CN111615082A - 一种异构自动驾驶车辆编队计算任务协同执行方法 - Google Patents
一种异构自动驾驶车辆编队计算任务协同执行方法 Download PDFInfo
- Publication number
- CN111615082A CN111615082A CN202010403211.5A CN202010403211A CN111615082A CN 111615082 A CN111615082 A CN 111615082A CN 202010403211 A CN202010403211 A CN 202010403211A CN 111615082 A CN111615082 A CN 111615082A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- task
- calculation
- formation
- vehicles
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明公开了一种异构自动驾驶车辆编队计算任务协同执行方法,车辆编队由N+1个装有计算单元和V2V通信单元的车辆Vi组成,由编队排头车辆V0逐车交换获得各车辆的车载计算和通信能力信息;当编队中有计算密集型任务需要计算时,由排头车辆根据编队中所有车辆的计算和通信能力及计算任务特点逐车进行总任务的分配和计算结果回收。通过该计算任务协同执行方法,可以消除车辆之间在进行任务调度过程中的计算和通信空闲,该发明可以充分得利用异构车辆编队的计算与通信资源,从而最小化总任务完成时间。
Description
技术领域
本发明属于智能交通系统领域,具体涉及一种异构自动驾驶车辆编队计算任务协同执行方法。
背景技术
随着车载设备的快速发展和日益增大的数据量,车载应用也产生了计算的需求,比如实时路况、自动识别等应用。这些车载应用需要大量的计算和存储资源,并且许多的车载应用是对时延敏感的,比如:自动驾驶、驾驶安全增强等应用服务。这些应用需要大量的计算资源,对时延要求非常严格。而现有的车载设备无法满足这些条件,这就给联网车辆在计算能力和通信能力方面带来了巨大的挑战。联网车辆任务处理的一种方案提出将一部分车辆需要完成的任务分担给云端设备或者边缘设备以缓解车辆负荷,即云计算、边缘计算等,云计算及边缘计算可以弥补车载设备计算资源的不足,然而由于传输的数据量巨大,云计算场景中车辆与云端的距离较远,从车载设备到核心网会产生较大的传输时延,这样就无法满足一些车载服务对时延的要求。在边缘计算场景中,一方面,边缘设备短时间内不可能大规模地部署,满足所需的密度要求;另一方面,车辆处在高速移动状态时,需要不断切换连接的边缘设备,这必然会影响通信的稳定性,产生交通隐患。并且在高速公路场景下,现有网络体系并不能完全覆盖整个车辆编队行驶区域。
现有网联车辆的一个典型应用场景即高速公路的自动驾驶车辆编队行驶场景。车辆编队行驶的优势在于,由于车辆以较小的间隙距离行驶,高速公路的吞吐量更高;再者减少了道路行列之间车辆的速度差异,使交通流量变得更加稳定。而如何实现异构自动驾驶车辆编队中计算密集型任务的分配则是实现车辆编队自动协同驾驶的关键,目前还没有这样的分配方法实现在最短时间内完成计算密集型任务。
发明内容
本发明的目的在于提供一种异构自动驾驶车辆编队计算任务协同执行方法,可以消除车辆之间在进行任务调度过程中的计算和通信空闲,利用异构车辆编队的计算与通信资源,从而最小化总任务完成时间。
本发明是通过以下技术方案来实现:
一种异构自动驾驶车辆编队计算任务协同执行方法,车辆编队由N+1个装有计算单元和V2V通信单元的车辆Vi组成,其中,i=0,...,N;由编队排头车辆V0逐车交换获得各车辆的车载计算和通信能力信息;
若车辆编队需要执行计算任务时,该计算任务由编队排头车辆V0负责按照编队中N+1辆车的计算能力和通信能力及任务类型进行总任务的分配和计算结果回收;
设定每辆车所分配的子任务分别占总任务的比例为ai(i=0,...,N)。
进一步,总任务的分配过程具体为:
