CN111538583B - 一种移动环境下车联网的低延迟协同任务处理方法及装置 - Google Patents

一种移动环境下车联网的低延迟协同任务处理方法及装置 Download PDF

Info

Publication number
CN111538583B
CN111538583B CN202010577329.XA CN202010577329A CN111538583B CN 111538583 B CN111538583 B CN 111538583B CN 202010577329 A CN202010577329 A CN 202010577329A CN 111538583 B CN111538583 B CN 111538583B
Authority
CN
China
Prior art keywords
vehicle
task
representing
resource
time
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
CN202010577329.XA
Other languages
English (en)
Other versions
CN111538583A (zh
Inventor
包卫东
朱晓敏
张大宇
王吉
闫辉
吴梦
肖振亮
牛莅原
门通
欧阳佶
张亮
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202010577329.XA priority Critical patent/CN111538583B/zh
Publication of CN111538583A publication Critical patent/CN111538583A/zh
Application granted granted Critical
Publication of CN111538583B publication Critical patent/CN111538583B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • 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
    • 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]
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种移动环境下车联网的低延迟协同任务处理方法及装置，包括：建立客户端车辆
Figure 871628DEST_PATH_IMAGE001
在车联网中发布协作任务的协作模型；定义客户端车辆
Figure 476178DEST_PATH_IMAGE001
和资源代理车辆
Figure 245551DEST_PATH_IMAGE002
之间的连接时间
Figure 484902DEST_PATH_IMAGE003
、通信能力影响参数
Figure 579897DEST_PATH_IMAGE004
、数据传输速率
Figure 904699DEST_PATH_IMAGE005
和资源代理车辆
Figure 743342DEST_PATH_IMAGE002
的处理能力
Figure 368359DEST_PATH_IMAGE006
；基于连接时间
Figure 132790DEST_PATH_IMAGE003
、通信能力影响参数
Figure 476047DEST_PATH_IMAGE004
、数据传输速率
Figure 852801DEST_PATH_IMAGE005
和资源代理车辆
Figure 332324DEST_PATH_IMAGE002
的处理能力
Figure 769122DEST_PATH_IMAGE006
建立可靠性模型；基于可靠性模型建立任务调度优化模型；基于任务调度优化模型得到任务调度算法；基于任务调度算法得到最佳任务调度策略；根据最佳任务调度策略指导协作模型执行协作任务。本申请通过可靠性模型最大化任务处理的可靠性，通过任务调度算法在保证任务可靠性的前提下尽量减小协作任务的时延。

