CN113032133B - 一种基于边缘计算的车联网目标检测服务协同方法和装置 - Google Patents
一种基于边缘计算的车联网目标检测服务协同方法和装置 Download PDFInfo
- Publication number
- CN113032133B CN113032133B CN201911343242.XA CN201911343242A CN113032133B CN 113032133 B CN113032133 B CN 113032133B CN 201911343242 A CN201911343242 A CN 201911343242A CN 113032133 B CN113032133 B CN 113032133B
- Authority
- CN
- China
- Prior art keywords
- target detection
- detection service
- edge server
- scheme
- schemes
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 225
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004364 calculation method Methods 0.000 title claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000005012 migration Effects 0.000 claims description 22
- 238000013508 migration Methods 0.000 claims description 22
- 230000004044 response Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 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
-
- 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]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施方式公开了一种基于边缘计算的车联网目标检测服务协同方法和装置。确定车辆从第一位置移动到第二位置的规划路径及沿着所述规划路径所途经的多个边缘服务器;确定当车辆沿着规划路径行驶过程中每次边缘服务器切换时的多个目标检测服务候选提供方案及每个目标检测服务候选提供方案的成本值;从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小。可以提高车辆的体验质量。
Description
技术领域
本发明涉及智能驾驶技术领域,尤其涉及一种基于边缘计算的车联网目标检测服务协同方法和装置。
背景技术
车联网通过新一代信息通信技术,实现车与云平台、车与车、车与路、车与人、车内等全方位网络链接,主要实现了“三网融合”,即将车内网、车际网和车载移动互联网进行融合。车联网是利用传感技术感知车辆的状态信息,并借助无线通信网络与现代智能信息处理技术实现交通的智能化管理,以及交通信息服务的智能决策和车辆的智能化控制。智能驾驶是指车辆通过先进的传感器系统和信息处理系统,实现对车辆周边的人、车和道路等环境感知,并通过认知计算控制车辆,实现预定的驾驶目标。其中目标检测作为环境感知的重要组成部分,通过对行人、车辆、道路标识和其他障碍物的检测,为车辆的安全行驶提供保障。实时精准的目标检测需要较高的计算需求,这往往超出单个车辆的计算能力。边缘计算通过在靠近车辆的网络边缘侧部署IT和云计算能力,可以为智能驾驶提供实时的目标检测服务。因此,基于边缘计算的目标检测将成为车辆网中的关键技术手段。
然而,基于边缘计算的目标检测服务将在包括多个宏基站、小基站和无线接入点的架构中实施,车辆的行驶会造成基站的频繁切换。由于单个边缘服务器覆盖范围的有限,基站的切换进一步导致边缘服务器之间的频繁切换。当智能驾驶汽车逐渐驶离边缘服务器时,正在运行的物体识别服务可能会面临时延增加、服务质量急剧下降甚至突然中断。因此,移动性对于实现可靠的基于边缘计算的目标检测服务(即,没有中断和错误)提出了重大挑战。
发明内容
本发明实施例提出一种基于边缘计算的车联网目标检测服务协同方法和装置。
本发明实施例的技术方案如下:
一种基于边缘计算的车联网目标检测服务协同方法,该方法包括:
确定车辆从第一位置移动到第二位置的规划路径及沿着所述规划路径所途经的多个边缘服务器;
确定当车辆沿着规划路径行驶过程中每次边缘服务器切换时的多个目标检测服务候选提供方案及每个目标检测服务候选提供方案的成本值;
