CN111935677A - 车联网v2i模式任务卸载方法及系统 - Google Patents
车联网v2i模式任务卸载方法及系统 Download PDFInfo
- Publication number
- CN111935677A CN111935677A CN202010797419.XA CN202010797419A CN111935677A CN 111935677 A CN111935677 A CN 111935677A CN 202010797419 A CN202010797419 A CN 202010797419A CN 111935677 A CN111935677 A CN 111935677A
- Authority
- CN
- China
- Prior art keywords
- task
- unloading
- vehicles
- internet
- base station
- 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]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44594—Unloading
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种车联网V2I模式任务卸载方法及系统,包括车辆用户通过其所在路段的基站向与该基站匹配的MEC服务器发送任务卸载请求;MEC服务器接收任务卸载请求,根据任务卸载请求的要求卸载任务,并基于博弈论的方法计算出满足时延下的任务卸载策略;MEC服务器将卸载后的任务发送至与之匹配的基站,基站根据任务卸载策略传输卸载后的任务至车辆用户。本发明的任务卸载方法及系统,MEC服务器通过计算时延限定条件下的任务计算总开销目标最优时的计算结果作为任务卸载策略,并通过相应通信链路下发任务卸载策略,从而在一定程度上提升了车联网处理复杂运算任务的能力,降低数据处理时延,以最大限度地降低卸载任务的成本开销,从而提升车联网的服务性能。
Description
技术领域
本发明涉及车联网通信技术领域,具体涉及一种车联网V2I模式任务卸载方法及系统。
背景技术
随着车联网中数据业务的海量增长,造成网络传输带宽负载增加、数据处理效率降低,从而导致数据传输时延延长。对于车联网时延敏感的服务应用来说是相当致命的。将车联网中海量服务应用数据进行有效处理是降低传输时延和提高传输性能的主要途径,与车联网应用发展密切相关,其技术状况已称为衡量一个国家车联网行业领域和科技发展水平的一个重要标志。移动边缘计算(Mobile-Edge Computing,MEC)能够提供将云端服务拉近至车联网边缘位置,并在靠近移动车辆终端位置提供基于云的任务计算服务,以实现车联网低时延、高可靠性的网络需求。
随着MEC技术在车联网应用中所具备的独特优势而受到越来越多的关注。其中,对于车联网中移动车辆的任务卸载发挥重要作用,并利于改善车联网中网络传输性能问题。传统构建以“云(Cloud)+车联网”为骨架的系统架构,用于服务车联网中通信服务应用,解决车联网中的复杂任务计算问题。支持云的车联网中,车辆终端上传大量复杂任务计算至云端的过程中,需要消耗大量时间,不适用于对时延要求严格受限的车联网服务应用,例如实时路况报告等。将云计算资源下拉,使其位于网络边缘,可以大大减少网络任务计算传输时消耗的时间,即MEC技术。MEC位于网络边缘可以满足车辆终端实时服务计算任务要求。为减小传输时延和计算任务传输开销,通常采用MEC服务下车联网进行复杂任务计算处理。
车辆与基础设施(Vehicle-to-Infrastructure,简称V2I)通信和车辆与车辆(Vehicle-to-Vehicle,简称V2V)为车联网专用短程通信(Dedicated Short RangeCommunications,简称DSRC)技术中两种不同的传输模式。车联网服务大致分为商娱类和智能交通类两种任务类型,其中V2I模型通信链路可以为商娱乐涉及大量数据交换,且需要频繁访问互联网或远端服务器的任务提供高质量通信。针对V2I链路大容量需求,也需要制定有效策略来保证车联网通信。对于快速移动车辆行驶过程中选择V2I模式将多任务高效地卸载至MEC服务器,完成任务数据处理。