Description

一种移动环境下车联网的低延迟协同任务处理方法及装置
技术领域
本申请涉及计算机技术领域，尤其涉及一种移动环境下车联网的低延迟协同任务处理方法及装置。
背景技术
目前车联网面临工作环境和通信质量不确定的问题，车辆需要低延迟、高效且可靠的任务处理模式，这在实时车载应用中的需求更加迫切。车辆资源共享的协同计算具有许多应用背景和前景，但是到目前为止，现有技术关于任务可靠性的研究很少，对于车辆之间的协同处理，还没有一种可靠的任务卸载方法；现有技术中大多数车辆任务通过路边单元（RSU）上传到数据中心，在实际应用中，不良的通讯条件或通讯阻塞将导致过多的任务处理时间，现有技术不能在考虑任务可靠性的同时支持车辆之间的协作任务处理；现有技术在分析车辆之间的任务处理时，假设已知车辆的加入时间或推出时间，并不能准确的模拟实际应用中的约束；在恶劣的通信环境中，现有技术没有考虑通信能力的变化，而且现有技术也没有考虑不同车辆具有不同的处理能力，环境的快速变化，拓扑结构以及效率的不确定性会显著影响车载应用的质量和可靠性。
发明内容
有鉴于此，本申请一个或多个实施例的目的在于提出一种移动环境下车联网的低延迟协同任务处理方法及装置，以解决现有技术车辆协作处理的时间长、没有考虑通信能力、没有考虑处理能力以及协作任务的可靠性不足的问题。
基于上述目的，本申请一个或多个实施例提供了一种移动环境下车联网的低延迟协同任务处理方法，其特征在于，包括：
建立客户端车辆
Figure 111576DEST_PATH_IMAGE001
在车联网中发布协作任务的协作模型；
定义所述客户端车辆
Figure 722686DEST_PATH_IMAGE001
和资源代理车辆
Figure 220182DEST_PATH_IMAGE002
之间的连接时间
Figure 300265DEST_PATH_IMAGE003
、通信能力影响参数
Figure 295903DEST_PATH_IMAGE004
、数据传输速率
Figure 777831DEST_PATH_IMAGE005
和所述资源代理车辆
Figure 364670DEST_PATH_IMAGE002
的处理能力
Figure 135311DEST_PATH_IMAGE006
；
所述定义所述客户端车辆
Figure 200219DEST_PATH_IMAGE007
和资源代理车辆
Figure 268145DEST_PATH_IMAGE008
之间的连接时间
Figure 494727DEST_PATH_IMAGE009
，包括：
第一情况，当所述资源代理车辆
Figure 549401DEST_PATH_IMAGE008
驶向交叉路口，且所述资源代理车辆
Figure 152421DEST_PATH_IMAGE008
在发生转向前与所述客户端车辆
Figure 608941DEST_PATH_IMAGE007
之间的距离超出通信范围时，所述连接时间
Figure 272004DEST_PATH_IMAGE009
表示为
Figure 548395DEST_PATH_IMAGE010
其中，
Figure 955106DEST_PATH_IMAGE011
表示所述资源代理车辆
Figure 280781DEST_PATH_IMAGE008
的初始距离，
Figure 849166DEST_PATH_IMAGE012
表示所述资源代理车辆
Figure 144012DEST_PATH_IMAGE008
的移动速度，
Figure 636304DEST_PATH_IMAGE013
表示所述客户端车辆
Figure 51105DEST_PATH_IMAGE007
的移动速度，
Figure 806703DEST_PATH_IMAGE014
表示所述客户端车辆
Figure 306954DEST_PATH_IMAGE007
的通信范围的半径，
Figure 803270DEST_PATH_IMAGE015
表示所述资源代理车辆
Figure 338157DEST_PATH_IMAGE008
相对于所述客户端车辆
Figure 264655DEST_PATH_IMAGE007
的相对位置关系；
第二情况，当所述资源代理车辆
Figure 393148DEST_PATH_IMAGE008
驶向交叉路口，且所述资源代理车辆
Figure 679773DEST_PATH_IMAGE008
在发生转向前与所述客户端车辆
Figure 85478DEST_PATH_IMAGE007
之间的距离不超出通信范围时，所述连接时间
Figure 432146DEST_PATH_IMAGE009
表示为
Figure 657722DEST_PATH_IMAGE016
其中，
Figure 748038DEST_PATH_IMAGE017
表示所述资源代理车辆
Figure 745599DEST_PATH_IMAGE008
在交叉路口左转的概率，
Figure 263168DEST_PATH_IMAGE018
表示所述资源代理车辆
Figure 976040DEST_PATH_IMAGE008
左转时与所述客户端车辆
Figure 604468DEST_PATH_IMAGE007
的连接时间，
Figure 453606DEST_PATH_IMAGE019
表示所述资源代理车辆
Figure 407656DEST_PATH_IMAGE008
在交叉路口直行的概率，
Figure 342245DEST_PATH_IMAGE020
表示所述资源代理车辆
Figure 774363DEST_PATH_IMAGE008
直行时与所述客户端车辆
Figure 740658DEST_PATH_IMAGE007
的连接时间，
Figure 600029DEST_PATH_IMAGE021
表示所述资源代理车辆
Figure 21915DEST_PATH_IMAGE008
在交叉路口右转的概率，
Figure 133090DEST_PATH_IMAGE022
表示所述资源代理车辆
Figure 206088DEST_PATH_IMAGE008
右转时与所述客户端车辆
Figure 252673DEST_PATH_IMAGE007
的连接时间；
第三情况，当所述资源代理车辆
Figure 411122DEST_PATH_IMAGE023
驶离交叉路口，且所述资源代理车辆
Figure 935775DEST_PATH_IMAGE023
不直行时，所述连接时间
Figure 394438DEST_PATH_IMAGE024
表示为
Figure 71977DEST_PATH_IMAGE025
；
第四情况，当所述资源代理车辆
Figure 717722DEST_PATH_IMAGE026
驶离交叉路口，且所述资源代理车辆
Figure 46066DEST_PATH_IMAGE026
直行时，所述连接时间
Figure 93656DEST_PATH_IMAGE027
表示为
Figure 482043DEST_PATH_IMAGE028
。
其中，
Figure 490451DEST_PATH_IMAGE029
表示两条街道之间的距离，
Figure 606174DEST_PATH_IMAGE030
；
基于所述连接时间
Figure 524583DEST_PATH_IMAGE003
、通信能力影响参数
Figure 333139DEST_PATH_IMAGE031
、数据传输速率
Figure 701279DEST_PATH_IMAGE005
和资源代理车辆的处理能力
Figure 89535DEST_PATH_IMAGE006
建立可靠性模型；
基于所述可靠性模型建立任务调度优化模型；
基于所述任务调度优化模型得到任务调度算法；
基于所述任务调度算法得到最佳任务调度策略；
根据所述最佳任务调度策略指导所述协作模型执行所述协作任务。
基于同一发明构思，本申请一个或多个实施例还提出了一种移动环境下车联网的低延迟协同任务处理装置，包括：
第一建立模块，被配置为建立客户端车辆
Figure 128029DEST_PATH_IMAGE001
在车联网中发布协作任务的协作模型；
定义模块，被配置为定义所述客户端车辆
Figure 841907DEST_PATH_IMAGE001
和资源代理车辆
Figure 434694DEST_PATH_IMAGE002
之间的连接时间
Figure 892220DEST_PATH_IMAGE003
、通信能力影响参数
Figure 519641DEST_PATH_IMAGE031
、数据传输速率
Figure 404421DEST_PATH_IMAGE005
和所述资源代理车辆
Figure 487433DEST_PATH_IMAGE002
的处理能力
Figure 748650DEST_PATH_IMAGE006
；
所述定义所述客户端车辆
Figure 496157DEST_PATH_IMAGE007
和资源代理车辆
Figure 286259DEST_PATH_IMAGE008
之间的连接时间
Figure 119217DEST_PATH_IMAGE009
，包括：
第一情况，当所述资源代理车辆
Figure 325070DEST_PATH_IMAGE008
驶向交叉路口，且所述资源代理车辆
Figure 520559DEST_PATH_IMAGE008
在发生转向前与所述客户端车辆
Figure 747141DEST_PATH_IMAGE007
之间的距离超出通信范围时，所述连接时间
Figure 798886DEST_PATH_IMAGE009
表示为
Figure 401906DEST_PATH_IMAGE010
其中，
Figure 592847DEST_PATH_IMAGE011
表示所述资源代理车辆
Figure 255910DEST_PATH_IMAGE008
的初始距离，
Figure 532301DEST_PATH_IMAGE012
表示所述资源代理车辆
Figure 939012DEST_PATH_IMAGE008
的移动速度，
Figure 984459DEST_PATH_IMAGE013
表示所述客户端车辆
Figure 818423DEST_PATH_IMAGE007
的移动速度，
Figure 596759DEST_PATH_IMAGE014
表示所述客户端车辆
Figure 541582DEST_PATH_IMAGE007
的通信范围的半径，
Figure 707115DEST_PATH_IMAGE015
表示所述资源代理车辆
Figure 852925DEST_PATH_IMAGE008
相对于所述客户端车辆
Figure 353177DEST_PATH_IMAGE007
的相对位置关系；
第二情况，当所述资源代理车辆
Figure 118002DEST_PATH_IMAGE008
驶向交叉路口，且所述资源代理车辆
Figure 387309DEST_PATH_IMAGE008
在发生转向前与所述客户端车辆
Figure 907283DEST_PATH_IMAGE007
之间的距离不超出通信范围时，所述连接时间
Figure 377054DEST_PATH_IMAGE009
表示为
Figure 663679DEST_PATH_IMAGE016
其中，
Figure 803805DEST_PATH_IMAGE017
表示所述资源代理车辆
Figure 884893DEST_PATH_IMAGE008
在交叉路口左转的概率，
Figure 110469DEST_PATH_IMAGE018
表示所述资源代理车辆
Figure 200785DEST_PATH_IMAGE008
左转时与所述客户端车辆
Figure 929838DEST_PATH_IMAGE007
的连接时间，
Figure 447407DEST_PATH_IMAGE019
表示所述资源代理车辆
Figure 897629DEST_PATH_IMAGE008
在交叉路口直行的概率，
Figure 526057DEST_PATH_IMAGE020
表示所述资源代理车辆
Figure 640774DEST_PATH_IMAGE008
直行时与所述客户端车辆
Figure 63666DEST_PATH_IMAGE007
的连接时间，
Figure 857309DEST_PATH_IMAGE021
表示所述资源代理车辆
Figure 774581DEST_PATH_IMAGE008
在交叉路口右转的概率，
Figure 993072DEST_PATH_IMAGE022
表示所述资源代理车辆
Figure 600247DEST_PATH_IMAGE008
右转时与所述客户端车辆
Figure 271400DEST_PATH_IMAGE007
的连接时间；
第三情况，当所述资源代理车辆
Figure 992362DEST_PATH_IMAGE023
驶离交叉路口，且所述资源代理车辆
Figure 330939DEST_PATH_IMAGE023
不直行时，所述连接时间
Figure 111945DEST_PATH_IMAGE024
表示为
Figure 411339DEST_PATH_IMAGE025
；
第四情况，当所述资源代理车辆
Figure 185260DEST_PATH_IMAGE026
驶离交叉路口，且所述资源代理车辆
Figure 129076DEST_PATH_IMAGE026
直行时，所述连接时间
Figure 330251DEST_PATH_IMAGE027
表示为
Figure 983518DEST_PATH_IMAGE028
。
其中，
Figure 561130DEST_PATH_IMAGE029
表示两条街道之间的距离，
Figure 359453DEST_PATH_IMAGE030
；
第二建立模块，被配置为基于所述连接时间
Figure 731528DEST_PATH_IMAGE003
、通信能力影响参数
Figure 615302DEST_PATH_IMAGE031
、数据传输速率
Figure 871971DEST_PATH_IMAGE005
和资源代理车辆
Figure 774068DEST_PATH_IMAGE002
的处理能力建立可靠性模型；
第三建立模块，被配置为基于所述可靠性模型建立任务调度优化模型；
第一计算模块，被配置为基于所述任务调度优化模型得到任务调度算法；
第二计算模块，被配置为基于所述任务调度算法得到最佳任务调度策略；
执行模块，被配置为根据所述最佳任务调度策略指导所述协作模型执行所述协作任务。
从上面所述可以看出，本申请一个或多个实施例提供的一种移动环境下车联网的低延迟协同任务处理方法及装置，建立客户端车辆
Figure 219273DEST_PATH_IMAGE001
在车联网中发布协作任务的协作模型使得车辆之间可以共享计算资源，从而平衡计算任务的不均匀分布，减轻移动网络的负担，并提高任务处理的效率；通过定义客户端车辆
Figure 620911DEST_PATH_IMAGE001
和所述资源代理车辆
Figure 377514DEST_PATH_IMAGE032
之间的连接时间
Figure 373283DEST_PATH_IMAGE003
以保证通过时间参数的计算减小协作任务的延迟，定义通信能力影响参数
Figure 215337DEST_PATH_IMAGE031
、数据传输速率
Figure 158016DEST_PATH_IMAGE005
和资源代理车辆
Figure 300285DEST_PATH_IMAGE002
的处理能力
Figure 935797DEST_PATH_IMAGE006
实现考虑不同车辆的通信能力、数据传输能力和任务处理能力的情况下，更准确的模拟通信能力、数据传输能力和任务处理能力不确定的情况下协作任务的处理场景；建立可靠性模型能够在考虑工作状态和通信质量不确定的情况下提高协作任务处理的可靠性；基于可靠性模型建立的任务调度优化模型可以在保证可靠性的同事提高任务处理的时效性，减小协作任务处理的时间；通过任务调度算法得到的最佳任务调度策略实现了满足利润约束的协同任务处理的可靠调度，充分考虑了车辆本地计算、车辆间一步共享计算和车辆间两步共享计算的情况，使得协作模型在执行协作任务时具有更高的可靠性和更好的对环境变化的适应性，提高了协作任务完成率、车联网资源利用率、时效性和车辆之间的任务协作率。
附图说明
为了更清楚地说明本申请一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请一个或多个实施例，对于本领域普通技术人员来讲，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为本申请一个或多个实施例中协同任务处理方法的流程示意图；
图2为本申请一个或多个实施例中第一算法的算法框架图；
图3为本申请一个或多个实施例中第二算法的算法框架图；
图4为本申请一个或多个实施例中第三算法的算法框架图；
图5为本申请一个或多个实施例中协同任务处理装置的示意图；
图6为本申请一个或多个实施例中性能评估实验的实验场景示意图；
图7（a）为本申请一个或多个实施例中CDF的通信速率状态实验图；
图7（b）为本申请一个或多个实施例中PDF的通信速率状态实验图；
图8（a）为本申请一个或多个实施例中任务到达间隔对CLC算法、LFSC算法、RBSC算法和任务调度算法的任务完成率的影响的实验图；
图8（b）为本申请一个或多个实施例中任务到达间隔对CLC算法、LFSC算法、RBSC算法和任务调度算法的任务时间与车辆在线时间的比率的影响的实验图；
图8（c）为本申请一个或多个实施例中任务到达间隔对CLC算法、LFSC算法、RBSC算法和任务调度算法的平均结余时间的影响的实验图；
图8（d）为本申请一个或多个实施例中任务到达间隔对CLC算法、LFSC算法、RBSC算法和任务调度算法的协作任务率的影响的实验图；
图9（a）为本申请一个或多个实施例中任务计算量大小对CLC算法、LFSC算法、RBSC算法和任务调度算法的任务完成率的影响的实验图；
图9（b）为本申请一个或多个实施例中任务计算量大小对CLC算法、LFSC算法、RBSC算法和任务调度算法的任务时间与车辆在线时间的比率的影响的实验图；
图9（c）为本申请一个或多个实施例中任务计算量大小对CLC算法、LFSC算法、RBSC算法和任务调度算法的平均结余时间的影响的实验图；
图9（d）为本申请一个或多个实施例中任务计算量大小对CLC算法、LFSC算法、RBSC算法和任务调度算法的协作任务率的影响的实验图；
图10（a）为本申请一个或多个实施例中任务传输大小对CLC算法、LFSC算法、RBSC算法和任务调度算法的任务完成率的影响的实验图；
图10（b）为本申请一个或多个实施例中任务传输大小对CLC算法、LFSC算法、RBSC算法和任务调度算法的任务时间与车辆在线时间的比率的影响的实验图；
图10（c）为本申请一个或多个实施例中任务传输大小对CLC算法、LFSC算法、RBSC算法和任务调度算法的平均结余时间的影响的实验图；
图10（d）为本申请一个或多个实施例中任务传输大小对CLC算法、LFSC算法、RBSC算法和任务调度算法的协作任务率的影响的实验图；
图11（a）为本申请一个或多个实施例中车辆数量大小对CLC算法、LFSC算法、RBSC算法和任务调度算法的任务完成率的影响的实验图；
图11（b）为本申请一个或多个实施例中车辆数量大小对CLC算法、LFSC算法、RBSC算法和任务调度算法的任务时间与车辆在线时间的比率的影响的实验图；
