CN111462487A - 一种车联网环境下的最优化边缘计算节点选择方法及系统 - Google Patents

一种车联网环境下的最优化边缘计算节点选择方法及系统 Download PDF

Info

Publication number
CN111462487A
CN111462487A CN202010247198.9A CN202010247198A CN111462487A CN 111462487 A CN111462487 A CN 111462487A CN 202010247198 A CN202010247198 A CN 202010247198A CN 111462487 A CN111462487 A CN 111462487A
Authority
CN
China
Prior art keywords
task
calculation
node
vehicle
matching
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.)
Granted
Application number
CN202010247198.9A
Other languages
English (en)
Other versions
CN111462487B (zh
Inventor
胡卉
刘富鑫
王艳慧
冯芷郁
谌超峰
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.)
Shaanxi Hongyi Zhengqing Intelligent Technology Co ltd
Original Assignee
Changan 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 Changan University filed Critical Changan University
Priority to CN202010247198.9A priority Critical patent/CN111462487B/zh
Publication of CN111462487A publication Critical patent/CN111462487A/zh
Application granted granted Critical
Publication of CN111462487B publication Critical patent/CN111462487B/zh
Priority to US17/755,570 priority patent/US11902088B2/en
Priority to PCT/CN2021/083482 priority patent/WO2021197245A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • 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
    • G06F9/5044—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 hardware capabilities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/501—Performance criteria
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/506—Constraint

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种车联网环境下的最优化边缘计算节点选择方法及系统，包括：获取分析车联网环境下车辆计算任务属性；获取分析不同边缘计算节点属性；计算任务属性与节点属性间的匹配度；分析不同任务的计算需求，对不同类别的匹配度赋权重；选择匹配度与权重乘积之和最优节点，作为最优化边缘计算节点对车辆计算任务进行计算。本发明实现了对车联网环境下车辆计算任务属性与节点属性的快速匹配，根据不同计算需求以及匹配结果，快速选择出车辆计算任务的最优化边缘计算节点，提高计算效率、满足计算要求同时节约节点计算资源。