当有计算任务到达时,排头车辆V0保留比例为a0的子任务通过本地车载计算单元进行计算,同时将分配给第2辆车V1的比例为a1的子任务发送到第2辆车V1;
第2辆车V1在接收到比例a1的子任务后开始执行任务,同时开始接收分配给第3辆车V2的比例为a2的子任务,并将比例为a2的子任务发送给第3辆车V2;
当第3辆车V2接收到比例为a2的子任务后开始执行任务,同时开始接收第2辆车V1发送给第4辆车V3的比例为a3的子任务,依次执行至第N+1辆车VN。
进一步,计算结果回收的过程具体为:
当第N+1辆车VN计算完分配给它的比例为aN的子任务后,将计算结果经第N辆车VN-1发送给第N-1辆车VN-2,依次向排头车辆V0发送;
当第N-1辆车VN-2收到该计算结果时,第N辆车VN-1完成分配给它的比例为aN-1的子任务,车辆VN-1向车辆VN-2发送自己的计算结果,车辆VN-2在收到该任务结果后立即向第N-2辆车VN-3发送第N辆车VN-1的计算结果;
依次进行到排头车辆V0,当排头车辆V0接收完第2辆车V1发送来的任务计算结果时,排头车辆V0将其本地的子任务计算完成,此时总任务的计算结果回收完成。
进一步,分配到某车辆上的子任务所占总任务的比例ai为:
其中,fi+1=[(1+m)(zi+zi+1)Tcm+wi+1Tcp]/wiTcp;
Tcp是整个所需计算的计算任务在标准计算单元上任务处理的时间,Tcm是在车辆间标准链路上传输这个计算密集型任务的全部输入数据的时间;wi是车辆Vi相对于标准计算单元的计算速度,zi是车辆间链路li相对于标准车间通信速度的数据传输速度;m是任务执行结果所占原始任务大小的比例。
进一步,具体的计算任务分割方法为:
将总任务分割为N+1个部分,分别在N+1辆车上进行计算,即
任务分配时,编队中各车辆任务执行时序关系符合下式(2)时,总任务完成时间最短;
aiwiTcp=ai+1(zi+zi+1)Tcm+ai+1wi+1Tcp+mai+1(zi+zi+1)Tcm (2)
其中,aiwiTcp是车辆Vi上车载计算单元完成所承担子任务的时间,ajziTcm(j=i,…,N)是车辆Vi-1通过车辆Vi-1和Vi间的链路li向车辆Vi发送相应子任务的时间,maiziTcm车辆Vi-1通过车辆Vi-1和Vi间的链路li向车辆Vi发送相应子任务的时间;
令fi+1=[(1+m)(zi+zi+1)Tcm+wi+1Tcp]/wiTcp,则得:
ai=fi+1ai+1 (3)
结合式(1)和式(3),得到:
分配到任何车辆上的子任务所占总任务的比例ai得为:
进一步,总任务完成时间为:
Tf=a0w0Tcp
Tf是总任务完成时间,即从排头车辆开始执行任务分配到收到所有车辆的任务计算结果的时间;Tcp是整个所需计算的计算任务在标准计算单元上任务处理的时间,w0是排头车辆V0相对于标准计算单元的计算速度,a0是排头车辆V0所分配的子任务比例。
与现有技术相比,本发明具有以下有益的技术效果:
本发明公开的一种异构自动驾驶车辆编队计算任务协同执行方法,基于V2V通信技术,当编队中有计算任务需要计算时,由排头车辆根据编队中所有车辆的计算和通信能力及计算任务类型逐车进行总任务的分配和计算结果回收。通过该计算任务协同执行方法,可以消除车辆之间在进行任务调度过程中的计算和通信空闲,该发明可以充分得利用异构车辆编队的计算与通信资源,从而最小化总任务完成时间。
附图说明
图1为本发明异构自动驾驶车辆编队拓扑结构及计算任务发送和结果回传过程示意图;
图2为本发明异构自动驾驶车辆编队任务协同执行过程中的时间流图;
图3为本发明异构自动驾驶车辆编队任务系统执行流程图;
图4为本发明异构车辆编队任务分配结果图;
图5为本发明异构车辆编队中随着车辆数的增加对总任务完成时间的影响。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
如图1所示,本发明提出一种异构自动驾驶车辆编队计算任务协同执行方法,基于V2V通信技术实现,如图1所示,车辆编队由N+1个装有计算单元和V2V通信单元的车辆Vi组成,其中,i=0,...,N。