从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小。
在一个实施方式中,所述边缘服务器中临时部署有目标检测服务或固定部署有目标检测服务。
在一个实施方式中,所述每次边缘服务器切换时的多个目标检测服务候选提供方案包括下列中的至少一个:
第一目标检测服务候选提供方案,其中仍使用本次切换之前的边缘服务器上固定部署的目标检测服务;
第二目标检测服务候选提供方案,其中使用下一次切换到的边缘服务器上固定部署的目标检测服务;
第三目标检测服务候选提供方案,其中使用远端云数据中心上的目标检测服务;
第四目标检测服务候选提供方案,其中使用在本次切换到的边缘服务器上临时部署的目标检测服务;
第五目标检测服务候选提供方案,其中使用本次切换之后的、下一次切换到的边缘服务器上临时部署的目标检测服务;
第六目标检测服务候选提供方案,其中使用本次切换之后的下一次切换的、再下一次切换到的边缘服务器上临时部署的目标检测服务。
在一个实施方式中,所述每个目标检测服务候选提供方案的成本值包括下列中的至少一个:响应时延;部署成本;迁移成本。
在一个实施方式中,所述从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小包括:
采用混合整数规划算法或动态规划算法,确定从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和。
一种基于边缘计算的车联网目标检测服务协同装置,该装置包括:
规划路径模块,用于确定车辆从第一位置移动到第二位置的规划路径及沿着所述规划路径所途经的多个边缘服务器;
候选方案确定模块,用于确定当车辆沿着规划路径行驶过程中每次边缘服务器切换时的多个目标检测服务候选提供方案及每个目标检测服务候选提供方案的成本值;
选中方案确定模块,用于从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小。
在一个实施方式中,所述边缘服务器中临时部署有目标检测服务或固定部署有目标检测服务。
在一个实施方式中,所述每次边缘服务器切换时的多个目标检测服务候选提供方案包括下列中的至少一个:
第一目标检测服务候选提供方案,其中仍使用本次切换之前的边缘服务器上固定部署的目标检测服务;
第二目标检测服务候选提供方案,其中使用下一次切换到的边缘服务器上固定部署的目标检测服务;
第三目标检测服务候选提供方案,其中使用远端云数据中心上的目标检测服务;
第四目标检测服务候选提供方案,其中使用在本次切换到的边缘服务器上临时部署的目标检测服务;
第五目标检测服务候选提供方案,其中使用本次切换之后的、下一次切换到的边缘服务器上临时部署的目标检测服务;
第六目标检测服务候选提供方案,其中使用本次切换之后的下一次切换的、再下一次切换到的边缘服务器上临时部署的目标检测服务。
在一个实施方式中,所述每个目标检测服务候选提供方案的成本值包括下列中的至少一个:响应时延;部署成本;迁移成本。
在一个实施方式中,选中方案确定模块,用于采用混合整数规划算法或动态规划算法,确定从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和。
从上述技术方案可以看出,在本发明实施方式中,确定车辆从第一位置移动到第二位置的规划路径及沿着规划路径所途经的多个边缘服务器;确定当车辆沿着规划路径行驶过程中每次边缘服务器切换时的多个目标检测服务候选提供方案及每个目标检测服务候选提供方案的成本值;从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小。可见,本发明实施方式通过选择最优的边缘服务器及目标检测服务为智能驾驶车提供连续的服务保障,可以降低服务时延及部署成本,提高车辆的体验质量,促进车联网的发展。
附图说明
图1是本发明基于边缘计算的车联网目标检测服务协同方法流程图。
图2是本发明基于边缘计算的车联网目标检测服务协同的示范性示意图。
图3是本发明两个方案的示范性对比图。
图4是本发明本发明基于边缘计算的车联网目标检测服务协同装置的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步的详细描述。
为了描述上的简洁和直观,下文通过描述若干代表性的实施方式来对本发明的方案进行阐述。实施方式中大量的细节仅用于帮助理解本发明的方案。但是很明显,本发明的技术方案实现时可以不局限于这些细节。为了避免不必要地模糊了本发明的方案,一些实施方式没有进行细致地描述,而是仅给出了框架。下文中,“包括”是指“包括但不限于”,“根据……”是指“至少根据……,但不限于仅根据……”。由于汉语的语言习惯,下文中没有特别指出一个成分的数量时,意味着该成分可以是一个也可以是多个,或可理解为至少一个。