Description

一种车联网环境下的最优化边缘计算节点选择方法及系统
技术领域
本发明属于智能交通技术领域，涉及最优化边缘计算节点的选择方法，特别涉及一种车联网环境下的最优化边缘计算节点选择方法及系统。
背景技术
目前，大幅增长的机动车保有量对城市现有交通技术提出了挑战。车辆互联网是一项复杂的系统工程，可实现车与路、车与环境的交互。
在车联网环境下提供计算服务的过程中，需要不断接收和处理周围车辆以及本车传感器的数据信息，计算量十分庞大，难以在单独车载系统上进行计算；边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。这将大大提升处理效率，减轻云端的负荷；另外，由于此技术更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决。
实际应用边缘计算节点的计算过程中，由于各车辆计算任务的数据量、最大完成时间以及计算所需CPU周期数存在差异，各计算节点的计算资源无法得到合理地分配，存在计算资源浪费，车辆计算任务效率较低的缺陷。
综上，亟需一种新的车联网环境下的最优化边缘计算节点选择方法及系统。
发明内容
本发明的目的在于提供一种车联网环境下的最优化边缘计算节点选择方法及系统，以解决上述存在的一个或多个技术问题。本发明的方法中，将计算任务与边缘计算节点两者的属性进行匹配，能够选择出车辆连接和任务卸载的最优化边缘计算节点。
为达到上述目的，本发明采用以下技术方案：
本发明的一种车联网环境下的最优化边缘计算节点选择方法，包括以下步骤：
步骤1，获取并分析车联网环境下车辆计算任务属性、不同边缘计算节点属性；
步骤2，计算获取车辆计算任务属性与边缘计算节点属性间的匹配度；其中，将车辆计算任务的数据量与边缘计算节点的数据传输速度进行匹配，将车辆计算任务所需的cpu周期数与边缘计算节点分配的计算资源进行匹配；
步骤3，分析获得不同计算任务的计算需求，对不同类别的匹配度赋权重，计算获得综合匹配度；
步骤4，比较步骤3获得的综合匹配度，根据比较结果选择出最优化边缘计算节点对车辆计算任务进行计算。
本发明的进一步改进在于，步骤1中，
所述车辆计算任务属性包括：计算任务的数据量Dj，计算任务所需的cpu周期数Cj，完成该任务要求的最大时间
Figure BDA0002434269150000021
车辆与各节点间的间距Rij；
所述边缘计算节点属性包括：边缘计算节点的带宽Bj，边缘计算节点分配给车辆使用时隙占单位时间百分比bij，边缘计算节点分配给车辆的计算资源fij，边缘计算节点连接车辆后的平均信噪比
Figure BDA0002434269150000022
本发明的进一步改进在于，步骤2中，任务属性与节点属性匹配的具体步骤包括：
将车辆计算任务的数据量与边缘计算节点的数据传输速度进行匹配，任务数据量与节点的传输速度匹配度
Figure BDA0002434269150000023
其中，数据传输速度vij的计算表达式为
Figure BDA0002434269150000024
根据式
Figure BDA0002434269150000025
计算获得所有基站对于车辆j计算任务数据量的传输时间，得出车辆j计算任务的最小传输时间
Figure BDA0002434269150000026
表达式为
Figure BDA0002434269150000027
将车辆计算任务所需的cpu周期数与边缘计算节点分配的计算资源进行匹配，运算任务所需cpu周期数与节点分配计算资源匹配度
Figure BDA0002434269150000031
其中，通过式
Figure BDA0002434269150000032
计算获得所有基站对于车辆j计算任务数据量的执行时间，得出车辆j计算任务的最小传输时间
Figure BDA0002434269150000033
将车辆计算任务的最大完成时间与节点计算该任务所需时间进行匹配，匹配度Lij的计算表达式为
Figure BDA0002434269150000034
其中，通过式
Figure BDA0002434269150000035
计算该任务完成所需时间tij；
以车辆与节点距离rij与最大距离
Figure BDA0002434269150000036
计算匹配度，表达式为
Figure BDA0002434269150000037
本发明的进一步改进在于，步骤3中，对不同类别的匹配度赋权重的步骤包括：
根据计算任务属性
Figure BDA0002434269150000038
分别计算Dj、Cj、
Figure BDA0002434269150000039
的均值与方差；
其中，对于数据量Dj以及计算任务所需cpu周期数Cj，Dj、Cj数值大于等于其均值与方差之和者，需求度OD、OC为3；介于均值与方差之和以及均值与方差之差者，需求度OD、OC为2；小于等于均值与方差之差者需求度OD、OC为1；
对于最大时间
Figure BDA00024342691500000310
数值小于等于其均值与方差之差者需求度OT为3；，
Figure BDA00024342691500000311
数值介于均值与方差之和以及均值与方差之差者，需求度OT为2；，
Figure BDA00024342691500000312
数值大于等于其均值与方差之和者，需求度OT为1；
对于计算任务与边缘计算节点基站的距离需求，需求度OR为2；
Dj、Cj、
Figure BDA00024342691500000313
分别对应传输速度需求、执行速度需求、任务完成时间需求，对应的匹配度为Jij、Kij、Lij，得出需求度OD、OC、OT、OR后，计算权重wR、wJ、wK、wL，计算表达式为：
Figure BDA0002434269150000041
式中，OD、OC、OT、OR分别表示传输速度需求、执行速度需求、任务完成时间需求以及连接距离需求，OD、OC、OT、OR分别占总体需求的比重即为匹配度Jij、Kij、Lij、Rij的权重；
综合匹配度的计算表达式为，
Zij＝RijwR+JijwJ+KijwK+LijwL。
本发明的进一步改进在于，步骤4中，比较综合匹配度的步骤包括：
将每一个车辆计算任务都和多个边缘计算节点进行匹配，对不同匹配度的权重进行赋值后，计算获得多个综合匹配度；
比较综合匹配度大小时，若对于车辆j计算任务，综合匹配度最大值只有一个，则选取该值所在节点为车辆j计算任务的最优化边缘计算节点。
本发明的进一步改进在于，步骤4中，比较综合匹配度大小时，若计算得出的综合匹配度有两个或两个以上相同的最大值，则根据权重wR、wJ、wK、wL大小确定匹配度Jij、Kij、Lij、Rij的比较顺序，优先比较权重较大者对应的匹配度，选择该匹配度最大的节点执行该计算任务。