图11（c）为本申请一个或多个实施例中车辆数量大小对CLC算法、LFSC算法、RBSC算法和任务调度算法的平均结余时间的影响的实验图；
图11（d）为本申请一个或多个实施例中车辆数量大小对CLC算法、LFSC算法、RBSC算法和任务调度算法的协作任务率的影响的实验图；
图12（a）为本申请一个或多个实施例中CLC算法、LFSC算法、RBSC算法和任务调度算法对于任务完成率平均表现的实验图；
图12（b）为本申请一个或多个实施例中CLC算法、LFSC算法、RBSC算法和任务调度算法对于任务时间与车辆在线时间的比率的平均表现的实验图；
图12（c）为本申请一个或多个实施例中CLC算法、LFSC算法、RBSC算法和任务调度算法对于平均结余时间的平均表现的实验图；
图12（d）为本申请一个或多个实施例中CLC算法、LFSC算法、RBSC算法和任务调度算法对于协作任务率的平均表现的实验图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本申请一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本申请一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
针对现有技术中车辆协作处理的时间长、没有考虑通信能力、没有考虑处理能力以及协作任务的可靠性不足的问题，本申请一个或多个实施例提供了一种移动环境下车联网的低延迟协同任务处理方法及装置。
参考图1，本申请发明人通过研究发现现有技术不能在考虑任务可靠性的同时支持车辆之间的协作任务处理，本申请发明人通过建立可靠性模型，从而保证在通信质量和工作环境不确定的情况下保证协作任务的可靠性；现有技术中任务处理时间长，且对环境变化的适应性低的问题，本申请发明人提出一种任务调度算法，从而提高了协作任务完成率、车联网资源利用率、时效性和车辆之间的任务协作率。因此本申请一个或多个实施例提供的方法，包括以下步骤：
S101建立客户端车辆
Figure 265147DEST_PATH_IMAGE033
在车联网中发布协作任务的协作模型。
本实施例中，假设多个车辆通过车载自组织网络（也可称为VANET）相互连接，并且通过直接连接或中继节点在车辆之间执行数据传输从而实现计算资源共享与协作方案，公路车辆的生成的任务包括本地计算和共享计算两种执行方法，对于本地计算，车辆使用自己的资源来处理任务队列中的任务，而对于共享计算，车辆将任务卸载到周围的车辆，使用其他车辆的资源来执行任务，最终从周围的车辆获得任务处理结果。对于共享计算，在城市道路模型中，客户端车辆发出任务请求，在客户端车辆的可用通信范围内，存在资源代理车辆为客户端车辆提供资源共享，并完成协作任务，如果客户端车辆的可用通信范围内不存在资源代理车辆，则在道路模型中存在的转运车会将客户端车辆发布的任务进行转运，客户端车辆发布的任务会通过两步共享计算的方式通过资源代理车辆和被卸载的目标车辆共同协作从而完成协作任务，每一辆车都有一个任务队列，每辆车同时扮演计算任务的请求者和执行者两种角色，即每辆车同时扮演客户端车辆和资源代理车辆。本实施例中，基于车载自组织网络的任务调度，建立客户端车辆
Figure 280026DEST_PATH_IMAGE034
在车联网中发布协作任务的协作模型，包括：
Figure 152167DEST_PATH_IMAGE035
个相互独立的工作的集合
Figure 817635DEST_PATH_IMAGE036
，其中
Figure 634281DEST_PATH_IMAGE037
表示n个相互独立的工作；对于任意
Figure 918763DEST_PATH_IMAGE038
，有
Figure 770044DEST_PATH_IMAGE039
，其中
Figure 747359DEST_PATH_IMAGE040
表示协作任务的开始时间，
Figure 51301DEST_PATH_IMAGE041
表示协作任务的终止时间，
Figure 198861DEST_PATH_IMAGE042
表示协作任务传输大小，
Figure 389802DEST_PATH_IMAGE043
表示协作任务计算大小，通信量以字节为单位，计算量以百万指令（MIPS）为单位。协作任务传输大小包括：初始协作任务大小
Figure 787285DEST_PATH_IMAGE044
和协作任务结果大小
Figure 329256DEST_PATH_IMAGE045
，即
Figure 470388DEST_PATH_IMAGE046
。协作模型中将
Figure 781414DEST_PATH_IMAGE047
定义为可以协助客户端车辆
Figure 349799DEST_PATH_IMAGE033
进行协作任务处理的车辆集合。客户端车辆
Figure 940635DEST_PATH_IMAGE048
被建模为
Figure 885458DEST_PATH_IMAGE049
，其中
Figure 316570DEST_PATH_IMAGE050
表示客户端车辆
Figure 55856DEST_PATH_IMAGE033
的位置，
Figure 572419DEST_PATH_IMAGE033
表示客户端车辆
Figure 55353DEST_PATH_IMAGE048
的速度，
Figure 340972DEST_PATH_IMAGE051
表示客户端车辆
Figure 516738DEST_PATH_IMAGE033
的通信状态，
Figure 252089DEST_PATH_IMAGE052
表示客户端车辆的计算能力。
Figure 538713DEST_PATH_IMAGE050
包括：相对位置关系
Figure 678839DEST_PATH_IMAGE053
以及初始距离
Figure 25507DEST_PATH_IMAGE054
，即
Figure 251083DEST_PATH_IMAGE055
，定义客户端车辆
Figure 75819DEST_PATH_IMAGE033
向右行驶为基准，用数字1表示资源代理车辆
Figure 70451DEST_PATH_IMAGE056
在客户端车辆
Figure 322441DEST_PATH_IMAGE033
的上方，用数字2表示资源代理车辆
Figure 38243DEST_PATH_IMAGE057
在客户端车辆
Figure 932250DEST_PATH_IMAGE033
的左侧，用数字3表示资源代理车辆
Figure 46967DEST_PATH_IMAGE057
在客户端车辆
Figure 735438DEST_PATH_IMAGE033
的下方，用数字4表示资源代理车辆
Figure 935606DEST_PATH_IMAGE057
在客户端车辆
Figure 367724DEST_PATH_IMAGE033
的前方道路，即
Figure 71369DEST_PATH_IMAGE058
。
Figure 71686DEST_PATH_IMAGE059
包括：车辆的移动方向
Figure 742839DEST_PATH_IMAGE060
和车辆移动速度
Figure 992030DEST_PATH_IMAGE061
，即
Figure 65028DEST_PATH_IMAGE062
。定义
Figure 111613DEST_PATH_IMAGE063
表示客户端车辆
Figure 738903DEST_PATH_IMAGE033
朝向路口中心移动，否则，
Figure 263557DEST_PATH_IMAGE064
。由于考虑到网络拓扑的高频变化和信息的保密性，所以本申请考虑车辆之间两步范围内的连接。客户端车辆
Figure 456641DEST_PATH_IMAGE033
的本地计算被定义为
Figure 408547DEST_PATH_IMAGE065
，
Figure 319871DEST_PATH_IMAGE066
表示客户端车辆
Figure 373847DEST_PATH_IMAGE033
在本地执行任务
Figure 421438DEST_PATH_IMAGE067
，否则
Figure 809825DEST_PATH_IMAGE068
。对于共享计算，将客户端车辆
Figure 942866DEST_PATH_IMAGE033
和资源代理车辆
Figure 199535DEST_PATH_IMAGE069
的一步共享计算定义为
Figure 852364DEST_PATH_IMAGE070
，而
Figure 660921DEST_PATH_IMAGE071
表示客户端车辆
Figure 31990DEST_PATH_IMAGE033
执行协作任务
Figure 951405DEST_PATH_IMAGE067
，将
Figure 455811DEST_PATH_IMAGE067
卸载到资源代理车辆
Figure 435268DEST_PATH_IMAGE069
并获取结果，否则
Figure 293634DEST_PATH_IMAGE072
。将由资源代理车辆
Figure 892105DEST_PATH_IMAGE069
连接的客户端车辆
Figure 503215DEST_PATH_IMAGE033
和被卸载的目标车辆
Figure 669886DEST_PATH_IMAGE073
的两步共享计算定义为
Figure 999236DEST_PATH_IMAGE074
，其中
Figure 11185DEST_PATH_IMAGE075
表示客户端车辆
Figure 742381DEST_PATH_IMAGE033
通过资源代理车辆
Figure 817303DEST_PATH_IMAGE056
将
Figure 633949DEST_PATH_IMAGE076
卸载到被卸载的目标车辆
Figure 449589DEST_PATH_IMAGE073
以执行协作任务并获取结果，否则
Figure 35292DEST_PATH_IMAGE077
。
S102定义所述客户端车辆
Figure 278185DEST_PATH_IMAGE033
和资源代理车辆
Figure 457494DEST_PATH_IMAGE069
之间的连接时间
Figure 60513DEST_PATH_IMAGE078
、通信能力影响参数
Figure 517034DEST_PATH_IMAGE079
、数据传输速率
Figure 180096DEST_PATH_IMAGE080
和所述资源代理车辆
Figure 984717DEST_PATH_IMAGE069
的处理能力
Figure 594690DEST_PATH_IMAGE081
。
本实施例中，使用曼哈顿运动模型模拟城市道路上车辆的运动，只包括水平道路和垂直道路，两条街道之间的距离为
Figure 905716DEST_PATH_IMAGE082
，车辆沿道路水平或垂直移动。在交叉路口，车辆以给定的概率转弯或执行，可以从道路交通的历史数据中获得每个方向的移动概率。客户端车辆
Figure 739680DEST_PATH_IMAGE033
通过交叉路口时会更新其网络拓扑，更新网络拓扑的时间通过人为记录。本实施例估算了可以为不同位置的资源代理车辆
Figure 768947DEST_PATH_IMAGE083
提供给客户端车辆
Figure 713769DEST_PATH_IMAGE033
的资源共享时间。资源代理车辆
Figure 144882DEST_PATH_IMAGE083
有两个移动方向，
Figure 884168DEST_PATH_IMAGE083
的移动方向
Figure 415379DEST_PATH_IMAGE084
表示
Figure 898313DEST_PATH_IMAGE083
驶向路口，
Figure 449511DEST_PATH_IMAGE083
的移动方向
Figure 359699DEST_PATH_IMAGE085
表示
Figure 97979DEST_PATH_IMAGE083
驶离路口。在这两种情况下，客户端车辆
Figure 384604DEST_PATH_IMAGE033
和资源代理车辆
Figure 914942DEST_PATH_IMAGE083
之间的连接时间取决于它们的速度和初始位置。第一情况，当资源代理车辆
Figure 12342DEST_PATH_IMAGE083
驶向交叉路口，且资源代理车辆
Figure 487186DEST_PATH_IMAGE083
在发生转向前与客户端车辆
Figure 59725DEST_PATH_IMAGE033
之间的距离超出通信范围时，即
Figure 303625DEST_PATH_IMAGE086
，其中，
Figure 837505DEST_PATH_IMAGE087
表示资源代理车辆
Figure 799645DEST_PATH_IMAGE083
的初始距离，
Figure 444384DEST_PATH_IMAGE088
表示资源代理车辆
Figure 542790DEST_PATH_IMAGE083
的移动速度，此时连接时间
Figure 981993DEST_PATH_IMAGE078
表示为
Figure 697008DEST_PATH_IMAGE089
，（1）
其中，
Figure 617209DEST_PATH_IMAGE090
表示所述资源代理车辆
Figure 835701DEST_PATH_IMAGE057
相对于所述客户端车辆
Figure 445805DEST_PATH_IMAGE091
的相对位置关系。第二情况，当资源代理车辆
Figure 116958DEST_PATH_IMAGE057
驶向交叉路口，且资源代理车辆
Figure 493712DEST_PATH_IMAGE057
在发生转向前与客户端车辆
Figure 317443DEST_PATH_IMAGE092
之间的距离不超出通信范围时，即
Figure 347716DEST_PATH_IMAGE093
，此时分别考虑资源代理车辆
Figure 522476DEST_PATH_IMAGE057
的不同转向情况，当资源代理车辆
Figure 30818DEST_PATH_IMAGE057
左转时，
Figure 706126DEST_PATH_IMAGE094
表示资源代理车辆
Figure 907300DEST_PATH_IMAGE056
在交叉路口左转的概率，资源代理车辆
Figure 303777DEST_PATH_IMAGE057
左转时与客户端车辆
Figure 615810DEST_PATH_IMAGE033
的连接时间
Figure 414133DEST_PATH_IMAGE095
表示为
Figure 458312DEST_PATH_IMAGE096
（2）
当资源代理车辆
Figure 333297DEST_PATH_IMAGE057
直行时，
Figure 183441DEST_PATH_IMAGE097
表示资源代理车辆
Figure 836270DEST_PATH_IMAGE057
在交叉路口直行的概率，资源代理车辆
Figure 379247DEST_PATH_IMAGE057
直行时与客户端车辆
Figure 484737DEST_PATH_IMAGE033
的连接时间
Figure 404152DEST_PATH_IMAGE098
表示为
Figure 177067DEST_PATH_IMAGE099
（3）
当资源代理车辆
Figure 890945DEST_PATH_IMAGE069
右转时，
Figure 746381DEST_PATH_IMAGE100
表示资源代理车辆
Figure 203907DEST_PATH_IMAGE069
在交叉路口右转的概率，资源代理车辆
Figure 955963DEST_PATH_IMAGE069
右转时与客户端车辆
Figure 857054DEST_PATH_IMAGE033
的连接时间
Figure 186404DEST_PATH_IMAGE101
表示为
Figure 932774DEST_PATH_IMAGE102
（4）
综合第二情况中资源代理车辆
Figure 663970DEST_PATH_IMAGE083
在不同转向情况中的连接时间，第二情况的连接时间
Figure 1541DEST_PATH_IMAGE103
表示为
Figure 552608DEST_PATH_IMAGE104
（5）
第三情况，当资源代理车辆
Figure 371178DEST_PATH_IMAGE083
驶离交叉路口，且资源代理车辆
Figure 956881DEST_PATH_IMAGE083
不直行时，连接时间
Figure 934195DEST_PATH_IMAGE103
表示为
Figure 238137DEST_PATH_IMAGE105
（6）
第四情况，当资源代理车辆
Figure 591889DEST_PATH_IMAGE057
驶离交叉路口，且资源代理车辆
Figure 32098DEST_PATH_IMAGE057
直行时，如果
Figure 711472DEST_PATH_IMAGE106
或
Figure 502711DEST_PATH_IMAGE107
，则说明资源代理车辆
Figure 391645DEST_PATH_IMAGE057
在转弯之前与客户端车辆
Figure 217518DEST_PATH_IMAGE033
的距离超出了通信范围，如果
Figure 271056DEST_PATH_IMAGE108
，则说明资源代理车辆
Figure 549591DEST_PATH_IMAGE057
在发生转向之前可以与客户端车辆
Figure 245145DEST_PATH_IMAGE033
保持通信连接，第四情况的连接时间
Figure 925525DEST_PATH_IMAGE103
表示为
Figure 805757DEST_PATH_IMAGE109
（7）
本实施例中，通过引入通信能力影响参数
Figure 56741DEST_PATH_IMAGE110
来评估车辆之间的通信状态对数据传输的影响，
Figure 805254DEST_PATH_IMAGE110
越大，车辆之间的通信质量越高，假设
Figure 839942DEST_PATH_IMAGE110
遵循参数为
Figure 15708DEST_PATH_IMAGE111
和
Figure 753988DEST_PATH_IMAGE112
的Beta分布，即
Figure 40613DEST_PATH_IMAGE113
，其中，
Figure 180739DEST_PATH_IMAGE111
表示所述通信能力影响参数
Figure 527406DEST_PATH_IMAGE110
的第一Beta分布参数，
Figure 487403DEST_PATH_IMAGE112
表示所述通信能力影响参数
Figure 843298DEST_PATH_IMAGE114
的第二Beta分布参数，Beta分布的值域为[0,1]，这与干扰因素对实际情况下性能的影响是一致的，通信能力影响参数
Figure 835000DEST_PATH_IMAGE114
的概率密度函数表示为
Figure 618149DEST_PATH_IMAGE115
（8）
其中，
Figure 331021DEST_PATH_IMAGE116
表示所述通信能力影响参数
