CN112612609A - 一种基于sdn的车载计算资源分配方法 - Google Patents

一种基于sdn的车载计算资源分配方法 Download PDF

Info

Publication number
CN112612609A
CN112612609A CN202011494014.5A CN202011494014A CN112612609A CN 112612609 A CN112612609 A CN 112612609A CN 202011494014 A CN202011494014 A CN 202011494014A CN 112612609 A CN112612609 A CN 112612609A
Authority
CN
China
Prior art keywords
computing
sdn
vehicle
scene
resource allocation
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
CN202011494014.5A
Other languages
English (en)
Inventor
朱海龙
白钰
黄韬
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.)
Jiangsu Future Networks Innovation Institute
Original Assignee
Jiangsu Future Networks Innovation Institute
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 Jiangsu Future Networks Innovation Institute filed Critical Jiangsu Future Networks Innovation Institute
Priority to CN202011494014.5A priority Critical patent/CN112612609A/zh
Publication of CN112612609A publication Critical patent/CN112612609A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45504—Abstract machines for programme code execution, e.g. Java virtual machine [JVM], interpreters, emulators
    • 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
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提供了一种基于SDN的车载计算资源分配方法，包括如下步骤：步骤1：注册全局计算资源；步骤2：根据场景分配计算资源；步骤3：创建虚机；步骤4：场景改变。在MEC中引入SDN，通过SDN对街边的边缘计算资源统一调配，实现MEC资源的灵活调度，由于MEC单元之间的通信一般不是点对点方式，还需经过承载网、核心网等才能完成一次通信，因此会引入额外的延时。另外，每种自动驾驶场景对应的传感器数量和种类都不同，所以需要根据场景，对车载计算能力进行灵活分配。本发明通过在车内部署SDN控制器，提升车内计算能力的使用效率；优化了移动边缘计算卸载等场景面临的时延和可靠性等挑战；采用虚拟机的形式，提升了计算能力分配的灵活性。

