CN112328397B - 5g异构网络系统及其协同车辆计算任务卸载方法 - Google Patents

5g异构网络系统及其协同车辆计算任务卸载方法 Download PDF

Info

Publication number
CN112328397B
CN112328397B CN202011249176.2A CN202011249176A CN112328397B CN 112328397 B CN112328397 B CN 112328397B CN 202011249176 A CN202011249176 A CN 202011249176A CN 112328397 B CN112328397 B CN 112328397B
Authority
CN
China
Prior art keywords
base station
task
cellular base
calculation
small
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
CN202011249176.2A
Other languages
English (en)
Other versions
CN112328397A (zh
Inventor
惠一龙
黄远浩
陈志强
陈睿
肖潇
承楠
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202011249176.2A priority Critical patent/CN112328397B/zh
Publication of CN112328397A publication Critical patent/CN112328397A/zh
Application granted granted Critical
Publication of CN112328397B publication Critical patent/CN112328397B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W28/10—Flow control between communication endpoints
    • 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]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • 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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • 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]

Abstract

本发明提出了一种5G异构网络系统及其协同车辆计算任务卸载方法，解决了计算任务不均衡、计算资源短缺及参与成员间缺乏动态合作的问题。本发明边缘计算和5G异构网络集成系统中的小型蜂窝基站为移动车辆提供高质量计算服务，宏蜂窝基站对小型蜂窝基站进行计算资源的高效管理。本发明方法包括：移动车辆发任务卸载请求；宏蜂窝基站决定执行计算任务方案，对小型蜂窝基站进行调度；任务计算完成，宏蜂窝基站与移动车辆两轮博弈协商计算任务卸载服务协议；协商后，双方交付结果或任务报酬，完成计算任务卸载服务。本发明统筹调度、常用结果缓存、价格博弈，提高了任务完成率和参与者的效用，用于为自动驾驶的车辆提供高效的计算任务卸载服务。