Figure 225028DEST_PATH_IMAGE114
的Beta函数。
本实施例中，假设资源代理车辆
Figure 74166DEST_PATH_IMAGE069
和客户端车辆
Figure 762636DEST_PATH_IMAGE033
之间的数据传输速率具有额定值
Figure 697225DEST_PATH_IMAGE117
，在
Figure 270289DEST_PATH_IMAGE114
的影响下的实际传输速率
Figure 488781DEST_PATH_IMAGE005
可以表示为：
Figure 101815DEST_PATH_IMAGE118
。数据传输速率
Figure 38547DEST_PATH_IMAGE005
的概率密度函数表示为
Figure 759509DEST_PATH_IMAGE119
（9）
其中，
Figure 832507DEST_PATH_IMAGE120
表示数据传输速率
Figure 879092DEST_PATH_IMAGE005
的第一Beta分布参数，
Figure 303120DEST_PATH_IMAGE121
表示数据传输速率
Figure 827773DEST_PATH_IMAGE005
的第二Beta分布参数，
Figure 20857DEST_PATH_IMAGE122
表示数据传输速率
Figure 362977DEST_PATH_IMAGE005
的Beta函数。
对于资源共享的车辆，影响车辆数据处理能力的因素有很多，其中车辆的环境对任务处理能力具有非常大的影响，合适的工作环境使得车辆拥有更好的处理能力，而在极端的工作环境中，车辆的处理能力会变差，影响车辆的处理能力的因素几乎都是动态的，所以本实施例中引入了参数
Figure 490945DEST_PATH_IMAGE123
来表示资源代理车辆
Figure 334136DEST_PATH_IMAGE083
的最大处理能力
Figure 398039DEST_PATH_IMAGE124
和资源代理车辆
Figure 770114DEST_PATH_IMAGE083
的处理能力
Figure 653888DEST_PATH_IMAGE125
之间的关系，可以得到
Figure 769611DEST_PATH_IMAGE126
，考虑到工作环境的不确定性，本申请假设
Figure 812653DEST_PATH_IMAGE123
遵循参数为
Figure 106363DEST_PATH_IMAGE127
和
Figure 726700DEST_PATH_IMAGE128
Beta分布，即
Figure 122478DEST_PATH_IMAGE129
，其中
Figure 144661DEST_PATH_IMAGE127
表示资源代理车辆
Figure 609272DEST_PATH_IMAGE083
的处理能力
Figure 716905DEST_PATH_IMAGE125
的第一Beta分布参数，
Figure 925164DEST_PATH_IMAGE128
表示资源代理车辆
Figure 801853DEST_PATH_IMAGE083
的处理能力
Figure 702944DEST_PATH_IMAGE125
的第二Beta分布参数，在
Figure 297873DEST_PATH_IMAGE123
的影响下，资源代理车辆
Figure 700036DEST_PATH_IMAGE083
的处理能力
Figure 179034DEST_PATH_IMAGE125
的概率密度函数表示为
Figure 234715DEST_PATH_IMAGE130
（10）
其中，
Figure 802093DEST_PATH_IMAGE131
表示资源代理车辆
Figure 867001DEST_PATH_IMAGE057
的处理能力
Figure 469015DEST_PATH_IMAGE125
的Beta函数。
S103基于所述连接时间
Figure 695597DEST_PATH_IMAGE132
、通信能力影响参数
Figure 750272DEST_PATH_IMAGE110
、数据传输速率
Figure 618871DEST_PATH_IMAGE005
和资源代理车辆
Figure 812741DEST_PATH_IMAGE057
的处理能力
Figure 741383DEST_PATH_IMAGE125
建立可靠性模型。
本实施例中，为了实现任务协同处理的高可靠性，采用了任务备份策略，但是由于不同车辆的工作环境和通信质量不同，满足每个协作任务的可靠性要求所需的备份数量也不同，而且在不同模式下，处理协作任务的可靠性也不同，基于连接时间
Figure 17775DEST_PATH_IMAGE133
、通信能力影响参数
Figure 424485DEST_PATH_IMAGE110
、数据传输速率
Figure 860146DEST_PATH_IMAGE005
和资源代理车辆
Figure 444842DEST_PATH_IMAGE057
的处理能力
Figure 457798DEST_PATH_IMAGE125
建立的可靠性模型需要针对不同模式进行可靠性的评估，包括：本地计算可靠性模型，本地计算是指由客户端车辆
Figure 418931DEST_PATH_IMAGE033
生成的任务由其自身执行，不涉及与其他车辆的数据传输。因此，本地计算的可靠性主要取决于车辆任务处理能力，本地计算可靠性模型定义的参数包括：本地计算最早开始时间
Figure 833732DEST_PATH_IMAGE134
，具体为对于客户端车辆
Figure 851979DEST_PATH_IMAGE033
上的本地计算，可用于开始处理协作任务
Figure 617810DEST_PATH_IMAGE135
的最早时间，本地计算最早开始时间
Figure 117056DEST_PATH_IMAGE134
表示为
Figure 120784DEST_PATH_IMAGE136
（11）
其中，
Figure 312862DEST_PATH_IMAGE137
表示客户端车辆
Figure 300409DEST_PATH_IMAGE092
完成当前工作以处理协作任务
Figure 337767DEST_PATH_IMAGE135
的空闲时间，
Figure 868105DEST_PATH_IMAGE138
表示
Figure 949194DEST_PATH_IMAGE135
的开始时间；本地计算可用处理时间
Figure 189418DEST_PATH_IMAGE139
，具体为协作任务终止时间
Figure 279734DEST_PATH_IMAGE140
和本地计算最早开始时间
Figure 539945DEST_PATH_IMAGE134
之间的时间间隔，本地计算可用处理时间
Figure 57514DEST_PATH_IMAGE141
表示为
Figure 504807DEST_PATH_IMAGE142
（12）
本地计算处理时间
Figure 398814DEST_PATH_IMAGE143
，具体为协作任务长度
Figure 513531DEST_PATH_IMAGE144
与客户端车辆
Figure 467581DEST_PATH_IMAGE033
的处理能力
Figure 399240DEST_PATH_IMAGE145
的比值，本地计算处理时间
Figure 831359DEST_PATH_IMAGE143
表示为
Figure 190796DEST_PATH_IMAGE146
（13）
假设客户端车辆
Figure 800900DEST_PATH_IMAGE033
在理想工作条件下具有额定数据处理能力，而实际中客户端车辆
Figure 472053DEST_PATH_IMAGE033
的处理能力
Figure 458594DEST_PATH_IMAGE145
服从Beta分布，即
Figure 531593DEST_PATH_IMAGE147
，其中
Figure 578177DEST_PATH_IMAGE148
表示客户端车辆
Figure 736626DEST_PATH_IMAGE033
的处理能力
Figure 529788DEST_PATH_IMAGE145
的第一Beta分布参数，
Figure 457293DEST_PATH_IMAGE149
表示客户端车辆
Figure 799413DEST_PATH_IMAGE033
的处理能力
Figure 461469DEST_PATH_IMAGE145
的第二Beta分布参数，定义
Figure 39081DEST_PATH_IMAGE150
为客户端车辆
Figure 571825DEST_PATH_IMAGE033
在理想的工作环境中执行协作任务
Figure 943900DEST_PATH_IMAGE151
所需的最短时间，本地计算处理时间
Figure 827674DEST_PATH_IMAGE143
的概率密度函数表示为
Figure 943397DEST_PATH_IMAGE152
（14）
其中，
Figure 858876DEST_PATH_IMAGE153
表示客户端车辆
Figure 401853DEST_PATH_IMAGE033
的处理能力
Figure 38502DEST_PATH_IMAGE145
的Beta函数。利用
Figure 692337DEST_PATH_IMAGE154
表示协作任务
Figure 199673DEST_PATH_IMAGE135
在客户端车辆
Figure 320076DEST_PATH_IMAGE033
上的本地计算时间的期望值，利用本地计算处理时间
Figure 162130DEST_PATH_IMAGE155
的概率密度函数求得
Figure 370388DEST_PATH_IMAGE154
表示为
Figure 512657DEST_PATH_IMAGE156
（15）
根据本地计算可靠性模型中的参数的分析，可以用
Figure 139379DEST_PATH_IMAGE157
表示
Figure 468730DEST_PATH_IMAGE158
的概率分布函数，
Figure 746258DEST_PATH_IMAGE158
表
示客户端车辆
Figure 211875DEST_PATH_IMAGE033
的最大处理能力
Figure 283867DEST_PATH_IMAGE159
和客户端车辆
Figure 100513DEST_PATH_IMAGE033
的处理能力
Figure 916154DEST_PATH_IMAGE145
之间的关系，最终得到本地计算的可靠性表示为
Figure 501856DEST_PATH_IMAGE160
（16）
其中，
Figure 741820DEST_PATH_IMAGE161
表示概率分布函数，
Figure 45762DEST_PATH_IMAGE162
表示本地计算中
Figure 524148DEST_PATH_IMAGE033
完成协作任务的最短时间。可靠性模型，还包括：一步共享计算可靠性模型，一步共享计算首先将协作任务转移到相邻的车辆。然后，目标车辆处理该协作任务并将结果返回给客户端车辆
Figure 980668DEST_PATH_IMAGE033
。为了表示一步共享计算的可靠性，假定由
Figure 378152DEST_PATH_IMAGE033
生成的任
Figure 185702DEST_PATH_IMAGE135
务是通过一步共享计算在
Figure 326833DEST_PATH_IMAGE163
上处理。一步共享计算可靠性模型定义的参数包括：一步共享计算协作任务卸载时间
Figure 637860DEST_PATH_IMAGE164
，具体为将协作任务
Figure 737403DEST_PATH_IMAGE135
从
Figure 504020DEST_PATH_IMAGE033
卸载到
Figure 714422DEST_PATH_IMAGE163
的传输时间，
Figure 879955DEST_PATH_IMAGE165
表示为
Figure 25766DEST_PATH_IMAGE166
（17）
定义协作任务
Figure 526017DEST_PATH_IMAGE167
的最短卸载时间
Figure 759683DEST_PATH_IMAGE168
，因为
Figure 294570DEST_PATH_IMAGE169
遵循Beta分布，所以
Figure 221069DEST_PATH_IMAGE170
的概率密度函数表示为
Figure 474196DEST_PATH_IMAGE171
（18）
Figure 508623DEST_PATH_IMAGE172
的期望值
Figure 632437DEST_PATH_IMAGE173
可以表示为
Figure 729837DEST_PATH_IMAGE174
（19）
一步共享计算结果返回时间
Figure 939102DEST_PATH_IMAGE175
，具体为
Figure 780150DEST_PATH_IMAGE069
将结果返回到
Figure 24049DEST_PATH_IMAGE092
花费任务传输时间，
Figure 26771DEST_PATH_IMAGE176
表示为
Figure 988911DEST_PATH_IMAGE177
（20）
其中，
Figure 382720DEST_PATH_IMAGE178
代表协作任务
Figure 746705DEST_PATH_IMAGE135
的计算结果大小。定义
Figure 185907DEST_PATH_IMAGE179
代表
Figure 635343DEST_PATH_IMAGE069
任返回任务计算结果的最短时间。因为资源代理车辆
Figure 83773DEST_PATH_IMAGE069
向客户端车辆
Figure 302265DEST_PATH_IMAGE033
传输数据的数据传输速率
Figure 912369DEST_PATH_IMAGE180
遵循Beta分布，所以
Figure 724467DEST_PATH_IMAGE181
的概率密度函数表示为
Figure 960277DEST_PATH_IMAGE182
（21）
其中，
Figure 781078DEST_PATH_IMAGE183
表示
Figure 76930DEST_PATH_IMAGE184
的第一Beta分布参数，
Figure 251690DEST_PATH_IMAGE185
表示
Figure 25611DEST_PATH_IMAGE184
的第二Beta分布参数，
Figure 969428DEST_PATH_IMAGE186
表示
Figure 170602DEST_PATH_IMAGE184
的Beta函数。根据
Figure 567079DEST_PATH_IMAGE181
的概率密度函数可以获得
Figure 20057DEST_PATH_IMAGE181
的期望值
Figure 333227DEST_PATH_IMAGE187
的表达式为
Figure 458964DEST_PATH_IMAGE188
（22）
一步共享计算的最早开始时间
Figure 857585DEST_PATH_IMAGE189
，具体为
Figure 724041DEST_PATH_IMAGE190
可用于开始处理协作任务
Figure 891717DEST_PATH_IMAGE135
的最早时间，
Figure 575639DEST_PATH_IMAGE189
表示为
Figure 681130DEST_PATH_IMAGE191
（23）
其中，
Figure 600544DEST_PATH_IMAGE192
表示
Figure 373459DEST_PATH_IMAGE193
完成当前工作以处理协作任务
Figure 87337DEST_PATH_IMAGE194
的空闲时间，
Figure 208352DEST_PATH_IMAGE195
表示
Figure 931458DEST_PATH_IMAGE196
的期望值。一步共享计算的最晚完成时间
Figure 683513DEST_PATH_IMAGE197
，具体为
Figure 584604DEST_PATH_IMAGE190
协助
Figure 913954DEST_PATH_IMAGE033
完成协作任务
Figure 191483DEST_PATH_IMAGE135
的最晚完成时间，
Figure 657099DEST_PATH_IMAGE197
表示为
Figure 994671DEST_PATH_IMAGE198
（24）
其中，
Figure 76896DEST_PATH_IMAGE199
表示协作任务的失效时间，
Figure 17171DEST_PATH_IMAGE200
是
Figure 344816DEST_PATH_IMAGE190
与
Figure 836977DEST_PATH_IMAGE033
的预计离开时间，
Figure 891652DEST_PATH_IMAGE200
是
Figure 494672DEST_PATH_IMAGE033
最新拓扑更新时间与
Figure 951192DEST_PATH_IMAGE201
之和。一步共享计算的可用处理时间
Figure 348675DEST_PATH_IMAGE202
，具体为
Figure 156226DEST_PATH_IMAGE203
和
Figure 297357DEST_PATH_IMAGE189
之间的时间差，
Figure 871033DEST_PATH_IMAGE202
表示为
Figure 439418DEST_PATH_IMAGE204
（25）
一步共享计算的处理时间
Figure 858898DEST_PATH_IMAGE205
，具体为
Figure 554452DEST_PATH_IMAGE144
与
Figure 234832DEST_PATH_IMAGE206
的比值，
Figure 990430DEST_PATH_IMAGE207
表示为
Figure 490681DEST_PATH_IMAGE208
（26）
Figure 989927DEST_PATH_IMAGE209
遵循Beta分布，所以
Figure 524814DEST_PATH_IMAGE207
的期望值表示为
Figure 454242DEST_PATH_IMAGE210
（27）
其中，
Figure 582735DEST_PATH_IMAGE211
表示
Figure 869360DEST_PATH_IMAGE207
的第一Beta分布参数，
Figure 9485DEST_PATH_IMAGE212
表示
Figure 621732DEST_PATH_IMAGE207
的第二Beta分布参数，
Figure 847308DEST_PATH_IMAGE213
是协作任务
Figure 672045DEST_PATH_IMAGE135
完成的最短时间。根据本地计算可靠性模型中的参数的分析，可以用
Figure 932256DEST_PATH_IMAGE214
表示
Figure 715404DEST_PATH_IMAGE215
的概率分布函数，最终得到本地计算的可靠性表示为
Figure 425347DEST_PATH_IMAGE216
（28）