在高速公路上正常稳定运行的有多个不同性能自动驾驶车辆组成的异构自动驾驶车辆编队,车辆间两两通过V2V车间通信技术相互通信,各车辆通过V2V通信方式由编队排头车辆逐车交换获得各车辆的车载计算和通信能力信息。如图3所示,当编队运行稳定时,若异构车辆编队有计算密集型任务需要执行时,该计算任务由编队排头车辆负责按照编队中每辆车的计算能力和通信能力及任务类型逐车进行分配,待每辆车完成自己所分配的子任务后将计算结果逐车返回给排头车辆。该方法通过消除车辆之间在进行计算任务协同执行过程中的计算和通信空闲,充分利用异构车辆编队的计算与通信资源,从而最小化总任务完成时间。
计算能力即车辆Vi相对于标准计算单元的计算速度wi,通信能力即车辆间链路li相对于标准车间通信速度的数据传输速度zi;任务类型即任务执行结果所占原始任务大小的比例m,根据以上三个参数来分配任务。
排头车辆根据下述三个异构自动驾驶车辆编队计算任务协同执行过程的性能指标对计算密集型任务进行分配,逐车分配、发送子任务及进行结果回收,使得各车辆所分配到的子任务占总任务的比例正好可以最大化任务执行过程中编队中各车辆的计算及通信资源利用率,同时最小化总任务完成时间:
1、自动驾驶车辆编队中每辆车相对于标准车载计算单元的任务处理速度;2、编队中车辆间链路相对于标准车间通信链路的传输速度;3、具体的应用导致的任务执行结果占原任务的比例。
如图1所示,为本发明异构自动驾驶车辆编队拓扑结构及计算任务发送和结果回传过程示意图。本方案中,由N+1辆车形成的异构车辆编队在形成过程中,排头车辆V0通过车辆间通信收集到每个车辆Vi相对于标准车载计算单元的计算速度wi(i=0,...,N)和相对于标准车间通信链路的传输速度zi(i=0,...,N)。
在异构自动驾驶车辆编队计算任务协同执行过程中,计算任务的分配和发送方式为:
设定每辆车所分配的子任务分别占总任务的比例为ai(i=0,...,N),当有计算密集型任务到达时,排头车辆V0保留比例为a0的子任务通过本地车载计算单元进行计算,同时将分配给第2辆车V1的比例为a1的子任务通过链路l1发送到第2辆车V1;第2辆车V1在接收到其任务比例a1后开始执行任务,同时开始通过链路l1接收分配给第3辆车V2的任务比例为a2的计算任务;当第2辆车V1从链路l1接收完分配给第3辆车V2的任务比例为a2的计算任务后,将其发送给第3辆车V2,当V2接收到任务比例为a2的计算任务后,立即开始计算任务,同时开始接收第2辆车V1发送给第4辆车V3的任务比例为a3的计算任务,依次执行至第N+1辆车VN。
在异构自动驾驶车辆编队计算任务协同执行过程中,计算任务的结果回收方式为:
当第N+1辆车VN计算完分配给它的任务比例为aN的子任务后,将执行结果发送给第N辆车VN-1,VN-1在收到该任务结果后立即向第N-1辆车VN-2发送第N+1辆车VN的计算结果,依次向排头车辆V0发送;
当第N-1辆车VN-2收到该计算结果时,第N辆车VN-1正好完成分配给它的比例为aN-1的子任务,此时车辆VN-1可以向第N-1辆车VN-2发送自己的计算结果,车辆VN-2在收到该任务结果后立即向第N-2辆车VN-3发送第N辆车VN-1的计算结果;
依次进行到排头车辆V0,当第排头车辆V0接收完第2辆车V1发送来的任务计算结果时,排头车辆V0恰好将其本地的子任务计算完成,此时总任务的执行结果即在排头车辆上得到,排头车辆V0可根据计算结果进行具体的应用。
在异构自动驾驶车辆编队计算任务协同执行过程中,排头车辆将总任务在编队中N+1辆车中分配的子任务比例ai和总任务完成时间Tf通过以下方式获得:
排头车辆根据编队中N+1辆车的计算和通信能力进行任务分配,将总任务分割为N+1个部分,分别在N+1辆车上进行计算,即:
在异构车辆编队中,取一条车间通信链路,以其通信延时作为参考标准;取一个车载计算单元,以其处理速度作为参考标准,则Tcp是整个所需计算的计算密集型任务在标准车载计算单元上任务处理的时间,Tcm是在车辆间标准链路上传输这个计算密集型任务的全部输入数据的时间;wi是车辆Vi,i=0,…,N相对于标准车载计算单元的数据处理速度,zi是车辆间链路li,i=1,…,N相对于标准车间通信速度的数据传输速度;m是任务执行结果所占原始任务大小的比例;Tf是总任务完成时间,即从排头车辆开始执行任务分配到收到所有车辆的任务执行结果的时间。因此,aiwiTcp是车辆Vi上车载计算单元完成所承担子任务的时间,ajziTcm,(j=i,…,N)是车辆Vi-1通过车辆Vi-1和Vi间的链路li向车辆Vi发送相应子任务的时间,maiziTcm车辆Vi-1通过车辆Vi-1和Vi间的链路li向车辆Vi发送相应子任务的时间。