Description

5G异构网络系统及其协同车辆计算任务卸载方法
技术领域
本发明属于智能交通技术领域，主要涉及一种协同车辆任务卸载的博弈理论方案，具体是一种边缘计算和5G异构网络集成系统及其协同车辆计算任务卸载方法，以优化5G异构网络提供的计算服务。
背景技术
新世纪以来，随着国内经济的增速高位运行，汽车需求一直维持着相当高的热度。而随着交通强国战略的推出及车辆技术的快速发展，用户对驾驶体验的要求也在逐步提高。在这种情况下，自动驾驶技术的出现将是车辆技术领域的一次伟大跨越，同时也将彻底改变人们的交通和日常生活方式。自动驾驶中的车辆需要执行大量的计算任务，包括交通监控、环境感知以及人工智能等。如何提供更高效、更准确的计算服务成为自动驾驶技术的重大挑战。
为了满足移动车辆日益增加的计算需求，研究人员对边缘计算和计算任务卸载方案进行了广泛的研究。通过在蜂窝基站上部署边缘计算设备，令移动车辆可以将任务卸载到基站上，由基站提供计算服务，避免远程传输的时延并改善驾驶体验。然而，尽管车辆计算任务卸载方案在不断更新进步，现有的研究仍然存在车辆计算任务的不均衡分布、计算资源短缺以及参与任务计算的成员之间缺乏动态合作的问题，现有研究的不足之处具体包括：现有的研究没有考虑到车辆在系统服务区域内是不均衡分布的，如果一个区域内的车辆密度过大，可能会导致车辆请求的计算任务无法按时完成，从而导致较差的移动车辆服务体验；现有的研究没有考虑到系统的计算资源并不是无限的，如果请求的任务数量过多，可能会导致部分车辆请求的计算任务无法被执行，从而导致较低的任务完成率；现有的研究没有考虑到参与任务计算的成员之间的动态合作，大型基站接收到移动车辆的任务请求消息后，往往是随机选择一组空闲的小型基站来执行计算任务，这些小型基站可能会声明过高的任务奖励金额或者可能根本无法完成任务，这样不仅会导致成本的不可预估性，同时也会降低任务完成率。
发明内容
本发明的目的在于针对现有车辆计算任务卸载方案的不足，提出一种基于博弈理论的车辆计算任务卸载方案，名称为5G异构网络系统及其协同车辆计算任务卸载方法。
本发明是一种边缘计算和5G异构网络集成系统，包括:移动车辆、宏蜂窝基站、小型蜂窝基站、计算设备和车载单元，宏蜂窝基站和小型蜂窝基站之间通过高速有线链路连接，并部署有各自的计算设备，移动车辆配备有车载单元，与宏蜂窝基站或小型蜂窝基站之间进行无线通信，并在宏蜂窝基站的通信范围内不均衡分布，其特征在于：所述计算设备均为边缘计算设备，在距离移动车辆较近的区域或5G异构网络边缘执行计算功能；所述小型蜂窝基站配备有小型边缘计算设备，并以其自身为计算核心，在其通信范围内形成一个小型服务区，为进入其中的所有移动车辆提供计算服务；所述宏蜂窝基站配备有大型边缘计算设备，并作为通讯管理核心，通过向其通信范围内的所有小型蜂窝基站发送控制信号进行计算资源的统筹管理，宏蜂窝基站与其通信范围内的数个小型蜂窝基站共同构成一个边缘计算和5G异构网络集成系统；移动车辆通过无线通信向宏蜂窝基站发出一次计算任务卸载请求，宏蜂窝基站接收请求后，首先根据缓存结果重复利用的方法决定是否需要小型蜂窝基站参与本次任务的计算，如果需要，则宏蜂窝基站收集通信范围内所有小型蜂窝基站的竞价信息，根据任务分配策略选择出最佳的小型蜂窝基站，通过高速有线链路向目标小型蜂窝基站发送任务执行控制命令，并给其分配计算任务；小型蜂窝基站通过自身的边缘计算设备执行计算任务，完成计算任务之后，小型蜂窝基站向宏蜂窝基站发送任务结果和任务完成消息；宏蜂窝基站接收到小型蜂窝基站的任务结果和任务完成消息之后，对任务结果的流行度进行分析，缓存流行度高的计算结果以重复利用；之后宏蜂窝基站计算其完成任务的成本，并基于成本与移动车辆通过两轮博弈，协商出本次计算服务的数字货币报酬，宏蜂窝基站与发出任务卸载请求的移动车辆达成协议后，向对应的小型蜂窝基站发送任务结果传输命令，小型蜂窝基站将任务结果发送给该移动车辆，移动车辆接收任务结果并确认无误后，向宏蜂窝基站支付任务计算的报酬，宏蜂窝基站接收到移动车辆的数字货币报酬后，根据任务分配策略对参与任务计算的小型蜂窝基站分配数字货币奖励，完成本次车辆任务卸载服务。
本发明还是一种协同车辆计算任务卸载方法，在权利要求1-3所述的任一边缘计算和5G异构网络集成系统上运行，其特征在于，包括如下：
(1)移动车辆发出任务卸载请求：移动车辆通过无线通信向宏蜂窝基站发出计算任务卸载请求。
(2)宏蜂窝基站决定执行计算任务的方案：宏蜂窝基站接收请求后，首先根据缓存结果重复利用方法，确定执行计算任务的方案，决定是否需要小型蜂窝基站参与本次任务的计算；在小型蜂窝基站参与任务计算的情况下，此时宏蜂窝基站缓存有移动车辆请求的部分流行度较高的子任务的结果，宏蜂窝基站直接使用已有结果，并将剩余部分任务分配给小型蜂窝基站进行计算，提高计算资源的利用率以及任务计算效率。
(3)小型蜂窝基站参与竞价：宏蜂窝基站向通信范围内的所有小型蜂窝基站广播关于本次计算任务卸载的拍卖消息，小型蜂窝基站向宏蜂窝基站发送竞价信息，各小型蜂窝基站基于第二价格密封拍卖模型竞争本次任务计算的机会。
(4)宏蜂窝基站进行任务分配：宏蜂窝基站收集通信范围内所有小型蜂窝基站的竞价信息，根据任务分配策略，经计算后，选择出最佳的小型蜂窝基站，通过高速有线链路向目标小型蜂窝基站发送任务执行控制命令，并给其分配计算任务。
(5)小型蜂窝基站执行计算任务：小型蜂窝基站通过自身的边缘计算设备执行计算任务，完成计算任务之后，小型蜂窝基站向宏蜂窝基站发送计算结果和任务完成消息。
(6)宏蜂窝基站与移动车辆进行两轮博弈：宏蜂窝基站接收到小型蜂窝基站的计算结果和任务完成消息之后，分析计算结果的流行度，将流行度高的计算结果缓存在其边缘计算设备的存储单元中，然后进入宏蜂窝基站与发出任务卸载请求的移动车辆的博弈过程，宏蜂窝基站计算其完成任务的成本，并基于成本与移动车辆通过两轮博弈，协商出本次计算服务的数字货币报酬。
(7)小型蜂窝基站向移动车辆发送计算结果：宏蜂窝基站与发出任务卸载请求的移动车辆达成协议后，宏蜂窝基站向对应的小型蜂窝基站发送任务结果传输命令，小型蜂窝基站将任务结果发送给该发出任务卸载请求的移动车辆。
(8)移动车辆向宏蜂窝基站支付任务报酬：移动车辆接收任务结果并确认无误后，向宏蜂窝基站支付任务计算的报酬。
(9)宏蜂窝基站向小型蜂窝基站分配任务奖励：宏蜂窝基站接收到移动车辆的数字货币报酬后，根据任务分配策略对参与任务计算的小型蜂窝基站分配数字货币奖励，完成本次车辆任务卸载服务。
本发明解决了现有技术中车辆计算任务的不均衡分布、计算资源短缺和参与成员之间缺乏动态合作的问题。