发明内容
本发明要解决的技术问题是提供一种减小时延、降低开销的车联网V2I模式任务卸载方法及系统。
为了解决上述技术问题,本发明提供了一种车联网V2I模式任务卸载方法,包括以下步骤,
S1、车辆用户通过其所在路段的基站向与该基站匹配的MEC服务器发送任务卸载请求;
S2、所述MEC服务器接收所述任务卸载请求,根据所述任务卸载请求的要求卸载任务,并基于博弈论的方法计算出满足时延下的任务卸载策略;
S3、所述MEC服务器将卸载后的任务发送至与之匹配的所述基站,所述基站根据所述任务卸载策略传输所述卸载后的任务至所述车辆用户。
本发明一个较佳实施例中,进一步包括步骤S1之前,所述车辆用户对是否向所述MEC服务器发出请求作出判决,若卸载任务消耗的时间大于等于时间阈值,向所述MEC服务器发送任务卸载请求;否则,所述车辆用户本地计算卸载任务。
本发明一个较佳实施例中,进一步包括所述时间阈值包括动态阈值,通过以下方法确定所述动态阈值,
创建均衡系统In(ne)=Out(ne),In(·)和Out(·)分别为均衡系统输入函数和输出函数,ne为系统均衡点;采用均衡点分析方法假设车辆网系统存在某一瞬时状态点代表整个车辆网系统,根据均衡点分析模型,存在包含参数L和随机变量n的数学函数f(n,L),函数f(n,L)的期望均值表示为:
E(f(n,L))=f(ne); 公式1;
所述车辆用户对卸载的任务类型分类,定义每种任务类型占所有任务类型的比重为ρi,i∈S,且满足
i为任务类型序数;S为任务类型总数;
本发明一个较佳实施例中,进一步包括所述车辆用户创建任务模型Ti对卸载的任务类型分类,
Ti={ci,ai,ti,max};
ci为卸载任务需要的计算资源数量;ai为卸载任务的信息计算输入文件大小;ti,max为完成第i种类型任务卸载所能容忍的最大处理时间。
本发明一个较佳实施例中,进一步包括步骤S2中,所述MEC服务器建立任务卸载目标函数:
ti≤ti,max
hj≤hj,max;
min为求最小值;s.t.(subject to)后所列的各项为相关约束条件;为时间阈值;ti为第i中类型任务卸载需要消耗的时间;ti,max为完成第i种类型任务卸载所能容忍的最大处理时间;S为任务类型数目;hj为任务卸载策略中传输任务的基站的数量;j为任务卸载策略中传输任务的基站的序数;hj,max为任务卸载策略中传输任务需要的基站的最大数量;ρi为第i种类型任务在所有任务类型中所占比重;Pi,j为第i中类型任务处于第j个基站的概率;ψi为卸载第i种类型任务需要的总开销;
基于博弈论的方法求解Pi,j,求解出的Pi,j即为最优的任务卸载策略,所述最优的任务卸载策略为以最低成本卸载每个车辆用户不同类型任务的卸载策略。
本发明一个较佳实施例中,进一步包括所述任务卸载包括任务准备、任务上载、任务处理、任务传输和任务下载;所述车辆用户对车辆网中的任务数据进行提取和压缩以执行所述任务准备;所述车辆用户对预处理后的任务文件传输至所述基站以执行所述任务上载;所述MEC服务器卸载任务执行所述任务处理;所述MEC服务器将卸载后的任务传输至与之匹配的基站,卸载后的任务在沿车辆行驶方向排布的基站之间传输执行任务传输;满足所述卸载任务策略的最后一个基站将卸载后的任务下载至所述车辆用户执行所述任务下载。
本发明一个较佳实施例中,进一步包括任务卸载需要消耗的时间包括任务准备需要消耗的时间、任务上载需要消耗的时间、任务处理需要消耗的时间、任务传输需要消耗的时间、任务下载需要消耗的时间的总和。
本发明一个较佳实施例中,进一步包括任务卸载需要的开销包括任务准备需要的开销、任务上载需要的开销、任务处理需要的开销、任务传输需要的开销、任务下载需要的开销的总和。
本发明一个较佳实施例中,进一步包括还包括构建车联网系统,所述车联网系统包括基站、MEC服务器和车辆用户;单个车联网系统包含多个车辆用户、多个基站和多个MEC服务器;每个车辆用户行驶过程中卸载任务时需要至少一个基站和一个MEC服务器
基于相同的发明构思,本发明还提供一种使用所述的车联网V2I模式任务卸载方法卸载任务的系统。
本发明的有益效果:
