CN111741438B - 考虑车辆移动的边缘计算边端协同任务卸载方法和系统 - Google Patents

Abstract

本发明公开了一种考虑车辆移动性的边端协同任务卸载方法，包括如下步骤：步骤1，通过车辆短时行驶路径，获取车辆未来一段时间进入多路边单元信号覆盖区域内与各路边单元的连接率大小，通过比较连接率的大小选择连接范围最大的路边单元；步骤2，基于车辆实时移动状态信息，建立与附近路边单元之间的时变距离，以获取通信状态信息；步骤3，比较车辆当前可连接路边单元状态信息与车辆未来行驶路径内可连接的路边单元状态信息。本发明的考虑车辆移动性的边端协同任务卸载方法，通过步骤1至步骤3的设置，便可有效的实现考虑车辆的移动性，然后具体选择卸载方法了。

Description

考虑车辆移动的边缘计算边端协同任务卸载方法和系统

技术领域

本发明涉及边缘计算技术领域，尤其是一种考虑车辆移动的边缘计算边端协同任务卸载方法和系统。

背景技术

边缘计算的出现为计算能力有限的设备提供了计算和存储资源，设备通过无线传输技术将计算任务传输至边缘节点进行处理并及时接收计算结果，以满足用户的QoS体验。随着交通流量的增加，需在路边部署更多的边缘服务器以满足车辆的计算和存储资源需求。现有关于边缘计算的技术多数基于多个移动设备在单个服务器场景下的任务卸载，在服务器资源有限的情况下满足用户设备计算需求的同时最大化资源利用率。然而，在多边缘服务器场景中，其信号覆盖具有重叠区域，用户设备有多个可选目标节点的情况下，需要在考虑设备移动性的同时，根据其移动规律来选择目标节点以进行最优卸载。本发明可提供一种在多边缘服务器场景中根据车辆的移动性规律选择最合适的边缘节点进行连接以及任务卸载的方法和系统。

目前已有关于边缘计算相关技术与专利。公开号为CN108737569A的专利公布了一种面向移动边缘计算的服务选择方法，考虑了用户的位置移动，但为了计算方便，将用户的路径划分为多个小片段并假设在足够小的片段内用户处于静止状态，因此针对高速移动的车辆来说无法体现车辆移动的实时性；公开号为CN110460650A的专利公布了一种多边缘服务器场景下计算卸载的决策方法及装置，在多边缘服务器场景下，基于随机博弈技术决策用户终端对应的目标服务器及目标信道，以执行最小成本计算卸载。然而，上述技术均未考虑终端用户实时移动的特性及其移动性对计算卸载产生的影响，本方法考虑车辆移动过程中的实时路径变化，并通过车辆短时路径建立与路边单元的连接机制，以保证车辆移动过程中与路边单元进行可靠的连接，进而满足车辆的任务卸载需求。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种在多边缘服务器场景中考虑车辆移动性的边端协同任务卸载方法和系统，以解决现有的边缘计算在多边缘服务器场景中根据车辆实时移动性选择路边单元进行连接及任务卸载的问题，系统框图如图1所示，以能够很好的相互配合执行实现方法。

为实现上述目的，本发明提供了如下技术方案：一种考虑车辆移动性的边端协同任务卸载方法，包括如下步骤：

步骤1，通过车辆短时行驶路径，获取车辆未来一段时间进入多路边单元信号覆盖区域内与各路边单元的连接率大小，通过比较连接率的大小选择连接范围最大的路边单元；

步骤2，基于车辆实时移动状态信息，建立与附近路边单元之间的时变距离，以获取通信状态信息；

步骤3，比较车辆当前可连接路边单元状态信息与车辆未来行驶路径内可连接的路边单元状态信息，通过车辆的任务计算需求及行驶状态，选择本地执行、卸载到边缘执行或边端协同任务卸载。

作为本发明的进一步改进，所述步骤1中连接率的计算步骤如下：

步骤11，车辆进入多路边单元信号覆盖区域内，通过获取车辆未来一段时间内的行驶路径，预先计算该虚拟路径与路边单元信号覆盖范围内的封闭区域面积，将其表示为s_i,j；

步骤12，计算该封闭区域面积s_i,j与路边单元的信号覆盖总面积S_j的比值，即为连接率r_i,j，公式为：r_i,j＝s_i,j/S_j,r_i,j∈(0,1)。