本发明的一种车联网环境下的最优化边缘计算节点选择系统，包括：
属性获取模块，用于获取车联网环境下车辆计算任务属性、不同边缘计算节点属性；其中，所述车辆计算任务属性包括：计算任务的数据量Dj，计算任务所需的cpu周期数Cj，完成该任务要求的最大时间
Figure BDA0002434269150000051
车辆与各节点间的间距Rij；所述边缘计算节点属性包括：边缘计算节点的带宽Bj，边缘计算节点分配给车辆使用时隙占单位时间百分比bij，边缘计算节点分配给车辆的计算资源fij，边缘计算节点连接车辆后的平均信噪比
Figure BDA0002434269150000052
匹配度获取模块，用于计算获取车辆计算任务属性与边缘计算节点属性间的匹配度；其中，将车辆计算任务的数据量与边缘计算节点的数据传输速度进行匹配，将车辆计算任务所需的cpu周期数与边缘计算节点分配的计算资源进行匹配；
综合匹配度获取模块，用于分析获得不同计算任务的计算需求，对不同类别的匹配度赋权重，计算获得综合匹配度；
比较及选择模块，比较综合匹配度获取模块获得的综合匹配度，根据比较结果选择出最优化边缘计算节点对车辆计算任务进行计算。
本发明的进一步改进在于，所述匹配度获取模块包括：
第一获取模块，用于将车辆计算任务的数据量与边缘计算节点的数据传输速度进行匹配，任务数据量与节点的传输速度匹配度
Figure BDA0002434269150000053
其中，数据传输速度vij的计算表达式为
Figure BDA0002434269150000054
根据式
Figure BDA0002434269150000055
计算获得所有基站对于车辆j计算任务数据量的传输时间，得出车辆j计算任务的最小传输时间
Figure BDA0002434269150000056
表达式为
Figure BDA0002434269150000057
第二获取模块，用于将车辆计算任务所需的cpu周期数与边缘计算节点分配的计算资源进行匹配，运算任务所需cpu周期数与节点分配计算资源匹配度
Figure BDA0002434269150000058
其中，通过式
Figure BDA0002434269150000059
计算获得所有基站对于车辆j计算任务数据量的执行时间，得出车辆j计算任务的最小传输时间
Figure BDA0002434269150000061
第三获取模块，用于将车辆计算任务的最大完成时间与节点计算该任务所需时间进行匹配，匹配度Lij的计算表达式为
Figure BDA0002434269150000062
其中，通过式
Figure BDA0002434269150000063
计算该任务完成所需时间tij；
第四获取模块，用于以车辆与节点距离rij与最大距离
Figure BDA0002434269150000064
计算匹配度，表达式为
Figure BDA0002434269150000065
本发明的进一步改进在于，匹配度获取模块中，对不同类别的匹配度赋权重的步骤包括：
根据计算任务属性
Figure BDA0002434269150000066
分别计算Dj、Cj、
Figure BDA0002434269150000067
的均值与方差；
其中，对于数据量Dj以及计算任务所需cpu周期数Cj，Dj、Cj数值大于等于其均值与方差之和者，需求度OD、OC为3；介于均值与方差之和以及均值与方差之差者，需求度OD、OC为2；小于等于均值与方差之差者需求度OD、OC为1；
对于最大时间
Figure BDA0002434269150000068
数值小于等于其均值与方差之差者需求度OT为3；，
Figure BDA0002434269150000069
数值介于均值与方差之和以及均值与方差之差者，需求度OT为2；，
Figure BDA00024342691500000610
数值大于等于其均值与方差之和者，需求度OT为1；
对于计算任务与边缘计算节点基站的距离需求，需求度OR为2；
Dj、Cj、
Figure BDA00024342691500000611
分别对应传输速度需求、执行速度需求、任务完成时间需求，对应的匹配度为Jij、Kij、Lij，得出需求度OD、OC、OT、OR后，计算权重wR、wJ、wK、wL，计算表达式为：
Figure BDA0002434269150000071
式中，OD、OC、OT、OR分别表示传输速度需求、执行速度需求、任务完成时间需求以及连接距离需求，OD、OC、OT、OR分别占总体需求的比重即为匹配度Jij、Kij、Lij、Rij的权重；
综合匹配度的计算表达式为，
Zij＝RijwR+JijwJ+KijwK+LijwL。
本发明的进一步改进在于，综合匹配度获取模块中，比较综合匹配度的步骤包括：
将每一个车辆计算任务都和多个边缘计算节点进行匹配，对不同匹配度的权重进行赋值后，计算获得多个综合匹配度；
比较综合匹配度大小时，若对于车辆j计算任务，综合匹配度最大值只有一个，则选取该值所在节点为车辆j计算任务的最优化边缘计算节点；若计算得出的综合匹配度有两个或两个以上相同的最大值，则根据权重wR、wJ、wK、wL大小确定匹配度Jij、Kij、Lij、Rij的比较顺序，优先比较权重较大者对应的匹配度，选择该匹配度最大的节点执行该计算任务。
与现有技术相比，本发明具有以下有益效果：
现有技术方法通常采用随机选择或就近选择方法连接范围内边缘计算节点执行计算任务，该技术手段易造成边缘计算节点的资源浪费，或造成一部分边缘计算节点过度拥挤；本发明采用了计算任务以及节点的匹配度进而选择边缘计算节点的技术方法，使得边缘计算节点的计算资源能够得到合理的分配利用，避免了节点计算资源浪费或节点任务拥挤导致的计算时间的延长，有效提高计算效率。本发明的方法，能够实现对车联网环境下车辆计算任务属性与节点属性的快速匹配，可降低选择复杂程度，提高计算效率。
本发明的方法，能够根据不同计算需求以及匹配结果，快速选择出车辆计算任务的最优化边缘计算节点，提高计算效率、满足计算要求同时节约节点计算资源。
本发明的系统能够实现对车联网环境下车辆计算任务属性与节点属性的快速匹配，可降低选择复杂程度，提高计算效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面对实施例或现有技术描述中所需要使用的附图做简单的介绍；显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种车联网环境下的最优化边缘计算节点选择方法的流程示意框图；
图2是本发明实施例中，车联网环境下最优化边缘计算节点选择匹配结构示意图。
具体实施方式
