单元覆盖范围内的车辆数;
路边单元资源需求计算模块,用于实时计算每个路边单元的最低资源需求;
资源虚拟化模块,用于将路边单元中的资源通过虚拟化技术构成虚拟化资源池;
路边单元之间资源调度模块,用于基于纳什议价博弈理论及每个路边单元的最低资源需求建立路边单元之间的资源分配模型,并通过求解得到每个路边单元从虚拟化资源池中获得的最优资源量,并依据每个路边单元的最优资源量为每个路边单元进行资源分配;
车辆权重因子制定模块,用于根据每辆车通信需求的不同,为每辆车分配权重因子;其中权重因子β表示为:
式中,βn表示第n辆车的权重因子,且βn∈(0,1],L表示路边单元为车辆提供的服务种类数量,表示路边单元是否能够为第n辆车提供服务l,表示路边单元能够提供服务l,表示路边单元不能够提供服务l,表示第n辆车是否向路边单元请求服务l,表示第n辆车请求服务l,表示第n辆车不需要服务l;
车辆之间资源调度模块,用于基于每辆车的权重因子以及每个路边单元获得的最优资源量,通过高斯赛尔德迭代算法得到每辆车应分配的最优资源量,并依据每辆车应分配的最优资源量为每辆车进行资源分配。
7.一种计算机可读存储介质,其特征在于,所述存储介质包括存储的程序指令,所述存储指令适于被处理器加载并执行如权利要求1至5任一项所述的面向智能网联汽车的资源调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010128924.5A CN111372216B (zh) | 2020-02-28 | 2020-02-28 | 一种面向智能网联汽车的资源调度方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010128924.5A CN111372216B (zh) | 2020-02-28 | 2020-02-28 | 一种面向智能网联汽车的资源调度方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111372216A CN111372216A (zh) | 2020-07-03 |
CN111372216B true CN111372216B (zh) | 2021-10-01 |
Family
ID=71211589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010128924.5A Active CN111372216B (zh) | 2020-02-28 | 2020-02-28 | 一种面向智能网联汽车的资源调度方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111372216B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113473408B (zh) * | 2021-06-07 | 2024-06-07 | 山东师范大学 | 一种车联网中实现视频传输的用户关联方法及系统 |
CN113784357A (zh) * | 2021-09-15 | 2021-12-10 | 江苏大学 | 一种智能网联场景下的高速公路5g动态网络配置方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108430103A (zh) * | 2018-02-27 | 2018-08-21 | 北京科技大学 | 一种软件定义雾车联网资源分配方法及其系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103501543A (zh) * | 2013-10-18 | 2014-01-08 | 北京大学 | 车联网中基于时分多址的资源调度方案 |
US20190163176A1 (en) * | 2017-11-30 | 2019-05-30 | drive.ai Inc. | Method for transferring control of an autonomous vehicle to a remote operator |
-
2020
- 2020-02-28 CN CN202010128924.5A patent/CN111372216B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108430103A (zh) * | 2018-02-27 | 2018-08-21 | 北京科技大学 | 一种软件定义雾车联网资源分配方法及其系统 |
Non-Patent Citations (3)
Title |
---|
A Hierarchical Resource Allocation Scheme Based on Nash Bargaining Game in VANET;Xiaoshuai Zhao, Xiaoyong Zhang and Yingjuan Li,Information;《Information》;20190604;第1-16页 * |
A resource allocation game with restriction mechanism in VANET cloud;Jun Tao,Yifan Xu,Ziyi Zhang,Fuqin Feng,Fei Tong and Fang Dong;《CONCURRENCY AND COMPUTATION: PRACTICE AND EXPERIENCE》;20161229;第1-19页 * |
Xiaoshuai Zhao, Xiaoyong Zhang and Yingjuan Li,Information.A Hierarchical Resource Allocation Scheme Based on Nash Bargaining Game in VANET.《Information》.2019,第1-16页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111372216A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108540406A (zh) | 一种基于混合云计算的网络卸载方法 | |
CN110570075B (zh) | 一种电力业务边缘计算任务分配方法及装置 | |
CN111372216B (zh) | 一种面向智能网联汽车的资源调度方法、系统及存储介质 | |
CN111711666B (zh) | 一种基于强化学习的车联网云计算资源优化方法 | |
CN104619029B (zh) | 一种集中式蜂窝网络架构下的基带池资源分配方法和装置 | |
CN109803292B (zh) | 一种基于强化学习的多次级用户移动边缘计算的方法 | |
CN113641417B (zh) | 一种基于分支定界法的车辆安全任务卸载方法 | |
CN105260230A (zh) | 基于分段服务等级协议的数据中心虚拟机资源调度方法 | |
CN112732444A (zh) | 一种面向分布式机器学习的数据划分方法 | |
CN110582072A (zh) | 蜂窝车联网中基于模糊匹配的资源分配方法及装置 | |
CN105373426A (zh) | 一种基于Hadoop的车联网内存感知实时作业调度方法 | |
CN111176840A (zh) | 分布式任务的分配优化方法和装置、存储介质及电子装置 | |
CN110167031B (zh) | 一种面向集中式基站的资源分配方法、设备及存储介质 | |
CN111611076A (zh) | 任务部署约束下移动边缘计算共享资源公平分配方法 | |
CN112965792B (zh) | 为多个虚拟机分配内存的方法、计算机可读存储介质 | |
CN111669758B (zh) | 一种卫星无人机融合网络资源分配方法及装置 | |
CN112437449B (zh) | 联合资源分配方法 | |
CN117042047B (zh) | 一种基于任务优先级的资源分配方法、装置、控制器及系统 | |
CN101594642A (zh) | 用于通信网元设备的资源分配方法及装置 | |
CN109101315B (zh) | 基于包簇框架的云数据中心资源分配方法 | |
CN116996511A (zh) | 端边云动态卸载框架中智能车辆的卸载任务分配方法 | |
CN111831452A (zh) | 任务执行方法、装置、存储介质及电子装置 | |
CN112994911A (zh) | 计算卸载方法、装置及计算机可读存储介质 | |
CN116089083A (zh) | 一种多目标数据中心资源调度方法 | |
CN105187488A (zh) | 一种基于遗传算法实现mas负载均衡的方法 |
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 |