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

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V_i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

一种异构自动驾驶车辆编队计算任务协同执行方法

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V_i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a_i(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V_N。

进一步，计算结果回收的过程具体为：

当第N+1辆车V_N计算完分配给它的比例为a_N的子任务后，将计算结果经第N辆车V_N-1发送给第N-1辆车V_N-2，依次向排头车辆V₀发送；

当第N-1辆车V_N-2收到该计算结果时，第N辆车V_N-1完成分配给它的比例为a_N-1的子任务，车辆V_N-1向车辆V_N-2发送自己的计算结果，车辆V_N-2在收到该任务结果后立即向第N-2辆车V_N-3发送第N辆车V_N-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a_i为：

其中，f_i+1＝[(1+m)(z_i+z_i+1)T_cm+w_i+1T_cp]/w_iT_cp；

T_cp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，T_cm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；w_i是车辆V_i相对于标准计算单元的计算速度，z_i是车辆间链路l_i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；

a_iw_iT_cp＝a_i+1(z_i+z_i+1)T_cm+a_i+1w_i+1T_cp+ma_i+1(z_i+z_i+1)T_cm (2)

其中，a_iw_iT_cp是车辆V_i上车载计算单元完成所承担子任务的时间，a_jz_iT_cm(j＝i,…,N)是车辆V_i-1通过车辆V_i-1和V_i间的链路l_i向车辆V_i发送相应子任务的时间，ma_iz_iT_cm车辆V_i-1通过车辆V_i-1和V_i间的链路l_i向车辆V_i发送相应子任务的时间；

令f_i+1＝[(1+m)(z_i+z_i+1)T_cm+w_i+1T_cp]/w_iT_cp，则得：

a_i＝f_i+1a_i+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a_i得为：

进一步，总任务完成时间为：

T_f＝a₀w₀T_cp

T_f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；T_cp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V_i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V_i相对于标准计算单元的计算速度w_i，通信能力即车辆间链路l_i相对于标准车间通信速度的数据传输速度z_i；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V_i相对于标准车载计算单元的计算速度w_i(i＝0,...,N)和相对于标准车间通信链路的传输速度z_i(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a_i(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V_N。

在异构自动驾驶车辆编队计算任务协同执行过程中，计算任务的结果回收方式为：

当第N+1辆车V_N计算完分配给它的任务比例为a_N的子任务后，将执行结果发送给第N辆车V_N-1，V_N-1在收到该任务结果后立即向第N-1辆车V_N-2发送第N+1辆车V_N的计算结果，依次向排头车辆V₀发送；

当第N-1辆车V_N-2收到该计算结果时，第N辆车V_N-1正好完成分配给它的比例为a_N-1的子任务，此时车辆V_N-1可以向第N-1辆车V_N-2发送自己的计算结果，车辆V_N-2在收到该任务结果后立即向第N-2辆车V_N-3发送第N辆车V_N-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a_i和总任务完成时间T_f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T_cp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，T_cm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；w_i是车辆V_i，i＝0,…,N相对于标准车载计算单元的数据处理速度，z_i是车辆间链路l_i，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；T_f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，a_iw_iT_cp是车辆V_i上车载计算单元完成所承担子任务的时间，a_jz_iT_cm，(j＝i,…,N)是车辆V_i-1通过车辆V_i-1和V_i间的链路l_i向车辆V_i发送相应子任务的时间，ma_iz_iT_cm车辆V_i-1通过车辆V_i-1和V_i间的链路l_i向车辆V_i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：

a_iw_iT_cp＝a_i+1(z_i+z_i+1)T_cm+a_i+1w_i+1T_cp+ma_i+1(z_i+z_i+1)T_cm (2)

令f_i+1＝[(1+m)(z_i+z_i+1)T_cm+w_i+1T_cp]/w_iT_cp，则可得：

a_i＝f_i+1a_i+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a_i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:

T_f＝a₀w₀T_cp (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，T_cm＝T_cp＝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w_i(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z_i(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：T_cm＝T_cp＝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w_i(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z_i(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V_i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a_i(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V_N。

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V_N计算完分配给它的比例为a_N的子任务后，将计算结果经第N辆车V_N-1发送给第N-1辆车V_N-2，依次向排头车辆V₀发送；

当第N-1辆车V_N-2收到该计算结果时，第N辆车V_N-1完成分配给它的比例为a_N-1的子任务，车辆V_N-1向车辆V_N-2发送自己的计算结果，车辆V_N-2在收到该任务结果后立即向第N-2辆车V_N-3发送第N辆车V_N-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。

4.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，分配到某车辆上的子任务所占总任务的比例a_i为：

其中，f_i+1＝[(1+m)(z_i+z_i+1)T_cm+w_i+1T_cp]/w_iT_cp；

T_cp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，T_cm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；w_i是车辆V_i相对于标准计算单元的计算速度，z_i是车辆间链路l_i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。

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；

a_iw_iT_cp＝a_i+1(z_i+z_i+1)T_cm+a_i+1w_i+1T_cp+ma_i+1(z_i+z_i+1)T_cm (2)

其中，a_iw_iT_cp是车辆V_i上车载计算单元完成所承担子任务的时间，a_jz_iT_cm(j＝i,…,N)是车辆V_i-1通过车辆V_i-1和V_i间的链路l_i向车辆V_i发送相应子任务的时间，ma_iz_iT_cm车辆V_i-1通过车辆V_i-1和V_i间的链路l_i向车辆V_i发送相应子任务的时间；

令f_i+1＝[(1+m)(z_i+z_i+1)T_cm+w_i+1T_cp]/w_iT_cp，则得：

a_i＝f_i+1a_i+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a_i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：

T_f＝a₀w₀T_cp

T_f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；T_cp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。

Images