Description

一种基于SDN的车载计算资源分配方法
技术领域
本发明涉及信息技术领域，特别是涉及车载SDN、车载计算单元在自动驾驶领域的应用。
背景技术
根据中华人民共和国国家标准《汽车驾驶自动化分级》(报批稿)的定义，自动驾驶从0级到5级共分为6个等级。随着自动驾驶等级的提升，需要部署更多的传感器，如摄像头、激光雷达、毫米波雷达等，同时需要对多种传感器数据融合处理。多传感器融合一般分为三种方式：数据级融合，即将多个传感器的原始数据直接融合；特征或目标级融合，即每个传感器对数据进行预处理，并生成部分特征，然后将若干特征再次融合处理得到最终结果；决策级融合，即每个传感器输出最终结果，直接用于应用层决策判断。高级别自动驾驶需要精确检测目标，多传感器原始数据融合正成为趋势。同时，原始数据融合对车内计算单元的能力提出挑战。
当前，车内主流的计算单元为ECU(电子控制单元)或DCU(域控制单元)。ECU计算能力有限，适用于某些数据量不大的传感器数据采集与处理，直接生成决策结果，此种方式只能满足2级驾驶自动化以下的要求。DCU计算能力较ECU有显著提升，通常与自动驾驶相关的传感器或ECU与DCU构成自动驾驶域，可实现多传感器数据的目标级别的融合，面向3级驾驶自动化以上场景。为了进一步提升计算能力，中央计算单元的概念被提出，进一步提升传感器数据融合处理的能力；但是，为了符合足车内可靠性要求，如单点散热等，中央计算单元的计算能力不能无限提升。
如前面所述，基于现有工艺，车载计算能力不能无限提升，如何高效利用有限的计算资源成为车载计算单元发展的瓶颈。随着车联网的发展和边缘计算的引入，一种方法是通过5G等无线通信技术将车内的计算需求卸载到街边的边缘计算单元，即MEC。由于移动通信技术信道资源有限，且容易受到环境的干扰，与自动驾驶及整车控制相关的计算任务不适合卸载至边缘计算单元。
发明内容
为了解决上述问题，本发明在MEC中引入SDN，通过SDN对街边的边缘计算资源统一调配，实现MEC资源的灵活调度，由于MEC单元之间的通信一般不是点对点方式，还需经过承载网、核心网等才能完成一次通信，因此会引入额外的延时。另外，每种自动驾驶场景对应的传感器数量和种类都不同，所以需要根据场景，对车载计算能力进行灵活分配。
为实现上述目的，本发明提供的具体技术方案如下：
一种基于SDN的车载计算单元的计算资分配机制，其特征在于，包括如下步骤：步骤1：注册全局计算资源；步骤2：根据场景分配计算资源；步骤3：创建虚机；步骤4：场景改变。
所述步骤1中，所有计算单元的计算资源都需要在SDN控制器注册，有一种可能的实现方式中，计算单元通过北向接口与SDN控制器通信，并上报其对应的计算资源。北向接口不属于本发明的范围。
所述步骤2中，SDN控制器根据场景需求为其分配对应的计算资源；有一种可能的实现方式中，SDN控制器通过北向接口获取该场景需要的传感器数量、类型、融合要求(如数据级、目标级、决策级)等；
对于传感器原始数据融合，一般采用如图2的处理方式，SDN根据卷积类型、卷积输入的通道数、输出的通道数、卷积特征图等参数估算出所需算力，算力与卷积的换算关系公式如下：
FLOPS＝H′×W′×n×(h×w×c+1) (1)；
其中，FLOPS为每秒浮点运算次数，h×w为输入特征图，c为输入的通道数，n为输出的通道数，H′×W′为输出特征图。
所述步骤3中，SDN控制器通过南向接口将分配结果发送至计算单元内部的中间件，中间件根据配置参数，创建场景所需的虚拟机VM。南向接口不属于本发明的范围。
所述步骤4具体包括自动驾驶场景众多，每种场景所使用的传感器数量和种类不尽相同，处于节能的考虑，不需使用的传感器一般处于休眠状态，只有启用与其对应的场景功能，相关传感器再次被唤醒。当场景变化时候，算力需求可能发生改变，为了提升车载计算能力的使用效率，所以需要根据场景的变化重新计算算力需求。
所述步骤4的实现方式为：重复执行上述步骤2和步骤3。
与现有技术相比，本发明具有如下优点：
(1)通过在车内部署SDN控制器，提升车内计算能力的使用效率；
(2)优化移动边缘计算卸载等场景面临的时延和可靠性等挑战；
(3)采用虚拟机的形式，提升计算能力分配的灵活性。
附图说明
图1是本发明所涉一种基于SDN的车载计算单元的计算资分配机制的系统流程图；
图2是本发明所涉一种基于SDN的车载计算单元的计算资分配机制的传感器原始数据融合对应的计算模型；
图3是本发明所涉一种基于SDN的车载计算单元的计算资分配机制的系统工作原理。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，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。
本发明实施例可以应用与自动驾驶相关的车载计算单元的算力分配，可显著提升计算资源的使用效率和算力分配的灵活性。
基于现有技术面临的问题，本发明实施例提供了一种基于SDN的车载计算能力分配方法。图3是系统工作原理。假设有n台车载计算单元，如车载计算单元300和车载计算单元310，由一台SDN控制统一管理与配置。
包括如下步骤：步骤1：注册全局计算资源；步骤2：根据场景分配计算资源；步骤3：创建虚机；步骤4：场景改变。
所述步骤1中，所有计算单元的计算资源都需要在SDN控制器注册，有一种可能的实现方式中，计算单元通过北向接口与SDN控制器通信，并上报其对应的计算资源。北向接口不属于本发明的范围。
所述步骤2中，SDN控制器根据场景需求为其分配对应的计算资源；有一种可能的实现方式中，SDN控制器通过北向接口获取该场景需要的传感器数量、类型、融合要求(如数据级、目标级、决策级)等；
对于传感器原始数据融合，一般采用如图2的处理方式，SDN根据卷积类型、卷积输入的通道数、输出的通道数、卷积特征图等参数估算出所需算力，算力与卷积的换算关系公式如下：
FLOPS＝H′×W′×n×(h×w×c+1) (1)；
其中，FLOPS为每秒浮点运算次数，h×w为输入特征图，c为输入的通道数，n为输出的通道数，H′×W′为输出特征图。
所述步骤3中，SDN控制器通过南向接口将分配结果发送至计算单元内部的中间件，中间件根据配置参数，创建场景所需的虚拟机VM。南向接口不属于本发明的范围。
SDN控制器通过北向接口获取场景信息，场景信息包括传感器数量、类型、融合方式、流量模型等；
SDN控制器根据场景需求，计算得出其对应的算力，通过南向接口分配至对应的车载计算单元，如车载计算单元300的中间件400。
车载计算单元300内的中间件400根据SDN控制器下发的指令，将车载计算单元300的硬件资源分为若干区块，并为相应的区块创建虚拟机VM。
每个VM负责执行场景对应的任务。
自动驾驶场景众多，每种场景所使用的传感器数量和种类不尽相同，处于节能的考虑，不需使用的传感器一般处于休眠状态，只有启用与其对应的场景功能，相关传感器再次被唤醒。当场景变化时候，算力需求可能发生改变，为了提升车载计算能力的使用效率，所以需要根据场景的变化重新计算算力需求。
所述步骤4的实现方式为：重复执行上述步骤2和步骤3。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种基于SDN的车载计算单元的计算资分配机制，其特征在于，包括如下步骤：步骤1：注册全局计算资源；步骤2：根据场景分配计算资源；步骤3：创建虚机；步骤4：场景改变。
2.根据权利要求1所述的一种基于SDN的车载计算单元的计算资分配机制，其特征在于，所述步骤1中，所有计算单元的计算资源都需要在SDN控制器注册，计算单元通过北向接口与SDN控制器通信，并上报其对应的计算资源。
3.根据权利要求1所述的一种基于SDN的车载计算单元的计算资分配机制，其特征在于，所述步骤2中，SDN控制器根据场景需求为其分配对应的计算资源；SDN控制器通过北向接口获取该场景需要的传感器数量、类型、融合要求。
SDN根据卷积类型、卷积输入的通道数、输出的通道数、卷积特征图等参数估算出所需算力，算力与卷积的换算关系公式如下：
FLOPS＝H′×W′×n×(h×w×c+1) (1)；
其中，FLOPS为每秒浮点运算次数，h×w为输入特征图，c为输入的通道数，n为输出的通道数，H′×W′为输出特征图。
4.根据权利要求1所述的一种基于SDN的车载计算单元的计算资分配机制，其特征在于，所述步骤3中，SDN控制器通过南向接口将分配结果发送至计算单元内部的中间件，中间件根据配置参数，创建场景所需的虚拟机VM。根据权利要求1所述的一种基于SDN的车载计算单元的计算资分配机制，其特征在于，所述步骤4具体包括当场景变化时候，算力需求可能发生改变，为了提升车载计算能力的使用效率，所以需要根据场景的变化重新计算算力需求。
5.根据权利要求1所述的一种基于SDN的车载计算单元的计算资分配机制，其特征在于，所述步骤4的实现方式为：重复执行上述步骤2和步骤3。
CN202011494014.5A 2020-12-17 2020-12-17 一种基于sdn的车载计算资源分配方法 Pending CN112612609A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011494014.5A CN112612609A (zh) 2020-12-17 2020-12-17 一种基于sdn的车载计算资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011494014.5A CN112612609A (zh) 2020-12-17 2020-12-17 一种基于sdn的车载计算资源分配方法