目标检测作为环境感知的重要组成部分,通过对行人、车辆、道路标识和其他障碍物的检测,为车辆的安全行驶提供保障。图1是本发明基于边缘计算的车联网目标检测服务协同方法流程图。
如图1所示,该方法包括:
步骤101:确定车辆从第一位置移动到第二位置的规划路径及沿着所述规划路径所途经的多个边缘服务器。
在这里,可以基于各种现有的路径规划算法,规划出车辆从第一位置移动到第二位置的路径,并基于网络拓扑结果确定出
步骤102:确定当车辆沿着规划路径行驶过程中每次边缘服务器切换时的多个目标检测服务候选提供方案及每个目标检测服务候选提供方案的成本值。
步骤103:从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小。
在一个实施方式中,所述边缘服务器中临时部署有目标检测服务或固定部署有目标检测服务。根据目标检测服务的部署类型,将其分为固定部署型和临时部署型。考虑到实际应用场景需要尽量减少基础部署费用,固定部署型检测服务只被部署在部分边缘服务器上;临时部署型服务根据车辆需求情况动态部署。
在一个实施方式中,所述每次边缘服务器切换时的多个目标检测服务候选提供方案包括下列中的至少一个:第一目标检测服务候选提供方案,其中仍使用本次切换之前的边缘服务器上固定部署的目标检测服务;第二目标检测服务候选提供方案,其中使用下一次切换到的边缘服务器上固定部署的目标检测服务;第三目标检测服务候选提供方案,其中使用远端云数据中心上的目标检测服务;第四目标检测服务候选提供方案,其中使用在本次切换到的边缘服务器上临时部署的目标检测服务;第五目标检测服务候选提供方案,其中使用本次切换之后的、下一次切换到的边缘服务器上临时部署的目标检测服务;第六目标检测服务候选提供方案,其中使用本次切换之后的下一次切换的、再下一次切换到的边缘服务器上临时部署的目标检测服务,等等。
以上示范性描述了目标检测服务候选提供方案的典型实例,本领域技术人员可以意识到,这种描述仅是示范性的,并不用于限定本发明实施方式的保护范围。
在一个实施方式中,所述每个目标检测服务候选提供方案的成本值包括下列中的至少一个:响应时延;部署成本;迁移成本。
在一个实施方式中,所述从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小包括:采用混合整数规划算法或动态规划算法,确定从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和。
最终,将每次边缘服务器切换时选中的目标检测服务提供方案组合起来,即为沿着整个规划路径行驶的目标检测服务整体提供方案。
以上示范性描述了优化求解算法的典型实例,本领域技术人员可以意识到,这种描述仅是示范性的,并不用于限定本发明实施方式的保护范围。
图2是本发明基于边缘计算的车联网目标检测服务协同的示范性示意图。在如图2的基于边缘计算的目标检测服务协同中,该网络中提供有3个目标检测服务,分别部署在云数据中心和2个边缘服务器(分别为边缘服务器C1和边缘服务器C3)中。
智能驾驶车的规划路径如图2的道路所示。智能驾驶车沿着规划路径行驶,将依次经过边缘服务器C1、边缘服务器C2、边缘服务器C4和边缘服务器C5的覆盖范围。
当前,智能驾驶车正处于边缘服务器c1的覆盖范围内,并使用边缘服务器c1所提供的目标检测服务。目标检测服务可以对行人、车辆、道路标识和其他障碍物的检测,为车辆的安全行驶提供保障。
当车辆沿着规划路径,从一个边缘服务器的覆盖范围行驶到下一个边缘服务器的覆盖范围时,具有多种目标检测服务候选提供方案。
举例:当车辆从边缘服务器c1的覆盖范围行驶到下一个边缘服务器c2的覆盖范围内时,目标检测服务候选提供方案包括:
方案(1)、仍使用边缘服务器c1上的目标检测服务;
方案(2)、使用边缘服务器c3或远端云数据中心c0上的目标检测服务;
方案(3)、在边缘服务器c2上临时部署一个目标检测服务;
方案(4)、在边缘服务器c4或边缘服务器c5上临时部署一个目标检测服务。
其中不同的目标检测服务候选提供方案具有不同的用户体验质量(如服务响应时间)、服务迁移代价和部署代价(如网络带宽、边缘服务器资源等)。比如,在方案(1)中,不需要部署新的服务,也不需要迁移任务,但服务的传输时延可能较长;在方案(2)中,不需要部署新的服务,但需要迁移任务,服务的传输时延可能较长;方案(3)需要部署新的服务并迁移任务,服务的传输时延较短;方案(4)需要部署新的服务并迁移任务,但考虑到智能驾驶车未来会经过c4或c5的覆盖范围,此方案的长期收益可能更好。
基于边缘计算的目标检测服务协同方案由汽车行驶路线中每次边缘服务器切换时所选中的目标检测服务候选提供方案组成。因此,目标检测服务协同问题可以拆分成每次边缘服务器切换时的服务方案选择问题。具体来说,即如何在每次切换时选择合适的目标检测服务候选提供方案,使得整个行驶过程中的服务平均时延、部署成本和迁移成本的总和保持最小化。