本发明与现有技术相比具有以下优点：
给出了一种边缘计算和5G异构网络技术相结合形成的集成系统，主要用于为自动驾驶的移动车辆提供计算任务卸载服务的新的技术方案：本发明将边缘计算和5G异构网络集成，利用5G异构网络的特点，为网络覆盖范围内的移动车辆提供高效、准确和多层次的计算任务卸载服务，并利用边缘计算技术，在距离移动车辆较近的区域即5G异构网络边缘为移动车辆提供任务计算服务，避免了远程传输的长时间消耗，优化了移动车辆的服务体验。
本发明考虑到车辆计算任务的不均衡分布，将其转化为车辆密度问题，通过为不同车辆密度的区域分配不同的计算资源来解决计算任务的不均衡分布问题，保证各服务区内的车辆计算任务均能够在限制时间内准确地完成，满足移动车辆的服务需求。
本发明考虑到宏蜂窝基站配备的大型边缘计算设备的大容量和快速传输的特性，通过分析计算结果的流行度，令大型边缘计算设备保存常用的计算结果，由宏蜂窝基站加以重复利用，解决了计算资源短缺的问题，并能够有效地提高计算资源的利用率和任务计算效率。
本发明提出了一种新的协同车辆计算任务卸载的整体技术方案，由宏蜂窝基站对小型蜂窝基站进行合理调度，以优化计算资源的分配，减少完成任务的时间并降低完成任务的成本。
本发明制定了基于第二价格密封拍卖模型的任务分配策略，小型蜂窝基站之间相互竞价，宏蜂窝基站选择最佳的小型蜂窝基站来执行卸载任务，以此来实现收益的最大化。
本发明通过两轮的博弈来促进参与成员之间的交流与协作，宏蜂窝基站通过博弈过程争取更高的收益，移动车辆通过博弈得到满意的任务结果并实现效用的最大化。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本发明边缘计算与5G异构网络系统的整体结构模型图；
图2为本发明协同车辆计算任务卸载方法的流程图；
图3为本发明宏蜂窝基站与移动车辆两轮交易博弈的流程图。
下面将结合附图对本发明的实施例进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
具体实施方式
实施例1
现有的有关自动驾驶过程中车辆计算任务卸载方案的研究没有考虑到车辆在系统服务区域内是不均衡分布的，如果一个区域内的车辆密度过大，可能会导致车辆请求的计算任务无法按时完成，从而导致较差的移动车辆服务体验；现有的研究也没有考虑到计算资源的有限性，如果移动车辆请求的任务数量过多，由于计算资源的短缺，可能会导致部分车辆请求的计算任务无法被执行，从而导致较低的任务完成率；现有的研究没有考虑到参与任务计算的成员之间的动态合作，大型基站接收到移动车辆的任务请求消息后，往往是随机选择一组空闲的小型基站来执行计算任务，这些小型基站可能会声明过高的任务奖励金额或者可能根本无法完成任务，这样不仅会导致成本的不可预估性，同时也会降低任务完成率；针对现有车辆计算任务卸载方案的不足，本发明经过理论分析与研究，提出一种基于博弈理论的车辆计算任务卸载方案，解决车辆计算任务的不均衡分布、计算资源短缺以及参与任务计算的成员之间缺乏动态合作的问题。
本发明是一种边缘计算和5G异构网络集成系统，参见图1，包括:移动车辆1(AV)、宏蜂窝基站2(MCBS)、小型蜂窝基站3(SCBS)、计算设备(ECD)以及车载单元5(OBU)；宏蜂窝基站2和小型蜂窝基站3之间通过高速有线链路连接，并部署有各自的计算设备4，移动车辆1配备有车载单元5，与宏蜂窝基站2或小型蜂窝基站3之间进行无线通信，并在宏蜂窝基站2的通信范围内不均衡分布，本发明中的计算设备均为边缘计算设备4，是在距离移动车辆较近的区域或者说在5G异构网络边缘执行计算功能，本发明中移动车辆也称为用户端。本发明的小型蜂窝基站3配备有小型边缘计算设备，并以其自身为计算核心，在其通信范围内形成一个小型服务区，为进入其服务范围内的所有移动车辆1提供计算服务；本发明的宏蜂窝基站2配备有大型边缘计算设备，并作为5G异构网络的通讯管理核心，通过向其通信范围内的所有小型蜂窝基站3发送控制信号进行计算资源的统筹管理，宏蜂窝基站2与其通信范围内的数个小型蜂窝基站3共同构成边缘计算和5G异构网络集成的系统。用于为其通信范围内的移动车辆提供计算任务卸载服务。本发明中移动车辆1通过无线通信向宏蜂窝基站2发出一次计算任务卸载请求，宏蜂窝基站2接收请求后，首先根据缓存结果重复利用的方法决定是否需要小型蜂窝基站3参与本次任务的计算，如果需要，则宏蜂窝基站2收集通信范围内所有小型蜂窝基站3的竞价信息，根据任务分配策略选择出最佳的小型蜂窝基站3，通过高速有线链路向目标小型蜂窝基站3发送任务执行控制命令，并给其分配计算任务；小型蜂窝基站3通过自身的边缘计算设备执行计算任务，完成计算任务之后，小型蜂窝基站3向宏蜂窝基站2发送任务结果和任务完成消息；宏蜂窝基站2接收到小型蜂窝基站3的任务结果和任务完成消息之后，对任务结果的流行度进行分析，缓存流行度高的计算结果以重复利用；之后宏蜂窝基站2计算其完成任务的成本，并基于成本与移动车辆1通过两轮博弈，协商出本次计算服务的数字货币报酬，宏蜂窝基站2与发出任务卸载请求的移动车辆1达成协议后，向对应的小型蜂窝基站3发送任务结果传输命令，小型蜂窝基站3将任务结果发送给该移动车辆1，移动车辆1接收任务结果并确认无误后，向宏蜂窝基站2支付任务计算的报酬，宏蜂窝基站2接收到移动车辆1的数字货币报酬后，根据任务分配策略对参与任务计算的小型蜂窝基站3分配数字货币奖励，完成本次车辆任务卸载服务。
本发明给出了一种边缘计算和5G异构网络技术相结合形成的集成系统，用于为移动车辆提供自动驾驶过程中计算任务卸载服务的新的技术方案。本发明将5G异构网络与边缘计算设备相结合，利用5G异构网络的特点，为网络覆盖范围内的移动车辆提供高效、准确和多层次的计算任务卸载服务；同时，相比于云端设备，本发明系统通过在基站部署的边缘计算设备，可以在距离移动车辆较近的区域或5G异构网络边缘为移动车辆提供任务计算服务，避免了远程传输的长时间消耗，优化了移动车辆的服务体验。
实施例2
边缘计算和5G异构网络集成系统的总体构成同实施例1，所述在宏蜂窝基站的通信范围内不均衡分布，是指移动车辆在宏蜂窝基站的通信范围内的车辆密度分布是非均匀的、变化的，同时在协同车辆计算任务卸载服务中请求任务的数量也是非均匀的；本发明通过分析不同区域内的车辆密度和请求任务的数量分布，为高车辆密度和高请求任务数量的区域分配更多的计算资源以缓解任务卸载的压力。
本发明考虑到车辆计算任务的不均衡分布，将其转化为车辆密度以及请求任务数量分布问题，通过为不同车辆密度和不同请求任务数量的区域分配不同的计算资源来解决计算任务的不均衡分布问题，保证各服务区内的车辆计算任务均能够在限制时间内准确地完成，满足移动车辆的服务需求。