Publications (1)

Publication Number Publication Date
CN112612609A true CN112612609A (zh) 2021-04-06

Family

ID=75240020

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011494014.5A Pending CN112612609A (zh) 2020-12-17 2020-12-17 一种基于sdn的车载计算资源分配方法

Country Status (1)

Country Link
CN (1) CN112612609A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108494612A (zh) * 2018-01-19 2018-09-04 西安电子科技大学 一种提供移动边缘计算服务的网络系统及其服务方法
CN110445855A (zh) * 2019-07-30 2019-11-12 大连理工大学 一种基于sdn的车联网分布式雾计算体系结构设计方法
CN111835843A (zh) * 2020-07-03 2020-10-27 西安邮电大学 一种基于sdn车联网云系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108494612A (zh) * 2018-01-19 2018-09-04 西安电子科技大学 一种提供移动边缘计算服务的网络系统及其服务方法
CN110445855A (zh) * 2019-07-30 2019-11-12 大连理工大学 一种基于sdn的车联网分布式雾计算体系结构设计方法
CN111835843A (zh) * 2020-07-03 2020-10-27 西安邮电大学 一种基于sdn车联网云系统

Similar Documents

Publication Publication Date Title
US10956211B2 (en) Method and apparatus of allocating automotive computing tasks to networked devices with heterogeneous capabilities
US20200302250A1 (en) Iterative spatial graph generation
CN109941211B (zh) 一种汽车智能驾驶系统结构共用型架构及构建方法
CN113965568A (zh) 一种面向城市道路c-v2x网络的边缘计算系统
CN113242320A (zh) 智能驾驶系统、方法、设备及存储介质
US20230206755A1 (en) Collective perception service enhancements in intelligent transport systems
US11350257B2 (en) Proxy environmental perception
CN109219839A (zh) 车辆控制方法、装置及系统
CN112153728B (zh) 一种基站关联和模块休眠的优化方法
CN110959145A (zh) 用于计算机设备的基于应用优先级的功率管理
WO2019228285A1 (zh) 一种任务调度方法及装置
US11975714B2 (en) Intelligent vehicles with distributed sensor architectures and embedded processing with computation and data sharing
Cai et al. Task-efficiency oriented V2X communications: Digital twin meets mobile edge computing
CN114884998A (zh) 一种协作式软件定义车载网络系统、调度方法及cacc
Muhammad et al. Sensor virtualization and data orchestration in internet of vehicles (iov)
CN112612609A (zh) 一种基于sdn的车载计算资源分配方法
Yang FPGA in IoT edge computing and intelligence transportation applications
Xia et al. Lane scheduling around crossroads for edge computing based autonomous driving
CN114244834B (zh) 车辆的车载边缘计算系统及方法
CN116560843A (zh) 基于环境感知的智能汽车gpu资源优化方法及装置
WO2021229861A1 (ja) 車載制御装置、サーバ、検証システム
Velusamy et al. Automotive sensor infrastructure-challenges and opportunities
US20220035365A1 (en) Vehicular nano cloud
CN112463353A (zh) 用于计算针对车辆的功能的方法
Liu Hybrid Fuzzy Neural Network for Joint Task Offloading in the Internet of Vehicles

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210406