可靠性模型，还包括：两步共享计算可靠性模型，在两步共享计算中存在中间车辆，作为中继节点，即被卸载的目标车辆
Figure 194720DEST_PATH_IMAGE217
，任务数据通过中间车辆卸载到两步范围内的目标车辆，为了显示两步共享计算的可靠性，假定由
Figure 293126DEST_PATH_IMAGE218
生成的协作任务
Figure 997908DEST_PATH_IMAGE219
通过
Figure 447344DEST_PATH_IMAGE220
卸载到
Figure 364615DEST_PATH_IMAGE217
上处理。两步共享计算可靠性模型定义的参数包括：两步共享计算协作任务卸载时间
Figure 583107DEST_PATH_IMAGE221
，具体为两步共享计算的数据卸载时间包括两个部分，由
Figure 193211DEST_PATH_IMAGE218
生成的任务被卸载至
Figure 864364DEST_PATH_IMAGE220
的卸载时间
Figure 131133DEST_PATH_IMAGE222
和
Figure 204131DEST_PATH_IMAGE220
将任务卸载到
Figure 250716DEST_PATH_IMAGE217
的卸载时间
Figure 409165DEST_PATH_IMAGE223
，
Figure 58452DEST_PATH_IMAGE221
表示为
Figure 267847DEST_PATH_IMAGE224
（29）
其中
Figure 469022DEST_PATH_IMAGE222
和
Figure 865499DEST_PATH_IMAGE223
是相互独立的。定义
Figure 443111DEST_PATH_IMAGE225
是
Figure 238504DEST_PATH_IMAGE218
完成协作任务
Figure 876159DEST_PATH_IMAGE226
卸载至
Figure 150145DEST_PATH_IMAGE220
的最短时间，
Figure 16601DEST_PATH_IMAGE227
是
Figure 918698DEST_PATH_IMAGE220
完成协作任务
Figure 477987DEST_PATH_IMAGE228
卸载至
Figure 832745DEST_PATH_IMAGE217
的最短时间，其中
Figure 768471DEST_PATH_IMAGE229
表示
Figure 525074DEST_PATH_IMAGE220
和
Figure 992614DEST_PATH_IMAGE217
之间的数据传输速率的额定值，
Figure 100248DEST_PATH_IMAGE221
的期望值表示为
Figure 574085DEST_PATH_IMAGE230
（30）
其中，
Figure 185195DEST_PATH_IMAGE231
表示
Figure 476499DEST_PATH_IMAGE232
的第一Beta分布参数，
Figure 822161DEST_PATH_IMAGE233
表示
Figure 817799DEST_PATH_IMAGE232
的第二Beta分布参数。两步共享计算的结果返回时间
Figure 299727DEST_PATH_IMAGE234
，具体为
Figure 886566DEST_PATH_IMAGE217
传送到
Figure 185436DEST_PATH_IMAGE220
后将结果传输到车辆
Figure 515923DEST_PATH_IMAGE218
所需的传输时间，包括
Figure 242571DEST_PATH_IMAGE235
和
Figure 219885DEST_PATH_IMAGE217
将结果传至
Figure 789407DEST_PATH_IMAGE220
花费的传输时间，
Figure 143159DEST_PATH_IMAGE236
表示为
Figure 848947DEST_PATH_IMAGE237
（31）
其中，
Figure 262742DEST_PATH_IMAGE238
表示
Figure 53980DEST_PATH_IMAGE220
和
Figure 601636DEST_PATH_IMAGE218
之间的任务传输速率，
Figure 903874DEST_PATH_IMAGE239
表示
Figure 737838DEST_PATH_IMAGE217
和
Figure 767105DEST_PATH_IMAGE220
之间的任务传输速率。由于
Figure 711927DEST_PATH_IMAGE240
和
Figure 143039DEST_PATH_IMAGE241
相互独立，因此
Figure 882325DEST_PATH_IMAGE234
的期望值表示为
Figure 398888DEST_PATH_IMAGE242
（32）
其中，
Figure 147402DEST_PATH_IMAGE243
表示
Figure 557654DEST_PATH_IMAGE244
的第一Beta分布参数，
Figure 481223DEST_PATH_IMAGE245
表示
Figure 468771DEST_PATH_IMAGE246
的第二Beta分布参数，
Figure 771708DEST_PATH_IMAGE247
表示
Figure 161101DEST_PATH_IMAGE248
的第一Beta分布参数，
Figure 258501DEST_PATH_IMAGE249
表示
Figure 733344DEST_PATH_IMAGE248
的第二Beta分布参数，
Figure 574393DEST_PATH_IMAGE250
表示在
Figure 83871DEST_PATH_IMAGE217
和
Figure 355102DEST_PATH_IMAGE220
之间返回结果的最短时间，
Figure 458188DEST_PATH_IMAGE251
表示
Figure 86615DEST_PATH_IMAGE220
和
Figure 201333DEST_PATH_IMAGE218
之间传输的最短时间。两步共享计算的最早开始时间
Figure 234011DEST_PATH_IMAGE252
，具体为
Figure 558813DEST_PATH_IMAGE217
可用于开始处理任务
Figure 990931DEST_PATH_IMAGE253
的最早时间，
Figure 960155DEST_PATH_IMAGE254
表示为
Figure 85106DEST_PATH_IMAGE255
（33）
其中，
Figure 504062DEST_PATH_IMAGE256
表示
Figure 739871DEST_PATH_IMAGE220
完成本地计算中当前工作以处理协作任务
Figure 829181DEST_PATH_IMAGE219
的空闲时间。两步共享计算的最晚完成时间
Figure 859454DEST_PATH_IMAGE257
，具体为
Figure 768635DEST_PATH_IMAGE217
协助
Figure 683501DEST_PATH_IMAGE218
完成任务
Figure 486372DEST_PATH_IMAGE219
的最晚完成时间，
Figure 828492DEST_PATH_IMAGE258
表示为
Figure 208658DEST_PATH_IMAGE259
（34）
其中，
Figure 817230DEST_PATH_IMAGE260
表示由
Figure 677869DEST_PATH_IMAGE261
计算的车辆离开时间，
Figure 49945DEST_PATH_IMAGE262
表示由
Figure 668139DEST_PATH_IMAGE263
计算的车辆离开时间，
Figure 783863DEST_PATH_IMAGE263
表示
Figure 702271DEST_PATH_IMAGE220
和
Figure 510827DEST_PATH_IMAGE217
之间的连接时间。两步共享计算的可用处理时间
Figure 272110DEST_PATH_IMAGE264
，具体为
Figure 673748DEST_PATH_IMAGE258
和
Figure 961510DEST_PATH_IMAGE252
之间的时间间隔，
Figure 426120DEST_PATH_IMAGE265
表示为
Figure 533754DEST_PATH_IMAGE266
（35）
根据两步共享计算可靠性模型中的参数的分析，最终得到两步共享计算的可靠性表示为
Figure 742012DEST_PATH_IMAGE267
（36）
综合本地计算的可靠性、一步共享计算的可靠性和两步共享计算的可靠性得到协作任务的联合可靠性，联合可靠性表示为
Figure 884281DEST_PATH_IMAGE268
（37）
其中，
Figure 519792DEST_PATH_IMAGE269
表示可以协助
Figure 849143DEST_PATH_IMAGE220
进行协作任务处理的车辆集合。
S104基于所述可靠性模型建立任务调度优化模型。
本实施例中，由于任务的时效性直接影响
Figure 251305DEST_PATH_IMAGE218
的QoS，所以需要利用满意度函数表述完成协作任务带来的收益，对于协作任务
Figure 736163DEST_PATH_IMAGE226
，
Figure 57423DEST_PATH_IMAGE218
的满意度函数表示为
Figure 624801DEST_PATH_IMAGE270
（38）
其中，
Figure 955289DEST_PATH_IMAGE271
表示每个时间节省的单位收益，
Figure 291723DEST_PATH_IMAGE272
表示完成协作任务花费的时间。考虑到协作任务的备份，
Figure 783884DEST_PATH_IMAGE272
应该是所有备份中的最短耗时，
Figure 228772DEST_PATH_IMAGE272
表示为
Figure 848104DEST_PATH_IMAGE273
（39）
其中，
Figure 288312DEST_PATH_IMAGE274
表示本地计算中协作任务的计算时间的期望值，
Figure 964757DEST_PATH_IMAGE275
表示一步共享计算中协作任务的计算时间的期望值，
Figure 755995DEST_PATH_IMAGE276
表示两步共享计算中协作任务的计算时间的期望值。完成任务的成本主要来自任务的计算和传输。对于车辆
Figure 913438DEST_PATH_IMAGE277
，单位任务处理时间的成本定义为
Figure 349099DEST_PATH_IMAGE278
，其表示为
Figure 183062DEST_PATH_IMAGE279
，其中
Figure 212329DEST_PATH_IMAGE280
表示单位处理时间的额定成本。车辆的任务处理能力越强，相应的计算成本就越高。定义
Figure 157152DEST_PATH_IMAGE281
为单位传输时间的成本，通信质量越差，数据传输的成本就越高，
Figure 588264DEST_PATH_IMAGE281
可以表示为
Figure 593129DEST_PATH_IMAGE282
，表示每单位数据传输时间的额定成本。对于本地计算，完成协作任务的成本仅来自协作任务处理，将
Figure 100903DEST_PATH_IMAGE048
完成本地计算协作任务
Figure 990362DEST_PATH_IMAGE283
的成本定义为
Figure 259669DEST_PATH_IMAGE284
，
Figure 451747DEST_PATH_IMAGE284
表示为
Figure 439295DEST_PATH_IMAGE285
（40）
对于一步共享计算，成本中增加了数据传输消耗。将
Figure 476652DEST_PATH_IMAGE286
协助
Figure 131624DEST_PATH_IMAGE048
完成协作任务
Figure 229025DEST_PATH_IMAGE283
的成本为
Figure 703868DEST_PATH_IMAGE287
，
Figure 541987DEST_PATH_IMAGE287
表示为
Figure 926832DEST_PATH_IMAGE288
（41）
其中，
Figure 709980DEST_PATH_IMAGE289
表示所述一步共享计算中单位传输时间的成本；对于两步共享计算，通信成本包括三辆车之间的数据传输消耗，定义
Figure 157273DEST_PATH_IMAGE048
、
Figure 785700DEST_PATH_IMAGE286
和
Figure 165997DEST_PATH_IMAGE290
合作完成协作任务
Figure 854468DEST_PATH_IMAGE283
的成本为
Figure 789057DEST_PATH_IMAGE291
，
Figure 486754DEST_PATH_IMAGE291
表示为
Figure 846191DEST_PATH_IMAGE292
（42）
其中，
Figure 459225DEST_PATH_IMAGE293
表示所述两步共享计算中单位传输时间的成本，
Figure 395957DEST_PATH_IMAGE294
表示对于所述被卸载的目标车辆
Figure 382499DEST_PATH_IMAGE290
单位协作任务处理时间的成本。
本实施例中，综合上述优化问题，为了确保可靠性的同时尽可能多地完成任务，综合上述协作任务处理的约束条件，建立任务调度优化模型为
Figure 455497DEST_PATH_IMAGE295
（43）
Figure 236502DEST_PATH_IMAGE296
（44）
Figure 660530DEST_PATH_IMAGE297
（45）
Figure 575397DEST_PATH_IMAGE298
， （46）
其中，
Figure 253634DEST_PATH_IMAGE299
表示可靠性需求的期望值。任务调度优化模型需要保证联合可靠性满足可靠性要求，协作任务的效用需要大于完成协作任务的成本，最大化协作任务完成期间获得的时间效用。将满足利润约束的车辆集合定义为
Figure 720387DEST_PATH_IMAGE300
，定义协作任务处理的最佳解决方案为
Figure 113935DEST_PATH_IMAGE301
。对于
Figure 957126DEST_PATH_IMAGE302
，需要检查是否满足本地计算的利润约束，如果满足，则将
Figure 489870DEST_PATH_IMAGE302
加入到
Figure 861945DEST_PATH_IMAGE300
；对于
Figure 745719DEST_PATH_IMAGE303
中的任何
Figure 127022DEST_PATH_IMAGE304
，如果
Figure 514272DEST_PATH_IMAGE304
满足一步共享计算的利润约束，则将加入到；对于中的任何，如果满足两步共享计算的利润约束，则将
Figure 57248DEST_PATH_IMAGE304
添加到
Figure 442967DEST_PATH_IMAGE300
中。为了提高后续算法的效率，通过一种算法复杂度降低的方法来优化上述步骤中的优化问题，首先设置协作任务的利润约束，利润约束要求完成协作任务的收益大于完成协作任务的成本，利润约束表示为
Figure 96802DEST_PATH_IMAGE305
。 （47）
由于算法的目标是保证任务可靠性的同时最大化时间收益，将单个协作任务备份的预期收益定义为任务收益与可靠性的乘积，单个协作任务备份的预期收益表示为
Figure 869717DEST_PATH_IMAGE306
（48）
通过以
Figure 990120DEST_PATH_IMAGE307
降序排列寻找最佳的协作任务处理策略。
Figure 832174DEST_PATH_IMAGE307
越大，表示预期任务利润越高。因此，我们按照
Figure 306011DEST_PATH_IMAGE307
的降序对集合
Figure 182701DEST_PATH_IMAGE308
进行排名，然后遍历
Figure 83792DEST_PATH_IMAGE308
中车辆以验证是否满足可靠性约束。一旦满足可靠性约束，
Figure 413142DEST_PATH_IMAGE301
是最佳的协作任务处理策略。
S105基于所述任务调度优化模型得到任务调度算法。
本实施例中，基于任务调度优化模型中的约束条件以及降低算法复杂度的优化方法，得到任务调度算法，任务调度算法使用先进先出队列策略，当通信质量和工作状态不确定时，可以实现车辆协同任务的可靠性调度。任务调度算法包括：第一算法、第二算法和第三算法。其中，第一算法用于根据本地计算的计算范围和一步共享计算的计算范围内的
Figure 687741DEST_PATH_IMAGE302
的最新网络拓扑、连接时间
Figure 418936DEST_PATH_IMAGE309
、通信能力影响参数
Figure 615563DEST_PATH_IMAGE310
、数据传输速率
Figure 182941DEST_PATH_IMAGE311
、资源代理车辆
Figure 982270DEST_PATH_IMAGE312
的处理能力
Figure 584284DEST_PATH_IMAGE125
和利润约束生成本地计算的计算范围和一步共享计算的计算范围的任务调度策略；第二算法用于根据两步共享计算的计算范围内的
Figure 76445DEST_PATH_IMAGE302
的最新网络拓扑、连接时间
Figure 131120DEST_PATH_IMAGE309
、通信能力影响参数
Figure 734139DEST_PATH_IMAGE310
、数据传输速率
Figure 193589DEST_PATH_IMAGE311
、资源代理车辆
Figure 591073DEST_PATH_IMAGE312
的处理能力
Figure 398623DEST_PATH_IMAGE125
和利润约束生成两步共享计算的计算范围的任务调度策略；第三算法用于综合第一算法和第二算法并结合任务调度优化模型生成最佳任务调度策略。
S106基于所述任务调度算法得到最佳任务调度策略。
本实施例中，参考图2利用第一算法，生成本地计算的计算范围和一步共享计算的计算范围的任务调度策略，具体包括：
当
Figure 680700DEST_PATH_IMAGE302
生成协作任务
Figure 506573DEST_PATH_IMAGE313
时，任务调度算法首先更新
Figure 91269DEST_PATH_IMAGE302
的网络拓扑；
对于
Figure 104225DEST_PATH_IMAGE314
的所有车辆，任务调度算法会估计其通信速率以及其处理能力；
分析本地计算和一步共享计算的相关参数，如果满足利润约束，则将此车辆添加到第一可行策略集合
Figure DEST_PATH_IMAGE315
中。
参考图3，利用第二算法生成两步共享计算的计算范围的任务调度策略，具体包括：