实施例3
边缘计算和5G异构网络集成系统的总体构成同实施例1-2，宏蜂窝基站配备的大型边缘计算设备，其组成单元除了计算单元外，还额外配备有存储单元。或者说在原有计算设备基础上，专设有存储单元，存储单元和计算单元相互连接，计算单元对计算结果的流行度进行分析，将流行度高的计算结果发送给存储单元进行缓存，如果移动车辆请求的卸载任务结果在宏蜂窝基站中已有缓存，宏蜂窝基站会将存储单元中已缓存的任务结果发送给该移动车辆，实现任务结果的重复利用。
本发明考虑到任务结果的重复利用，利用宏蜂窝基站配备的大型边缘计算设备的大容量和快速传输的特性，令大型边缘计算设备保存常用的计算结果，由宏蜂窝基站加以重复利用，通过这种方式，能够有效地提高计算资源的利用率和任务计算效率。
实施例4
本发明还是一种协同车辆计算任务卸载方法，在上述的任一边缘计算和5G异构网络集成系统上运行，参见图2，包括有如下步骤：
(1)移动车辆发出任务卸载请求：移动车辆通过无线通信向宏蜂窝基站发出计算任务卸载请求。
(2)宏蜂窝基站决定执行计算任务的方案：宏蜂窝基站接收请求后，首先根据缓存结果重复利用方法，确定执行计算任务的方案，决定是否需要小型蜂窝基站参与本次任务的计算。在小型蜂窝基站参与任务计算的情况下，此时宏蜂窝基站缓存有移动车辆请求的部分流行度较高的子任务的结果，宏蜂窝基站直接使用已有结果，并将剩余部分任务分配给小型蜂窝基站进行计算，提高计算资源的利用率以及任务计算效率。
所确定的执行计算任务的方案，其主要内容包括，宏蜂窝基站根据其大型边缘计算设备中是否缓存有移动车辆请求的计算任务结果，如果缓存有部分的任务结果，宏蜂窝基站将直接使用已有结果，并对剩下的计算任务进行分配；如果缓存有完整的任务结果，宏蜂窝基站将直接使用已有结果，无需进行任务计算；如果未缓存有任务结果，宏蜂窝基站将任务分为多个子任务，并将子任务分配给小型蜂窝基站进行计算。
(3)小型蜂窝基站参与竞价：宏蜂窝基站向通信范围内的所有小型蜂窝基站广播关于本次计算任务卸载的拍卖消息，小型蜂窝基站向宏蜂窝基站发送竞价信息，各小型蜂窝基站基于第二价格密封拍卖模型竞争本次任务计算的机会。
(4)宏蜂窝基站进行任务分配：宏蜂窝基站收集通信范围内所有小型蜂窝基站的竞价信息，根据任务分配策略，经计算后，选择出最佳的小型蜂窝基站，通过高速有线链路向目标小型蜂窝基站发送任务执行控制命令，并给其分配计算任务。
(5)小型蜂窝基站执行计算任务：小型蜂窝基站通过自身的边缘计算设备执行计算任务，完成计算任务之后，小型蜂窝基站向宏蜂窝基站发送计算结果和任务完成消息。
(6)宏蜂窝基站与移动车辆进行两轮博弈：宏蜂窝基站接收到小型蜂窝基站的计算结果和任务完成消息之后，分析计算结果的流行度，将流行度高的计算结果缓存在其边缘计算设备的存储单元中，然后进入宏蜂窝基站与发出任务卸载请求的移动车辆的博弈过程，宏蜂窝基站计算其完成任务的成本，并基于成本与移动车辆通过两轮博弈，协商出本次计算服务的数字货币报酬。
(7)小型蜂窝基站向移动车辆发送计算结果：宏蜂窝基站与发出任务卸载请求的移动车辆达成协议后，宏蜂窝基站向对应的小型蜂窝基站发送任务结果传输命令，小型蜂窝基站将任务结果发送给该发出任务卸载请求的移动车辆。
(8)移动车辆向宏蜂窝基站支付任务报酬：移动车辆接收任务结果并确认无误后，向宏蜂窝基站支付任务计算的报酬。
(9)宏蜂窝基站向小型蜂窝基站分配任务奖励：宏蜂窝基站接收到移动车辆的数字货币报酬后，根据任务分配策略对参与任务计算的小型蜂窝基站分配数字货币奖励，完成本次车辆任务卸载服务。
本发明提出了一种新的车辆计算任务卸载的整体技术方案，由宏蜂窝基站对其通信范围内所有的小型蜂窝基站进行合理调度，以优化计算资源的分配，减少完成任务的时间并降低完成任务的成本；在提出的方案中，宏蜂窝基站主要负责接收移动车辆的任务请求、为小型蜂窝基站分配计算任务并与移动车辆协商服务报酬，而小型蜂窝基站主要负责在宏蜂窝基站的调度下执行卸载任务的计算，宏蜂窝基站和小型蜂窝基站各司其职，两者协同为移动车辆提供高效、准确的计算任务卸载服务。
实施例5
边缘计算和5G异构网络集成系统以及协同车辆计算任务卸载方法同实施例1-4，步骤(1)中所述的移动车辆发出任务计算请求，包括任务的输入大小si、任务的输出大小so、完成任务所需的计算资源Dq、完成任务的时间限制Tq、任务内容以及任务计算结果的流行度pq。
本发明通过考虑移动车辆请求计算任务的相关属性，使宏蜂窝基站能够更好地对小型蜂窝基站进行调度，合理分配计算资源以高效、准确地完成计算任务，优化移动车辆的服务体验。
实施例6
边缘计算和5G异构网络集成系统以及协同车辆计算任务卸载方法同实施例1-5，步骤(2)中所述的缓存结果重复利用的方法，其内容包括如下：
2.1)如果宏蜂窝基站缓存有卸载任务完整的计算结果，表示为i＝1，且结果可在任务限制时间内传输到移动车辆，则直接进入步骤(6)所述的两轮博弈阶段。
2.2)如果宏蜂窝基站缓存有卸载任务部分的计算结果，表示为0＜i＜1，则将剩下的任务面向小型蜂窝基站发起投标，进入步骤(3)所述的小型蜂窝基站竞价阶段。
2.3)如果宏蜂窝基站未缓存有卸载任务的计算结果，表示为i＝0，则直接将任务面向小型蜂窝基站发起投标，进入步骤(3)所述的小型蜂窝基站竞价阶段。
在本发明中，宏蜂窝基站通过分析计算结果的流行度，缓存常用计算结果并重复利用，解决了计算资源短缺的问题；移动车辆发出计算任务卸载请求，在宏蜂窝基站缓存有部分或者全部计算任务结果的情况下，宏蜂窝基站向该移动车辆直接发送已有的计算任务结果，以此来减少完成任务的时间并降低完成任务的成本。
实施例7
边缘计算和5G异构网络集成系统以及协同车辆计算任务卸载方法同实施例1-6，步骤(3)中所述的第二价格密封拍卖模型以及步骤(4)中所述的任务分配策略，是指各个小型蜂窝基站计算自身完成任务的成本，向宏蜂窝基站提出自己的报价以参与竞标过程，而宏蜂窝基站会选择报价最低的小型蜂窝基站来完成任务，并支付其第二低的价格作为报酬。
本发明设计并制定了基于第二价格密封拍卖模型的任务分配策略，小型蜂窝基站之间互相竞价，宏蜂窝基站选择最佳的小型蜂窝基站来执行卸载任务，以此来实现收益的最大化；在第二价格密封拍卖模型中，各小型蜂窝基站均无法通过改变自身的出价策略来影响拍卖的走向，每个小型蜂窝基站都将按照固定的出价策略相互竞争，以达到博弈的纳什平衡，便于宏蜂窝基站选出最佳的蜂窝基站执行卸载任务，优化调度过程。
实施例8
边缘计算和5G异构网络集成系统以及协同车辆计算任务卸载方法同实施例1-7，步骤(6)中所述的两轮博弈，其过程包括如下步骤：