为使本发明实施例的目的、技术效果及技术方案更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例是本发明一部分实施例。基于本发明公开的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它实施例，都应属于本发明保护的范围。
请参阅图1，本发明实施例的一种车联网环境下的最优化边缘计算节点选择方法，具体包括以下步骤：
获取分析车联网环境下车辆计算任务属性；获取分析不同边缘计算节点属性；
获取车辆计算任务以及边缘计算节点属性后，计算任务属性与节点属性间的匹配度；
分析不同任务的计算需求，对不同类别的匹配度赋权重，计算综合匹配度；
比较综合匹配度，若综合匹配度相同，则根据计算任务需求确定匹配度比较顺序，选择出最优化边缘计算节点对车辆计算任务进行计算。
优选的，获取车辆计算任务以及节点属性的步骤具体包括：
车辆计算任务属性：计算任务的数据量Dj；计算该任务所需的cpu周期数Cj；完成该任务要求的最大时间
Figure BDA0002434269150000091
车辆与各节点间的间距Rij。
边缘计算节点属性为：边缘计算节点的带宽Bj；边缘计算节点分配给车辆使用时隙占单位时间百分比bij；边缘计算节点分配给车辆的计算资源fij；边缘计算节点连接车辆后的平均信噪比
Figure BDA0002434269150000092
请参阅图2，优选的，车辆任务属性与节点属性匹配的具体步骤包括：
将车辆计算任务的数据量与边缘计算节点的数据传输速度进行匹配，由节点带宽Bj、平均信噪比
Figure BDA0002434269150000093
以及节点分配给车辆的时隙大小bij，通过式
Figure BDA0002434269150000094
计算出传输速度vij，通过式
Figure BDA0002434269150000095
计算获得所有基站对于车辆j计算任务数据量的传输时间，得出车辆j计算任务的最小传输时间
Figure BDA0002434269150000096
Figure BDA0002434269150000097
由此得出任务数据量与节点的传输速度匹配度
Figure BDA0002434269150000098
将车辆计算任务所需的cpu周期数与边缘计算节点分配的计算资源进行匹配，通过式
Figure BDA0002434269150000099
计算获得所有基站对于车辆j计算任务数据量的执行时间，得出车辆j计算任务的最小传输时间
Figure BDA00024342691500000910
由此得出运算任务所需cpu周期数与节点分配计算资源匹配度
Figure BDA0002434269150000101
将车辆计算任务的最大完成时间与节点计算该任务所需时间进行匹配，通过式
Figure BDA0002434269150000102
计算该任务完成所需时间tij，最终由式
Figure BDA0002434269150000103
计算得出匹配度Lij。
以车辆与节点距离rij与最大距离
Figure BDA0002434269150000109
计算匹配度
Figure BDA0002434269150000104
本发明实施例中，权重赋予方法为：
根据计算任务属性
Figure BDA0002434269150000105
分别计算Dj、Cj、
Figure BDA0002434269150000106
的均值与方差，对任务需求度OD、OC、OT、OR进行分级，并根据结果对wR、wJ、wK、wL分别进行赋值。
对于数据量Dj以及计算任务所需cpu周期数Cj，Dj、Cj数值大于其均值与方差之和者，需求度OD、OC为3；介于均值与方差之和以及均值与方差之差者，需求度OD、OC为2；小于均值与方差之差者需求度OD、OC为1。
对于计算任务的时间需求
Figure BDA0002434269150000107
数值小于均值与方差之差者需求度OT为3；介于均值与方差之和以及均值与方差之差者，需求度OT为2；大于其均值与方差之和者，需求度OT为1。
Dj、Cj、
Figure BDA0002434269150000108
分别对应传输速度需求、执行速度需求、任务完成时间需求，对应的匹配度为Jij、Kij、Lij，得出需求度OD、OC、OT、OR后，计算权重wR、wJ、wK、wL。
本发明实施例中，匹配度比较方法为：
将每一个车辆计算任务都和多个边缘计算节点进行匹配，对不同匹配度的权重进行赋值后，计算出多个综合匹配度Zij＝RijwR+JijwJ+KijwK+LijwL。
通过比较计算结果，对最优化边缘计算节点进行选择：
(1)比较综合匹配度Zij大小，若对于车辆j计算任务，综合匹配度Zij最大值只有一个，则选取该值所在节点为车辆j计算任务的最优化边缘计算节点。
例如，车辆j计算任务与各边缘计算节点进行匹配计算后，得出综合匹配度Zi1j＝max{Z1j、Z2j、Z3j...Znj},j∈M，则选取边缘计算节点i1来执行车辆j的计算任务。
(2)若计算得出的综合匹配度Zij有两个或两个以上相同的最大值，则需要对匹配度最大值所在节点进一步比较选择，即根据权重wR、wJ、wK、wL大小确定匹配度Jij、Kij、Lij、Rij的比较顺序，优先比较权重较大者对应的匹配度，进而选择该匹配度最大的节点执行该计算任务。
例如，对于车辆j计算任务，通过与各节点进行匹配后，得出计算结果为Zi1j＝Zi2j＝max{Z1j、Z2j...Znj},j∈M，则需进一步对i1、i2进行比较，若wJ＝max{wR、wJ、wK、wL}，则比较匹配度Ji1j、Ji2j，选取Jij最大值所在节点执行车辆j计算任务。
具体实施例
本发明实施例的一种车联网环境下的最优化边缘计算节点选择方法，在实际应用中，边缘计算节点的基站覆盖范围有重叠，不同计算节点之间会有干扰，降低传输速率；每个边缘计算节点设有一个基站，不同节点间的基站通过有线方式连接，边缘计算节点的集合用N＝{1，2，3...n}表示；车辆计算任务集合用M＝{1,2,3...m}表示。
车辆j的计算任务属性为
Figure BDA0002434269150000111
其中Dj表示运算任务的数据量，Cj表示基站服务器运算该任务需要的CPU周期数，
Figure BDA0002434269150000112
表示完成该任务允许的最大时间。
任务数据量与节点的传输速度匹配度Jij：
将计算任务的数据量Dj与连接边缘计算节点j的传输速度vij相匹配，求出匹配度Jij。
每个边缘计算节点都部署有服务器，车辆可在接入基站后，将运算任务卸载到边缘计算节点服务器进行运算，车辆与基站间通过时分复用技术(TDMA)进行通信，每个车辆使用基站所分配的时隙进行数据上传，bij表示接入基站i后，车辆j使用的时隙大小占单位时间的百分比，因此：0<bij<1 i∈N,j∈M。
基站的带宽为B，则基站总的传输速率为：