本发明申请的车联网V2I模式任务卸载方法及系统,MEC服务器通过计算时延限定条件下的任务计算总开销目标最优时的计算结果作为任务卸载策略,并通过相应通信链路下发任务卸载策略,从而在一定程度上提升了车联网处理复杂运算任务的能力,降低数据处理时延,以最大限度地降低卸载任务的成本开销,从而提升车联网的服务性能,执行过程规范、易操作,符合车辆网实际应用场景。
附图说明
图1为本发明优选实施例中车联网V2I模式任务卸载方法流程图;
图2为本发明优选实施例中车联网V2I模式任务卸载系方法的统网络示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
实施例
本发明实施例公开一种车联网V2I模式任务卸载方法,V2I模式为车辆与基础设施(Vehicle-to-Infrastructure,简称V2I)通信模式,基础设施包括基站。不同卸载任务车辆用户、基站、MEC服务器构成V2I传输模式车联网;单个车联网包含多个车辆用户、多个基站和多个MEC服务器;每个车辆用户行驶过程中卸载任务时需要至少一个基站和一个MEC服务器;每个基站均就近对应一个MEC服务器,车辆用户行驶过程中会经过不同基站。车联网系统适用于但不局限于三层网络架构,MEC服务器作为运算层,基站作为控制层,车辆用户作为用户层(运算层)。卸载任务执行本地计算时,车辆用户既作为运算层,又作为用户层,与基站之间进行信息传输;卸载任务执行MEC服务器计算时,车辆用户作为用户层,操作层、控制层和用户层依次之间进行信息传递。MEC服务器部署于车联网网络边缘,可部署但不局限于直接与基站相连,仅可能的降低网络系统中信息传递所消耗的时间。不同卸载任务车辆用户构成用户层,所述基站构成转发层,MEC服务器构成计算服务层。
考虑车联网中车辆与路边基础设施通信(Vehicle-to-Infrastructure,V2I)信息传输模式,车辆网中任何形式车辆自身都可以借助路边基础设施(基站)建立V2I通信链路现在大数据量的任务至移动边缘计算(Mobile Edge Computing,MEC)服务器完成任务计算。本发明所述的车辆网中车辆与路边基础设施通信信息传输模式可以为各种类型,包括但不局限于车辆与基站直接通信和车辆与基站间接通信等。
参照图1、2所示,本发明实施例车联网V2I模式任务卸载方法具体包括以下步骤:
首先,所述车辆用户对是否向所述MEC服务器发送任务卸载请求作出判决,判决依据为:若卸载任务消耗的时间大于等于时间阈值,向所述MEC服务器发送任务卸载请求;否则,所述车辆用户执行本地计算卸载任务。时间阈值包括静态阈值和动态阈值。对于静态阈值设定,车联网中所有车辆具有同质相同的计算资源,根据实际经验或实验数据确定,静态阈值标记为以时间变量t为参数的常数值ω。对于动态阈值设定,车联网中车辆数据动态变化,网络拓扑结构不断变化,引起网络数据量也实时变化,将分析网络数据量变化转换为车流量进行分析,推导满足不同车流量或密度的均衡点,即,
创建均衡系统In(ne)=Out(ne),In(·)和Out(·)分别为均衡系统输入函数和输出函数,ne为系统均衡点;采用均衡点分析方法假设车辆网系统存在某一瞬时状态点代表整个车辆网系统,根据均衡点分析模型,存在包含参数L和随机变量n的数学函数f(n,L),函数f(n,L)的期望均值表示为:
E(f(n,L))=f(ne); 公式1;
所述车辆用户创建任务模型Ti对卸载的任务类型分类,
Ti={ci,ai,ti,max};
ci为卸载任务需要的计算资源数量;ai为卸载任务的信息计算输入文件大小;ti,max为完成第i种类型任务卸载所能容忍的最大处理时间。
所述车辆用户对卸载的任务类型分类,定义每种任务类型占所有任务类型的比重为ρi,i∈S,且满足
i为任务类型序数;S为任务类型总数;
以上时间阈值的设定由车辆用户期望条件综合决定,从而利用更有效地完成任务计算,以最低的消耗成本完成车辆用户的任务卸载需求,提升车辆网系统的车辆用户任务卸载效率。
其次,当车辆用户自身计算资源无法满足其卸载任务需求时,即卸载任务消耗的时间大于等于时间阈值时,所述车辆用户通过其所在路段的基站向与该基站匹配的MEC服务器发送任务卸载请求,即行驶车辆发送包含自身状态信息的任务卸载请求至所在路段基站,基站发送行驶车辆的任务卸载请求至MEC服务器。通常,车辆用户发送任务卸载请求之前对任务做预处理,包括数据提取和数据压缩,将预处理后的任务信息发送至基站。