作为本发明的进一步改进，所述步骤2中建立时变距离的步骤如下：

步骤21，假设路边单元M_i的天线距离地面的高度为H_i，距离车辆行驶路径的垂直距离为d_j,i，车辆距离路边单元初始垂直距离为L_j,i；

步骤22，通过以下公式计算时变距离L_i,j(t)；

作为本发明进一步改进，所述步骤2中获取通信状态信息的具体步骤如下：

步骤23，计算车辆与路边单元之间的信道功率增益：

式中，ρ₀为信道功率增益在参考距离为1时的值，θ为路径损耗指数；

步骤24，计算数据的传输速率：

R(t)＝Blog₂(1+p_jG(t)/σ²)；

式中，B为信道带宽，p_j为车辆的数据传输功率，σ²为接收器的噪声功率。作为本发明的进一步改进，所述步骤3中选择本地执行、卸载到边缘执行或边端协同任务卸载的具体步骤如下：

步骤31，计算本地时延和能耗，计算车辆与边缘服务器传输过程中的时延和能耗及边缘服务器的计算时延，对本地处理分配权重因子，结合上述结果计算整个任务处理时延和总能耗；

步骤32，通过以下公式进行优化：

0≤α≤1 (3)

式中，α为权重因子，

为卸载到边缘服务器的总延时，

为本地时延，

为本地能耗，

为传输能耗，b为常数；

步骤33，根据优化结果选择本地执行、卸载到边缘执行或边端协同任务卸载。本发明另一方面提供了一种应用上述方法的系统，包括：

感知模块，通过车辆和路边单元上配备的传感设备，获取车辆的定位、状态信息及路径信息等；

车载终端，车载终端用于采集感知模块获取到的车辆信息并输出，并实现与路边单元的通信连接；

边缘服务器，设置于路边单元之上，通过路边单元实现车辆与边缘服务器的通信连接及任务的收发和处理；

决策管理模块，通过本发明提出的边端协同任务卸载方法，在边缘侧运行该模块，获取自身资源可用性及车辆侧的状态、路径等全局信息并等做出决策；计算、存储模块，车辆侧生成任务信息并通过边缘侧管理模块决策任务在本地或边缘执行；边缘侧通过管理模块的决策算法为车辆提供必要的计算和存储服务，车辆将任务卸载到边缘，边缘服务器接收任务后及时处理并将计算结果回传。

本发明的有益效果，(1)考虑了车辆的实时移动特性，确保车辆与所连接路边单元之间的通信可靠性，车辆在任务卸载过程中更接近真实场景，以更好地满足车辆的任务卸载需求；

(2)考虑了车辆未来一段时间内的行驶路径，车辆可以在当前状态下提前获知未来行驶路径内多个路边单元的可连接状态。

(3)考虑了车辆当前行驶状态与未来一段时间内的行驶路径，两者综合考虑以做出边端协同任务卸载的最优决策。

附图说明

图1为本发明的边端协同任务卸载系统的模块框图；

图2为连接率示意图；

图3为车辆与路边单元时变距离示意图；

图4为交叉路口右转虚拟路径与信号覆盖区域示意图；

图5为交叉路口左转虚拟路径与信号覆盖区域示意图；

图6为直行虚拟路径与信号覆盖区域示意图。

具体实施方式

下面将结合附图所给出的实施例对本发明做进一步的详述。

在多边缘服务器场景下，车辆与边缘服务器均可视为计算节点，车辆在移动过程中可以选择在本地处理任务，也可以选择将任务卸载到边缘服务器执行，这取决于车辆的行驶状态、任务处理需求以及边缘服务器资源的可用性。基于短时车辆行驶路径及车辆与路边单元的信号连接率，在进入多路边单元信号覆盖重叠区域内，根据车辆预测路径方向来选择信号连接率最大的目标节点，保证车辆与目标节点之间可靠的通信连接，进而在满足时延需求的同时最小化能耗进行任务卸载。

部署在路边的路边单元其信号覆盖均有重叠区域，并为其配备具有计算、存储等资源的边缘服务器。路边单元信号覆盖半径为ω，车辆与路边单元之间可进行车路(vehicle-to-infrastructure,V2I)通信，在经过该路段时有多个目标节点可供选择，路边单元集合为M，标记为M_i，i＝1,2…M表示第i个路边单元，车辆集合为N，标记为N_j，j＝1,2…N表示第j辆车，假设每辆车均为匀速行驶，速度为v_j(t)。