当
Figure 127676DEST_PATH_IMAGE302
生成协作任务
Figure 555858DEST_PATH_IMAGE313
时，任务调度算法首先更新
Figure 560723DEST_PATH_IMAGE302
的网络拓扑；
Figure 811707DEST_PATH_IMAGE316
中任一
Figure 294641DEST_PATH_IMAGE312
都被视为中继节点，任务调度算法更新
Figure 580260DEST_PATH_IMAGE312
的网络拓扑；
对于
Figure 756027DEST_PATH_IMAGE314
中的任何车辆，任务调度算法将计算两步共享计算的相关参数，当满足利润约束时，将
Figure DEST_PATH_IMAGE317
添加到第二可行策略集合
Figure 963148DEST_PATH_IMAGE318
中。
参考图4，利用第三算法综合第一算法和第二算法并结合任务调度优化模型生成最佳任务调度策略，具体包括：
任务调度算法首先通过合并
Figure 249773DEST_PATH_IMAGE315
和
Figure 381109DEST_PATH_IMAGE318
获得可行的解决方案；
任务调度算法根据
Figure 727777DEST_PATH_IMAGE307
对
Figure 953353DEST_PATH_IMAGE319
进行降序排序；
任务调度算法以
Figure 43669DEST_PATH_IMAGE319
遍历车辆，一旦满足可靠性约束，
Figure DEST_PATH_IMAGE320
即为最佳调度策略。
S107根据所述最佳任务调度策略指导所述协作模型执行所述协作任务。
本实施例中，利用上述步骤得到最佳任务调度策略后，在车载自适应网络中以最佳任务调度策略为指导，利用协作模型调度客户端车辆、资源代理车辆以及被卸载的目标车辆进行资源共享和协作任务处理，满足本地计算、一步共享计算和两步共享计算范围内的协作任务的执行条件，从而在车载自适应网络中完成可靠性高且低延迟的协同任务处理。
从上面所述可以看出，本申请一个或多个实施例提供的一种移动环境下车联网的低延迟协同任务处理方法及装置，建立客户端车辆
Figure 507142DEST_PATH_IMAGE302
在车联网中发布协作任务的协作模型使得车辆之间可以共享计算资源，从而平衡计算任务的不均匀分布，减轻移动网络的负担，并提高任务处理的效率；通过定义客户端车辆
Figure 24711DEST_PATH_IMAGE302
和所述资源代理车辆
Figure 737584DEST_PATH_IMAGE220
之间的连接时间
Figure 631590DEST_PATH_IMAGE321
以保证通过时间参数的计算减小协作任务的延迟，定义通信能力影响参数
Figure DEST_PATH_IMAGE322
、数据传输速率
Figure 71274DEST_PATH_IMAGE323
和资源代理车辆
Figure 244898DEST_PATH_IMAGE220
的处理能力
Figure 835279DEST_PATH_IMAGE324
实现考虑不同车辆的通信能力、数据传输能力和任务处理能力的情况下，更准确的模拟通信能力、数据传输能力和任务处理能力不确定的情况下协作任务的处理场景；建立可靠性模型能够在考虑工作状态和通信质量不确定的情况下提高协作任务处理的可靠性；基于可靠性模型建立的任务调度优化模型可以在保证可靠性的同事提高任务处理的时效性，减小协作任务处理的时间；通过任务调度算法得到的最佳任务调度策略实现了满足利润约束的协同任务处理的可靠调度，充分考虑了车辆本地计算、车辆间一步共享计算和车辆间两步共享计算的情况，使得协作模型在执行协作任务时具有更高的可靠性和更好的对环境变化的适应性，提高了协作任务完成率、车联网资源利用率、时效性和车辆之间的任务协作率。
需要说明的是，本申请一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本申请一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思，本申请一个或多个实施例还提供了一种移动环境下车联网的低延迟协同任务处理装置，包括：第一建立模块、定义模块、第二建立模块、第三建立模块、第一计算模块、第二计算模块和执行模块。
参考图5，本装置中包括：
第一建立模块，被配置为建立客户端车辆
Figure 532977DEST_PATH_IMAGE302
在车联网中发布协作任务的协作模型；
定义模块，被配置为定义所述客户端车辆
Figure 236622DEST_PATH_IMAGE302
和资源代理车辆
Figure 95993DEST_PATH_IMAGE220
之间的连接时间
Figure 517879DEST_PATH_IMAGE325
、通信能力影响参数
Figure 19267DEST_PATH_IMAGE322
、数据传输速率
Figure 845927DEST_PATH_IMAGE323
和所述资源代理车辆
Figure 141780DEST_PATH_IMAGE220
的处理能力
Figure 441174DEST_PATH_IMAGE326
；
所述定义所述客户端车辆
Figure 965827DEST_PATH_IMAGE007
和资源代理车辆
Figure 158911DEST_PATH_IMAGE008
之间的连接时间
Figure 110818DEST_PATH_IMAGE009
，包括：
第一情况，当所述资源代理车辆
Figure 756563DEST_PATH_IMAGE008
驶向交叉路口，且所述资源代理车辆
Figure 84907DEST_PATH_IMAGE008
在发生转向前与所述客户端车辆
Figure 132497DEST_PATH_IMAGE007
之间的距离超出通信范围时，所述连接时间
Figure 517955DEST_PATH_IMAGE009
表示为
Figure 650996DEST_PATH_IMAGE010
其中，
Figure 907665DEST_PATH_IMAGE011
表示所述资源代理车辆
Figure 560494DEST_PATH_IMAGE008
的初始距离，
Figure 369050DEST_PATH_IMAGE012
表示所述资源代理车辆
Figure 474541DEST_PATH_IMAGE008
的移动速度，
Figure 393955DEST_PATH_IMAGE013
表示所述客户端车辆
Figure 166870DEST_PATH_IMAGE007
的移动速度，
Figure 615169DEST_PATH_IMAGE014
表示所述客户端车辆
Figure 300683DEST_PATH_IMAGE007
的通信范围的半径，
Figure 23789DEST_PATH_IMAGE015
表示所述资源代理车辆
Figure 385631DEST_PATH_IMAGE008
相对于所述客户端车辆
Figure 801569DEST_PATH_IMAGE007
的相对位置关系；
第二情况，当所述资源代理车辆
Figure 271864DEST_PATH_IMAGE008
驶向交叉路口，且所述资源代理车辆
Figure 283814DEST_PATH_IMAGE008
在发生转向前与所述客户端车辆
Figure 15010DEST_PATH_IMAGE007
之间的距离不超出通信范围时，所述连接时间
Figure 87002DEST_PATH_IMAGE009
表示为
Figure 169227DEST_PATH_IMAGE016
其中，
Figure 716359DEST_PATH_IMAGE017
表示所述资源代理车辆
Figure 567640DEST_PATH_IMAGE008
在交叉路口左转的概率，
Figure 810534DEST_PATH_IMAGE018
表示所述资源代理车辆
Figure 848897DEST_PATH_IMAGE008
左转时与所述客户端车辆
Figure 592862DEST_PATH_IMAGE007
的连接时间，
Figure 314962DEST_PATH_IMAGE019
表示所述资源代理车辆
Figure 712445DEST_PATH_IMAGE008
在交叉路口直行的概率，
Figure 519995DEST_PATH_IMAGE020
表示所述资源代理车辆
Figure 926706DEST_PATH_IMAGE008
直行时与所述客户端车辆
Figure 240662DEST_PATH_IMAGE007
的连接时间，
Figure 949992DEST_PATH_IMAGE021
表示所述资源代理车辆
Figure 228527DEST_PATH_IMAGE008
在交叉路口右转的概率，
Figure 189661DEST_PATH_IMAGE022
表示所述资源代理车辆
Figure 870041DEST_PATH_IMAGE008
右转时与所述客户端车辆
Figure 625638DEST_PATH_IMAGE007
的连接时间；
第三情况，当所述资源代理车辆
Figure 391469DEST_PATH_IMAGE023
驶离交叉路口，且所述资源代理车辆
Figure 15348DEST_PATH_IMAGE023
不直行时，所述连接时间
Figure 300967DEST_PATH_IMAGE024
表示为
Figure 476734DEST_PATH_IMAGE025
；
第四情况，当所述资源代理车辆
Figure 212084DEST_PATH_IMAGE026
驶离交叉路口，且所述资源代理车辆
Figure 764288DEST_PATH_IMAGE026
直行时，所述连接时间
Figure 904413DEST_PATH_IMAGE027
表示为
Figure 516660DEST_PATH_IMAGE028
。
其中，
Figure 742236DEST_PATH_IMAGE029
表示两条街道之间的距离，
Figure 707918DEST_PATH_IMAGE030
；
第二建立模块，被配置为基于所述连接时间
Figure 217397DEST_PATH_IMAGE321
、通信能力影响参数
Figure 485699DEST_PATH_IMAGE322
、数据传输速率
Figure 713418DEST_PATH_IMAGE323
和资源代理车辆
Figure 83788DEST_PATH_IMAGE220
的处理能力
Figure 447774DEST_PATH_IMAGE324
建立可靠性模型；
第三建立模块，被配置为基于所述可靠性模型建立任务调度优化模型；
第一计算模块，被配置为基于所述任务调度优化模型得到任务调度算法；
第二计算模块，被配置为基于所述任务调度算法得到最佳任务调度策略；
执行模块，被配置为根据所述最佳任务调度策略指导所述协作模型执行所述协作任务。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
为了评价本申请提供的方法，发明人设置了性能评估实验。参考图6，性能评估实验的实验场景设置为600米×600米的城市街道，街道之间的间隔为200米。当车辆到达交叉路口时，沿原始方向移动的概率为50％，而向左或向右转弯的概率为25％。性能评估实验设定了三种移动速度，车辆的可用通信范围的半径为150m。实验采用三种基准算法与本申请提供的任务调度算法进行比较，其中三种基准算法包括：CLC算法，车辆仅采用本地计算策略，即车辆仅处理自身产生的任务数据，此外，CLC算法不会考虑设备工作状态的不确定性显示算法的收敛速度；LFSC算法：车辆使用本地优先共享计算策略，LFSC算法没有考虑通信质量和工作状态的动态变化，它仅保守地估计车辆之间的不确定性，并优先处理本地任务；RBSC算法：RBSC算法也没有考虑通信质量和工作状态的不确定性，但是，为了保证任务的持续时间，采用了期望估计策略。实验将单个任务的可靠性定义为
Figure 277189DEST_PATH_IMAGE327
，它可以表示为
Figure 477358DEST_PATH_IMAGE328
。然后，使用类似于任务调度算法的优化算法来确定协作任务处理策略。
将仿真实验持续时间设置为2000秒，固定数量的车辆在场景中随机行驶。任务结果的大小与任务初始大小的比率为0.2，并且联合可靠性阈值设置为0.8。对于保守估计，将实际值满足估计值的概率设置为80%。将实验结果的平均值作为最终结果以减少随机性对实验结果的影响。参考表1，为了反映车辆计算性能的差异，配置了三种类型的车载计算资源。
表1
Figure 909476DEST_PATH_IMAGE329
参考表1，
Figure DEST_PATH_IMAGE330
表示车辆的任务处理能力，
Figure 206596DEST_PATH_IMAGE331
表示单位时间的计算成本。将车辆之间的四个连接状态设置为
Figure DEST_PATH_IMAGE332
。车辆的最大通讯速率
Figure 144596DEST_PATH_IMAGE333
，额定单位时间传输成本
Figure 956695DEST_PATH_IMAGE334
。将时间收益参数设置为
Figure 940307DEST_PATH_IMAGE335
。其中通信质量服从Beta分布，并且
Figure 278884DEST_PATH_IMAGE336
设置为12，而
Figure 59889DEST_PATH_IMAGE337
则分别为3、8、18和48不同的连接状态。类似地，设置四个车辆工作状态
Figure 218338DEST_PATH_IMAGE338
。车辆工作状态建模为Beta分布，
Figure 742992DEST_PATH_IMAGE339
设置为18，而
Figure 936076DEST_PATH_IMAGE340
在不同工作状态下分别为4.5、12、27和72。
参考图7（a）和图7（b），CDF为表示通信状态的函数图像，PDF为表示通信状态的概率密度函数，Beta分布的范围是（0,1），可以更好的贴合实际情况。同时，车辆之间的通信条件越差，相应的Beta分布的方差越大。这也意味着其通信速率的不确定性更高。基于以上的实验设置，比较不同算法的性能时使用的指标包括：任务完成率（也可称为TFR）是指任务终止之前所有任务中已完成任务的百分比，TFR越高意味着算法的可靠性越高；任务时间与车辆在线时间的比率（也可称为RTV），RTV是处理任务所花费的时间与总在线时间之间的比率，它表示算法的资源利用率，RTV越高，算法的资源利用率越高；平均结余时间（也可称为ABT），ABT是指剩余总时间与完成的任务数之比，ABT代表算法的时效性，较大的ABT意味着算法的时效性更强；协作任务率（也可称为CTR），CTR是共享计算中完成的任务与完成的任务数之比，CTR代表算法的协作能力，协作能力越好，CTR的值就越大。
参考表2，为了比较算法的性能，实验中使用控制变量方法获得算法性能数据。实验分析了四个因素：任务到达间隔、任务计算长度、任务传输大小和车辆总数。
表2
Figure DEST_PATH_IMAGE341
参考图8（a）、图8（b）、图8（c）和图8（d），实验任务生成的间隔的长度服从泊松分布。间隔越小，任务生成的频率越高。随着任务之间间隔时间的增加，每种算法的TFR增加，而RTV和CTR减少。随着任务数量的减少，车辆处理任务的可用时间变得充裕。车辆可以处理更多任务，并且减少了协作完成任务的比例。随着任务生成间隔的增加，ABT也在增加。 CLC算法专注于本地处理任务，不涉及数据传输的影响。因此，CLC算法在ABT中获得最佳性能。任务间隔的增加为共享计算的车辆选择提供了更好的帮助。可以看出，当任务间隔非常小时，CLC算法的效果是最佳的，但是随着任务间隔的增加，其他算法的效果也会得到明显改善。本申请提供的任务调度算法在不同的任务到达间隔中具有最佳性能。
参考图9（a）、图9（b）、图9（c）和图9（d），随着任务长度的增加，所有算法的性能都越来越差。任务计算时间的明显增加导致TFR的下降趋势。对于计算能力较差的车辆，需要共享计算以提高任务完成率。这导致任务备份的数量增加，从而提高了可靠性，同时导致RTV和CTR的增加。另外，车辆需要更多时间来处理任务，从而减少了ABT。本申请提供的任务调度算法在实验中保持较高的水平，同时保证了较高的任务完成率，而时效性仅有小幅度的降低。
参考图10（a）、图10（b）、图10（c）和图10（d），随着任务传输大小的增加，与共享计算相关的算法的TFR，ABT和CTR呈下降趋势，但RTV逐渐增大。原因是当任务传输量变大时，任务卸载时间和结果返回时间将变长，从而导致任务协同处理时间的成本显着增加，TFR，ABT和CTR逐渐降低。同时，为了保持任务的可靠性，备份数量将增加，从而导致RTV的增加。当传输大小达到14MB时，CLC算法显示出最高的任务完成率，这表明任务传输大小对共享计算相关的算法有很大的限制。本身请提供的任务调度算法和RBSC算法对传输大小的增加具有更好的适应效果。
参考图11（a）、图11（b）、图11（c）和图11（d），随着系统中车辆数量的增加，所有算法的性能都会提高。具体来说，TFR，RTV和CTR缓慢增加，然后迅速增加，而ABT逐渐稳定。产生这种现象的原因是，当系统中的车辆数量很少时，车辆的网络拓扑几乎是空的，各种算法都支持本地处理任务。车辆数量的增加扩展了车辆的拓扑，备用任务的数量也增加了。因此CTR有所提高，ABT有所下降。同时，系统的稳定性得到了改善，并且可以通过共享计算来完成更多任务。当车辆数量超过10时，本申请提供的任务调度算法和RBSC算法表现出更好的性能，本申请提供的任务调度算法可以更好地应对城市街道上高数量的车辆环境。
参考图12（a）、图12（b）、图12（c）和图12（d），直方图分别使用不同的算法描述了TFR，RTV，ABT和CTR。相应地，折线图显示了本申请提供的任务调度算法与其他算法相比的性能提升。本申请提供的任务调度算法在任务完成率和资源利用率方面比CLC算法，LFSC算法和RBSC算法更好。共享计算将导致任务传输的时间消耗，因此与其他共享计算相关的算法相比，本申请提供的任务调度算法具有较低的任务延迟和较高的任务协调率。结果表明，本申请提供的任务调度算法在保证任务完成率的同时，可以稳定的减少任务延迟，从而实现车辆之间高效的协同任务处理，总的来讲，本申请提供的任务调度算法算法对不同的任务要求和网络拓扑具有更好的适应性。
综上所述，在上述一系列实验中，本申请提供的任务调度算法具有比其他算法更好的性能，而CLC算法仅在某些情况下具有更好的性能。本申请提供的任务调度算法具有更高的可靠性和对不同环境的适应性。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围（包括权利要求）被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本申请一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本申请一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本申请一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (9)