假设汽车第k次边缘服务器切换时,候选边缘服务器集合为Ck,候选边缘服务器ck,∈Ck的响应时延为dk,i,部署成本为pk,i和迁移成本为mk,i。那么,dk,i由汽车到服务器的传输距离、任务大小和服务器的计算能力等因素决定;pk,i由是否需要临时部署检测服务,临时租赁费用等因素决定;mk,i由是否需要任务迁移,迁移数据量大小等因素决定。目标函数为其中ω代表各个优化指标的权重。
目标检测服务协同的过程即每次切换时选择最优的边缘服务器使得的目标函数值最小。
至此,一个多目标优化问题已被转化成一个单目标优化问题,利用常见的优化算法即可求解,如混合整数规划算法,动态规划算法等。
图3是本发明两个方案的示范性对比图。以图3为例,给出了针对图2系统的两种不同的协同方案及对应的响应时延,部署成本和迁移成本。
假定汽车最初在边缘服务器c1的覆盖范围内,正在使用边缘服务器c1上的服务。在方案一中,当车辆驶入c2的覆盖范围时,仍然使用c1上的目标检测服务;当车辆驶入c4的覆盖范围时,在c4上临时部署目标检测服务,并将任务从柜c1迁移至c4;当车辆驶入c5的覆盖范围时,仍然使用c4上的目标检测服务。在方案二中,当车辆驶入c2的覆盖范围时,在c2上临时部署目标检测服务,并将任务从柜c1迁移至c2;当车辆驶入c4的覆盖范围时,在c4上临时部署目标检测服务,并将任务从柜c2迁移至c4;当车辆驶入c5的覆盖范围时,在c5上临时部署目标检测服务,并将任务从柜c4迁移至c5。
可见,方案一的总时延为47,部署成本为1,迁移成本为2。方案二的总时延为30,部署成本为3,迁移成本为3。
当总时延、部署成本和迁移成本之间的权重比为1:10:1时,方案一成本值的总和(47+10+2=59)优于方案二成本值的总和(30+30+3=63),因此选择方案一。当总时延、部署成本和迁移成本之间的权重比为1:5:1时,方案二成本值的总和(30+15+3=48)优于方案一成本值的总和(47+5+2=54),因此选择方案二。
可见,本发明实施方式通过选择最优的边缘服务器及目标检测服务为智能驾驶车提供连续的服务保障,降低服务时延及部署成本,提高车辆的体验质量,促进车联网的发展。
本发明实施方式还提出了基于边缘计算的车联网目标检测服务协同装置。
图4是本发明本发明基于边缘计算的车联网目标检测服务协同装置的结构图。
如图4所示,该装置包括:
规划路径模块401,用于确定车辆从第一位置移动到第二位置的规划路径及沿着所述规划路径所途经的多个边缘服务器;
候选方案确定模块402,用于确定当车辆沿着规划路径行驶过程中每次边缘服务器切换时的多个目标检测服务候选提供方案及每个目标检测服务候选提供方案的成本值;
选中方案确定模块403,用于从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小。
在一个实施方式中,所述边缘服务器中临时部署有目标检测服务或固定部署有目标检测服务。
在一个实施方式中,所述每次边缘服务器切换时的多个目标检测服务候选提供方案包括下列中的至少一个:第一目标检测服务候选提供方案,其中仍使用本次切换之前的边缘服务器上固定部署的目标检测服务;第二目标检测服务候选提供方案,其中使用下一次切换到的边缘服务器上固定部署的目标检测服务;第三目标检测服务候选提供方案,其中使用远端云数据中心上的目标检测服务;第四目标检测服务候选提供方案,其中使用在本次切换到的边缘服务器上临时部署的目标检测服务;第五目标检测服务候选提供方案,其中使用本次切换之后的、下一次切换到的边缘服务器上临时部署的目标检测服务;第六目标检测服务候选提供方案,其中使用本次切换之后的下一次切换的、再下一次切换到的边缘服务器上临时部署的目标检测服务。
在一个实施方式中,所述每个目标检测服务候选提供方案的成本值包括下列中的至少一个:响应时延;部署成本;迁移成本。
在一个实施方式中,所述从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小包括:
选中方案确定模块404,用于采用混合整数规划算法或动态规划算法,确定从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和。
需要说明的是,上述各流程和各结构图中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。各模块的划分仅仅是为了便于描述采用的功能上的划分,实际实现时,一个模块可以分由多个模块实现,多个模块的功能也可以由同一个模块实现,这些模块可以位于同一个设备中,也可以位于不同的设备中。
各实施方式中的硬件模块可以以机械方式或电子方式实现。例如,一个硬件模块可以包括专门设计的永久性电路或逻辑器件(如专用处理器,如FPGA或ASIC)用于完成特定的操作。硬件模块也可以包括由软件临时配置的可编程逻辑器件或电路(如包括通用处理器或其它可编程处理器)用于执行特定操作。至于具体采用机械方式,或是采用专用的永久性电路,或是采用临时配置的电路(如由软件进行配置)来实现硬件模块,可以根据成本和时间上的考虑来决定。
本发明还提供了一种机器可读的存储介质,存储用于使一机器执行如本申请所述方法的指令。具体地,可以提供配有存储介质的系统或者装置,在该存储介质上存储着实现上述实施例中任一实施方式的功能的软件程序代码,且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。此外,还可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作。还可以将从存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作,从而实现上述实施方式中任一实施方式的功能。
用于提供程序代码的存储介质实施方式包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机或云上下载程序代码。
在本文中,“示意性”表示“充当实例、例子或说明”,不应将在本文中被描述为“示意性”的任何图示、实施方式解释为一种更优选的或更具优点的技术方案。为使图面简洁,各图中的只示意性地表示出了与本发明相关部分,而并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”并不表示将本发明相关部分的数量限制为“仅此一个”,并且“一个”不表示排除本发明相关部分的数量“多于一个”的情形。在本文中,“上”、“下”、“前”、“后”、“左”、“右”、“内”、“外”等仅用于表示相关部分之间的相对位置关系,而非限定这些相关部分的绝对位置。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,而并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方案或变更,如特征的组合、分割或重复,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于边缘计算的车联网目标检测服务协同方法,其特征在于,该方法包括:
确定车辆从第一位置移动到第二位置的规划路径及沿着所述规划路径所途经的多个边缘服务器;
确定当车辆沿着规划路径行驶过程中每次边缘服务器切换时的多个目标检测服务候选提供方案及每个目标检测服务候选提供方案的成本值;
从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小;
其中从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小包括:
采用混合整数规划算法或动态规划算法,确定从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小;其中整个行驶过程中的服务平均时延、部署成本和迁移成本的总和保持最小化;
所述边缘服务器中临时部署有目标检测服务或固定部署有目标检测服务;
所述每个目标检测服务候选提供方案的成本值包括:响应时延、部署成本和迁移成本;
所述每次边缘服务器切换时的多个目标检测服务候选提供方案包括下列中的至少一个:
第一目标检测服务候选提供方案,其中仍使用本次切换之前的边缘服务器上固定部署的目标检测服务;
第二目标检测服务候选提供方案,其中使用下一次切换到的边缘服务器上固定部署的目标检测服务;
第三目标检测服务候选提供方案,其中使用远端云数据中心上的目标检测服务;
第四目标检测服务候选提供方案,其中使用在本次切换到的边缘服务器上临时部署的目标检测服务;
第五目标检测服务候选提供方案,其中使用本次切换之后的、下一次切换到的边缘服务器上临时部署的目标检测服务;
第六目标检测服务候选提供方案,其中使用本次切换之后的下一次切换的、再下一次切换到的边缘服务器上临时部署的目标检测服务。
2.一种基于边缘计算的车联网目标检测服务协同装置,其特征在于,该装置包括:
规划路径模块,用于确定车辆从第一位置移动到第二位置的规划路径及沿着所述规划路径所途经的多个边缘服务器;
候选方案确定模块,用于确定当车辆沿着规划路径行驶过程中每次边缘服务器切换时的多个目标检测服务候选提供方案及每个目标检测服务候选提供方案的成本值;
选中方案确定模块,用于从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小;其中从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小包括:采用混合整数规划算法或动态规划算法,确定从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小;其中整个行驶过程中的服务平均时延、部署成本和迁移成本的总和保持最小化;
所述边缘服务器中临时部署有目标检测服务或固定部署有目标检测服务;
所述每个目标检测服务候选提供方案的成本值包括:响应时延、部署成本和迁移成本;
所述每次边缘服务器切换时的多个目标检测服务候选提供方案包括下列中的至少一个:
第一目标检测服务候选提供方案,其中仍使用本次切换之前的边缘服务器上固定部署的目标检测服务;
第二目标检测服务候选提供方案,其中使用下一次切换到的边缘服务器上固定部署的目标检测服务;
第三目标检测服务候选提供方案,其中使用远端云数据中心上的目标检测服务;
第四目标检测服务候选提供方案,其中使用在本次切换到的边缘服务器上临时部署的目标检测服务;
第五目标检测服务候选提供方案,其中使用本次切换之后的、下一次切换到的边缘服务器上临时部署的目标检测服务;
第六目标检测服务候选提供方案,其中使用本次切换之后的下一次切换的、再下一次切换到的边缘服务器上临时部署的目标检测服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911343242.XA CN113032133B (zh) | 2019-12-24 | 2019-12-24 | 一种基于边缘计算的车联网目标检测服务协同方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911343242.XA CN113032133B (zh) | 2019-12-24 | 2019-12-24 | 一种基于边缘计算的车联网目标检测服务协同方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113032133A CN113032133A (zh) | 2021-06-25 |
CN113032133B true CN113032133B (zh) | 2023-08-22 |
Family
ID=76451327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911343242.XA Active CN113032133B (zh) | 2019-12-24 | 2019-12-24 | 一种基于边缘计算的车联网目标检测服务协同方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113032133B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113823011B (zh) * | 2021-09-03 | 2023-06-13 | 深圳云天励飞技术股份有限公司 | 巡逻机器人的算力分配方法及相关设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106781483A (zh) * | 2016-12-28 | 2017-05-31 | 芜湖乐锐思信息咨询有限公司 | 智能交通管理系统 |
CN108616816A (zh) * | 2018-05-07 | 2018-10-02 | 重庆邮电大学 | 一种基于极限学习的车辆轨迹预测和mec应用迁移方法 |
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 |
CN109951821A (zh) * | 2019-02-26 | 2019-06-28 | 重庆邮电大学 | 基于移动边缘计算的最小化车辆能耗任务卸载方案 |
CN110365787A (zh) * | 2019-07-19 | 2019-10-22 | 南京工业大学 | 一种应用容器并基于微服务框架的边缘计算最优化布局方法 |
-
2019
- 2019-12-24 CN CN201911343242.XA patent/CN113032133B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106781483A (zh) * | 2016-12-28 | 2017-05-31 | 芜湖乐锐思信息咨询有限公司 | 智能交通管理系统 |
CN108616816A (zh) * | 2018-05-07 | 2018-10-02 | 重庆邮电大学 | 一种基于极限学习的车辆轨迹预测和mec应用迁移方法 |
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 |
CN109951821A (zh) * | 2019-02-26 | 2019-06-28 | 重庆邮电大学 | 基于移动边缘计算的最小化车辆能耗任务卸载方案 |
CN110365787A (zh) * | 2019-07-19 | 2019-10-22 | 南京工业大学 | 一种应用容器并基于微服务框架的边缘计算最优化布局方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113032133A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aissioui et al. | On enabling 5G automotive systems using follow me edge-cloud concept | |
JP6344459B2 (ja) | 無線通信ネットワークにおけるモビリティ管理方法、デバイス及びシステム | |
Abbas et al. | SD-IoV: SDN enabled routing for internet of vehicles in road-aware approach | |
EP3466122B1 (en) | Mobile edge computing | |
US8160613B2 (en) | Method and system for handover in cellular wireless using route programming and training processes | |
US10667207B2 (en) | Access point assisted roaming | |
JP4758437B2 (ja) | 無線ネットワークにおける移動端末及び通信システム | |
JP2020535678A (ja) | モバイルデバイスの移動状況に基づく基地局切り替え方法および装置 | |
KR101621878B1 (ko) | 차량용 avn 통신 시스템 및 그의 무선 통신 방법 | |
JP2009049974A (ja) | 端末移動速度に基づく網資源予約方法、網資源予約装置、及び、網資源予約システム、並びに、これに用いられる移動端末 | |
CN101902794B (zh) | V2i通信中基于运动预测的二层快速切换方法 | |
CN113032133B (zh) | 一种基于边缘计算的车联网目标检测服务协同方法和装置 | |
CN115280388A (zh) | 虚拟动态编队 | |
Higuchi et al. | Content replication in vehicular micro cloud-based data storage: A mobility-aware approach | |
CN111800761A (zh) | 车辆通信处理方法、装置、计算机可读介质及电子设备 | |
Hasbollah et al. | Mobility prediction method for vehicular network using Markov chain | |
Munjal et al. | QoS and cost-aware protocol selection for next generation wireless network | |
JP2006339925A (ja) | 無線lanシステム、管理サーバ、アクセスポイント及びそれらに用いるハンドオーバ制御方法 | |
CN105282800A (zh) | 一种移动终端的网络切换方法及装置 | |
EP4030726B1 (en) | Method of managing a vehicle internet service in a cellular network of at least fourth generation 4g | |
Shah et al. | A distributed control plane architecture for handover management in mec-enabled vehicular networks | |
CN114449640A (zh) | 数据同步方法、信息传输方法及设备 | |
US20230362675A1 (en) | Dual mode wi-fi operation in shared and non-shared channels | |
JP4266714B2 (ja) | 移動体通信システム及び移動体通信システムにおけるチャネル切替方法 | |
Al Harthi et al. | Hybrid Cell Selection Mechanism for V2X Handover |
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 |