如图2所示，车辆进入多路边单元信号覆盖区域内，通过获取车辆未来一段时间内的行驶路径，可预先计算该虚拟路径与路边单元信号覆盖范围内的封闭区域面积，将其表示为s_i,j，并计算该封闭区域面积s_i,j与路边单元的信号覆盖总面积S_j的比值，称之为连接率r_i,j，即r_i,j＝s_i,j/S_j,r_i,j∈(0,1)，r_i,j值越大则表明车辆N_j沿此路径行驶时，可与路边单元M_i保持长时间稳定连接，这样车辆在进入多路边单元信号覆盖重叠区域内就可以优先选择连接率最大的路边单元，以更好地满足车辆的任务卸载需求。

首先建立车辆与路边单元的时变距离：假设路边单元M_i的天线距离地面的高度为H_i，距离车辆行驶路径的垂直距离为d_j,i，车辆距离路边单元初始垂直距离为L_j,i，如图3所示，因此可建立车辆行驶过程中与路边单元的时变距离为

车辆与路边单元之间的通信采用正交信道传输信息，且车辆之间相互无干扰，因此车辆与路边单元之间的距离变化是传输性能的主要影响因素。车辆与路边单元之间的信道功率增益表示为

其中ρ₀为信道功率增益在参考距离为1时的值，θ为路径损耗指数，因此数据传输速率为R(t)＝Blog₂(1+p_jG(t)/σ²)，其中B为信道带宽，p_j为车辆的数据传输功率，σ²为接收器的噪声功率。

一般情况下，车辆在行驶过程中可选择直行、左转和右转三个行驶方向。进入多个信号覆盖重叠区域内，为避免车辆频繁切换与路边单元之间的连接，通过比较车辆虚拟行驶路径计算出的信号覆盖率r_i,j，在边缘服务器未过载的前提下，选择信号连接率最大值并与该路边单元进行连接：

1.在交叉路口区域内，如图4所示，对于将要右转的车辆，如N₈，由于路边单元M₄的信号可覆盖两条垂直路段，同时M₃在车辆N₈的直行区域内也有信号覆盖，因此可通过比较车辆与附近两个路边单元的信号连接率大小进行连接，易知r_4,8>r_3,8，因此车辆N₈应选择路边单元M₄进行连接；

2.在交叉路口区域，如图5所示，对于将要左转的车辆，如N₇，在进入M₃和M₄信号覆盖重叠区域内，根据其行驶路径计算出的连接率可知r_3,7>r_4,7，因此选择路边单元M₃进行连接。

3.在直行路段内，如图6所示，车辆可选择道路两侧的路边单元进行连接，根据直行虚拟路径计算与附近路边单元的连接率，在满足时延和能耗需求的前提下，选择连接率最大的路边单元连接并进行任务卸载；

边缘服务器决策管理模块根据车辆行驶过程中的实时状态、短时行驶路径与路边单元的连接率大小以及边缘服务器的资源可用性选择在本地处理或者卸载到边缘服务器进行处理，也可以选择部分本地处理、部分卸载到边缘。

假设车辆N_j输入数据大小为D_j，CPU计算周期为

表示每单位CPU周期消耗的能量，因此本地计算时延为

能耗为

若车辆将任务卸载到边缘服务器进行处理，需考虑传输过程中的时延和能耗及边缘服务器的计算时延，由于计算结果数据量较小，可忽略计算结果返回车辆时产生的时延。根据车辆与路边单元的时变距离及通信模型已推导出数据传输速率为R(t)，则传输时延为

传输能耗为

边缘服务器的CPU计算周期为

因此计算时延为

卸载到边缘服务器产生的总时延为

若车辆选择部分在本地处理，部分卸载到边缘服务器，可为本地处理分配权重因子α,α∈(0,1)，则卸载到边缘的权重为(1-α)，因此整个任务处理时延为

总能耗为

本发明提供的边端协同任务卸载方法的目标是在满足时延需求的前提下最小化能耗，因此，优化问题可表示为：

0≤α≤1 (3)

假设边缘服务器资源充足，由于本地处理和卸载到边缘处理是同时进行的，因此上式中的式(1)、式(2)分别表示本地处理和卸载到边缘处理的时延均需满足总时延需求；式(4)表明本地处理任务的权重取决于车辆行驶路径内与附近基站的连接率大小，若连接率在b～1，(0<b<1且b为常数)之间，说明车辆行驶路径内的路边单元具有较大连接范围，车辆应选择将较多的任务卸载到边缘服务器，此时本地处理的权重大小可根据随机法随机选取0～c(0<c<1且c为常数)之间任意值，其中b和c的大小可根据边缘服务器和车辆资源可用性等系统因素动态调整。