Figure BDA0002434269150000121
其中，S为平均信号功率，N为平均噪声功率，
Figure BDA0002434269150000122
为信噪比。
当车辆j接入基站i时，该车辆与接入基站传输速率为：
Figure BDA0002434269150000123
则传输时间
Figure BDA0002434269150000124
为：
Figure BDA0002434269150000125
通过计算获得所有基站对于车辆j计算任务数据量的传输时间，得出车辆j计算任务的最小传输时间
Figure BDA0002434269150000126
Figure BDA0002434269150000127
由此得出任务数据量与节点的传输速度匹配度Jij：
Figure BDA0002434269150000128
本发明实施例中，运算任务所需cpu周期数与节点分配计算资源匹配度Kij具体步骤包括：边缘计算节点服务器计算资源一般由CPU频率来衡量，服务器通过分配不同的虚拟机给不同的车辆，从而实现CPU频率的资源分配。服务器计算资源由F＝{F1,F2,F3...Fn}表示，Fi表示基站i处的计算资源，fij表示基站i服务器分配给车辆j的CPU频率，则运算任务的执行时间为：
Figure BDA0002434269150000129
通过计算获得所有基站对于车辆j计算任务数据量的执行时间，得出车辆j计算任务的最小传输时间
Figure BDA00024342691500001210
Figure BDA00024342691500001211
由此得出运算任务所需cpu周期数与节点分配计算资源匹配度Kij：
Figure BDA00024342691500001212
本发明实施例中，任务完成最大时间与节点计算该任务所需时间匹配度Lij求解具体步骤包括：
通过计算获得匹配度Jij、Kij后，可得出节点计算该任务所需时间tij：
Figure BDA0002434269150000131
可以得出节点i计算车辆j任务所需时间tij与任务完成最大时间
Figure BDA0002434269150000132
匹配度Lij：
Figure BDA0002434269150000133
本发明实施例中，车辆与节点距离匹配度Rij求解具体步骤包括：
由于节点基站与车辆距离会对车辆连接节点造成影响，以车辆与节点距离rij(km)与最大距离
Figure BDA0002434269150000134
计算匹配度Rij：
Figure BDA0002434269150000135
本发明中，车辆计算任务需求度计算及权重赋值求解具体步骤包括：
Dj、Cj、
Figure BDA0002434269150000136
数值分别对应传输速度需求、执行速度需求、任务完成时间需求，三者分别对应的匹配度为Jij、Kij、Lij，分别计算Dj、Cj、
Figure BDA0002434269150000137
的均值与方差，对任务需求度OD、OC、OT、OR进行分级，并根据结果对wR、wJ、wK、wL分别进行赋值，具体方法为：
对于数据量Dj以及计算任务所需cpu周期数Cj，Dj、Cj数值大于其均值与方差之和，需求度OD、OC为3；介于均值与方差之和以及均值与方差之差，需求度OD、OC为2；小于均值与方差之差，需求度OD、OC为1。
对于计算任务的时间需求
Figure BDA0002434269150000138
数值小于均值与方差之差，需求度OT为3；介于均值与方差之和以及均值与方差之差，需求度OT为2；大于其均值与方差之和，需求度OT为1。
对于计算任务与边缘计算节点基站的距离需求，需求度OR定为2。
得出需求度OD、OC、OT、OR后，计算权重wR、wJ、wK、wL：
Figure BDA0002434269150000141
Figure BDA0002434269150000142
Figure BDA0002434269150000143
Figure BDA0002434269150000144
本发明实施例中，最优化边缘计算节点选择的步骤包括：
每一个车辆计算任务都需要和多个边缘计算节点进行匹配，对不同匹配度的权重进行赋值后，计算出多个综合匹配度Zij
Zij＝RijwR+JijwJ+KijwK+LijwL，Zij∈(0，1)(14)
通过比较计算结果，对最优化边缘计算节点进行选择：
(1)比较综合匹配度Zij大小，若对于车辆j计算任务，综合匹配度Zij最大值只有一个，则选取该值所在节点为车辆j计算任务的最优化边缘计算节点。
例如，车辆j计算任务与各边缘计算节点进行匹配计算后，得出综合匹配度Zi1j＝max{Z1j、Z2j、Z3j...Znj},j∈M，则选取边缘计算节点i1来执行车辆j的计算任务。
(2)若计算得出的综合匹配度Zij有两个或两个以上相同的最大值，则需要对匹配度最大值所在节点进一步比较选择，即根据权重wR、wJ、wK、wL大小确定匹配度Jij、Kij、Lij、Rij的比较顺序，优先比较权重较大者对应的匹配度，进而选择该匹配度最大的节点执行该计算任务。
例如，对于车辆j计算任务，通过与各节点进行匹配后，得出计算结果为
Figure BDA0002434269150000145
则需进一步对i1、i2进行比较，若wJ＝max{wR、wJ、wK、wL}，则比较匹配度
Figure BDA0002434269150000146
选取Jij最大值所在节点执行车辆j计算任务。
本发明提出的最优化边缘计算节点选择方法，能够根据不同计算需求以及匹配结果，快速选择出车辆计算任务的最优化边缘计算节点，提高计算效率、满足计算要求同时节约节点计算资源。
综上所述，本发明提出了一种在车联网环境下选择最优化边缘计算节点的方法，该方法包括以下步骤：步骤一：不同运算任务以及边缘计算节点的属性分析，包括但不限于运算任务的运算量、运算任务所需cpu周期数以及运算时长；边缘计算节点的带宽，计算资源。步骤二：不同属性匹配度计算，通过车辆计算任务以及计算节点的属性，量化得出不同计算需求的匹配度。车辆与节点基站间距匹配；运算任务的运算量与节点的传输速度匹配；运算任务所需的计算资源与节点基站可分配给该任务的计算资源匹配(CPU周期数)；运算任务的时间要求与节点计算该任务的时间相匹配。步骤三：通过计算任务的不同属性，判断该计算任务的不同需求程度，给予不同匹配度不同权重，求取综合匹配度之和，选取匹配度最高的边缘计算节点为最优化边缘计算节点。本发明实现了对车联网环境下车辆计算任务属性与节点属性的快速匹配，根据不同计算需求以及匹配结果，快速选择出车辆计算任务的最优化边缘计算节点，提高计算效率、满足计算要求同时节约节点计算资源。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (10)