为了更直观地看出异构自动驾驶车辆编队计算任务协同执行过程中的分配、传输及结果回传时序关系,请参见附图2,编队中各车辆任务执行时序关系符合下式时,总任务完成时间最短:
aiwiTcp=ai+1(zi+zi+1)Tcm+ai+1wi+1Tcp+mai+1(zi+zi+1)Tcm (2)
令fi+1=[(1+m)(zi+zi+1)Tcm+wi+1Tcp]/wiTcp,则可得:
ai=fi+1ai+1 (3)
结合式(1)和式(3),可得:
分配到任何车辆上的子任务所占总任务的比例ai可得为:
则根据编队中各车辆任务执行时序关系,可得到总任务完成时间为:
Tf=a0w0Tcp (6)
由以上步骤即可获得高速公路异构自动驾驶车辆编队计算任务协同执行过程中,排头车辆根据编队中各个车辆的车载处理单元计算能力,车间通信链路传输能力以及任务类型分配给编队中各个车辆最优的子任务比例和最小的车辆编队总任务完成时间。
这个总任务完成时间可以由图2看出,排头车辆根据编队中每辆车辆的计算和通信能力进行任务分配的计算,给自己留的子任务大小为a0,通过去除调度过程中的等待和空闲,即当排头车辆开始执行任务和向第二辆车发送子任务的时刻起,到派头车辆计算完自己的子任务同时第二辆车让它发送完其他车辆的计算结果,这个总时间即为最短总任务完成时间。
综上所述,本发明公开的一种异构自动驾驶车辆编队计算任务协同执行方法,该方法由排头车辆根据编队中所有车辆的计算和通信能力及计算任务特点逐车进行总任务的分配和计算结果回收。通过该计算任务协同执行方法,可以消除车辆之间在进行任务调度过程中的计算和通信空闲,该发明可以充分得利用异构车辆编队的计算与通信资源,从而最小化总任务完成时间。
车辆编队中的排头车辆在编队中处于核心作用位置,为整个编队的安全行驶起到调控作用,充分发挥车辆编队的协同优势,合理利用车辆计算与通信资源,来提高异构自动驾驶车辆计算密集型任务执行的实时性。
在具体的实施案例中,通过实验平台来验证本发明专利所述一种异构自动驾驶车辆编队计算任务协同执行方法的有效性和可扩展性。
根据所述异构自动驾驶车辆编队计算任务协同执行方法可知,异构自动驾驶车辆编队的计算任务协同执行方法受编队中各车辆的计算任务处理能力、传输能力及任务执行结果所占原始任务大小的比例这三个参数影响。
实验分成两部分:(1)验证异构自动驾驶车辆编队计算任务协同执行方法的有效性;(2)验证异构自动驾驶车辆编队计算任务协同执行方法的可扩展性。
对于实验(1),实验参数设置如下:车辆编队中车辆数N=11,Tcm=Tcp=1.0,任务执行结果所占原始任务大小的比例m=0.5。由于通常情况下,异构自动驾驶车辆编队的排头车辆具有较强大的计算和通信能力,车辆车载计算单元的处理能力相较于车辆间的通信传输能力较快,因此在实验中设置:排头车辆车载计算单元的计算速度w0=10.0,排头车辆的传输速度z0=1.0,其他车辆车载计算单元的计算速度wi(i=1,...,N)为1~10之间的均匀分布的随机数,车辆间链路传输速度zi(i=2,...,N)为0.1~1之间均匀分布的随机数,具体的参数配置如下表所示:
如图4所示为编队内各个车辆的任务分配情况,本发明专利所述一种异构自动驾驶车辆编队计算任务协同执行方法在进行计算任务分配时考虑了每个车辆的计算和传输能力,通过将计算任务分配在异构车辆编队中的各个车辆上,从而满足最小化总任务完成时间的需求。