再次,MEC服务器接收车辆用户发送的任务卸载请求,根据所述任务卸载请求的要求卸载任务,并基于博弈论的方法计算出满足时延下的任务卸载策略。
具体的,本发明的任务卸载包括任务准备、任务上载、任务处理、任务传输和任务下载;所述车辆用户对车辆网中的任务数据进行提取和压缩以执行所述任务准备;所述车辆用户对预处理后的任务文件传输至所述基站以执行所述任务上载;所述MEC服务器卸载任务执行所述任务处理;所述MEC服务器将卸载后的任务传输至与之匹配的基站,卸载后的任务在沿车辆行驶方向排布的基站之间传输执行任务传输;满足所述卸载任务策略的最后一个基站将卸载后的任务下载至所述车辆用户执行所述任务下载。任务卸载需要消耗的时间包括任务准备需要消耗的时间、任务上载需要消耗的时间、任务处理需要消耗的时间、任务传输需要消耗的时间、任务下载需要消耗的时间的总和。任务卸载需要的开销包括任务准备需要的开销、任务上载需要的开销、任务处理需要的开销、任务传输需要的开销、任务下载需要的开销的总和。
假设车联网中车辆处于行驶状态,且车辆在任务卸载执行过程中可能已驶离多个路边基站,存在N辆车辆位于当前同一个路段基站通信范围内,且每辆车的计算任务包含类型不同,用S表示包含任务类型数目。每个基站连接有一个相应的MEC服务器,相邻基站之间的距离为L,且通过有线链路连接。为方便分析,假设每个基站位于所处段路中间L/2位置处,且通信范围为L/2。
在任务准备阶段,车辆用户对车联网中任务数据进行提出,并进行数据压缩等过程花费的时间为ti,pre,计算成本消耗为ψi,pre。
在任务上载阶段,车辆用户执行任务上载将任务文件传输至路边基站BS,这一过程花费时间为ti,upload,计算成本消耗为ψi,upload。
在任务处理阶段,传输至基站BS的车辆用户计算任务中转至MEC服务器处理,计算任务从开始计算至最终计算结果的持续花费时间为ti,cope,计算成本消耗为ψi,cope。
在任务传输阶段,考虑到车辆始终处于行驶状态,MEC服务器将计算任务处理结果输出,沿着路边基站BS传输,经过h个基站BS所覆盖路段到达车辆当前行驶所在路段基站BS的花费时间为ti,trans,则ti,trans=h·ti,backhaul,其中ti,backhaul为单个传输路段所花费的时间,计算成本消耗为ψi,trans。
在任务下载阶段,路边基站BS将传输接收的计算任务结果下载至行驶至该路段车辆的花费时间为ti,download,计算成本消耗为ψi,download。
最终,移动车辆采用V2I传输模式卸载任务过程完毕,卸载某一类型任务时,花费的总时间消耗为
ti=ti,pre+ti,upload+ti,cope+ti,trans+ti,download
相应地,采用V2传输模式下卸载任务所需计算总开销为
ψi=ψi,pre+ψi,upload+ψi,cope+ψi,trans+ψi,download
在满足服务任务卸载时延受限条件下,数据传输和任务执行时卸载开销最小,则MEC服务器建立任务卸载目标函数:
ti≤ti,max
hj≤hj,max;
min为求最小值;s.t.(subject to)后所列的各项为相关约束条件;为时间阈值;ti为第i中类型任务卸载需要消耗的时间;ti,max为完成第i种类型任务卸载所能容忍的最大处理时间;S为任务类型数目;hj为任务卸载策略中传输任务的基站的数量;j为任务卸载策略中传输任务的基站的序数;hj,max为任务卸载策略中传输任务需要的基站的最大数量;ρi为第i种类型任务在所有任务类型中所占比重;Pi,j为第i中类型任务处于第j个基站的概率;ψi为卸载第i种类型任务需要的总开销;
基于博弈论的方法求解Pi,j,求解出的Pi,j即为最优的任务卸载策略,所述最优的任务卸载策略为以最低成本卸载每个车辆用户不同类型任务的卸载策略。
最后,所述MEC服务器将卸载后的任务发送至与之匹配的所述基站,所述基站根据所述任务卸载策略传输所述卸载后的任务至所述车辆用户。
基于相同的发明构思,本发明申请还提供一种使用所述车联网V2I模式任务卸载方法卸载任务的系统。