6.1)在第一轮博弈中，宏蜂窝基站给出自己的折扣率ψm，移动车辆给出自己的折扣率ψn。宏蜂窝根据保留价格M和自身的博弈策略向移动车辆发送第一轮的出价R1和任务耐心度。移动车辆根据保留价格N和自身的博弈策略决定是否接受此次出价。
6.1.a)如果移动车辆接受第一轮出价，则博弈成功，双方达成协议，并得到双方最终成交价格P1＝R1+N，完成交易。
6.1.b)如果移动车辆不接受第一轮出价，则进入第二轮博弈。
6.2)在第二轮博弈中，宏蜂窝基站根据第一轮的出价R1，并基于新的博弈策略向移动车辆发送第二轮出价R2。移动车辆会基于新的博弈策略决定是否接受此次出价。
6.2.a)如果移动车辆接受第二轮出价，则博弈成功，双方达成协议，并得到双方最终成交价格P2＝R2+M，完成交易。
6.2.b)如果移动车辆不接受第二轮出价，则博弈结束，交易取消。
本发明通过两轮的博弈的技术方案来促进参与成员之间的交流与协作，宏蜂窝基站通过博弈过程争取更高的收益，移动车辆通过博弈得到满意的任务结果并实现效用的最大化。
实施例9
边缘计算和5G异构网络集成系统以及协同车辆计算任务卸载方法同实施例1-8，步骤(6)中所述的宏蜂窝基站计算其完成任务的成本，包括任务输入和输出的传输成本，以及需要支付小型蜂窝基站相应报酬的成本。由于高速线路传输的原因，忽略宏蜂窝基站与小型蜂窝基站之间的传输成本。支付小型蜂窝基站的成本为任务分配策略中第二低的报价，且当宏蜂窝基站缓存有完整任务结果时，此部分成本为0。
在本发明中，宏蜂窝基站通过考虑其完成任务的成本来决定与移动车辆的博弈策略，以提高本次计算任务卸载服务的收益；同时，本发明通过分析计算服务成本的组成，优化网络结构，降低任务传输成本，完善计算任务卸载服务方案，降低计算成本，实现发明内容的实用性与可行性。
综合实例1-9所述，本发明提出了一种基于博弈理论的5G异构网络中协同车辆计算任务卸载的方法，以方便5G异构网络为移动车辆提供计算服务。具体来说，本发明建立了一个边缘计算和5G异构网络集成的系统，并提出了一个两阶段的车载任务卸载机制，该机制以提高任务完成率和参与者的效用为目标，考虑并解决车辆分布不均的问题；将常用的任务结果重复使用，以提高计算资源的利用率；通过任务分配策略和两轮博弈的方法，促进参与者之间的交流与协作。在第一阶段，设计任务分配策略帮助宏蜂窝基站选择最佳的小型蜂窝基站，后者根据任务的要求和可用计算资源执行卸载的任务。在第二阶段，根据完成任务的成本，宏蜂窝基站与移动车辆通过两轮博弈的方法，达成任务卸载服务的协议，最大限度地提高两者的效用。本发明满足专利申请的各项要求，具有创新性、实用性和可行性，为自动驾驶技术提供了理论和技术支持，并有利于推动车辆技术领域的快速发展。
下面将边缘计算和5G异构网络集成系统以及协同车辆计算任务卸载方法结合在一起，对本发明进一步说明。
实施例10
边缘计算和5G异构网络集成系统以及协同车辆计算任务卸载方法同实施例1-9，
参见图1，本发明是一种边缘计算与5G异构网络集成系统，其组成包括移动车辆1(AV)、宏蜂窝基站2(MCBS)、小型蜂窝基站3(SCBS)、边缘计算设备4(ECD)以及车载单元5(OBU)。宏蜂窝基站2与小型蜂窝基站3之间通过有线链路连接，宏蜂窝基站2或小型蜂窝基站3与移动车辆1利用无线信号进行通信。图中给出了小型蜂窝基站的通信覆盖范围，在不同的通信范围内，移动车辆密度也不尽相同，为高车辆密度的区域分配更多的计算资源以缓解任务卸载压力。本发明还是一种基于边缘计算和5G异构网络集成系统的协同车辆计算任务卸载方法。
参见图2，本发明协同车辆执行任务卸载计算服务的方法，实现步骤如下：
前置准备.根据实际需求部署宏蜂窝基站与小型蜂窝基站。
根据实际需求将蜂窝基站沿道路部署，考虑通信覆盖范围、周围环境以及移动车辆密度，适当增加或减少基站数量。对于高车辆密度的区域，我们将布置较多的小型蜂窝基站来降低本区域内的任务计算压力，对于低车辆密度的区域以及工作环境较差的区域，我们将布置较少的小型蜂窝基站来保证计算资源的利用率。
参照图1，本实例是将小型蜂窝基站部署在道路旁，且多个小型蜂窝基站之间通过高速有线链路连接到宏蜂窝基站。小型蜂窝基站之间按照设定距离d＝1000m进行安装，距离d可以根据实际需要以及当时技术的要求进行调整，设定宏蜂窝基站和小型蜂窝基站之间的通信方式为有线通信，蜂窝基站与移动车辆之间的通信方式为无线通信。
步骤1.移动车辆向宏蜂窝基站发出计算任务卸载请求。
在宏蜂窝基站通信覆盖范围内，移动车辆通过无线通信的方式将任务卸载请求发送给宏蜂窝基站，任务卸载请求的组成包括任务的输入大小si、任务的输出大小so、完成任务所需的计算资源Dq、完成任务的时间限制Tq、任务内容以及根据齐夫定律得到的任务计算结果的流行度pq。宏蜂窝基站接收到请求后进行后续步骤的判断。
步骤2.宏蜂窝接收计算任务卸载请求并判断是否缓存有完整或部分的计算结果。
3.1)如果宏蜂窝基站缓存有卸载任务完整的计算结果i，表示为i＝1，且结果可在请求的限制时间内传输到移动车辆，则直接进入步骤7。
3.2)如果宏蜂窝基站缓存有卸载任务部分的计算结果i，表示为0＜i＜1，则将剩下的任务面向小型蜂窝基站发起投标，进入步骤4。
3.3)如果宏蜂窝基站未缓存有卸载任务的计算结果i，表示为i＝0，则直接将任务面向小型蜂窝基站发起投标，进入步骤4。
步骤3.小型蜂窝基站参与投标过程。
小型蜂窝基站A计算完成任务的成本c，并向宏蜂窝基站提出自己的报价r，参与基于第二价格密封拍卖制度的投标过程。给出的报价越低，中标的可能性越大；给出的报价越高，所获的利润也越高。过高的报价会降低中标率，过低的报价会导致亏损，所以每个投标者的最佳投标策略都是根据自身成本以及利润需求诚实地出报价。
在第二价格密封拍卖模型中，假设其他投标者的最低出价为s，则小型蜂窝基站A的竞标结果有以下几种情况：
3.1)如果r＜c＜s，则A中标，并且获利s-c；
3.2)如果r＜s＜c，则A中标，但是亏损s-c；
3.3)如果r＜c＝s，则A中标，既不获利也不亏损；
3.4)如果c＜r＜s，则A中标，并且获利s-c；
3.5)如果r＝c＜s，则A中标，并且获利s-c；
3.6)如果s＜r，则A未中标。
步骤4.宏蜂窝基站选择最优的小型蜂窝基站执行计算任务。
宏蜂窝基站根据制定的任务分配策略，选择报价最低的小型蜂窝基站执行计算任务，同时支付其第二低的投标价格作为报酬。假设任务传输成本为k，支付给小型蜂窝基站的价格为B，根据步骤3的情况计算宏蜂窝基站的成本C。
4.1)如果i＝1，则C＝k；
4.2)如果i＜1，则C＝k+B。