1.一种移动环境下车联网的低延迟协同任务处理方法，其特征在于，包括：
建立客户端车辆
Figure 859931DEST_PATH_IMAGE001
在车联网中发布协作任务的协作模型；
定义所述客户端车辆
Figure 903236DEST_PATH_IMAGE001
和资源代理车辆
Figure 667929DEST_PATH_IMAGE002
之间的连接时间
Figure 685433DEST_PATH_IMAGE003
、通信能力影响参数
Figure 432590DEST_PATH_IMAGE004
、数据传输速率
Figure 953570DEST_PATH_IMAGE005
和所述资源代理车辆
Figure 623586DEST_PATH_IMAGE002
的处理能力
Figure 364271DEST_PATH_IMAGE006
；
所述定义所述客户端车辆
Figure 410724DEST_PATH_IMAGE001
和资源代理车辆
Figure 192735DEST_PATH_IMAGE007
之间的连接时间
Figure 656821DEST_PATH_IMAGE003
，包括：
第一情况，当所述资源代理车辆
Figure 524283DEST_PATH_IMAGE007
驶向交叉路口，且所述资源代理车辆
Figure 374428DEST_PATH_IMAGE007
在发生转向前与所述客户端车辆
Figure 777989DEST_PATH_IMAGE001
之间的距离超出通信范围时，所述连接时间
Figure 55387DEST_PATH_IMAGE003
表示为
Figure 534779DEST_PATH_IMAGE008
其中，
Figure 150131DEST_PATH_IMAGE009
表示所述资源代理车辆
Figure 641155DEST_PATH_IMAGE007
的初始距离，
Figure 479667DEST_PATH_IMAGE010
表示所述资源代理车辆
Figure 292028DEST_PATH_IMAGE007
的移动速度，
Figure 749554DEST_PATH_IMAGE011
表示所述客户端车辆
Figure 360664DEST_PATH_IMAGE001
的移动速度，
Figure 337454DEST_PATH_IMAGE012
表示所述客户端车辆
Figure 666804DEST_PATH_IMAGE001
的通信范围的半径，
Figure 396863DEST_PATH_IMAGE013
表示所述资源代理车辆
Figure 488578DEST_PATH_IMAGE007
相对于所述客户端车辆
Figure 278679DEST_PATH_IMAGE001
的相对位置关系；
第二情况，当所述资源代理车辆
Figure 829746DEST_PATH_IMAGE007
驶向交叉路口，且所述资源代理车辆
Figure 363496DEST_PATH_IMAGE007
在发生转向前与所述客户端车辆
Figure 312647DEST_PATH_IMAGE001
之间的距离不超出通信范围时，所述连接时间
Figure 539229DEST_PATH_IMAGE003
表示为
Figure 312013DEST_PATH_IMAGE014
其中，
Figure 9973DEST_PATH_IMAGE015
表示所述资源代理车辆
Figure 450181DEST_PATH_IMAGE007
在交叉路口左转的概率，
Figure 582085DEST_PATH_IMAGE016
表示所述资源代理车辆
Figure 606280DEST_PATH_IMAGE007
左转时与所述客户端车辆
Figure 606466DEST_PATH_IMAGE001
的连接时间，
Figure 635601DEST_PATH_IMAGE017
表示所述资源代理车辆
Figure 971030DEST_PATH_IMAGE007
在交叉路口直行的概率，
Figure 718406DEST_PATH_IMAGE018
表示所述资源代理车辆
Figure 522283DEST_PATH_IMAGE007
直行时与所述客户端车辆
Figure 187618DEST_PATH_IMAGE001
的连接时间，
Figure 926904DEST_PATH_IMAGE019
表示所述资源代理车辆
Figure 20631DEST_PATH_IMAGE007
在交叉路口右转的概率，
Figure 5029DEST_PATH_IMAGE020
表示所述资源代理车辆
Figure 8758DEST_PATH_IMAGE007
右转时与所述客户端车辆
Figure 918945DEST_PATH_IMAGE001
的连接时间；
第三情况，当所述资源代理车辆
Figure 998503DEST_PATH_IMAGE021
驶离交叉路口，且所述资源代理车辆
Figure 285128DEST_PATH_IMAGE021
不直行时，所述连接时间
Figure 143362DEST_PATH_IMAGE022
表示为
Figure 224451DEST_PATH_IMAGE023
；
第四情况，当所述资源代理车辆
Figure 59814DEST_PATH_IMAGE024
驶离交叉路口，且所述资源代理车辆
Figure 884550DEST_PATH_IMAGE024
直行时，所述连接时间
Figure 862871DEST_PATH_IMAGE025
表示为
Figure 947151DEST_PATH_IMAGE026
其中，
Figure 909291DEST_PATH_IMAGE027
表示两条街道之间的距离，
Figure 6560DEST_PATH_IMAGE028
；
基于所述连接时间
Figure 731064DEST_PATH_IMAGE003
、通信能力影响参数
Figure 153956DEST_PATH_IMAGE004
、数据传输速率
Figure 337812DEST_PATH_IMAGE005
和资源代理车辆
Figure 737307DEST_PATH_IMAGE007
的处理能力
Figure 549274DEST_PATH_IMAGE006
建立可靠性模型；
基于所述可靠性模型建立任务调度优化模型；
基于所述任务调度优化模型得到任务调度算法；
基于所述任务调度算法得到最佳任务调度策略；
根据所述最佳任务调度策略指导所述协作模型执行所述协作任务。
2.根据权利要求1所述的方法，其特征在于，所述定义所述通信能力影响参数
Figure 143067DEST_PATH_IMAGE004
和数据传输速率
Figure 50105DEST_PATH_IMAGE029
，包括：
所述通信能力影响参数
Figure 20335DEST_PATH_IMAGE004
的概率密度函数表示为
Figure 952388DEST_PATH_IMAGE030
其中，
Figure 209757DEST_PATH_IMAGE031
表示所述通信能力影响参数
Figure 102627DEST_PATH_IMAGE032
的第一Beta分布参数，
Figure 470023DEST_PATH_IMAGE033
表示所述通信能力影响参数
Figure 898993DEST_PATH_IMAGE032
的第二Beta分布参数，
Figure 569009DEST_PATH_IMAGE034
表示所述通信能力影响参数
Figure 949174DEST_PATH_IMAGE032
的Beta函数；
所述数据传输速率
Figure 353218DEST_PATH_IMAGE035
的概率密度函数表示为
Figure 135229DEST_PATH_IMAGE036
，
其中，
Figure 241725DEST_PATH_IMAGE037
表示所述资源代理车辆
Figure 735286DEST_PATH_IMAGE021
和所述客户端车辆
Figure 319851DEST_PATH_IMAGE038
之间的数据传输速率的额定值，
Figure 221948DEST_PATH_IMAGE039
表示所述数据传输速率
Figure 499345DEST_PATH_IMAGE040
的第一Beta分布参数，
Figure 217552DEST_PATH_IMAGE041
表示所述数据传输速率
Figure 871387DEST_PATH_IMAGE040
的第二Beta分布参数，
Figure 362412DEST_PATH_IMAGE042
表示所述数据传输速率
Figure 640072DEST_PATH_IMAGE043
的Beta函数。
3.根据权利要求1所述的方法，其特征在于，所述定义所述资源代理车辆
Figure 482126DEST_PATH_IMAGE021
的处理能力
Figure 297241DEST_PATH_IMAGE044
，包括：
所述资源代理车辆
Figure 642772DEST_PATH_IMAGE021
的处理能力
Figure 527552DEST_PATH_IMAGE044
的概率密度函数表示为
Figure 591322DEST_PATH_IMAGE045
，
其中，
Figure 947480DEST_PATH_IMAGE046
表示所述资源代理车辆
Figure 147517DEST_PATH_IMAGE021
的最大处理能力，
Figure 578365DEST_PATH_IMAGE047
表示所述资源代理车辆
Figure 129432DEST_PATH_IMAGE021
的处理能力
Figure 928761DEST_PATH_IMAGE044
的第一Beta分布参数，
Figure 983305DEST_PATH_IMAGE048
表示所述资源代理车辆
Figure 835986DEST_PATH_IMAGE021
的处理能力
Figure 608769DEST_PATH_IMAGE044
的第二Beta分布参数，
Figure 946210DEST_PATH_IMAGE049
表示所述资源代理车辆
Figure 744008DEST_PATH_IMAGE021
的处理能力
Figure 875912DEST_PATH_IMAGE044
的Beta函数。
4.根据权利要求1所述的方法，其特征在于，所述可靠性模型，包括：
本地计算可靠性模型，基于所述本地计算可靠性模型得到的本地计算的可靠性表示为
Figure 401572DEST_PATH_IMAGE050
，
其中，
Figure 778589DEST_PATH_IMAGE051
表示概率分布函数，
Figure 197937DEST_PATH_IMAGE052
表示本地计算中所述客户端车辆
Figure 500743DEST_PATH_IMAGE038
完成所述协作任务的最短时间，
Figure 18093DEST_PATH_IMAGE053
表示所述本地计算中所述客户端车辆
Figure 618707DEST_PATH_IMAGE038
的可用处理时间；
一步共享计算可靠性模型，基于所述一步共享计算可靠性模型得到的一步共享计算的可靠性表示为
Figure 3814DEST_PATH_IMAGE054
，
其中，
Figure 743100DEST_PATH_IMAGE055
表示所述资源代理车辆
Figure 102406DEST_PATH_IMAGE021
完成所述协作任务的最短时间，
Figure 818296DEST_PATH_IMAGE056
表示所述一步共享计算的可用处理时间；
两步共享计算可靠性模型，基于所述两步共享计算可靠性模型得到的两步共享计算的可靠性表示为
Figure 87604DEST_PATH_IMAGE057
，
其中，
Figure 591266DEST_PATH_IMAGE058
表示被卸载的目标车辆
Figure 814699DEST_PATH_IMAGE059
完成所述协作任务的最短时间，
Figure 835745DEST_PATH_IMAGE060
表示所述两步共享计算的可用处理时间；
基于所述本地计算的可靠性、一步共享计算的可靠性和两步共享计算的可靠性得到所述协作任务的联合可靠性，所述联合可靠性表示为
Figure 959559DEST_PATH_IMAGE061
，
其中，
Figure 657957DEST_PATH_IMAGE062
表示所述本地计算，表
Figure 867221DEST_PATH_IMAGE063
示所述客户端车辆
Figure 691958DEST_PATH_IMAGE064
和所述资源代理车辆
Figure 404699DEST_PATH_IMAGE065
的所述一步共享计算，
Figure 423733DEST_PATH_IMAGE066
表示所述资源代理车辆
Figure 244927DEST_PATH_IMAGE065
连接的所述客户端车辆
Figure 342196DEST_PATH_IMAGE064
和所述被卸载的目标车辆
Figure 673558DEST_PATH_IMAGE067
的所述两步共享计算，
Figure 221083DEST_PATH_IMAGE068
表示所述客户端车辆
Figure 404939DEST_PATH_IMAGE064
的下标，
Figure 807364DEST_PATH_IMAGE069
表示所述资源代理车辆
Figure 760277DEST_PATH_IMAGE065
的下标，
Figure 478703DEST_PATH_IMAGE070
表示所述被卸载的目标车辆
Figure 388671DEST_PATH_IMAGE067
的下标，
Figure 93322DEST_PATH_IMAGE068
、
Figure 25375DEST_PATH_IMAGE069
和
Figure 291533DEST_PATH_IMAGE070
用于区分不同车辆，
Figure 184403DEST_PATH_IMAGE071
表示可以协助所述客户端车辆
Figure 427165DEST_PATH_IMAGE064
进行所述协作任务的车辆集合，
Figure 620249DEST_PATH_IMAGE072
表示可以协助所述资源代理车辆
Figure 913434DEST_PATH_IMAGE065
进行所述协作任务的车辆集合。
5.根据权利要求4所述的方法，其特征在于，还包括：
利用满意度函数表述完成所述协作任务带来的收益，所述客户端车辆
Figure 559179DEST_PATH_IMAGE064
的满意度函数表示为
Figure 340053DEST_PATH_IMAGE073
其中，
Figure 748163DEST_PATH_IMAGE074
表示每个时间节省的单位收益，
Figure 854659DEST_PATH_IMAGE075
表示所述协作任务的失效时间，
Figure 722121DEST_PATH_IMAGE076
表示完成所述协作任务花费的时间；
定义完成所述协作任务的成本，包括：
完成本地计算的成本表示为
Figure 88379DEST_PATH_IMAGE077
其中，
Figure 849530DEST_PATH_IMAGE078
表示对于所述资源代理车辆
Figure 861349DEST_PATH_IMAGE065
单位协作任务处理时间的成本，
Figure 451992DEST_PATH_IMAGE079
表示所述本地计算中所述协作任务的计算时间的期望值；
完成一步共享计算的成本表示为
Figure 230461DEST_PATH_IMAGE080
其中，
Figure 721485DEST_PATH_IMAGE081
表示所述一步共享计算中单位传输时间的成本，
Figure 402740DEST_PATH_IMAGE082
表示所述一步共享计算中所述协作任务卸载时长的期望值，
Figure 369428DEST_PATH_IMAGE083
表示所述一步共享计算中的结果返回时间的期望值，
Figure 561375DEST_PATH_IMAGE084
表示所述一步共享计算中所述协作任务的计算时间的期望值；
完成两步共享计算的成本表示为
Figure 408370DEST_PATH_IMAGE085
其中，
Figure 293150DEST_PATH_IMAGE086
表示所述两步共享计算中单位传输时间的成本，
Figure 481555DEST_PATH_IMAGE087
表示所述两步共享计算中所述协作任务卸载时长的期望值，
Figure 716008DEST_PATH_IMAGE088
表示所述两步共享计算中的结果返回时间的期望值，
Figure 916045DEST_PATH_IMAGE089
表示对于所述被卸载的目标车辆
Figure 565201DEST_PATH_IMAGE090
单位协作任务处理时间的成本，
Figure 352154DEST_PATH_IMAGE091
表示所述两步共享计算中所述协作任务的计算时间的期望值；
设置所述协作任务的利润约束表示为完成所述协作任务的收益大于完成所述协作任务的成本，所述利润约束表示为
Figure 276116DEST_PATH_IMAGE092
其中，
Figure 330660DEST_PATH_IMAGE093
表示车辆的满意度函数，
Figure 790198DEST_PATH_IMAGE094
表示车辆完成所述协作任务的成本。
6.根据权利要求5所述的方法，其特征在于，还包括：
基于所述可靠性模型和完成所述协作任务的收益得到所述协作任务的期望收益，所述期望收益表示为
Figure 94140DEST_PATH_IMAGE095
其中，
Figure 556214DEST_PATH_IMAGE096
表示所述本地计算的满意度函数，
Figure 966729DEST_PATH_IMAGE097
表示所述一步共享计算的满意度函数，
Figure 223267DEST_PATH_IMAGE098
表示两步共享计算的满意度函数。
7.根据权利要求5所述的方法，其特征在于，所述任务调度优化模型用于最大化所述协作任务完成期间获得的时间效用，所述任务调度优化模型表示为
Figure 748926DEST_PATH_IMAGE099
其中，
Figure 117154DEST_PATH_IMAGE100
表示可靠性需求的期望值。
8.根据权利要求5所述的方法，其特征在于，所述任务调度算法，包括：
第一算法，用于根据所述本地计算的计算范围和所述一步共享计算的计算范围内的所述客户端车辆
Figure 411869DEST_PATH_IMAGE101
的最新网络拓扑、连接时间
Figure 839309DEST_PATH_IMAGE102
、通信能力影响参数
Figure 353729DEST_PATH_IMAGE103
、数据传输速率
Figure 32972DEST_PATH_IMAGE104
、资源代理车辆
Figure 182193DEST_PATH_IMAGE105
的处理能力
Figure 279069DEST_PATH_IMAGE106
和利润约束生成所述本地计算的计算范围和所述一步共享计算的计算范围的任务调度策略；
第二算法，用于根据所述两步共享计算的计算范围内的所述客户端车辆
Figure 513741DEST_PATH_IMAGE101
的最新网络拓扑、连接时间
Figure 996675DEST_PATH_IMAGE107
、通信能力影响参数
Figure 403DEST_PATH_IMAGE103
、数据传输速率
Figure 271110DEST_PATH_IMAGE104
、资源代理车辆
Figure 993078DEST_PATH_IMAGE105
的处理能力
Figure 14124DEST_PATH_IMAGE106
和利润约束生成两步共享计算的计算范围的所述任务调度策略；
第三算法，用于综合所述第一算法和第二算法并结合所述任务调度优化模型生成所述最佳任务调度策略。
9.一种移动环境下车联网的低延迟协同任务处理装置，包括：
第一建立模块，被配置为建立客户端车辆
Figure 501387DEST_PATH_IMAGE101
在车联网中发布协作任务的协作模型；
定义模块，被配置为定义所述客户端车辆
Figure 582475DEST_PATH_IMAGE101
和资源代理车辆
Figure 886680DEST_PATH_IMAGE105
之间的连接时间
Figure 445837DEST_PATH_IMAGE107
、通信能力影响参数
Figure 424158DEST_PATH_IMAGE103
、数据传输速率
Figure 299316DEST_PATH_IMAGE104
和所述资源代理车辆
Figure 730298DEST_PATH_IMAGE105
的处理能力
Figure 952200DEST_PATH_IMAGE106
；
所述定义所述客户端车辆
Figure 286492DEST_PATH_IMAGE001
和资源代理车辆
Figure 443804DEST_PATH_IMAGE007
之间的连接时间
Figure 486715DEST_PATH_IMAGE003
，包括：
第一情况，当所述资源代理车辆
Figure 903788DEST_PATH_IMAGE007
驶向交叉路口，且所述资源代理车辆
Figure 856701DEST_PATH_IMAGE007
在发生转向前与所述客户端车辆
Figure 575127DEST_PATH_IMAGE001
之间的距离超出通信范围时，所述连接时间
Figure 216586DEST_PATH_IMAGE003
表示为
Figure 780292DEST_PATH_IMAGE008
其中，
Figure 587711DEST_PATH_IMAGE009
表示所述资源代理车辆
Figure 585360DEST_PATH_IMAGE007
的初始距离，
Figure 71705DEST_PATH_IMAGE010
表示所述资源代理车辆
Figure 580047DEST_PATH_IMAGE007
的移动速度，
Figure 868071DEST_PATH_IMAGE011
表示所述客户端车辆
Figure 538087DEST_PATH_IMAGE001
的移动速度，
Figure 281702DEST_PATH_IMAGE012
表示所述客户端车辆
Figure 328155DEST_PATH_IMAGE001
的通信范围的半径，
Figure 110166DEST_PATH_IMAGE013
表示所述资源代理车辆
Figure 311603DEST_PATH_IMAGE007
相对于所述客户端车辆
Figure 913485DEST_PATH_IMAGE001
的相对位置关系；
第二情况，当所述资源代理车辆
Figure 888263DEST_PATH_IMAGE007
驶向交叉路口，且所述资源代理车辆
Figure 757737DEST_PATH_IMAGE007
在发生转向前与所述客户端车辆
Figure 35135DEST_PATH_IMAGE001
之间的距离不超出通信范围时，所述连接时间
Figure 514526DEST_PATH_IMAGE003
表示为
Figure 138668DEST_PATH_IMAGE014
其中，
Figure 754326DEST_PATH_IMAGE015
表示所述资源代理车辆
Figure 202625DEST_PATH_IMAGE007
在交叉路口左转的概率，
Figure 6196DEST_PATH_IMAGE016
表示所述资源代理车辆
Figure 322777DEST_PATH_IMAGE007
左转时与所述客户端车辆
Figure 668308DEST_PATH_IMAGE001
的连接时间，
Figure 788973DEST_PATH_IMAGE017
表示所述资源代理车辆
Figure 977377DEST_PATH_IMAGE007
在交叉路口直行的概率，
Figure 707436DEST_PATH_IMAGE018
表示所述资源代理车辆
Figure 530642DEST_PATH_IMAGE007
直行时与所述客户端车辆
Figure 320744DEST_PATH_IMAGE001
的连接时间，
Figure 606232DEST_PATH_IMAGE019
表示所述资源代理车辆
Figure 31659DEST_PATH_IMAGE007
在交叉路口右转的概率，
Figure 86203DEST_PATH_IMAGE020
表示所述资源代理车辆
Figure 47205DEST_PATH_IMAGE007
右转时与所述客户端车辆
Figure 714597DEST_PATH_IMAGE001
的连接时间；
第三情况，当所述资源代理车辆
Figure 52037DEST_PATH_IMAGE021
驶离交叉路口，且所述资源代理车辆
Figure 226667DEST_PATH_IMAGE021
不直行时，所述连接时间
Figure 984669DEST_PATH_IMAGE022
表示为
Figure 244749DEST_PATH_IMAGE023
；
第四情况，当所述资源代理车辆
Figure 385881DEST_PATH_IMAGE024
驶离交叉路口，且所述资源代理车辆
Figure 913552DEST_PATH_IMAGE024
直行时，所述连接时间
Figure 606570DEST_PATH_IMAGE025
表示为
Figure 822788DEST_PATH_IMAGE026
其中，
Figure 128129DEST_PATH_IMAGE027
表示两条街道之间的距离，
Figure 277351DEST_PATH_IMAGE028
；
第二建立模块，被配置为基于所述连接时间
Figure 751058DEST_PATH_IMAGE107
、通信能力影响参数
Figure 360898DEST_PATH_IMAGE103
、数据传输速率
Figure 843832DEST_PATH_IMAGE108
和资源代理车辆
Figure 208079DEST_PATH_IMAGE105
的处理能力
Figure 852687DEST_PATH_IMAGE106
建立可靠性模型；
第三建立模块，被配置为基于所述可靠性模型建立任务调度优化模型；
第一计算模块，被配置为基于所述任务调度优化模型得到任务调度算法；
第二计算模块，被配置为基于所述任务调度算法得到最佳任务调度策略；
执行模块，被配置为根据所述最佳任务调度策略指导所述协作模型执行所述协作任务。
CN202010577329.XA 2020-06-23 2020-06-23 一种移动环境下车联网的低延迟协同任务处理方法及装置 Active CN111538583B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010577329.XA CN111538583B (zh) 2020-06-23 2020-06-23 一种移动环境下车联网的低延迟协同任务处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010577329.XA CN111538583B (zh) 2020-06-23 2020-06-23 一种移动环境下车联网的低延迟协同任务处理方法及装置