对于实验(2),实验参数设置如下:Tcm=Tcp=1.0,车辆编队中车辆数N为[8,20],任务执行结果所占原始任务大小的比例m=0.5。排头车辆车载计算单元的计算速度w0=10.0,排头车辆的传输速度z0=1.0,其他车辆车载计算单元的计算速度wi(i=1,...,N)为1~10之间的均匀分布的随机数,车辆间链路传输速度zi(i=2,...,N)为0.1~1之间均匀分布的随机数。图5展示了异构车辆编队中随着车辆数的增加,对总任务完成时间的影响。由图中可以看到,随着车辆编队规模的变大,总任务完成时间逐渐变小,虽然当编队规模较小时,从任务分配到结果回收过程经过的中间车辆节点比较少,此时参与任务协同计算的车辆数也比较少;当编队规模变大时,参与任务协同计算的车辆数增加,编队系统的计算能力增加,但是也加大了编队内车辆计算任务分发和结果回收的时延,由于车辆车载计算单元的处理能力相较于车辆间的通信传输能力较快,总的任务完成时间将会减小。
Claims (6)
1.一种异构自动驾驶车辆编队计算任务协同执行方法,其特征在于:车辆编队由N+1个装有计算单元和V2V通信单元的车辆Vi组成,其中,i=0,...,N;由编队排头车辆V0逐车交换获得各车辆的车载计算和通信能力信息;
若车辆编队需要执行计算任务时,该计算任务由编队排头车辆V0负责按照编队中N+1辆车的计算能力和通信能力及任务类型进行总任务的分配和计算结果回收;
设定每辆车所分配的子任务分别占总任务的比例为ai(i=0,...,N)。
2.根据权利要求1所述的异构自动驾驶车辆编队计算任务协同执行方法,其特征在于,总任务的分配过程具体为:
当有计算任务到达时,排头车辆V0保留比例为a0的子任务通过本地车载计算单元进行计算,同时将分配给第2辆车V1的比例为a1的子任务发送到第2辆车V1;
第2辆车V1在接收到比例a1的子任务后开始执行任务,同时开始接收分配给第3辆车V2的比例为a2的子任务,并将比例为a2的子任务发送给第3辆车V2;
当第3辆车V2接收到比例为a2的子任务后开始执行任务,同时开始接收第2辆车V1发送给第4辆车V3的比例为a3的子任务,依次执行至第N+1辆车VN。
3.根据权利要求1所述的异构自动驾驶车辆编队计算任务协同执行方法,其特征在于,计算结果回收的过程具体为:
当第N+1辆车VN计算完分配给它的比例为aN的子任务后,将计算结果经第N辆车VN-1发送给第N-1辆车VN-2,依次向排头车辆V0发送;
当第N-1辆车VN-2收到该计算结果时,第N辆车VN-1完成分配给它的比例为aN-1的子任务,车辆VN-1向车辆VN-2发送自己的计算结果,车辆VN-2在收到该任务结果后立即向第N-2辆车VN-3发送第N辆车VN-1的计算结果;
依次进行到排头车辆V0,当排头车辆V0接收完第2辆车V1发送来的任务计算结果时,排头车辆V0将其本地的子任务计算完成,此时总任务的计算结果回收完成。
5.根据权利要求4所述的异构自动驾驶车辆编队计算任务协同执行方法,其特征在于,具体的计算任务分割方法为:
将总任务分割为N+1个部分,分别在N+1辆车上进行计算,即
任务分配时,编队中各车辆任务执行时序关系符合下式(2)时,总任务完成时间最短;
aiwiTcp=ai+1(zi+zi+1)Tcm+ai+1wi+1Tcp+mai+1(zi+zi+1)Tcm (2)
其中,aiwiTcp是车辆Vi上车载计算单元完成所承担子任务的时间,ajziTcm(j=i,…,N)是车辆Vi-1通过车辆Vi-1和Vi间的链路li向车辆Vi发送相应子任务的时间,maiziTcm车辆Vi-1通过车辆Vi-1和Vi间的链路li向车辆Vi发送相应子任务的时间;
令fi+1=[(1+m)(zi+zi+1)Tcm+wi+1Tcp]/wiTcp,则得:
ai=fi+1ai+1 (3)
结合式(1)和式(3),得到:
分配到任何车辆上的子任务所占总任务的比例ai得为:
6.根据权利要求1所述的异构自动驾驶车辆编队计算任务协同执行方法,其特征在于,总任务完成时间为:
Tf=a0w0Tcp