本领域技术人员应该知晓,本发明申请中的实施例可提供为方法、系统、或计算机相关软件产品。因此,本发明申请可采用硬件实施例、软件实施例、或硬件和软件相结合的实施例方式实现。此外,本发明申请可在包含一个或多个含有计算机可用程序代码的计算机存储介质(包括但不局限于磁盘存储器、光盘存储器、软盘、CD-ROM等)上实施表现为计算机程序产品的形式。
本发明申请内容参照依据本申请实施例的方法、系统、和计算机程序产品的流程图和/或方框图来阐述。应理解为可通过计算机程序指令实现流程图和/或方框图中的每一个流程/或方框、及流程图和/或方框图中流程和/或方框的结合。可提供相应计算机程序指令到各种类型计算机、数据处理器等以产生一个处理机器,使得通过计算机或其他数据处理器执行的指令产生用于实现流程图和/或方框图中一个流程或多个流程和/或一个方框图或多个方框图中指定的功能装置。
本发明申请中所述计算机程序指令也可存储于可引导计算机和数据处理器设备以特定方式工作的计算机可读存储器中,保证存在于此种设备中的计算机程序指令产生包括指令装置实现流程图和/或方框图中一个流程或多个流程和/或一个方框图或多个方框图中指定的功能。
本发明申请中所述计算机程序指令也可加载至计算机或其他数据处理器设备中,使得在计算机或其他数据处理器设备上执行一系列操作后实现计算机可操作处理,方便实现在计算机和其他数据处理器设备上执行的指令提供实现流程图和/或方框图中一个流程或多个流程和/或一个方框图或多个方框图中指定功能的步骤。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (10)
1.一种车联网V2I模式任务卸载方法,其特征在于:包括以下步骤,
S1、车辆用户通过其所在路段的基站向与该基站匹配的MEC服务器发送任务卸载请求;
S2、所述MEC服务器接收所述任务卸载请求,根据所述任务卸载请求的要求卸载任务,并基于博弈论的方法计算出满足时延下的任务卸载策略;
S3、所述MEC服务器将卸载后的任务发送至与之匹配的所述基站,所述基站根据所述任务卸载策略传输所述卸载后的任务至所述车辆用户。
2.如权利要求1所述的车联网V2I模式任务卸载方法,其特征在于:步骤S1之前,所述车辆用户对是否向所述MEC服务器发送任务卸载请求作出判决,若卸载任务消耗的时间大于等于时间阈值,向所述MEC服务器发送任务卸载请求;否则,所述车辆用户本地计算卸载任务。
3.如权利要求2所述的车联网V2I模式任务卸载方法,其特征在于:所述时间阈值包括动态阈值,通过以下方法确定所述动态阈值,
创建均衡系统In(ne)=Out(ne),In(·)和Out(·)分别为均衡系统输入函数和输出函数,ne为系统均衡点;采用均衡点分析方法假设车辆网系统存在某一瞬时状态点代表整个车辆网系统,根据均衡点分析模型,存在包含参数L和随机变量n的数学函数f(n,L),函数f(n,L)的期望均值表示为:
E(f(n,L))=f(ne); 公式1;
所述车辆用户对卸载的任务类型分类,定义每种任务类型占所有任务类型的比重为ρi,i∈S,且满足
i为任务类型序数;S为任务类型总数;
4.如权利要求3所述的车联网V2I模式任务卸载方法,其特征在于:所述车辆用户创建任务模型Ti对卸载的任务类型分类,
Ti={ci,ai,ti,max};
ci为卸载任务需要的计算资源数量;ai为卸载任务的信息计算输入文件大小;ti,max为完成第i种类型任务卸载所能容忍的最大处理时间。
5.如权利要求1所述的车联网V2I模式任务卸载方法,其特征在于:步骤S2中,所述MEC服务器建立任务卸载目标函数:
ti≤ti,max
hj≤hj,max;
min为求最小值;s.t.(subject to)后所列的各项为相关约束条件;为时间阈值;ti为第i中类型任务卸载需要消耗的时间;ti,max为完成第i种类型任务卸载所能容忍的最大处理时间;S为任务类型数目;hj为任务卸载策略中传输任务的基站的数量;j为任务卸载策略中传输任务的基站的序数;hj,max为任务卸载策略中传输任务需要的基站的最大数量;ρi为第i种类型任务在所有任务类型中所占比重;Pi,j为第i中类型任务处于第j个基站的概率;ψi为卸载第i种类型任务需要的总开销;