1.一种车联网环境下的最优化边缘计算节点选择方法，其特征在于，包括以下步骤：
步骤1，获取并分析车联网环境下车辆计算任务属性、不同边缘计算节点属性；
步骤2，计算获取车辆计算任务属性与边缘计算节点属性间的匹配度；其中，将车辆计算任务的数据量与边缘计算节点的数据传输速度进行匹配，将车辆计算任务所需的cpu周期数与边缘计算节点分配的计算资源进行匹配；
步骤3，分析获得不同计算任务的计算需求，对不同类别的匹配度赋权重，计算获得综合匹配度；
步骤4，比较步骤3获得的综合匹配度，根据比较结果选择出最优化边缘计算节点对车辆计算任务进行计算。
2.根据权利要求1所述的一种车联网环境下的最优化边缘计算节点选择方法，其特征在于，步骤1中，
所述车辆计算任务属性包括：计算任务的数据量Dj，计算任务所需的cpu周期数Cj，完成该任务要求的最大时间
Figure FDA0002434269140000011
车辆与各节点间的间距Rij；
所述边缘计算节点属性包括：边缘计算节点的带宽Bj，边缘计算节点分配给车辆使用时隙占单位时间百分比bij，边缘计算节点分配给车辆的计算资源fij，边缘计算节点连接车辆后的平均信噪比
Figure FDA0002434269140000012
3.根据权利要求2所述的一种车联网环境下的最优化边缘计算节点选择方法，其特征在于，步骤2中，任务属性与节点属性匹配的具体步骤包括：
将车辆计算任务的数据量与边缘计算节点的数据传输速度进行匹配，任务数据量与节点的传输速度匹配度
Figure FDA0002434269140000013
其中，数据传输速度vij的计算表达式为
Figure FDA0002434269140000021
根据式
Figure FDA0002434269140000022
计算获得所有基站对于车辆j计算任务数据量的传输时间，得出车辆j计算任务的最小传输时间
Figure FDA0002434269140000023
表达式为
Figure FDA0002434269140000024
将车辆计算任务所需的cpu周期数与边缘计算节点分配的计算资源进行匹配，运算任务所需cpu周期数与节点分配计算资源匹配度
Figure FDA0002434269140000025
其中，通过式
Figure FDA0002434269140000026
计算获得所有基站对于车辆j计算任务数据量的执行时间，得出车辆j计算任务的最小传输时间
Figure FDA0002434269140000027
将车辆计算任务的最大完成时间与节点计算该任务所需时间进行匹配，匹配度Lij的计算表达式为
Figure FDA0002434269140000028
其中，通过式
Figure FDA0002434269140000029
计算该任务完成所需时间tij；
以车辆与节点距离rij与最大距离
Figure FDA00024342691400000210
计算匹配度，表达式为
Figure FDA00024342691400000211
4.根据权利要求3所述的一种车联网环境下的最优化边缘计算节点选择方法，其特征在于，步骤3中，对不同类别的匹配度赋权重的步骤包括：
根据计算任务属性
Figure FDA00024342691400000212
分别计算Dj、Cj、
Figure FDA00024342691400000213
的均值与方差；
其中，对于数据量Dj以及计算任务所需cpu周期数Cj，Dj、Cj数值大于等于其均值与方差之和者，需求度OD、OC为3；介于均值与方差之和以及均值与方差之差者，需求度OD、OC为2；小于等于均值与方差之差者需求度OD、OC为1；
对于最大时间
Figure FDA00024342691400000214
数值小于等于其均值与方差之差者需求度OT为3；，
Figure FDA00024342691400000215
数值介于均值与方差之和以及均值与方差之差者，需求度OT为2；，
Figure FDA0002434269140000031
数值大于等于其均值与方差之和者，需求度OT为1；
对于计算任务与边缘计算节点基站的距离需求，需求度OR为2；
Dj、Cj、
Figure FDA0002434269140000032
分别对应传输速度需求、执行速度需求、任务完成时间需求，对应的匹配度为Jij、Kij、Lij，得出需求度OD、OC、OT、OR后，计算权重wR、wJ、wK、wL，计算表达式为：
Figure FDA0002434269140000033
式中，OD、OC、OT、OR分别表示传输速度需求、执行速度需求、任务完成时间需求以及连接距离需求，OD、OC、OT、OR分别占总体需求的比重即为匹配度Jij、Kij、Lij、Rij的权重；
综合匹配度的计算表达式为，
Zij＝RijwR+JijwJ+KijwK+LijwL。
5.根据权利要求4所述的一种车联网环境下的最优化边缘计算节点选择方法，其特征在于，步骤4中，比较综合匹配度的步骤包括：
将每一个车辆计算任务都和多个边缘计算节点进行匹配，对不同匹配度的权重进行赋值后，计算获得多个综合匹配度；
比较综合匹配度大小时，若对于车辆j计算任务，综合匹配度最大值只有一个，则选取该值所在节点为车辆j计算任务的最优化边缘计算节点。
6.根据权利要求5所述的一种车联网环境下的最优化边缘计算节点选择方法，其特征在于，步骤4中，比较综合匹配度大小时，若计算得出的综合匹配度有两个或两个以上相同的最大值，则根据权重wR、wJ、wK、wL大小确定匹配度Jij、Kij、Lij、Rij的比较顺序，优先比较权重较大者对应的匹配度，选择该匹配度最大的节点执行该计算任务。
7.一种车联网环境下的最优化边缘计算节点选择系统，其特征在于，包括：
属性获取模块，用于获取车联网环境下车辆计算任务属性、不同边缘计算节点属性；其中，所述车辆计算任务属性包括：计算任务的数据量Dj，计算任务所需的cpu周期数Cj，完成该任务要求的最大时间
Figure FDA0002434269140000041
车辆与各节点间的间距Rij；所述边缘计算节点属性包括：边缘计算节点的带宽Bj，边缘计算节点分配给车辆使用时隙占单位时间百分比bij，边缘计算节点分配给车辆的计算资源fij，边缘计算节点连接车辆后的平均信噪比
Figure FDA0002434269140000042
匹配度获取模块，用于计算获取车辆计算任务属性与边缘计算节点属性间的匹配度；其中，将车辆计算任务的数据量与边缘计算节点的数据传输速度进行匹配，将车辆计算任务所需的cpu周期数与边缘计算节点分配的计算资源进行匹配；
综合匹配度获取模块，用于分析获得不同计算任务的计算需求，对不同类别的匹配度赋权重，计算获得综合匹配度；
比较及选择模块，比较综合匹配度获取模块获得的综合匹配度，根据比较结果选择出最优化边缘计算节点对车辆计算任务进行计算。
8.根据权利要求7所述的一种车联网环境下的最优化边缘计算节点选择系统，其特征在于，所述匹配度获取模块包括：
第一获取模块，用于将车辆计算任务的数据量与边缘计算节点的数据传输速度进行匹配，任务数据量与节点的传输速度匹配度
Figure FDA0002434269140000043
其中，数据传输速度vij的计算表达式为
Figure FDA0002434269140000051
根据式
Figure FDA0002434269140000052
计算获得所有基站对于车辆j计算任务数据量的传输时间，得出车辆j计算任务的最小传输时间
Figure FDA0002434269140000053
表达式为
Figure FDA0002434269140000054
第二获取模块，用于将车辆计算任务所需的cpu周期数与边缘计算节点分配的计算资源进行匹配，运算任务所需cpu周期数与节点分配计算资源匹配度
Figure FDA0002434269140000055
其中，通过式
Figure FDA0002434269140000056
计算获得所有基站对于车辆j计算任务数据量的执行时间，得出车辆j计算任务的最小传输时间
Figure FDA0002434269140000057
第三获取模块，用于将车辆计算任务的最大完成时间与节点计算该任务所需时间进行匹配，匹配度Lij的计算表达式为
Figure FDA0002434269140000058
其中，通过式
Figure FDA0002434269140000059
计算该任务完成所需时间tij；
第四获取模块，用于以车辆与节点距离rij与最大距离
Figure FDA00024342691400000510
计算匹配度，表达式为
Figure FDA00024342691400000511
9.根据权利要求8所述的一种车联网环境下的最优化边缘计算节点选择系统，其特征在于，匹配度获取模块中，对不同类别的匹配度赋权重的步骤包括：
根据计算任务属性
Figure FDA00024342691400000512
分别计算Dj、Cj、
Figure FDA00024342691400000513
的均值与方差；
其中，对于数据量Dj以及计算任务所需cpu周期数Cj，Dj、Cj数值大于等于其均值与方差之和者，需求度OD、OC为3；介于均值与方差之和以及均值与方差之差者，需求度OD、OC为2；小于等于均值与方差之差者需求度OD、OC为1；
对于最大时间
Figure FDA00024342691400000514
数值小于等于其均值与方差之差者需求度OT为3；，
Figure FDA00024342691400000515
数值介于均值与方差之和以及均值与方差之差者，需求度OT为2；，
Figure FDA0002434269140000061
数值大于等于其均值与方差之和者，需求度OT为1；
对于计算任务与边缘计算节点基站的距离需求，需求度OR为2；
Dj、Cj、
Figure FDA0002434269140000062
分别对应传输速度需求、执行速度需求、任务完成时间需求，对应的匹配度为Jij、Kij、Lij，得出需求度OD、OC、OT、OR后，计算权重wR、wJ、wK、wL，计算表达式为：
Figure FDA0002434269140000063
式中，OD、OC、OT、OR分别表示传输速度需求、执行速度需求、任务完成时间需求以及连接距离需求，OD、OC、OT、OR分别占总体需求的比重即为匹配度Jij、Kij、Lij、Rij的权重；
综合匹配度的计算表达式为，
Zij＝RijwR+JijwJ+KijwK+LijwL。
10.根据权利要求9所述的一种车联网环境下的最优化边缘计算节点选择系统，其特征在于，综合匹配度获取模块中，比较综合匹配度的步骤包括：
将每一个车辆计算任务都和多个边缘计算节点进行匹配，对不同匹配度的权重进行赋值后，计算获得多个综合匹配度；
比较综合匹配度大小时，若对于车辆j计算任务，综合匹配度最大值只有一个，则选取该值所在节点为车辆j计算任务的最优化边缘计算节点；若计算得出的综合匹配度有两个或两个以上相同的最大值，则根据权重wR、wJ、wK、wL大小确定匹配度Jij、Kij、Lij、Rij的比较顺序，优先比较权重较大者对应的匹配度，选择该匹配度最大的节点执行该计算任务。
CN202010247198.9A 2020-03-31 2020-03-31 一种车联网环境下的最优化边缘计算节点选择方法及系统 Active CN111462487B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010247198.9A CN111462487B (zh) 2020-03-31 2020-03-31 一种车联网环境下的最优化边缘计算节点选择方法及系统
US17/755,570 US11902088B2 (en) 2020-03-31 2021-03-29 Method and system for selecting optimal edge computing node in internet of vehicle environment
PCT/CN2021/083482 WO2021197245A1 (zh) 2020-03-31 2021-03-29 一种车联网环境下的最优化边缘计算节点选择方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010247198.9A CN111462487B (zh) 2020-03-31 2020-03-31 一种车联网环境下的最优化边缘计算节点选择方法及系统

