CN112381631A - 一种基于车联雾计算的实时任务分配方法 - Google Patents

一种基于车联雾计算的实时任务分配方法 Download PDF

Info

Publication number
CN112381631A
CN112381631A CN202011332241.8A CN202011332241A CN112381631A CN 112381631 A CN112381631 A CN 112381631A CN 202011332241 A CN202011332241 A CN 202011332241A CN 112381631 A CN112381631 A CN 112381631A
Authority
CN
China
Prior art keywords
vehicle
buyer
seller
task allocation
offer
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.)
Pending
Application number
CN202011332241.8A
Other languages
English (en)
Inventor
黄�俊
季娅利
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202011332241.8A priority Critical patent/CN112381631A/zh
Publication of CN112381631A publication Critical patent/CN112381631A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/02—Payment architectures, schemes or protocols involving a neutral party, e.g. certification authority, notary or trusted third party [TTP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0611—Request for offers or quotes

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Computer Security & Cryptography (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种基于车联雾计算(Vehicular Fog Computing,VFC)的实时任务分配方法，将VFC系统划分为若干个子系统，选取其中一个子系统，并将需要资源的车辆作为客户端车辆，使用专用短程通信(DSRC)协议和长期演进(LTE)技术的车辆(特别是低速行驶和停靠的车辆)作为车联雾节点，LTE基站作为区域头用来管理和协调所有雾节点。区域头再利用不完全信息静态博弈下的双向拍卖激励机制计算出实现交易双方期望效用最大化的线性策略报价函数，同时匹配出符合条件的买家与卖家进行任务分配，并计算出交易价格。从而满足车联网低时延的需求，并通过该机制刺激和激励移动雾节点更积极、持续稳定地完成任务。