基于博弈论的方法求解Pi,j,求解出的Pi,j即为最优的任务卸载策略,所述最优的任务卸载策略为以最低成本卸载每个车辆用户不同类型任务的卸载策略。
6.如权利要求5所述的车联网V2I模式任务卸载方法,其特征在于:所述任务卸载包括任务准备、任务上载、任务处理、任务传输和任务下载;所述车辆用户对车辆网中的任务数据进行提取和压缩以执行所述任务准备;所述车辆用户对预处理后的任务文件传输至所述基站以执行所述任务上载;所述MEC服务器卸载任务执行所述任务处理;所述MEC服务器将卸载后的任务传输至与之匹配的基站,卸载后的任务在沿车辆行驶方向排布的基站之间传输执行任务传输;满足所述卸载任务策略的最后一个基站将卸载后的任务下载至所述车辆用户执行所述任务下载。
7.如权利要求6所述的车联网V2I模式任务卸载方法,其特征在于:任务卸载需要消耗的时间包括任务准备需要消耗的时间、任务上载需要消耗的时间、任务处理需要消耗的时间、任务传输需要消耗的时间、任务下载需要消耗的时间的总和。
8.如权利要求6所述的车联网V2I模式任务卸载方法,其特征在于:任务卸载需要的开销包括任务准备需要的开销、任务上载需要的开销、任务处理需要的开销、任务传输需要的开销、任务下载需要的开销的总和。
9.如权利要求1所述的车联网V2I模式任务卸载方法,其特征在于:还包括构建车联网系统,所述车联网系统包括基站、MEC服务器和车辆用户;单个车联网系统包含多个车辆用户、多个基站和多个MEC服务器;每个车辆用户行驶过程中卸载任务时需要至少一个基站和一个MEC服务器。
10.一种使用权利要求1~9任一项所述的车联网V2I模式任务卸载方法卸载任务的系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010797419.XA CN111935677B (zh) | 2020-08-10 | 2020-08-10 | 车联网v2i模式任务卸载方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010797419.XA CN111935677B (zh) | 2020-08-10 | 2020-08-10 | 车联网v2i模式任务卸载方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111935677A true CN111935677A (zh) | 2020-11-13 |
CN111935677B CN111935677B (zh) | 2023-05-16 |
Family
ID=73307364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010797419.XA Active CN111935677B (zh) | 2020-08-10 | 2020-08-10 | 车联网v2i模式任务卸载方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111935677B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114143346A (zh) * | 2021-11-29 | 2022-03-04 | 广东工业大学 | 一种车联网任务卸载和服务缓存的联合优化方法及系统 |
CN115361668A (zh) * | 2022-10-17 | 2022-11-18 | 合肥本源物联网科技有限公司 | 车联网场景下的基于边缘计算的4g和5g混合卸载方法 |
CN115964178A (zh) * | 2023-01-09 | 2023-04-14 | 江南大学 | 一种车联网用户计算任务调度方法、装置及边缘服务网络 |
CN115988462A (zh) * | 2023-03-17 | 2023-04-18 | 中电建市政建设集团山东工程有限公司 | 一种基于车路协同的边缘计算模块的调试方法 |
CN115964178B (zh) * | 2023-01-09 | 2024-05-31 | 江南大学 | 一种车联网用户计算任务调度方法、装置及边缘服务网络 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108920279A (zh) * | 2018-07-13 | 2018-11-30 | 哈尔滨工业大学 | 一种多用户场景下的移动边缘计算任务卸载方法 |