步骤5.小型蜂窝基站计算卸载的任务。
在任务限制时间内，小型蜂窝基站利用边缘计算设备计算卸载的任务，并将计算结果和任务完成消息发送给宏蜂窝基站，宏蜂窝基站会根据结果的流行度决定是否缓存此结果以重复利用。然后，宏蜂窝基站与移动车辆就交易价格进行博弈。
步骤6.宏蜂窝基站与移动车辆的两轮协商博弈。
宏蜂窝基站根据步骤5中完成任务的成本，与移动车辆协商交易价格，双方根据各自的策略进行博弈以达成协议。显然，移动车辆旨在最大限度地降低任务卸载服务的交易价格，而宏蜂窝基站的目的是为了获得更高的利润。如图3所示，将宏蜂窝基站与移动车辆之间的交互过程建模为两轮协商博弈，以确定交易价格并分配利润。
6.1)在第一轮博弈中，宏蜂窝基站给出自己的折扣率ψm，移动车辆给出自己的折扣率ψn。宏蜂窝基站根据完成任务的成本C，得到保留价格M＝C，并基于博弈策略向移动车辆发送第一轮的出价R1和任务耐心度。移动车辆根据自身的保留价格N，并基于博弈策略决定是否接受此次出价。
6.1.a)如果移动车辆接受第一轮出价，则博弈成功，双方达成协议，并得到双方最终成交价格P1＝R1+N，进入步骤8。
6.1.b)如果移动车辆不接受第一轮出价，则进入第二轮博弈。
6.2)在第二轮博弈中，为了避免效用为0，双方均会改变博弈策略。宏蜂窝基站根据第一轮的出价R1，并基于新的博弈策略向移动车辆发送第二轮出价R2。移动车辆会基于新的博弈策略决定是否接受此次出价。
6.2.a)如果移动车辆接受第二轮出价，则博弈成功，双方达成协议，并得到双方最终成交价格P2＝R2+M，进入步骤8。
6.2.b)如果移动车辆不接受第二轮出价，则博弈结束，交易取消。
6.3)第一轮博弈中宏蜂窝基站的出价R1基于策略
Figure BDA0002771036760000141
移动车辆的判断基于策略
Figure BDA0002771036760000142
第二轮博弈中宏蜂窝基站的出价R2基于策略
Figure BDA0002771036760000143
移动车辆的判断基于策略N＞R2+M。
步骤7.宏蜂窝基站将计算结果发送给移动车辆。
宏蜂窝基站与移动车辆达成协议，将卸载任务的计算结果发送给移动车辆，并分配所获得的利润。
步骤8.移动车辆向宏蜂窝基站支付报酬
移动车辆接收任务结果并确认无误后，根据协议内容向宏蜂窝基站支付本次任务计算服务的报酬。
步骤9.宏蜂窝基站向小型蜂窝基站分配任务奖励
宏蜂窝基站接收到移动车辆的数字货币报酬后，根据任务分配策略对参与任务计算的小型蜂窝基站分配数字货币奖励，完成本次车辆任务卸载服务。
本发明提出的5G异构网络系统及其协同车辆计算任务卸载方法，以方便5G异构网络为移动车辆提供计算服务。解决车辆计算任务的不均衡分布、计算资源短缺以及参与任务计算的成员之间缺乏动态合作的问题。本发明建立了一个边缘计算和5G异构网络集成的系统，其组成包括移动车辆、宏蜂窝基站、小型蜂窝基站、边缘计算设备和车载单元。宏蜂窝基站与小型蜂窝基站之间通过有线链路连接，宏蜂窝基站或小型蜂窝基站与移动车辆利用无线信号进行通信。小型蜂窝基站为进入其通信范围内的所有移动车辆提供计算服务，同时宏蜂窝基站对其通信范围内的所有小型蜂窝基站进行计算资源的统筹管理，提高服务质量与计算任务完成的效率。本发明还提出了一个车辆计算任务卸载方法，主要步骤包括：移动车辆发出任务卸载请求，宏蜂窝基站决定执行计算任务的方案，选择最佳的小型蜂窝基站执行计算任务，小型蜂窝基站完成任务后向宏蜂窝基站发送任务结果，宏蜂窝基站缓存流行度高的计算结果以重复利用。宏蜂窝基站与移动车辆进行两轮博弈，协商达成计算任务卸载服务协议。达成协议后，小型蜂窝基站发送任务结果，移动车辆支付服务报酬，宏蜂窝基站分配报酬，完成计算任务卸载服务。本发明考虑并解决车辆计算任务的不均衡分布、计算资源短缺以及参与任务计算的成员之间缺乏动态合作的问题，通过统筹调度、常用结果缓存和价格博弈提高任务完成率和参与者的效用。用于为自动驾驶的车辆提供高效的计算任务卸载服务。
简而言之，本发明实现了低成本、高可靠、高效用、适用性强的总体目标，通过考虑计算请求的不平衡分布、任务结果的重复利用和基站拥有的可用资源，设计了一个两阶段的任务卸载机制，以促进任务卸载服务参与者之间的合作。与传统方法相比，本发明可以获得卸载服务的最高任务完成率，合理利用网络中的计算资源，并为参与者带来最高的效用。本发明通过设计的协同车辆任务卸载方法，为自动驾驶技术提供了理论支持，并有利于推动未来车辆技术领域的快速发展。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种边缘计算和5G异构网络集成系统，包括:移动车辆、宏蜂窝基站、小型蜂窝基站、计算设备和车载单元，宏蜂窝基站和小型蜂窝基站之间通过高速有线链路连接，并部署有各自的计算设备，移动车辆配备有车载单元，与宏蜂窝基站或小型蜂窝基站之间进行无线通信，并在宏蜂窝基站的通信范围内不均衡分布，其特征在于：所述计算设备均为边缘计算设备，在距离移动车辆较近的区域或5G异构网络边缘执行计算功能；所述小型蜂窝基站配备有小型边缘计算设备，并以其自身为计算核心，在其通信范围内形成一个小型服务区，为进入其中的所有移动车辆提供计算服务；所述宏蜂窝基站配备有大型边缘计算设备，并作为通讯管理核心，通过向其通信范围内的所有小型蜂窝基站发送控制信号进行计算资源的统筹管理，宏蜂窝基站与其通信范围内的数个小型蜂窝基站共同构成一个边缘计算和5G异构网络集成系统；移动车辆通过无线通信向宏蜂窝基站发出一次计算任务卸载请求，宏蜂窝基站接收请求后，首先根据缓存结果重复利用的方法决定是否需要小型蜂窝基站参与本次任务的计算，如果需要，则宏蜂窝基站收集通信范围内所有小型蜂窝基站的竞价信息，根据任务分配策略选择出最佳的小型蜂窝基站，通过高速有线链路向目标小型蜂窝基站发送任务执行控制命令，并给其分配计算任务；小型蜂窝基站通过自身的边缘计算设备执行计算任务，完成计算任务之后，小型蜂窝基站向宏蜂窝基站发送任务结果和任务完成消息；宏蜂窝基站接收到小型蜂窝基站的任务结果和任务完成消息之后，对任务结果的流行度进行分析，缓存流行度高的计算结果以重复利用；之后宏蜂窝基站计算其完成任务的成本，并基于成本与移动车辆通过两轮博弈，协商出本次计算服务的数字货币报酬，宏蜂窝基站与发出任务卸载请求的移动车辆达成协议后，向对应的小型蜂窝基站发送任务结果传输命令，小型蜂窝基站将任务结果发送给该移动车辆，移动车辆接收任务结果并确认无误后，向宏蜂窝基站支付任务计算的报酬，宏蜂窝基站接收到移动车辆的数字货币报酬后，根据任务分配策略对参与任务计算的小型蜂窝基站分配数字货币奖励，完成本次车辆任务卸载服务。