Tf是总任务完成时间,即从排头车辆开始执行任务分配到收到所有车辆的任务计算结果的时间;Tcp是整个所需计算的计算任务在标准计算单元上任务处理的时间,w0是排头车辆V0相对于标准计算单元的计算速度,a0是排头车辆V0所分配的子任务比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010403211.5A CN111615082B (zh) | 2020-05-13 | 2020-05-13 | 一种异构自动驾驶车辆编队计算任务协同执行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010403211.5A CN111615082B (zh) | 2020-05-13 | 2020-05-13 | 一种异构自动驾驶车辆编队计算任务协同执行方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111615082A true CN111615082A (zh) | 2020-09-01 |
CN111615082B CN111615082B (zh) | 2023-06-06 |
Family
ID=72197979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010403211.5A Active CN111615082B (zh) | 2020-05-13 | 2020-05-13 | 一种异构自动驾驶车辆编队计算任务协同执行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111615082B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744524A (zh) * | 2021-08-16 | 2021-12-03 | 武汉理工大学 | 一种基于车辆间协同计算通信的行人意图预测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050216182A1 (en) * | 2004-03-24 | 2005-09-29 | Hussain Talib S | Vehicle routing and path planning |
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 |
CN109343946A (zh) * | 2018-09-19 | 2019-02-15 | 长安大学 | 一种软件定义车联网计算任务迁移和调度方法 |
CN109756946A (zh) * | 2018-12-19 | 2019-05-14 | 北京交通大学 | 一种多智能体协同调控编队方法 |
CN109951821A (zh) * | 2019-02-26 | 2019-06-28 | 重庆邮电大学 | 基于移动边缘计算的最小化车辆能耗任务卸载方案 |
-
2020
- 2020-05-13 CN CN202010403211.5A patent/CN111615082B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050216182A1 (en) * | 2004-03-24 | 2005-09-29 | Hussain Talib S | Vehicle routing and path planning |
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 |
CN109343946A (zh) * | 2018-09-19 | 2019-02-15 | 长安大学 | 一种软件定义车联网计算任务迁移和调度方法 |
CN109756946A (zh) * | 2018-12-19 | 2019-05-14 | 北京交通大学 | 一种多智能体协同调控编队方法 |
CN109951821A (zh) * | 2019-02-26 | 2019-06-28 | 重庆邮电大学 | 基于移动边缘计算的最小化车辆能耗任务卸载方案 |
Non-Patent Citations (3)
Title |
---|
DELIN LUO: "UAV formation flight control and formation switch strategy", 《2013 8TH INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE & EDUCATION》 * |