CN109302709A (zh) * | 2018-09-14 | 2019-02-01 | 重庆邮电大学 | 面向移动边缘计算的车联网任务卸载与资源分配策略 |
CN109391681A (zh) * | 2018-09-14 | 2019-02-26 | 重庆邮电大学 | 基于mec的v2x移动性预测与内容缓存卸载方案 |
CN110377353A (zh) * | 2019-05-21 | 2019-10-25 | 湖南大学 | 计算任务卸载系统与方法 |
US20200137142A1 (en) * | 2018-10-30 | 2020-04-30 | Toyota Motor North America, Inc. | Vehicle data offloading systems and methods |
CN111142883A (zh) * | 2019-12-03 | 2020-05-12 | 沈阳航空航天大学 | 基于sdn架构的车辆计算任务卸载方法 |
-
2020
- 2020-08-10 CN CN202010797419.XA patent/CN111935677B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108920279A (zh) * | 2018-07-13 | 2018-11-30 | 哈尔滨工业大学 | 一种多用户场景下的移动边缘计算任务卸载方法 |
CN109302709A (zh) * | 2018-09-14 | 2019-02-01 | 重庆邮电大学 | 面向移动边缘计算的车联网任务卸载与资源分配策略 |
CN109391681A (zh) * | 2018-09-14 | 2019-02-26 | 重庆邮电大学 | 基于mec的v2x移动性预测与内容缓存卸载方案 |
US20200137142A1 (en) * | 2018-10-30 | 2020-04-30 | Toyota Motor North America, Inc. | Vehicle data offloading systems and methods |
CN110377353A (zh) * | 2019-05-21 | 2019-10-25 | 湖南大学 | 计算任务卸载系统与方法 |
CN111142883A (zh) * | 2019-12-03 | 2020-05-12 | 沈阳航空航天大学 | 基于sdn架构的车辆计算任务卸载方法 |
Non-Patent Citations (4)
Title |
---|
ZHU XIAO ET.AL: ""Vehicular Task Offloading via Heat-Aware MEC Cooperation Using Game-Theoretic Method"" * |
周雨荷: "" 车联网通信中的资源分配研究"" * |
林峻良: ""移动边缘计算系统联合任务卸载及资源分配算法研究"" * |
樊倩汝: ""面向多服务器的移动边缘计算卸载研究"" * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114143346A (zh) * | 2021-11-29 | 2022-03-04 | 广东工业大学 | 一种车联网任务卸载和服务缓存的联合优化方法及系统 |
CN114143346B (zh) * | 2021-11-29 | 2022-11-29 | 广东工业大学 | 一种车联网任务卸载和服务缓存的联合优化方法及系统 |
CN115361668A (zh) * | 2022-10-17 | 2022-11-18 | 合肥本源物联网科技有限公司 | 车联网场景下的基于边缘计算的4g和5g混合卸载方法 |
CN115361668B (zh) * | 2022-10-17 | 2023-02-14 | 合肥本源物联网科技有限公司 | 车联网场景下的基于边缘计算的4g和5g混合卸载方法 |