2.根据权利要求1所述的边缘计算和5G异构网络集成系统，其特征在于：所述在宏蜂窝基站的不均衡分布，是指移动车辆在宏蜂窝基站的通信范围内的分布是非均匀的、变化的，同时请求任务的数量也是非均匀的，我们通过分析不同区域内的车辆密度，为高车辆密度的区域分配更多的计算资源以缓解任务卸载的压力。
3.根据权利要求1所述的边缘计算和5G异构网络集成系统，其特征在于，所述宏蜂窝基站配备的大型边缘计算设备，其组成单元除了计算单元外，还额外配备有存储单元；所述存储单元和计算单元相互连接，计算单元对计算结果的流行度进行分析，将流行度高的计算结果发送给存储单元进行缓存，存储单元将已缓存的计算结果发送给宏蜂窝基站进行重复利用。
4.一种协同车辆计算任务卸载方法，在权利要求1-3任一所述的 边缘计算和5G异构网络集成系统上运行，其特征在于，包括如下：
(1)移动车辆发出任务卸载请求：移动车辆通过无线通信向宏蜂窝基站发出计算任务卸载请求；
(2)宏蜂窝基站决定执行计算任务的方案：宏蜂窝基站接收请求后，首先根据缓存结果重复利用方法，确定执行计算任务的方案，决定是否需要小型蜂窝基站参与本次任务的计算；在小型蜂窝基站参与任务计算的情况下，此时宏蜂窝基站缓存有移动车辆请求的部分流行度较高的子任务的结果，宏蜂窝基站直接使用已有结果，并将剩余部分任务分配给小型蜂窝基站进行计算，提高计算资源的利用率以及任务计算效率；
(3)小型蜂窝基站参与竞价：宏蜂窝基站向通信范围内的所有小型蜂窝基站广播关于本次计算任务卸载的拍卖消息，小型蜂窝基站向宏蜂窝基站发送竞价信息，各小型蜂窝基站基于第二价格密封拍卖模型竞争本次任务计算的机会；
(4)宏蜂窝基站进行任务分配：宏蜂窝基站收集通信范围内所有小型蜂窝基站的竞价信息，根据任务分配策略，经计算后，选择出最佳的小型蜂窝基站，通过高速有线链路向目标小型蜂窝基站发送任务执行控制命令，并给其分配计算任务；
(5)小型蜂窝基站执行计算任务：小型蜂窝基站通过自身的边缘计算设备执行计算任务，完成计算任务之后，小型蜂窝基站向宏蜂窝基站发送计算结果和任务完成消息；
(6)宏蜂窝基站与移动车辆进行两轮博弈：宏蜂窝基站接收到小型蜂窝基站的计算结果和任务完成消息之后，分析计算结果的流行度，将流行度高的计算结果缓存在其边缘计算设备的存储单元中，然后进入宏蜂窝基站与发出任务卸载请求的移动车辆的博弈过程，宏蜂窝基站计算其完成任务的成本，并基于成本与移动车辆通过两轮博弈，协商出本次计算服务的数字货币报酬；
(7)小型蜂窝基站向移动车辆发送计算结果：宏蜂窝基站与发出任务卸载请求的移动车辆达成协议后，宏蜂窝基站向对应的小型蜂窝基站发送任务结果传输命令，小型蜂窝基站将任务结果发送给该发出任务卸载请求的移动车辆；
(8)移动车辆向宏蜂窝基站支付任务报酬：移动车辆接收任务结果并确认无误后，向宏蜂窝基站支付任务计算的报酬；
(9)宏蜂窝基站向小型蜂窝基站分配任务奖励：宏蜂窝基站接收到移动车辆的数字货币报酬后，根据任务分配策略对参与任务计算的小型蜂窝基站分配数字货币奖励，完成本次车辆任务卸载服务。
5.根据权利要求4所述的协同车辆任务计算方法，其特征在于，步骤(1)中所述的移动车辆发出任务计算请求，包括任务的输入大小si、任务的输出大小so、完成任务所需的计算资源Dq、完成任务的时间限制Tq、任务内容以及任务计算结果的流行度pq。
6.根据权利要求4所述的协同车辆任务计算方法，其特征在于，步骤(2)中所述的缓存结果重复利用的方法，其内容包括如下：
2.1)如果宏蜂窝基站缓存有卸载任务完整的计算结果i，表示为i＝1，且结果可在任务限制时间内传输到移动车辆，则直接进入步骤(6)所述的两轮博弈阶段；
2.2)如果宏蜂窝基站缓存有卸载任务部分的计算结果i，表示为0＜i＜1，则将剩下的任务面向小型蜂窝基站发起投标，进入步骤(3)所述的小型蜂窝基站竞价阶段；
2.3)如果宏蜂窝基站未缓存有卸载任务的计算结果i，表示为i＝0，则直接将任务面向小型蜂窝基站发起投标，进入步骤(3)所述的小型蜂窝基站竞价阶段。
7.根据权利要求4所述的协同车辆任务计算方法，其特征在于，步骤(3)中所述的第二价格密封拍卖模型和步骤(4)中所述的任务分配策略，是指各个小型蜂窝基站计算自身完成任务的成本，向宏蜂窝基站提出自己的报价以参与竞标过程，而宏蜂窝基站会选择报价最低的小型蜂窝基站来完成任务，并支付其第二低的价格作为报酬。
8.根据权利要求4所述的协同车辆任务计算方法，其特征在于，步骤(6)中所述的两轮博弈，其过程包括如下步骤：
6.1)在第一轮博弈中，宏蜂窝基站给出自己的折扣率ψm，移动车辆给出自己的折扣率ψn；宏蜂窝根据保留价格M和自身的博弈策略向移动车辆发送第一轮的出价R1和任务耐心度；移动车辆根据保留价格N和自身的博弈策略决定是否接受此次出价；
6.1.a)如果移动车辆接受第一轮出价，则博弈成功，双方达成协议，并得到双方最终成交价格P1＝R1+N，完成交易；
6.1.b)如果移动车辆不接受第一轮出价，则进入第二轮博弈；
6.2)在第二轮博弈中，宏蜂窝基站根据第一轮的出价R1，并基于新的博弈策略向移动车辆发送第二轮出价R2；移动车辆会基于新的博弈策略决定是否接受此次出价；
6.2.a)如果移动车辆接受第二轮出价，则博弈成功，双方达成协议，并得到双方最终成交价格P2＝R2+M，完成交易；
6.2.b)如果移动车辆不接受第二轮出价，则博弈结束，交易取消。
9.根据权利要求4所述的协同车辆任务计算方法，其特征在于，步骤(6)中所述的宏蜂窝基站计算其完成任务的成本，包括任务输入和输出的传输成本，以及需要支付小型蜂窝基站相应报酬的成本；由于高速线路传输的原因，忽略宏蜂窝基站与小型蜂窝基站之间的传输成本；支付小型蜂窝基站的成本为任务分配策略中第二低的报价，且当宏蜂窝基站缓存有完整任务结果时，此部分成本为0。
CN202011249176.2A 2020-11-10 2020-11-10 5g异构网络系统及其协同车辆计算任务卸载方法 Active CN112328397B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011249176.2A CN112328397B (zh) 2020-11-10 2020-11-10 5g异构网络系统及其协同车辆计算任务卸载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011249176.2A CN112328397B (zh) 2020-11-10 2020-11-10 5g异构网络系统及其协同车辆计算任务卸载方法