Publications (2)

Publication Number Publication Date
CN111462487A true CN111462487A (zh) 2020-07-28
CN111462487B CN111462487B (zh) 2021-01-22

Family

ID=71682410

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010247198.9A Active CN111462487B (zh) 2020-03-31 2020-03-31 一种车联网环境下的最优化边缘计算节点选择方法及系统

Country Status (3)

Country Link
US (1) US11902088B2 (zh)
CN (1) CN111462487B (zh)
WO (1) WO2021197245A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021197245A1 (zh) * 2020-03-31 2021-10-07 长安大学 一种车联网环境下的最优化边缘计算节点选择方法及系统
CN113535261A (zh) * 2021-07-05 2021-10-22 云南大学 基于边缘计算的车联网车辆集群任务卸载方法
CN113949706A (zh) * 2021-09-17 2022-01-18 中标慧安信息技术股份有限公司 移动边缘计算节点的选择方法和系统
CN115209373A (zh) * 2022-07-11 2022-10-18 天津理工大学 一种基于二分图匹配策略的车联网任务卸载方法
WO2022242350A1 (en) * 2021-05-20 2022-11-24 International Business Machines Corporation Generative experiments for application deployment in 5g networks

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11924860B2 (en) * 2021-07-29 2024-03-05 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for offloading computing tasks from vehicles using characteristics
CN114285855B (zh) * 2022-03-07 2022-05-24 济南英华自动化技术有限公司 一种基于智能边缘物联的云边协同方法
CN114863683B (zh) * 2022-05-11 2023-07-04 湖南大学 基于多目标优化的异构车联网边缘计算卸载调度方法
CN116347608B (zh) * 2023-04-19 2024-03-15 湖南科技学院 一种时分资源自适应调整方法
CN117255134B (zh) * 2023-11-16 2024-01-16 北京易二零环境股份有限公司 一种基于云边协同的数据传输方法
CN117579626B (zh) * 2023-11-17 2024-06-04 深圳白鹿云数据科技有限公司 基于分布式实现边缘计算下的优化方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107317700A (zh) * 2017-06-09 2017-11-03 湖北理工学院 车载边缘计算节点选择系统及方法
CN108777852A (zh) * 2018-05-16 2018-11-09 国网吉林省电力有限公司信息通信公司 一种车联网内容边缘卸载方法、移动资源分配系统
CN108881439A (zh) * 2018-06-15 2018-11-23 北京邮电大学 一种车联网中移动边缘计算实施方法及系统
CN109302709A (zh) * 2018-09-14 2019-02-01 重庆邮电大学 面向移动边缘计算的车联网任务卸载与资源分配策略
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
US10424196B1 (en) * 2018-06-25 2019-09-24 At&T Intellectual Property I, L.P. Dynamic edge network management of vehicular traffic
WO2019187302A1 (ja) * 2018-03-30 2019-10-03 Kddi株式会社 ノード装置及びその制御方法、並びにプログラム
CN110312231A (zh) * 2019-06-28 2019-10-08 重庆邮电大学 一种车联网中基于移动边缘计算的内容缓存决策和资源分配联合优化方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8542636B2 (en) 2010-01-04 2013-09-24 Lili Qiu Vehicular content distribution
US8863256B1 (en) * 2011-01-14 2014-10-14 Cisco Technology, Inc. System and method for enabling secure transactions using flexible identity management in a vehicular environment
WO2014172369A2 (en) * 2013-04-15 2014-10-23 Flextronics Ap, Llc Intelligent vehicle for assisting vehicle occupants and incorporating vehicle crate for blade processors
CN105321346A (zh) 2015-09-18 2016-02-10 成都融创智谷科技有限公司 运用云计算基础资源池来控制城市智能交通的方法
US20230186201A1 (en) * 2016-05-09 2023-06-15 Strong Force Iot Portfolio 2016, Llc Industrial digital twin systems providing neural net-based adjustment recommendation with data relevant to role taxonomy
US11507064B2 (en) * 2016-05-09 2022-11-22 Strong Force Iot Portfolio 2016, Llc Methods and systems for industrial internet of things data collection in downstream oil and gas environment
US10691138B2 (en) * 2017-06-27 2020-06-23 Veniam, Inc. Systems and methods for managing fleets of autonomous vehicles to optimize electric budget
US20230196230A1 (en) * 2017-08-02 2023-06-22 Strong Force Iot Portfolio 2016, Llc User interface for industrial digital twin system analyzing data to determine structures with visualization of those structures with reduced dimensionality
CN107959708B (zh) * 2017-10-24 2020-10-13 北京邮电大学 一种基于云端-边缘端-车端的车联网服务协同计算方法与系统
CN108845885B (zh) * 2018-07-04 2021-05-18 浪潮集团有限公司 一种面向自动驾驶的边缘计算资源管理方法
CN109257443B (zh) 2018-11-09 2019-12-10 长安大学 一种面向车联网的命名数据网络自适应缓存策略
US20230281527A1 (en) * 2019-01-13 2023-09-07 Strong Force Iot Portfolio 2016, Llc User interface for industrial digital twin providing conditions of interest with display of reduced dimensionality views
CN109831522A (zh) 2019-03-11 2019-05-31 西南交通大学 一种基于smdp的车联云雾系统动态资源优化管理系统和方法
CN111462487B (zh) 2020-03-31 2021-01-22 长安大学 一种车联网环境下的最优化边缘计算节点选择方法及系统
US20230269766A1 (en) * 2022-02-23 2023-08-24 Mitsubishi Electric Research Laboratories, Inc. Communication and Computation Aware Distributed Machine Learning for Vehicular Networks