Description

一种基于车联雾计算的实时任务分配方法
技术领域
本发明涉及移动通信技术领域，尤其涉及一种基于车联雾计算的实时任务分配方法
背景技术
随着智能交通的发展，自动驾驶、智能车载交互、安全预警等新型车载应用不断涌现，一方面，车载终端由于其有限的资源，包括计算资源、存储资源和带宽资源，导致数据处理效率较低，难以适应车载多媒体应用、车载社交网络和基于位置服务的需求；另一方面，智能交通系统包含大量的数据，车载终端处理的数据量大、速度慢，因此，业界需要强大的支撑平台来分析处理这些交通数据。尽管云计算具有强大的计算能力，但云计算集中式地处理大量数据时需要面对网络拥塞、较大的网络延迟以及较高的运营成本等问题，并且车辆高速移动时，网络拓扑结构动态变化，呈现时断时连的不稳定状态，影响数据传输的连续性，也会增大报文投递时延，这限制了车联网、无线接入网等移动场景下的网络大规模应用。
因此，需要针对复杂多变的车辆通信环境和车辆高速移动场景，研究更加有效的实时任务分配方法，从而满足车联网低时延和高移动性的需求。
发明内容
本发明的目的在于为用户提供一种基于车联雾计算的实时任务分配方法，将不完全信息静态博弈下的双向拍卖激励机制应用到车联雾计算中分配实时任务，使得数据能够连续传输，保证每次数据发送能被接收端接收，从而满足车联网低时延和高移动性的需求，并通过该激励机制刺激和鼓励移动雾节点更积极、持续稳定地完成任务。
为了达到上述目的，本发明提供如下方案：
一种基于车联雾计算的实时任务分配方法，其中，包括：
A、根据基站的覆盖范围将VFC系统划分为若干个子系统，选取其中一个子系统；
B、确定该子系统中的客户端车辆、车联雾节点和区域头；
C、区域头制定相应的任务分配方案与激励机制方案。
所述的基于车联雾计算的实时任务分配方法，其中，所述步骤B还包括：
将需要资源的车辆作为客户端车辆，将使用专用短程通信(DSRC)协议和长期演进(LTE)技术的车辆(特别是低速行驶和停靠的车辆)作为车联雾节点，将LTE基站作为区域头用来管理和协调所有雾节点。
进一步的，在所述的基于车联雾计算的实时任务分配方法中，其中，所述步骤C包括以下步骤：
第一步：将客户端车辆作为买家，车联雾节点作为卖家，区域头作为可信的第三方拍卖商；
第二步：区域头根据不完全信息静态博弈下的双向拍卖激励机制匹配符合条件的买家与卖家，根据效用函数和报价函数决定买卖双方的出价，从而实现交易双方的期望效用最大化，达到一个均衡状态。
所述的基于车联雾计算的实时任务分配方法，其中，拥有N个所述的买家，M个所述的卖家。
所述的基于车联雾计算的实时任务分配方法，其中，对所述的不完全信息静态博弈下的双向拍卖激励机制，每个买方与卖方对自己的估价都是私人信息，不会受其他买方与卖方估价的影响。同时买卖双方并不知道对方的实际出价，但知道对方的报价函数，该报价函数遵循线性策略，买方报价函数为Pb(Vbi)＝ab+cbVbi，卖方报价函数为Ps(Vsj)＝as+csVsj，其中，Vbi表示第i个买方对商品的估价，Vsj表示第j个卖方对商品的估价，均服从[0,1]区间的均匀分布。同时，买卖双方的效用函数均遵循贝叶斯纳什均衡，买方效用函数用πbi表示，其计算公式为：
Figure BDA0002796150230000021
其中，Pb表示买方的报价，Prob表示买方报价大于卖方报价的概率，E表示买方的期望收益。
卖方效用函数用πsj表示，同理，其计算公式为：
Figure BDA0002796150230000022
其中，Ps表示卖方的报价，Prob表示买方报价大于卖方报价的概率，E表示卖方的期望收益。
最后根据买卖双方的报价函数以及效用函数求得该线性策略双向拍卖的均衡解。该效用函数的均衡解为：
Figure BDA0002796150230000023
即买卖双方按照所述的均衡解向区域头进行报价，从而使得买卖双方所获得的期望效用最大，区域头再根据规则匹配买卖双方进行任务分配。
与现有技术相比，本发明的有益效果是：利用雾计算将一些任务卸载到车辆附近的雾节点，为车辆提供更加快速的任务处理服务，使得数据能够连续传输，保证每次数据发送能被接收端接收，从而满足车联网低时延和高移动性的需求，并将不完全信息静态博弈下的双向拍卖激励机制应用到车联雾计算中分配实时任务，有效地刺激和鼓励车联雾节点更积极、持续稳定地完成任务。
附图说明
图1是本发明提供的一种基于车联雾计算的实时任务分配方法的步骤流程图；
图2是本发明提供的一种基于车联雾计算的实时任务分配模型；
图3是本发明所述双向拍卖激励机制的双向拍卖过程。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
本发明提供的一种基于车联雾计算的实时任务分配方法的步骤流程图，如图1所示，所述方法包括以下步骤：
S1、根据基站的覆盖范围将VFC系统划分为若干个子系统，选取其中一个子系统。
由于传输距离的限制，车联雾节点只能为邻近的客户端车辆提供服务，因此，根据基站的覆盖范围将VFC系统划分为若干个子系统，只选取其中一个子系统进行模型的建立。
S2、确定所述子系统中的客户端车辆、车联雾节点和区域头。
基于车联雾计算的实时任务分配模型如图2所示，其中，由于云平台不能满足大规模车载应用的需求，所以需要将一些任务卸载到车辆附近的基站，具体包括计算任务、存储任务等，其中，将LTE基站作为区域头，用来管理和协调所有雾节点，为车辆提供更加快速的任务处理服务。所述的客户端车辆由需要资源的车辆组成，所述的车联雾节点由使用专用短程通信(DSRC)协议和长期演进(LTE)技术的车辆(特别是低速行驶和停靠的车辆)组成。
S3、区域头制定相应的任务分配方案与激励机制方案。
所述的任务分配方案，其中，将不完全信息静态博弈下的双向拍卖激励机制应用到车联雾计算中分配实时任务。每轮拍卖开始时，车辆使用不同的身份(车联雾节点或客户端车辆)动态地加入系统中，并在通信范围内使用其个人信息(ID、车辆类型、位置信息等)向LTE区域头申请注册，同时将所有车联雾节点的信息分发给每个客户端车辆。该模型中，将N个客户端车辆作为买家，用B＝{b1,b2,...,bn}表示客户端车辆(买家)的集合，将M个车联雾节点作为卖家，用S＝{s1,s2,...,sm}表示车联雾节点(卖家)的集合，区域头作为可信的第三方拍卖商；
然后区域头根据不完全信息静态博弈下的双向拍卖激励机制匹配符合条件的买家与卖家，决定买卖双方的价格，从而实现交易双方的期望效用最大化，达到一个均衡状态。
对于所述的不完全信息静态博弈下的双向拍卖激励机制，其拍卖过程如图3所示：
首先，买卖双方将自己的估价提供给供应商，由于是不完全信息静态博弈下的双向拍卖激励机制，所以每个买方与卖方对自己的估价都是私人信息，不会受其他买方与卖方估价的影响。其中，第i个买方对商品的估价为Vbi,i＝1,2,3...N，并且服从[0,1]区间的均匀分布；第j个卖方对商品的估价为Vsj,j＝1,2,3...M，也服从[0,1]区间的均匀分布；
然后，买方向拍卖商提供一个报价，买方报价策略用Pbi＝{bi}(i＝1,2,3...N)表示，由于买卖双方追求期望效用最大化，所以第i个买方报价应不高于其私有价值Vbi，即bi＜＝Vbi，虽然卖方不知道买方的实际报价，但知道买方的报价函数，该报价函数遵循线性策略Pb(Vb)＝ab+cbVb；同时，卖方向拍卖商提供一个报价，卖方报价策略用Psj＝{sj}(j＝1,2,3...M)表示，第j个卖方报价应不低于其私有价值Vsj，且sj＞＝Vsj，其中，买方也不知道卖方的实际报价，但知道卖方的报价函数为Ps(Vs)＝as+csVs。则Pb(Vb)服从[ab,ab+cb]上的均匀分布，Ps(Vs)服从[as,as+cs]上的均匀分布。同时，买卖双方的效用函数均遵循贝叶斯纳什均衡，买方效用函数πbi表示为：
Figure BDA0002796150230000041
卖方效用函数πsj表示为：
Figure BDA0002796150230000042
同时根据买卖双方的报价函数以及效用函数求得该线性策略双向拍卖的均衡解。该效用函数的均衡解为：
Figure BDA0002796150230000043
即买卖双方按照所述的均衡解向区域头进行报价使得买卖双方所获得的期望效用最大。
最后区域头根据双方所提供的估价与按照上述线性策略的报价匹配买卖双方，进行任务分配，如果买方报价大于或等于卖方报价(bi≥sj)时双方进行交易，即将第j个卖家的任务分配给第i个买家，交易价格为pi,j＝(bi+sj)/2，即区域头支付给车联雾节点和客户端车辆的价格；如果bi＜sj，则不发生交易，即不进行任务分配，区域头的支付价格就为0。

Claims (5)

1.一种基于车联雾计算的实时任务分配方法，其特征在于，包括：
A、根据基站的覆盖范围将VFC系统划分为若干个子系统，选取其中一个子系统；
B、确定所述子系统中的客户端车辆、车联雾节点和区域头；
C、所述区域头制定相应的任务分配方案与激励机制方案。
2.根据权利要求1所述的基于车联雾计算的实时任务分配方法，其特征在于，所述步骤B还包括：
将需要资源的车辆作为客户端车辆，将使用专用短程通信(DSRC)协议和长期演进(LTE)技术的车辆(特别是低速行驶和停靠的车辆)作为车联雾节点，将LTE基站作为区域头用来管理和协调所有雾节点。
3.根据权利要求1所述的基于车联雾计算的实时任务分配方法，其特征在于，所述步骤C还包括：
第一步：将客户端车辆作为买家，车联雾节点作为卖家，区域头作为可信的第三方拍卖商；
第二步：区域头根据不完全信息静态博弈下的双向拍卖激励机制匹配符合条件的买家与卖家，根据效用函数和报价函数决定买卖双方的出价，从而实现交易双方的期望效用最大化，达到一个均衡状态。
4.根据权利要求3所述的基于车联雾计算的实时任务分配方法，其特征在于，拥有N个所述的买家，M个所述的卖家。
5.根据权利要求3所述的基于车联雾计算的实时任务分配方法，其特征在于，对所述的不完全信息静态博弈下的双向拍卖激励机制，每个买方与卖方对自己的估价都是私人信息，不会受其他买方与卖方估价的影响。
由于研究的是不完全信息静态博弈下的双向拍卖激励机制，所以买卖双方并不知道对方的实际出价，但知道对方的报价函数，该报价函数遵循线性策略，买方报价函数为Pb(Vbi)＝ab+cbVbi，卖方报价函数为Ps(Vsj)＝as+csVsj，其中，Vbi表示第i个买方对商品的估价，Vsj表示第j个卖方对商品的估价，均服从[0,1]区间的均匀分布。买方效用函数用πbi表示，其计算公式为：
Figure FDA0002796150220000021
其中，Pb表示买方的报价，Prob表示买方报价大于卖方报价的概率，E表示买方的期望收益。
卖方效用函数用πsj表示，同理，其计算公式为：
Figure FDA0002796150220000022
其中，Ps表示卖方的报价，Prob表示买方报价大于卖方报价的概率，E表示卖方的期望收益。
最后根据买卖双方的报价函数以及效用函数求得该线性策略双向拍卖的均衡解。该效用函数的均衡解为：
Figure FDA0002796150220000023
即买卖双方按照所述的均衡解向区域头进行报价，从而使得买卖双方所获得的期望效用最大，区域头再根据规则匹配买卖双方进行任务分配。
CN202011332241.8A 2020-11-24 2020-11-24 一种基于车联雾计算的实时任务分配方法 Pending CN112381631A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011332241.8A CN112381631A (zh) 2020-11-24 2020-11-24 一种基于车联雾计算的实时任务分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011332241.8A CN112381631A (zh) 2020-11-24 2020-11-24 一种基于车联雾计算的实时任务分配方法