廉腾飞: "基于SDN的车联网边缘计算及协作分载机制研究", 《工程科技Ⅱ辑》 * |
李长乐等: "面向自动协同驾驶的多车编队任务分配策略", 《电子与信息学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744524A (zh) * | 2021-08-16 | 2021-12-03 | 武汉理工大学 | 一种基于车辆间协同计算通信的行人意图预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111615082B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110928658A (zh) | 一种车边云协同架构的协同任务迁移系统及算法 | |
CN111464976A (zh) | 一种基于车队的车辆任务卸载决策和总体资源分配方法 | |
CN110868700B (zh) | 车载边缘计算环境下基于可分裂任务的协作计算卸载方法 | |
CN111831427B (zh) | 一种基于移动边缘计算的分布式车辆间任务卸载方法 | |
CN114802058B (zh) | 智能电动汽车区域架构车载网络化控制系统及调度方法 | |
CN110489218B (zh) | 基于半马尔可夫决策过程的车载雾计算系统任务卸载方法 | |
CN111158900B (zh) | 轻量化分布式并行计算系统及方法 | |
CN109343946A (zh) | 一种软件定义车联网计算任务迁移和调度方法 | |
CN113316116B (zh) | 一种车辆计算任务卸载方法 | |
CN109995860A (zh) | 一种vanet中基于边缘计算的深度学习任务分配算法 | |
CN114721806A (zh) | 基于数字孪生的任务调度和执行方法及系统 | |
Siddiqi et al. | Dynamic priority-based efficient resource allocation and computing framework for vehicular multimedia cloud computing | |
CN111615082A (zh) | 一种异构自动驾驶车辆编队计算任务协同执行方法 | |
CN114884998A (zh) | 一种协作式软件定义车载网络系统、调度方法及cacc | |
Miao et al. | Performance modelling and quantitative analysis of vehicular edge computing with bursty task arrivals | |
CN113220459B (zh) | 一种任务处理方法及装置 | |
CN111311091B (zh) | 基于车载云及无人机的高速公路任务检测调度方法及系统 | |
CN108833486B (zh) | 面向复杂车载雾计算系统环境的混合动态任务调度方法 | |
CN111309488A (zh) | 无人机集群的计算资源共享方法与系统及计算机存储介质 | |
Zhao et al. | A research of task-offloading algorithm for distributed vehicles | |
CN115208892A (zh) | 基于动态资源需求的车路协同在线任务调度方法及系统 | |
CN114138466A (zh) | 面向智慧公路的任务协同处理方法、装置及存储介质 | |
CN114153617A (zh) | 基于雾计算的车联网中高可靠的任务协同计算方法 | |
CN115086382A (zh) | 一种低速自动驾驶车辆分布式算力增强方法 | |
CN114710497B (zh) | 一种车联网多任务卸载最小响应时间获取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |