CN112698940B - 用于车路协同的车辆辅助边缘计算任务分配系统 - Google Patents
用于车路协同的车辆辅助边缘计算任务分配系统 Download PDFInfo
- Publication number
- CN112698940B CN112698940B CN202011495479.2A CN202011495479A CN112698940B CN 112698940 B CN112698940 B CN 112698940B CN 202011495479 A CN202011495479 A CN 202011495479A CN 112698940 B CN112698940 B CN 112698940B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- calculation
- task
- rsu
- ith
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 181
- 238000009826 distribution Methods 0.000 title abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000013468 resource allocation Methods 0.000 claims abstract description 36
- 230000004931 aggregating effect Effects 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims description 37
- 230000005540 biological transmission Effects 0.000 claims description 32
- 238000005265 energy consumption Methods 0.000 claims description 18
- 230000009977 dual effect Effects 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000010845 search algorithm Methods 0.000 claims description 6
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- SVPXDRXYRYOSEX-UHFFFAOYSA-N bentoquatam Chemical compound O.O=[Si]=O.O=[Al]O[Al]=O SVPXDRXYRYOSEX-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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]
- G06F9/5005—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
- G06F9/5044—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 considering hardware capabilities
-
- 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
- G06F9/505—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 considering the load
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种用于车路协同的车辆辅助边缘计算任务分配系统，包括：车载设备，与RSU无线连接，用于将车辆信息传输至RSU以及接收RSU分配的计算任务，根据接收到的计算任务进行计算，得到计算结果；RSU，用于将上传到RSU的数据进行聚合，以车路协同系统中车辆用户任务处理时延的最小化为目标，得到包括资源分配和反向卸载策略的任务分配方法，将计算任务反向卸载给对应车辆进行任务计算，或是传输至VEC服务器进行任务计算，并接收VEC服务器回传的计算结果并传输至对应车辆的车载设备；VEC服务器，与RSU电路连接，用于根据RSU分配的任务进行计算并回传至RSU。本系统可以在车路协同架构中降低系统时延。
Description
技术领域
本发明涉及边缘计算技术领域，尤其涉及一种用于车路协同的车辆辅助边缘计算任务分配系统。
背景技术
随着车路协同系统(Cooperative Vehicle-Infrastructure System，CVIS)和车辆边缘计算(Vehicular Edge Computing，VEC)技术的应用，利用CVIS的全局信息感知和VEC的强大的计算能力，车辆的感知数据上传到路边设备(Road Side Unit，RSU)上进行数据融合，然后与RSU相连接的VEC服务器产生计算任务，在较短的期限内做出决策，提高自主驾驶的安全性。然而，由于VEC服务器计算能力有限，随着车辆数量的不断增加，边缘侧VEC服务器无法承担大量的计算密集型任务，导致无法在截止日期前完成全部计算，从而带来很高的时延。
因此，亟需一种可以充分利用车辆的计算能力来减少延迟的用于车路协同的车辆辅助边缘计算任务分配系统。
发明内容
本发明提供了一种用于车路协同的车辆辅助边缘计算任务分配系统，以解决现有技术问题中存在的缺陷。
为了实现上述目的，本发明采取了如下技术方案。
一种用于车路协同的车辆辅助边缘计算任务分配系统，包括：车载设备、路边设备RSU和车辆边缘计算VEC服务器；
所述的车载设备，安装于每个车辆上，与所述的RSU无线连接，用于将车辆信息传输至所述RSU以及接收所述RSU分配的计算任务，根据接收到的计算任务进行计算，得到计算结果；
所述的RSU，用于将上传到RSU的数据进行聚合，以车路协同系统中车辆用户任务处理时延的最小化为目标，得到包括资源分配和反向卸载策略的任务分配方法，根据得到的资源分配和反向卸载策略的任务分配方法，将计算任务反向卸载给对应车辆进行任务计算，或是传输至VEC服务器进行任务计算，并接收所述VEC服务器回传的计算结果并传输至对应车辆的车载设备；
所述的VEC服务器与所述的RSU电路连接，用于根据所述RSU分配的任务进行计算并回传至所述的RSU。
优选地，车辆终端还用于直接接收所述RSU发送的对应所述车辆的任务计算结果。
优选地，车载设备包括车辆传输模块和车辆计算模块；
所述的车辆传输模块，用于发送车辆信息、接收计算任务和接收任务计算结果；
所述的车辆计算模块，用于根据所述RSU分配的计算任务进行计算。
优选地，RSU包括分配任务计算模块和RSU传输模块；
所述的分配任务计算模块，用于将上传到RSU的数据进行聚合，以车路协同系统中车辆用户任务处理时延的最小化为目标，得到包括资源分配和反向卸载策略的任务分配方法；
所述的RSU传输模块用于根据得到的资源分配和反向卸载策略的任务分配方法，将计算任务反向卸载给对应车辆进行任务计算，或是传输至VEC服务器进行任务计算，并接收所述VEC服务器回传的计算结果并传输至对应车辆的车载设备。
优选地，RSU具体用于：
S51对上传的数据进行聚合，得到针对不同车辆的计算任务；
S52根据车辆的计算任务，建立系统时延优化模型；
S53对所述系统时延优化模型中的系统时延最小化问题转化为系统平均时延的优化问题，并分别求解资源分配子问题得到资源分配策略和卸载决策子问题得到卸载方法；
S54根据所述的卸载方法和资源分配策略，将不同任务发送给对应的车辆进行计算，或者发送到VEC服务器进行计算后发送给对应车辆。
优选地，RSU具体用于建立系统时延优化模型，包括所述的系统时延优化模型如下式(1)-(6)所示：
0≤fi≤fi max (3)
0≤pi≤Pmax (5)
其中，第i个任务的总处理时延Ti tot＝TR-OFF(1-xi)+Ti RSUxi，反向卸载到原车辆进行计算的第i个任务的处理时延Ti R-OFF＝Ti o+Ti ro+Ti c-loc，Ti o为车辆上传时延，Ti ro为反向卸载时延和Ti c-loc为本地车辆计算时延；卸载在VEC服务器进行计算的第i个任务的处理时延Ti RSU＝Ti o+Ti c-RSU+Ti d，Ti c-RSU为VEC计算时延和Ti d为VEC服务器计算结果下载时延，xi∈{0，1}表示第i个车辆的反向卸载决策，xi＝0表示将第i个任务反向卸载到原始车辆进行计算，xi＝1表示第i个任务在VEC服务器上计算，不进行反向卸载；约束(2)表示第i个车辆的传输能耗和计算能耗不能超过其最大能耗限制，表示第i个车辆的最大能耗限制；约束(3)表示第i个车辆的CPU计算频率限制，fi max表示第i个车辆的最大CPU计算频率；约束(4)表示VEC服务器的CPU计算频率限制，/>代表VEC服务器最大CPU计算频率；约束(5)表示第i个车辆的功率约束，Pmax表示车辆的最大的发射功率；约束(6)表示第i个任务的卸载决策约束；优化变量为x＝{xi},f＝{fi},fR＝{fi R}and p＝{pi}，分别表示任务决策变量，第i个车辆的CPU计算频率，VEC服务器对第i个任务分配的CPU计算频率，第i个车辆的发射功率。
优选地，RSU具体用于对系统时延优化模型中的系统时延最小化问题转化为系统平均时延的优化问题，包括：
RSU对系统时延优化模型中的系统时延最小化问题转化为如下式(7)-(12)所示的系统平均时延的优化问题：
0≤fi≤fi max (10)
其中，表示第i个车辆数的上行信噪比；/>表示第i个车辆数据的上行传输速率的倒数；/>表示第i个任务的下行传输速率的倒数，第i个任务的处理时延表示为/>αi为第i个任务处理时延的对应权重因子，权重满足/>每个权重因子代表每个任务的重要程度；其中，/>和/>分别表示第i个车辆与RSU之间的上行和下行信道增益，Bi表示第i个车辆的带宽，σ2表示噪声功率，pi和/>分别表示第i个车辆的发射功率和RSU对第i个任务发射功率；系统总带宽为B，车辆的带宽要满足系统总带宽的要求，即/>对于计算资源，fi和fi R表示车辆的CPU频率和VEC服务器分配给第i个任务的CPU频率，单位是CPU周期/秒，μ表示每个CPU周期的有效电容系数，第i个车辆计算一个周期的能耗为μfi 2；车辆数目为N，i代表第i个车辆，任务为/> 表示上传数据的bit数，/>表示RSU计算完成后回传给车辆的数据大小，ci代表计算1bit的数据所需要的CPU周期数。
优选地，RSU具体用于分别求解资源分配子问题得到资源分配策略和卸载决策子问题得到卸载方法，包括：基于贪婪的高效搜索算法计算卸载决策子问题，通过对偶分解法计算资源分配子问题。
由上述本发明的用于车路协同的车辆辅助边缘计算任务分配系统提供的技术方案可以看出，本发明的系统通过RSU对数据聚合后的任务进行分配计算，以时延最小化为目标，通过对反向卸载决策以及计算资源的联合优化，通过对偶分解法和基于贪婪的高效搜索算法，不仅可以得到最优的功率以及计算资源，并且以低复杂度的方案搜索任务卸载策略，最终得到在VEC服务器计算或从RSU反向卸载到车辆计算的计算结果，实现系统时延最小化，解决了车路协同边缘计算场景下的VEC服务器负载过高，从而导致的时延过大的问题。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，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，下面描述中的附图仅仅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为实施例的用于车路协同的车辆辅助边缘计算任务分配系统架构图；
图2为RSU的具体流程示意图；
图3为实施例的在车辆数目影响下的卸载策略曲线图；
图4为实施例的在任务长度影响下的系统平均时延性能曲线图；
图5为实施例的在VEC服务器CPU计算频率影响下的系统平均时延性能曲线图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且并不构成对本发明实施例的限定。
实施例
图1为本实施例的用于车路协同的车辆辅助边缘计算任务分配系统架构图，参照图1，区域部署安装于每个车辆上的车载设备、路边设备RSU和车辆边缘计算VEC服务器。
车载设备与RSU无线连接，用于将车辆信息传输至RSU以及接收RSU分配的计算任务，根据接收到的计算任务进行计算，得到计算结果；RSU，用于将上传到RSU的数据进行聚合，以车路协同系统中车辆用户任务处理时延的最小化为目标，得到包括资源分配和反向卸载策略的任务分配方法，根据得到的资源分配和反向卸载策略的任务分配方法，将计算任务反向卸载给对应车辆进行任务计算，或是传输至VEC服务器进行任务计算，并接收所述VEC服务器回传的计算结果并传输至对应车辆的车载设备；VEC服务器与RSU电路连接，用于根据RSU分配的任务进行计算并回传至所述的RSU。
VEC服务器提供边缘侧的计算能力，同时RSU负责车辆统一调度与信息采集。车载设备采集周边环境数据，发送到RSU进行数据聚合，RSU进而分配计算任务。车载设备发送功率会根据信道状态进行动态调整。RSU采用任务卸载策略，在VEC服务器计算能力充足时将任务在VEC服务器计算，或者将任务发送回原车辆的车载设备进行计算。示意性地，车载设备采集周边环境数据包括车辆行驶状态、周围道路信息和驾驶员状态。在信息采集方面，所有车辆将其感知数据通过无线信道上传到RSU进行数据融合。本申请将从RSU返回到原始车辆的其他车辆感知信息数据定义为反向卸载的过程。
需要说明的是，车辆终端还用于直接接收RSU发送的对应车辆的任务计算结果。
其中，车载设备包括车辆传输模块和车辆计算模块；车辆传输模块，用于发送车辆信息、接收计算任务和接收任务计算结果；车辆计算模块，用于根据所述RSU分配的计算任务进行计算。
RSU包括分配任务计算模块和RSU传输模块；分配任务计算模块，用于将上传到RSU的数据进行聚合，以车路协同系统中车辆用户任务处理时延的最小化为目标，得到包括资源分配和反向卸载策略的任务分配方法；RSU传输模块用于根据得到的资源分配和反向卸载策略的任务分配方法，将计算任务反向卸载给对应车辆进行任务计算，或是传输至VEC服务器进行任务计算，并接收VEC服务器回传的计算结果并传输至对应车辆的车载设备。
图2为RSU的具体流程示意图，参照图2，RSU具体用于：
S1对上传的数据进行聚合，得到针对不同车辆的计算任务。
S2根据车辆的计算任务，建立系统时延优化模型。
车辆通过正交频分多址接入技术(Orthogonal Frequency Division MultipleAccess，OFDMA)接入到RSU，令RSU和车辆可以获得完美的信道估计，信道是平坦衰落信道，则第i个车辆与RSU之间的上传和下载速率分别如下式(1)和(2)所示：
其中，和/>分别表示第i个车辆与RSU之间的上行和下行信道增益，Bi表示第i个车辆的带宽，σ2表示噪声功率，pi和/>分别表示第i个车辆的发射功率和RSU对第i个任务发射功率；系统总带宽为B，车辆的带宽要满足系统总带宽的要求，即/>对于计算资源，fi和fi R表示车辆的CPU频率和VEC服务器分配给第i个任务的CPU频率，单位是CPU周期/秒，μ表示每个CPU周期的有效电容系数，第i个车辆计算一个周期的能耗为μfi 2。
xi∈{0，1}表示第i个车辆的反向卸载决策，xi＝0表示将第i个任务反向卸载到原始车辆进行计算，xi＝1表示第i个任务在VEC服务器上计算，不进行反向卸载。由于VEC服务器连接在电力网络，所以忽略了VEC的能量消耗。然后分两种情况对不同任务分配方案的任务处理如下：
第一种情况，对于反向卸载到原车辆进行计算的情况，即xi＝0时，RSU将第i个任务反向卸载给第i个车辆，由车在本地计算其任务，其第i个任务的处理时延为车辆上传时延、反向卸载时延和本地车辆计算时延三部分时延之和，反向卸载到原车辆进行计算的第i个任务的处理时延如下式(3)所示：
Ti R-OFF＝Ti o+Ti ro+Ti c-loc (3)
其中，Ti R-OFF为反向卸载到原车辆进行计算的第i个任务的处理时延，Ti o为车辆上传时延，Ti ro为反向卸载时延，/>Ti c-loc为本地车辆计算时延，/>βi表示VEC服务器回传给第i个车辆的反向卸载负载因子。
第二种情况，对于卸载在VEC服务器并计算的情况，即xi＝1时，VEC计算第i个任务，并将计算结果返回给第i个车辆，其第i个任务的处理时延为车辆上传时延，VEC计算时延和计算结果下载时延三部分时延之和，卸载在VEC服务器进行计算的第i个任务的处理时延如下式(4)所示：
Ti RSU＝Ti o+Ti c-RSU+Ti d (4)
其中，Ti c-RSU为VEC计算时延，Ti d为VEC服务器计算结果下载时延，
综上，得到第i个任务的总处理时延如下式(5)所示：
Ti tot＝TR-OFF(1-xi)+Ti RSUxi (5)
系统时延优化模型如下式(6)-(11)所示：
0≤fi≤fi max (8)
0≤pi≤Pmax (10)
其中，约束(7)表示第i个车辆的传输能耗和计算能耗不能超过其最大能耗限制，表示第i个车辆的最大能耗限制；约束(8)表示第i个车辆的CPU计算频率限制，fi max表示第i个车辆的最大CPU计算频率；约束(9)表示VEC服务器的CPU计算频率限制，/>代表VEC服务器最大CPU计算频率；约束(10)表示第i个车辆的功率约束，Pmax表示车辆的最大的发射功率；约束(11)表示第i个任务的卸载决策约束；优化变量为x＝{xi},f＝{fi},fR＝{fi R}and p＝{pi}，分别表示任务决策变量，第i个车辆的CPU计算频率，VEC服务器对第i个任务分配的CPU计算频率，第i个车辆的发射功率。
S3对系统时延优化模型中的系统时延最小化问题转化为系统平均时延的优化问题，并分别求解资源分配子问题得到资源分配策略和卸载决策子问题得到卸载方法。
优化目标是min-max形式，是一种多目标优化形式，可以被转化为等价的权重和优化问题，即把最小化系统所有任务最大时延转化为系统平均时延最小化问题。RSU对系统时延优化模型中的系统时延最小化问题转化为如下式(12)-(17)所示的系统平均时延的优化问题：
0≤fi≤fi max (15)
其中，表示第i个车辆数的上行信噪比；/>表示第i个车辆数据的上行传输速率的倒数；/>表示第i个任务的下行传输速率的倒数，第i个任务的处理时延表示为/>αi为第i个任务处理时延的对应权重因子，权重满足/>每个权重因子代表每个任务的重要程度；车辆数目为N，i代表第i个车辆，任务为/> 表示上传数据的bit数，/>表示RSU计算完成后回传给车辆的数据大小，ci代表计算1bit的数据所需要的CPU周期数。
决策变量是离散变量，车辆功率，车辆和VEC服务器的CPU计算频率是连续变量，所以优化问题(12)是混合整数非线性优化问题，为了求解问题，将问题分解为资源分配子问题和卸载决策子问题。
RSU具体用于分别求解资源分配子问题得到资源分配策略和卸载决策子问题得到卸载方法，包括：基于贪婪的高效搜索算法计算卸载决策子问题，通过对偶分解法计算资源分配子问题。
对于任务卸载策略，穷举法可以获得最优决策，但在大型车辆网络中，穷举法复杂程度较高。为了降低计算复杂度，本实施例提出基于贪婪的高效搜索算法来获得任务卸载策略。将卸载决策问题看作是一个背包问题，将背包的最大限度设置为VEC服务器的计算资源能力，并决定将哪个任务放在背包中，如果任务没有放到背包中，任务将被反向卸载到原始车辆上进行计算，否则在VEC服务器上进行计算。任务的价值由相应车辆的通道增益和计算能力来定义，如下式(18)所示：
其中，Θ＝{θi}表示第i个任务的价值的集合，α＝{αi}表示第i个任务处理时延的对应权重因子的集合，每个权重因子αi代表每个任务的重要程度，f＝{fi}表示第i个车辆的CPU计算频率的集合，表示第i个车辆与RSU之间的下行信道增益的集合。具体来说，如果第i个车辆的信道质量和车辆计算能力较差，则第i个车辆对应的任务价值θi相对较小，反之，则θi相对较大。将第i个任务对应的车辆计算能力的权重设为fi，背包问题的目标是找出最有价值的子集，使背包的总价值在满足背包能力的约束下最大。为了使系统延迟最小化，VEC服务器首先基于贪婪算法计算高价值的任务，因为当VEC服务器计算资源充足时，可以减少延迟。然后，VEC服务器按顺序计算价值递减的任务，直到VEC服务器计算能力用完。对于VEC服务器不进行计算的低价值任务，采用反向卸载，在对应车辆进行计算。
对于资源分配子问题，优化变量为车辆CPU计算频率、功率和VEC服务器的CPU计算频率，优化问题如下式(19)-(23)所示：
subject to 0≤fi≤fi max (20)
由于问题(19)是凸函数，用对偶分解法去求解该问题。拉格朗日对偶变量为λ＝{λi}和v＝{v}，则问题(19)的拉格朗日函数为下式(24)所示：
其中,为了表述方便，本实施例定义了函数s(mi,fi)表示约束(22)的变型，其函数形式如下：
由对偶分解法，求解问题(19)的最优解为下式(26)所示：
内层函数为问题(19)的对偶函数，对偶函数可以表示为下式(27)所示：
为了简化表述，gi(mi,fi,fi R,λi,v)可以用gi表示，即gi＝αiTi tot+λis(mi,fi)+v(xifi R)，对偶函数被分解为N个凸问题gi。对N个凸问题，利用一阶优化条件求解，对gi分别求关于mi，fi和fi R的偏导，并让其等于0，求出最优的第i个车辆发射功率，第i个车辆的CPU计算频率，和VEC服务器对第i个任务分配的CPU计算频率，如下(28)-(30)所示：
由式(28)得第i个车辆的最优发射功率表达式为下式(31)所示：
可观察到信道质量的恶化导致了传输功率的增加，式(31)得到一个随功率约束Pmax的增大而减小的信道状态阈值。当信道质量低于信道阈值时，车辆以最大发射功率上传数据。否则，车辆将以(31)中其他情况的发射功率上传数据。
同理，利用一阶优化条件求解，对fi和fi R分别求关于gi的偏导，并让其等于0，求出最优的第i个车辆的CPU计算频率，和VEC服务器对第i个任务分配的最优CPU计算频率。
由卸载决策可知，知当xi＝1时，即VEC服务器对第i个任务计算时，RSU不会将第i个任务反向卸载给第i个车辆，此时fi *＝0，即第i个车辆不分配计算资源。当xi＝0时，即VEC将第i个任务反向卸载到第i个车辆进行计算，此时fi R,*＝0。综上，通过一阶条件和求解第i辆车和VEC服务器的最优计算资源分配的闭合表达式为：
通过式(32)，观察到当λ*增加时，即车辆通信和计算能耗约束更严格，车辆计算频率的最优值会降低，进一步降低计算能耗。由式(33)，观察到当v*增加时，即VEC服务器的计算能力约束更严格时，CPU频率会降低，从而降低计算能耗。
对偶变量进行迭代更新，将式(31)，(32)和(33)代入式(27)中得到自变量为λ和v的函数g(λ,v)，对于λ进一步计算其梯度得到λ的迭代更新式为下式(34)：
其中，s(k)是迭代步长。
对于对偶变量v，令其梯度等于0，可得v的最优表达式：
通过迭代更新优化变量和对偶变量，可以得到问题(19)的最优解。
S4根据卸载方法和资源分配策略，将不同任务发送给对应的车辆进行计算，或者发送到VEC服务器进行计算后将计算结果发送给对应车辆。
RSU根据任务分配方法，对于需要进行反向卸载的任务，将任务发送给对应的车辆进行计算，利用车辆的计算能力进行计算，缓解边缘侧的计算压力，减少计算时延；对于需要在边缘侧，即VEC服务器进行计算的任务，VEC服务器根据任务分配方法进行计算资源的划分，分配计算资源给相对应的任务，计算后将计算结果发送给车辆。
为验证本实施例的方法可以降低系统平均时延，以下表1的参数配置为算例，对本实施例的系统进行具体应用。
本实施例系统首先通过RSU求解卸载策略选择子问题，利用贪婪搜索算法得到卸载策略，然后求解资源分配子问题，计算最优的车辆发射功率，车辆的CPU计算频率和VEC服务器对任务的分配资源，达到最小化系统平均时延的目的。
表1仿真参数表
在如上表1所示的仿真参数设置下，通过几种对比方案与本发明提出的系统进行性能比较，分别是穷举法，车辆计算方案，VEC计算方案和固定的卸载策略。进行仿真，得到本发明方案在车辆数目N影响下的卸载策略曲线，在任务长度L的影响下的系统平均时延性能图和本发明方案在VEC服务器CPU计算频率限制影响下的系统平均时延性能图，分别如图3、图4和图5所示。
图3中，设置VEC的最大CPU计算频率由图可知在车辆数目N在5到50变化时，卸载策略在VEC服务器计算或反向卸载车辆计算的任务数量。图3中，车辆数量小于10时，选择反向卸载车辆计算的任务数为零，因为VEC服务器具有更好的计算能力，所以任务数倾向于在VEC服务器上进行计算。图中可知当车辆数量大于25时，VEC服务器计算任务数几乎没有变化，这是因为VEC服务器计算能力有限，不能支持大量的车辆任务，任务多时VEC无法处理的任务进行反向卸载到车辆进行计算。
图4中设置车辆数目N＝10，任务长度在5×105-10×105bit之间变化，表示在任务长度L影响下的系统平均时延性能曲线。由图4可知，由于通信和计算资源受到限制，系统的平均延时随着输入数据量的增加而增加。此外，还可以得出，本发明的系统时延性能优于方向卸载车辆计算方案和VEC服务器计算方案，并且可以以较低的计算复杂度获得接近最优算法穷举法的性能。
图5表示在VEC服务器CPU计算频率的影响下的系统平均时延性能曲线。通过仿真结果可知，本发明方案的系统延迟接近穷举法的最小系统延迟(最优界)，并且显著优于反向卸载车辆计算方案和VEC服务器计算方案。反向卸载车辆计算方案与VEC服务器的计算频率无关，所以此方案的系统时延在/>变化时保持不变。由图5可知当VEC服务器计算频率限制较小的情况下，本发明方案相对于VEC服务器计算方案可以获得显著的增益，因为本发明方案针对VEC服务器计算资源不足的情况将任务反向卸载到车辆上进行计算，从而降低系统时延。
综上分析，本发明的系统可以完成任务卸载策略和最优的计算和通信资源分配，能够提高系统时延性能。
本领域技术人员应能理解上述应用类型仅为举例，其他现有的或今后可能出现的输入框应用类型如可适用于本发明实施例，也应包含在本发明保护范围以内，并在此以引用方式包含于此。
本领域技术人员应能理解，图1仅为简明起见而示出的各类网络元素的数量可能小于一个实际网络中的数量，但这种省略无疑是以不会影响对发明实施例进行清楚、充分的公开为前提的。
本领域技术人员应能理解，上述所举的根据用户信息决定调用策略仅为更好地说明本发明实施例的技术方案，而非对本发明实施例作出的限定。任何根据用户属性来决定调用策略的方法，均包含在本发明实施例的范围内。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述，仅为本发明较佳的具体实施方式，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，可轻易想到的变化或替换，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该以权利要求的保护范围为准。
Claims (5)
1.一种用于车路协同的车辆辅助边缘计算任务分配系统，其特征在于，包括：车载设备、路边设备RSU和车辆边缘计算VEC服务器；
所述的车载设备，安装于每个车辆上，与所述的RSU无线连接，用于将车辆信息传输至所述RSU以及接收所述RSU分配的计算任务，根据接收到的计算任务进行计算，得到计算结果；
所述的RSU，用于将上传到RSU的数据进行聚合，以车路协同系统中车辆用户任务处理时延的最小化为目标，得到包括资源分配和反向卸载策略的任务分配方法，根据得到的资源分配和反向卸载策略的任务分配方法，将计算任务反向卸载给对应车辆进行任务计算，或是传输至VEC服务器进行任务计算，并接收所述VEC服务器回传的计算结果并传输至对应车辆的车载设备；
所述的VEC服务器与所述的RSU电路连接，用于根据所述RSU分配的任务进行计算并回传至所述的RSU；
所述的RSU具体用于：
S51对上传的数据进行聚合，得到针对不同车辆的计算任务；
S52根据车辆的计算任务，建立系统时延优化模型；
S53对所述系统时延优化模型中的系统时延最小化问题转化为系统平均时延的优化问题，并分别求解资源分配子问题得到资源分配策略和卸载方法；
S54根据所述的卸载方法和资源分配策略，将不同任务发送给对应的车辆进行计算，或者发送到VEC服务器进行计算后发送给对应车辆；
所述的RSU具体用于建立系统时延优化模型，包括所述的系统时延优化模型如下式(1)-(6)所示：
subject to Ei o+Ei c-loc(1-xi)≤Ei max (2)
0≤fi≤fi max (3)
0≤pi≤Pmax (5)
其中，第i个任务的总处理时延Ti tot＝TR-OFF(1-xi)+Ti RSUxi，反向卸载到原车辆进行计算的第i个任务的处理时延Ti R-OFF＝Ti o+Ti ro+Ti c-loc，Ti o为车辆上传时延，Ti ro为反向卸载时延，Ti c-loc为本地车辆计算时延；
卸载在VEC服务器进行计算的第i个任务的处理时延为Ti RSU＝Ti o+Ti c-RSU+Ti d，式中，Ti c -RSU为VEC计算时延，Ti d为VEC服务器计算结果下载时延，xi∈{0，1)表示第i个车辆的反向卸载决策，xi＝0表示将第i个任务反向卸载到原始车辆进行计算，xi＝1表示第i个任务在VEC服务器上计算，不进行反向卸载；
约束(2)表示第i个车辆的传输能耗和计算能耗不能超过其最大能耗限制，Ei max表示第i个车辆的最大能耗限制；约束(3)表示第i个车辆的CPU计算频率限制，fi max表示第i个车辆的最大CPU计算频率；约束(4)表示VEC服务器的CPU计算频率限制，代表VEC服务器最大CPU计算频率；约束(5)表示第i个车辆的功率约束，Pmax表示车辆的最大的发射功率；约束(6)表示第i个任务的卸载决策约束；优化变量为x＝{xi}、f＝{fi}、fR＝{fi R}和p＝{pi}，分别表示任务决策变量、第i个车辆的CPU计算频率、VEC服务器对第i个任务分配的CPU计算频率和第i个车辆的发射功率；
所述的RSU具体用于对系统时延优化模型中的系统时延最小化问题转化为系统平均时延的优化问题，包括：
RSU对系统时延优化模型中的系统时延最小化问题转化为如下式(7)-(12)所示的系统平均时延的优化问题：
0≤fi≤fi max (10)
其中，表示第i个车辆数的上行信噪比；/>表示第i个车辆数据的上行传输速率的倒数；/>表示第i个任务的下行传输速率的倒数，第i个任务的处理时延表示为/>αi为第i个任务处理时延的对应权重因子，权重满足/>每个权重因子代表每个任务的重要程度；其中，/>和/>分别表示第i个车辆与RSU之间的上行和下行信道增益，Bi表示第i个车辆的带宽，σ2表示噪声功率，pi和/>分别表示第i个车辆的发射功率和RSU对第i个任务发射功率；系统总带宽为B，车辆的带宽要满足系统总带宽的要求，即/>对于计算资源，fi和fi R表示车辆的CPU频率和VEC服务器分配给第i个任务的CPU频率，单位是CPU周期/秒，μ表示每个CPU周期的有效电容系数，第i个车辆计算一个周期的能耗为μfi 2；车辆数目为N，i代表第i个车辆，任务为/> 表示上传数据的bit数，/>表示RSU计算完成后回传给车辆的数据大小，ci代表计算1bit的数据所需要的CPU周期数。
2.根据权利要求1所述的系统，其特征在于，所述的车载设备还用于直接接收所述RSU发送的对应所述车辆的任务计算结果。
3.根据权利要求1所述的系统，其特征在于，所述的车载设备包括车辆传输模块和车辆计算模块；
所述的车辆传输模块，用于发送车辆信息、接收计算任务和接收任务计算结果；
所述的车辆计算模块，用于根据所述RSU分配的计算任务进行计算。
4.根据权利要求1所述的系统，其特征在于，所述的RSU包括分配任务计算模块和RSU传输模块；
所述的分配任务计算模块，用于将上传到RSU的数据进行聚合，以车路协同系统中车辆用户任务处理时延的最小化为目标，得到包括资源分配和反向卸载策略的任务分配方法；
所述的RSU传输模块用于根据得到的资源分配和反向卸载策略的任务分配方法，将计算任务反向卸载给对应车辆进行任务计算，或是传输至VEC服务器进行任务计算，并接收所述VEC服务器回传的计算结果并传输至对应车辆的车载设备。
5.根据权利要求1所述的系统，其特征在于，所述的RSU具体用于分别求解资源分配子问题得到资源分配策略和卸载决策子问题得到卸载方法，包括：基于贪婪的高效搜索算法计算卸载决策子问题，通过对偶分解法计算资源分配子问题。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011495479.2A CN112698940B (zh) | 2020-12-17 | 2020-12-17 | 用于车路协同的车辆辅助边缘计算任务分配系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011495479.2A CN112698940B (zh) | 2020-12-17 | 2020-12-17 | 用于车路协同的车辆辅助边缘计算任务分配系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112698940A CN112698940A (zh) | 2021-04-23 |
| CN112698940B true CN112698940B (zh) | 2023-11-14 |
Family
ID=75508880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011495479.2A Active CN112698940B (zh) | 2020-12-17 | 2020-12-17 | 用于车路协同的车辆辅助边缘计算任务分配系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112698940B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113613210B (zh) * | 2021-07-02 | 2023-05-26 | 重庆邮电大学 | 一种基于多变量联合优化的车联网任务卸载方法 |
| CN115002155B (zh) * | 2022-05-25 | 2023-02-21 | 安徽江淮汽车集团股份有限公司 | 基于时延优化的路侧单元服务迁移方法 |
| CN115412607A (zh) * | 2022-09-15 | 2022-11-29 | 桂林理工大学 | 一种基于路边停车协同边缘计算的任务卸载方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109257432A (zh) * | 2018-10-12 | 2019-01-22 | 桂林电子科技大学 | 一种任务切换方法、计算机装置及可读存储介质 |
| 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 |
| CN110868700A (zh) * | 2019-10-16 | 2020-03-06 | 深圳大学 | 车载边缘计算环境下基于可分裂任务的协作计算卸载方法 |
| CN111049917A (zh) * | 2019-12-19 | 2020-04-21 | 电子科技大学 | 一种基于移动边缘计算的移动感知多用户卸载优化方法 |
| WO2020119648A1 (zh) * | 2018-12-14 | 2020-06-18 | 深圳先进技术研究院 | 一种基于代价优化的计算任务卸载算法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113132943B (zh) * | 2021-04-18 | 2022-04-19 | 中南林业科技大学 | 一种车联网中车边协同的任务卸载调度及资源分配方法 |
-
2020
- 2020-12-17 CN CN202011495479.2A patent/CN112698940B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN109257432A (zh) * | 2018-10-12 | 2019-01-22 | 桂林电子科技大学 | 一种任务切换方法、计算机装置及可读存储介质 |
| WO2020119648A1 (zh) * | 2018-12-14 | 2020-06-18 | 深圳先进技术研究院 | 一种基于代价优化的计算任务卸载算法 |
| CN110868700A (zh) * | 2019-10-16 | 2020-03-06 | 深圳大学 | 车载边缘计算环境下基于可分裂任务的协作计算卸载方法 |
| CN111049917A (zh) * | 2019-12-19 | 2020-04-21 | 电子科技大学 | 一种基于移动边缘计算的移动感知多用户卸载优化方法 |
Non-Patent Citations (2)
| Title |
|---|
| 《车辆异构网中基于移动边缘计算的任务卸载与资源分配》;张海波等;《 物联网学报 》;全文 * |
| 《面向车辆多址接入边缘计算网络的任务协同计算迁移策略》;乔冠华等;《 物联网学报 》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112698940A (zh) | 2021-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112698940B (zh) | 用于车路协同的车辆辅助边缘计算任务分配系统 | |
| CN109413615B (zh) | 车联网中基于mec的能量感知卸载的能量延迟折衷 | |
| CN112839382B (zh) | 一种车联网中视频语义驱动的通信和计算资源联合分配方法 | |
| CN111124666A (zh) | 一种移动物联网中的高效、安全的多用户多任务卸载方法 | |
| CN110856259A (zh) | 移动边缘计算环境中自适应数据块大小的资源分配和卸载方法 | |
| CN109068382B (zh) | 一种基于时延QoS的NOMA跨层功率分配方法 | |
| CN113726395A (zh) | 一种智能反射面增强云接入网多天线用户上行传输方法 | |
| CN117498900A (zh) | 去蜂窝大规模mimo通感一体化系统的资源分配装置及方法 | |
| CN113507712B (zh) | 一种基于交替方向乘子的资源分配与计算任务卸载方法 | |
| CN114866979A (zh) | 一种无人机辅助的边缘计算时延最小化方法 | |
| CN114096006B (zh) | 移动边缘计算系统中资源分配和数据压缩联合优化方法 | |
| Beitollahi et al. | FLAC: Federated learning with autoencoder compression and convergence guarantee | |
| CN112835637B (zh) | 一种面向车辆用户移动边缘计算的任务卸载方法 | |
| CN116667973B (zh) | 模拟联合信源信道编码的数据传输方法、装置及设备 | |
| JP2005252834A (ja) | Ｍｉｍｏ固有モード適応伝送システム及びｍｉｍｏ−ｏｆｄｍ固有モード適応伝送システム | |
| KR20070024574A (ko) | 채널을 통해 신호를 수신하기 위한 장치 | |
| CN110582097A (zh) | 一种降低汽车计算开销的处理方法、装置及存储介质 | |
| CN115460710B (zh) | 基于深度强化学习的车辆边缘计算场景中的智能计算卸载方法 | |
| CN101547179A (zh) | 自适应比特功率加载方法和设备 | |
| CN115811793A (zh) | 一种基于智能反射面辅助的能量采集移动边缘计算方法 | |
| CN115733838A (zh) | 一种基于移动边缘计算的车联网多维资源分配方法 | |
| CN112911613A (zh) | 一种用于noma-mec网络的基于drl的流量卸载算法及实现装置 | |
| CN107257260B (zh) | 无线电通信参数自适应配置方法和发射机 | |
| Steiner et al. | Reduced-complexity greedy distributed information bottleneck algorithm | |
| CN103685123A (zh) | 基于能效最优的自适应比特功率加载方法及设备 |
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 |