根据上述分析，本发明提供的方法可以解决在多边缘服务器场景中车辆如何选择路边单元进行连接及任务卸载，根据车辆短时预测行驶路径与路边单元的信号连接率来选择可连接范围最大的路边单元，并根据车辆与边缘服务器资源的可用性通过边端协同进行任务卸载。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种考虑车辆移动的边缘计算边端协同任务卸载方法，其特征在于：包括如下步骤：

步骤1，通过车辆短时行驶路径，获取车辆未来一段时间进入多路边单元信号覆盖区域内与各路边单元的连接率大小，通过比较连接率的大小选择连接范围最大的路边单元；

步骤2，基于车辆实时移动状态信息，建立与附近路边单元之间的时变距离，以获取通信状态信息；

步骤3，比较车辆当前可连接路边单元状态信息与车辆未来行驶路径内可连接的路边单元状态信息，通过车辆的任务计算需求及行驶状态，选择本地执行、卸载到边缘执行或边端协同任务卸载，所述步骤1中连接率的计算步骤如下：

步骤1l，车辆进入多路边单元信号覆盖区域内，通过获取车辆未来一段时间内的行驶路径，预先计算该行驶路径与路边单元信号覆盖范围内的封闭区域面积，将其表示为s_i，j；

步骤12，计算该封闭区域面积s_i，j与路边单元的信号覆盖总面积S_i的比值，即为连接率r_i，j，公式为：r_i，j＝s_i，j/S_i，r_i，j∈(0，1)；

i＝1、2、…、M表示第i个路边单元，j＝1、2、…、N表示第j辆车。

2.根据权利要求1所述的考虑车辆移动的边缘计算边端协同任务卸载方法，其特征在于：所述步骤2中建立时变距离的步骤如下：

步骤21，假设路边单元M_i的天线距离地面的高度为H_i，距离车辆行驶路径的垂直距离为d_j，i，车辆距离路边单元初始垂直距离为L_j，i；

步骤22，通过以下公式计算时变距离L_i，j(t)；

式中，t为时间，V_j(t)为第j辆车的速度。

3.根据权利要求2所述的考虑车辆移动的边缘计算边端协同任务卸载方法，其特征在于：所述步骤2中获取通信状态信息的具体步骤如下：

步骤23，计算车辆与路边单元之间的信道功率增益：

式中，ρ₀为信道功率增益在参考距离为1时的值，θ为路径损耗指数；

步骤24，计算数据的传输速率：

R(t)＝B log₂(1+p_jG(t)/σ²)；

式中，B为信道带宽，p_j为车辆的数据传输功率，σ²为接收器的噪声功率。

4.根据权利要求1或2所述的考虑车辆移动的边缘计算边端协同任务卸载方法，其特征在于：所述步骤3中选择本地执行、卸载到边缘执行或边端协同任务卸载的具体步骤如下：

步骤31，计算本地时延和能耗，计算车辆与边缘服务器传输过程中的时延和能耗及边缘服务器的计算时延，对本地处理分配权重因子，结合上述结果计算整个任务处理时延和总能耗；

步骤32，通过以下公式进行优化：

0≤α≤1 (3)

式中，α为权重因子，

为卸载到边缘服务器的总延时，

为本地时延，

为本地能耗，

为传输能耗，b为常数，N为车辆集合，0＜c＜1，且c为常数；

步骤33，根据优化结果选择本地执行、卸载到边缘执行或边端协同任务卸载。

5.一种应用权利要求1至4任意一项所述考虑车辆移动的边缘计算边端协同任务卸载方法的系统，其特征在于：包括：

感知模块，通过车辆和路边单元上配备的传感设备，获取车辆的定位、状态信息及路径信息等；

车载终端，车载终端用于采集感知模块获取到的车辆信息并输出，并实现与路边单元的通信连接；

边缘服务器，设置于路边单元之上，通过路边单元实现车辆与边缘服务器的通信连接及任务的收发和处理；

决策管理模块，通过上述提出的边端协同任务卸载方法，在边缘侧运行该模块，获取自身资源可用性及车辆侧的状态、路径这些全局信息并做出决策；

计算、存储模块，车辆侧生成任务信息并通过边缘侧管理模块决策任务在本地或边缘执行；边缘侧通过管理模块的决策算法为车辆提供必要的计算和存储服务，车辆将任务卸载到边缘，边缘服务器接收任务后及时处理并将计算结果回传。

Images