Publications (2)

Publication Number Publication Date
CN112328397A CN112328397A (zh) 2021-02-05
CN112328397B true CN112328397B (zh) 2022-10-04

Family

ID=74319011

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011249176.2A Active CN112328397B (zh) 2020-11-10 2020-11-10 5g异构网络系统及其协同车辆计算任务卸载方法

Country Status (1)

Country Link
CN (1) CN112328397B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112988275B (zh) * 2021-03-26 2022-10-14 河海大学 一种基于任务感知的移动边缘计算多用户计算卸载方法
CN112887435B (zh) * 2021-04-13 2022-05-20 中南大学 一种提高边缘计算中任务卸载合作率的方法
US20230306334A1 (en) 2022-03-22 2023-09-28 Rapyuta Robotics Co., Ltd. Task assignment in autonomous mobile devices
CN114979145B (zh) * 2022-05-23 2023-01-20 西安电子科技大学 一种车联网中集成感知、通信与缓存的内容分发方法
CN115243222B (zh) * 2022-06-23 2023-12-12 中国铁道科学研究院集团有限公司电子计算技术研究所 动车组车地协同任务处理方法及其系统、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111083634A (zh) * 2019-12-16 2020-04-28 重庆邮电大学 基于cdn和mec的车联网移动性管理方法
CN111182495A (zh) * 2019-12-25 2020-05-19 大连理工大学 一种5g车联网部分计算卸载方法
CN111262940A (zh) * 2020-01-17 2020-06-09 中南大学 一种车载边缘计算应用缓存方法、装置及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10440096B2 (en) * 2016-12-28 2019-10-08 Intel IP Corporation Application computation offloading for mobile edge computing
US11212124B2 (en) * 2018-09-30 2021-12-28 Intel Corporation Multi-access edge computing (MEC) billing and charging tracking enhancements
KR102241296B1 (ko) * 2019-08-26 2021-04-16 엘지전자 주식회사 자율주행시스템에서 mec 서버를 통한 데이터 공유 방법 및 이를 위한 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111083634A (zh) * 2019-12-16 2020-04-28 重庆邮电大学 基于cdn和mec的车联网移动性管理方法
CN111182495A (zh) * 2019-12-25 2020-05-19 大连理工大学 一种5g车联网部分计算卸载方法
CN111262940A (zh) * 2020-01-17 2020-06-09 中南大学 一种车载边缘计算应用缓存方法、装置及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Computing Resource Allocation of Mobile Edge Computing Networks Based on Potential Game Theory";Heng Liu等;《2018 IEEE 4th International Conference on Computer and Communications (ICCC)》;20190801;第693-699页 *
"云雾协作环境下计算卸载策略研究";何周莲;《中国优秀硕士学位论文全文数据库 信息科技辑》;20200315(第03期);第I139-35页 *
面向车联网边缘计算的智能计算迁移研究;莫瑞超等;《应用科学学报》;20200930(第05期);全文 *

Also Published As

Publication number Publication date
CN112328397A (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
CN112328397B (zh) 5g异构网络系统及其协同车辆计算任务卸载方法
CN111262940B (zh) 一种车载边缘计算应用缓存方法、装置及系统
US20140220999A1 (en) Cloud based spectrum management analytics
CN110856228B (zh) 基于动态规划算法和反向拍卖的数据卸载方法
CN108768891B (zh) 一种基于在线拍卖的网络切片资源分配方法
CN108601074A (zh) 一种基于异构联合缓存的网络资源分配方法和装置
CN110856227B (zh) 基于贪婪算法和反向拍卖的数据卸载方法
CN114928612A (zh) 移动边缘计算中协同卸载的激励机制与资源分配方法
CN108990067A (zh) 一种应用于超密集异构网络的能效控制方法
CN113709698A (zh) 一种基于任务块的车联网雾计算协作任务卸载控制方法
Zhang et al. Mining task offloading in mobile edge computing empowered blockchain
Nguyen et al. EdgePV: collaborative edge computing framework for task offloading
Khasawneh et al. Power trading in cognitive radio networks
Zu et al. An auction-based mechanism for task offloading in fog networks
Shajaiah et al. An auction-based resource leasing mechanism for under-utilized spectrum
Wang et al. Auction-based profit maximization offloading in mobile edge computing
Raoof et al. Auction and game-based spectrum sharing in cognitive radio networks
CN116600345A (zh) 一种基于博弈的车联网v2v计算卸载系统及方法
CN112188560B (zh) 一种边缘协同的计算资源分配方法
CN111639993B (zh) 一种基于多物品拍卖机制的移动数据卸载及定价方法
Oloyede et al. Energy efficient soft real-time spectrum auction for dynamic spectrum access
Oloyede et al. Spectrum Auction for Dynamic Spectrum Access with Energy Efficiency
Xue et al. Efficient resource allocation for d2d communication underlaying cellular networks: a multi-round combinatorial double auction
Hui et al. Collaborative and Distributed Autonomous Driving: A Game Theoretic Approach
Seid et al. Multi-agent RL for SDN-based resource allocation in HAPS-assisted IOV networks

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