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107317700A (zh) * 2017-06-09 2017-11-03 湖北理工学院 车载边缘计算节点选择系统及方法
WO2019187302A1 (ja) * 2018-03-30 2019-10-03 Kddi株式会社 ノード装置及びその制御方法、並びにプログラム
CN108777852A (zh) * 2018-05-16 2018-11-09 国网吉林省电力有限公司信息通信公司 一种车联网内容边缘卸载方法、移动资源分配系统
CN108881439A (zh) * 2018-06-15 2018-11-23 北京邮电大学 一种车联网中移动边缘计算实施方法及系统
US10424196B1 (en) * 2018-06-25 2019-09-24 At&T Intellectual Property I, L.P. Dynamic edge network management of vehicular traffic
CN109302709A (zh) * 2018-09-14 2019-02-01 重庆邮电大学 面向移动边缘计算的车联网任务卸载与资源分配策略
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
CN110312231A (zh) * 2019-06-28 2019-10-08 重庆邮电大学 一种车联网中基于移动边缘计算的内容缓存决策和资源分配联合优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邓晓衡等: "基于综合信任的边缘计算资源协同研究", 《计算机研究与发展》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021197245A1 (zh) * 2020-03-31 2021-10-07 长安大学 一种车联网环境下的最优化边缘计算节点选择方法及系统
US11902088B2 (en) 2020-03-31 2024-02-13 Chang'an University Method and system for selecting optimal edge computing node in internet of vehicle environment
WO2022242350A1 (en) * 2021-05-20 2022-11-24 International Business Machines Corporation Generative experiments for application deployment in 5g networks
GB2621747A (en) * 2021-05-20 2024-02-21 Ibm Generative experiments for application deployment in 5G networks
GB2621747B (en) * 2021-05-20 2024-07-17 Ibm Generative experiments for application deployment in 5G networks
US12106082B2 (en) 2021-05-20 2024-10-01 International Business Machines Corporation Generative experiments for application deployment in 5G networks
CN113535261A (zh) * 2021-07-05 2021-10-22 云南大学 基于边缘计算的车联网车辆集群任务卸载方法
CN113535261B (zh) * 2021-07-05 2022-09-06 云南大学 基于边缘计算的车联网车辆集群任务卸载方法
CN113949706A (zh) * 2021-09-17 2022-01-18 中标慧安信息技术股份有限公司 移动边缘计算节点的选择方法和系统
CN113949706B (zh) * 2021-09-17 2022-08-19 中标慧安信息技术股份有限公司 移动边缘计算节点的选择方法和系统
CN115209373A (zh) * 2022-07-11 2022-10-18 天津理工大学 一种基于二分图匹配策略的车联网任务卸载方法

Also Published As

Publication number Publication date
WO2021197245A1 (zh) 2021-10-07
US11902088B2 (en) 2024-02-13
CN111462487B (zh) 2021-01-22
US20230040264A1 (en) 2023-02-09

Similar Documents

Publication Publication Date Title
CN111462487B (zh) 一种车联网环境下的最优化边缘计算节点选择方法及系统
CN109684083B (zh) 一种面向边缘-云异构下的多级事务调度分配策略
CN111400001B (zh) 一种面向边缘计算环境的在线计算任务卸载调度方法
CN111182495B (zh) 一种5g车联网部分计算卸载方法
CN112148492B (zh) 一种考虑多用户移动性的服务部署和资源分配方法
CN114595049A (zh) 一种云边协同任务调度方法及装置
CN112153145A (zh) 5g边缘环境下面向车联网的计算任务卸载方法及装置
Wang et al. Dynamic offloading scheduling scheme for MEC-enabled vehicular networks
CN113590307B (zh) 边缘计算节点优化配置方法、装置及云计算中心
CN113709249B (zh) 辅助驾驶业务安全均衡卸载方法及系统
CN115134371A (zh) 包含边缘网络算力资源的调度方法、系统、设备及介质
CN113316116A (zh) 一种基于多臂赌博机的车辆计算任务卸载方法
CN112188627A (zh) 一种基于状态预测的动态资源分配策略
CN111614754A (zh) 面向雾计算的成本效率优化的动态自适应任务调度方法
CN115242800B (zh) 一种基于博弈论的移动边缘计算资源优化方法及装置
CN111756654A (zh) 一种基于可靠性的大规模虚拟网资源分配方法
CN117135131A (zh) 一种面向云边协同场景的任务资源需求感知方法
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
CN111158893B (zh) 应用于雾计算网络的任务卸载方法、系统、设备及介质
CN115988462B (zh) 一种基于车路协同的边缘计算模块的调试方法
Wang et al. Joint offloading decision and resource allocation in vehicular edge computing networks
CN112511652B (zh) 一种边缘计算下的合作计算任务分配方法
CN113778675A (zh) 一种基于面向区块链网络的计算任务分配系统及方法
CN115080249B (zh) 一种基于联邦学习的车联网多维资源分配方法及系统
CN112738815B (zh) 一种可接入用户数的评估方法和装置

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240315

Address after: Room 036, F2001, 20th Floor, Building 4-A, Xixian Financial Port, Fengdong New City Energy Jinmao District, Xixian New District, Xi'an City, Shaanxi Province, 710100

Patentee after: Shaanxi Hongyi Zhengqing Intelligent Technology Co.,Ltd.

Country or region after: China

Address before: 710064 middle section, south two ring road, Shaanxi, Xi'an

Patentee before: CHANG'AN University

Country or region before: China