Publications (1)

Publication Number Publication Date
CN112381631A true CN112381631A (zh) 2021-02-19

Family

ID=74588274

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011332241.8A Pending CN112381631A (zh) 2020-11-24 2020-11-24 一种基于车联雾计算的实时任务分配方法

Country Status (1)

Country Link
CN (1) CN112381631A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107295109A (zh) * 2017-08-16 2017-10-24 重庆邮电大学 自组织网络云计算中的任务卸载与功率分配联合决策方法
CN110417872A (zh) * 2019-07-08 2019-11-05 深圳供电局有限公司 一种面向移动区块链的边缘网络资源分配方法
CN111010684A (zh) * 2019-12-17 2020-04-14 重庆邮电大学 一种基于mec缓存服务的车联网资源分配方法
CN111402043A (zh) * 2020-03-03 2020-07-10 中山大学 一种基于区块链的车联网数据交易方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107295109A (zh) * 2017-08-16 2017-10-24 重庆邮电大学 自组织网络云计算中的任务卸载与功率分配联合决策方法
CN110417872A (zh) * 2019-07-08 2019-11-05 深圳供电局有限公司 一种面向移动区块链的边缘网络资源分配方法
CN111010684A (zh) * 2019-12-17 2020-04-14 重庆邮电大学 一种基于mec缓存服务的车联网资源分配方法
CN111402043A (zh) * 2020-03-03 2020-07-10 中山大学 一种基于区块链的车联网数据交易方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
付静等: "在线双向拍卖中的不完全信息博弈仿真研究", 《管理学报》 *
朱兰婷等: "车辆雾计算中基于反向拍卖的停车辅助方案", 《计算机工程》 *

Similar Documents

Publication Publication Date Title
JP6506460B2 (ja) サービスの供給状況を管理するシステム及び方法
Liwang et al. A truthful reverse-auction mechanism for computation offloading in cloud-enabled vehicular network
Hassija et al. DAGIoV: A framework for vehicle to vehicle communication using directed acyclic graph and game theory
Hui et al. Collaborative content delivery in software-defined heterogeneous vehicular networks
CN109600849B (zh) 一种基于移动边缘计算系统的并行资源分配方法
Liwang et al. Let’s trade in the future! A futures-enabled fast resource trading mechanism in edge computing-assisted UAV networks
Hong et al. Crowdsourcing incentives for multi-hop urban parcel delivery network
Chen et al. Timeliness-aware incentive mechanism for vehicular crowdsourcing in smart cities
CN107818498B (zh) 订单分配计算方法和系统、服务器、存储介质
Schwind et al. A combinatorial intra-enterprise exchange for logistics services
CN113518326B (zh) 车载边缘网络计算资源和通信资源的联合分配优化方法
Hui et al. Digital twins enabled on-demand matching for multi-task federated learning in HetVNets
Liwang et al. Resource trading in edge computing-enabled IoV: An efficient futures-based approach
Lin et al. A novel latency-guaranteed based resource double auction for market-oriented edge computing
Shen et al. The optimized energy-efficient sensible edge processing model for the internet of vehicles in smart cities
CN106991555B (zh) 基于激励机制的城市车辆众包包裹传递方法
de Sousa et al. SEGMETRIK: Protocol and metrics for advertisement performance tracking in VANETs
CN112948116B (zh) 一种基于在线激励的边缘计算合作计算资源分配方法
CN112381631A (zh) 一种基于车联雾计算的实时任务分配方法
Peng et al. Online resource auction for eavn with non-price attributes
Huang et al. Utility-aware batch-processing algorithms for dynamic carpooling based on double auction
Zhang et al. Parked vehicle assisted VFC system with smart parking: An auction approach
CN113543055B (zh) 基于双向拍卖机制的车辆边缘计算中资源分配方法
US11816984B1 (en) Systems and methods for traffic management via inter-party resource allocation
Roy et al. D2C: Dynamic Decision Caching Mechanism for Provisioning Safety-as-a-Service in Road Transportation

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210219

WD01 Invention patent application deemed withdrawn after publication