CN115964178A (zh) * | 2023-01-09 | 2023-04-14 | 江南大学 | 一种车联网用户计算任务调度方法、装置及边缘服务网络 |
CN115964178B (zh) * | 2023-01-09 | 2024-05-31 | 江南大学 | 一种车联网用户计算任务调度方法、装置及边缘服务网络 |
CN115988462A (zh) * | 2023-03-17 | 2023-04-18 | 中电建市政建设集团山东工程有限公司 | 一种基于车路协同的边缘计算模块的调试方法 |
CN115988462B (zh) * | 2023-03-17 | 2023-06-30 | 中电建市政建设集团山东工程有限公司 | 一种基于车路协同的边缘计算模块的调试方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111935677B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112188442B (zh) | 基于移动边缘计算的车联网数据驱动任务卸载系统和方法 | |
CN111935677A (zh) | 车联网v2i模式任务卸载方法及系统 | |
CN112367640B (zh) | 基于移动边缘计算的v2v模式多任务卸载方法及系统 | |
CN110035410B (zh) | 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法 | |
CN110109745B (zh) | 一种针对边缘计算环境的任务协同在线调度方法 | |
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 | |
CN110489176B (zh) | 一种基于装箱问题的多接入边缘计算任务卸载方法 | |
US10592578B1 (en) | Predictive content push-enabled content delivery network | |
CN112929849B (zh) | 一种基于强化学习的可靠车载边缘计算卸载方法 | |
CN112887905B (zh) | 一种车联网中基于周期性资源调度的任务卸载方法 | |
CN111711962A (zh) | 一种移动边缘计算系统子任务协同调度方法 | |
CN115150891B (zh) | 一种基于移动边缘计算的中断概率辅助任务卸载优化方法 | |
CN112988347A (zh) | 一种降低系统能耗与花费和的边缘计算卸载方法及系统 | |
CN114531478A (zh) | 边缘资源聚合的方法、设备和计算机程序产品 | |
CN115473896A (zh) | 基于dqn算法的电力物联网卸载策略和资源配置优化方法 | |
CN116095720A (zh) | 基于深度强化学习的网络业务接入和切片资源配置方法 | |
CN114095358A (zh) | 一种面向动态网络的虚拟网络功能部署方法及设备 | |
CN115134370B (zh) | 一种多无人机辅助的移动边缘计算卸载方法 | |
CN114928893B (zh) | 一种基于智能反射面的架构及任务卸载方法 | |
CN116567651A (zh) | 基于粒子群的mec任务卸载与迁移的决策方法及系统 | |
CN113709249B (zh) | 辅助驾驶业务安全均衡卸载方法及系统 | |
CN116017570A (zh) | 一种基于区块链的边缘计算系统资源管理方法 | |
CN112738225B (zh) | 基于人工智能的边缘计算方法 | |
CN115134829A (zh) | 移动业务边缘协作卸载方法、装置、设备及介质 | |
Palit et al. | Improving ue energy efficiency through network-aware video streaming over 5g |
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 |