Publications (2)

Publication Number Publication Date
CN111538583A CN111538583A (zh) 2020-08-14
CN111538583B true CN111538583B (zh) 2020-10-20

Family

ID=71978256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010577329.XA Active CN111538583B (zh) 2020-06-23 2020-06-23 一种移动环境下车联网的低延迟协同任务处理方法及装置

Country Status (1)

Country Link
CN (1) CN111538583B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116978232B (zh) * 2023-09-21 2024-01-12 深圳市领航者汽车智能技术开发有限公司 一种基于车联网的车辆数据管理系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202979022U (zh) * 2012-06-14 2013-06-05 百年金海安防科技有限公司 车联网协同通信整体性网络框架
WO2017160003A1 (ko) * 2016-03-18 2017-09-21 삼성전자주식회사 태스크 스케줄링 방법 및 이를 구현한 전자 장치
CN109067842A (zh) * 2018-07-06 2018-12-21 电子科技大学 面向车联网的计算任务卸载方法
CN109890061A (zh) * 2019-03-19 2019-06-14 中南大学 一种基于锚定效应理论提高车联网中车辆合作率的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9146603B2 (en) * 2012-05-08 2015-09-29 William Reber, Llc Cloud computing system, vehicle cloud processing device and methods for use therewith

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202979022U (zh) * 2012-06-14 2013-06-05 百年金海安防科技有限公司 车联网协同通信整体性网络框架
WO2017160003A1 (ko) * 2016-03-18 2017-09-21 삼성전자주식회사 태스크 스케줄링 방법 및 이를 구현한 전자 장치
CN109067842A (zh) * 2018-07-06 2018-12-21 电子科技大学 面向车联网的计算任务卸载方法
CN109890061A (zh) * 2019-03-19 2019-06-14 中南大学 一种基于锚定效应理论提高车联网中车辆合作率的方法

Also Published As

Publication number Publication date
CN111538583A (zh) 2020-08-14

Similar Documents

Publication Publication Date Title
Zhang et al. Adaptive digital twin and multiagent deep reinforcement learning for vehicular edge computing and networks
CN109669768B (zh) 一种面向边云结合架构的资源分配和任务调度方法
CN111124647B (zh) 一种车联网中的智能边缘计算方法
CN110557732B (zh) 一种车辆边缘计算网络任务卸载负载均衡系统及均衡方法
CN109905470A (zh) 一种基于边缘网关系统的开销优化任务调度方法
CN114143346B (zh) 一种车联网任务卸载和服务缓存的联合优化方法及系统
CN112511614B (zh) 基于强化学习的车载边缘环境下智能网联车辆任务卸载方法
CN113344255A (zh) 基于移动边缘计算和区块链的车载网络应用数据传输和计费优化方法
CN116489708B (zh) 面向元宇宙的云边端协同的移动边缘计算任务卸载方法
CN115002123A (zh) 基于移动边缘计算的快速适应任务卸载系统和方法
CN111538583B (zh) 一种移动环境下车联网的低延迟协同任务处理方法及装置
CN116566838A (zh) 一种区块链与边缘计算协同的车联网任务卸载和内容缓存方法
Moghaddasi et al. An enhanced asynchronous advantage actor-critic-based algorithm for performance optimization in mobile edge computing-enabled internet of vehicles networks
CN116321298A (zh) 车联网中一种基于深度强化学习的多目标联合优化任务卸载策略
Song et al. Everyone-centric heterogeneous multi-server computation offloading in ITS with pervasive AI
Xiao et al. SFO: An adaptive task scheduling based on incentive fleet formation and metrizable resource orchestration for autonomous vehicle platooning
CN114928893B (zh) 一种基于智能反射面的架构及任务卸载方法
Gao et al. Deep reinforcement learning and markov decision problem for task offloading in mobile edge computing
XuanWen et al. Parking Cooperation-Based Mobile Edge Computing Using Task Offloading Strategy
CN113448707A (zh) 在边缘计算中在线批并行任务调度方法
Chouikhi et al. Energy-Efficient Computation Offloading Based on Multi-Agent Deep Reinforcement Learning for Industrial Internet of Things Systems
Yao et al. Performance Optimization in Serverless Edge Computing Environment using DRL-Based Function Offloading
Zhang et al. CrowdSourcing Live High Definition Map via Collaborative Computation in Automotive Edge Computing
CN115051999B (zh) 基于云边协同的能耗最优任务卸载方法、装置及系统
Wang et al. Parameterized Deep Reinforcement Learning With Hybrid Action Space for Edge Task Offloading

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