CN113115256A - 一种在线vmec服务网络选择的迁移方法 - Google Patents

Abstract

本发明涉及一种在线VMEC服务网络选择的迁移方法，属于移动通信领域。该方法包括：S1：建立VMEC数学模型；S2：在时隙t扫描相邻可接入的网络，并进行网络筛选；S3：在时隙t+1重复S2，得到t+1时隙的初始网络选择和迁移放置作为初始策略；S4：网络选择和服务放置优化：计算t+1时隙初始策略的三种时延并进行比较；根据三种时延的比较结果更新t+1时隙的初始策略得到t+1时隙优化后的服务迁移策略Φ(t+1)；最后依据策略Φ(t+1)进行接入网选择和服务放置；S5：在下一时隙，重复步骤S3和S4，得到在时间T内，每个时隙的接入网选择和服务迁移策略。本发明能够最小化车辆在移动过程中进行网络选择和制定服务迁移策略的时延，提高用户的服务质量。

Description

一种在线VMEC服务网络选择的迁移方法

技术领域

本发明属于移动通信领域，涉及一种在线VMEC服务网络选择的迁移方法。

背景技术

移动边缘计算(Mobile Edge Computing,MEC)作为C-Ran架构的补充，为在无线接入网络范围内的移动用户提供通信和强大的计算能力。因此，MEC不仅支持多种应用，例如无人驾驶，虚拟现实，增强现实，机器人技术和沉浸式媒体。还具有异构接入技术(例如4G，5G，WiFi和固定连接)的优势。ETSI在2017年正式宣布，移动边缘计算进入第二阶段，并将其名称修改为多接入边缘计算(Multi-access Edge Computing,MEC)。在范围扩展之后，MEC服务器可以由运营商部署在不同的位置(例如4G中的eNB和5G中的gNB)，或者和光纤网络，WiFi接入点共同部署。这种转换不仅可以更好地促进通信功能，还可以更好地为用户提供计算，缓存和控制等服务。

MEC的挑战之一是根据用户的移动性动态卸载或迁移服务。在MEC中处理用户移动性的一种常用方法是迁移服务。其通常将服务迁移到靠近用户的位置，以减少通信延迟。移动性管理是3GPP的基本功能，同时移动性也是MEC固有的特征。为了保证业务的连续性，当用户移动时，MEC可以为用户选择就近的服务器，使用户不会感受到业务的中断。

车联网(Internet of Vehicles,IoV)是MEC的七大热门场景之一。车联网场景中有大量终端用户，如联网汽车，路侧单元，车载智能设备，支持V2X(Vehicle toEverything,V2X)服务的智能手机等。联网汽车作为新型的移动终端，受到广泛关注。车联网对于车到车和车到设备传输时延的要求极为严苛。车载边缘计算(Vehicular MobileEdge Computing,VMEC)是多接入边缘计算和车联网的集成。VMEC可以把车联网云“下沉”至分布式部署的移动通信基站(例如基站、小基站或汇聚站点)并托管服务，同时利用MEC服务器来承载车联网应用。将数据及计算组件就近存储于离车辆较近的应用虚拟机中，能够有效地减少通信时延，满足车联网业务的严苛要求。在车辆移动时，通过将服务迁移至就近的MEC服务器来对车辆继续提供稳定的服务，从而确保车联网业务的稳定，提升用户体验。

MEC服务器可以和接入点联合部署，也可以部署在一个或多个接入点附近，即一个或多个接入点共享一个MEC服务器。在部署了MEC服务器的移动网络中，当用户在不同服务器之间移动，通常利用服务迁移来保证服务的连续性。由于MEC网络服务对象大多是移动用户，因此用户移动性带来的问题不可忽视。移动性管理是移动通信和网络中的关键技术，用于保证用户移动中的通信和业务连续性。

因此，当前VMEC业务的研究核心在于如何在车辆高速移动的情形下保证服务的连续性，这与传统的移动性管理息息相关。VMEC的移动性管理可以分为两个方面：终端(车辆)的移动性管理和车联网服务的移动性管理。车辆的移动性管理是车联网服务的移动性管理的先决条件。确保联网车辆始终访问最合适的接入点，能够为车联网服务的移动性管理提供很好的参考基础。将车联网各种服务卸载或迁移至正确的边缘服务器中，可以减少由于车辆的移动而引起的服务迁移，同时降低由服务迁移引起的时延和能耗。而目前对服务卸载，服务迁移的研究很多，其考虑主要因素是时延和能耗。往往忽略了在移动过程中的网络切换对服务卸载和服务迁移产生的影响。

现有针对上述问题也有一些研究，如下所述：

公开号为CN109691147A的专利申请“动边缘计算服务的重新定位”，考虑了MEC场景中，通信切换和服务迁移之间的时序关系。该方案中，终端对切换进行预测，在可能的一个或多个基站的MEC服务器中建立当前服务的影子副本，并不断进行同步。由通信切换触发服务重新定位，当确认切换目标基站，销毁其他服务器中的影子副本。当触发切换后立即触发服务和其影子副本之间的重新定位。影子副本具有服务相关数据，可以极大地减少服务切换的时间。但该方案中，不明确切换预测的具体目标，当服务过大时，将会向多个服务器发送服务数据进行同步，占用过多服务器资源以及网络资源；也未明确切换预测的时间维度，如果预测的时间跨度过短，导致在切换时服务数据未同步完毕，无法执行服务切换，或者服务切换时间将会增加，将导致更长的服务中断时间。

公开号为CN111132253A的专利申请“一种通信切换和服务迁移的联合移动性管理方法”，公开了在具备移动边缘计算节点的网络中，设置了移动性管理相关的逻辑功能实体——切换管理实体和服务迁移管理实体。通过切换管理实体预测通信切换时刻和目标接入点，通过服务迁移管理实体首先判断是否进行服务迁移，若需要则预测服务迁移进入停机拷贝阶段的开始时刻，当该时刻与预测的通信切换时刻重合时，通知当前服务节点进行服务迁移，对通信切换以及服务迁移过程中的时间顺序进行决策，减少了用户移动期间内服务总中断时间。但该方案中，未考虑在网络切换和服务器迁移过程中产生的能耗问题。

发明内容

有鉴于此，本发明的目的在于提供一种在线VMEC服务网络选择的迁移方法，能够有效降低车辆在移动过程中的对边缘网络进行选择和服务迁移引起的时延，提高用户的服务质量。

为达到上述目的，本发明提供如下技术方案：

一种在线VMEC服务网络选择的迁移方法，具体包括以下步骤：

S1：建立VMEC数学模型；在MEC车联网场景中包含联网车辆、接入点和边缘服务器；建立移动边缘计算场景时延的目标优化函数w，其中时延包括切换时延、通信时延、传输时延、计算时延和迁移时延；

S2：在时隙t扫描相邻可接入的网络，并进行网络筛选，将部分覆盖范围小和信号强度弱的网络去除，生成筛选后的网络集合

作为可选择的边缘云；计算所有策略的w，选择满足w最小的接入网选择Φ_X(t)和服务放置策略Φ_Y(t)作为初试策略Φ(t)；

S3：在时隙t+1重复步骤S2，得到t+1时隙的初始网络选择Φ_X′(t+1)和迁移放置Φ_Y′(t+1)作为初始策略Φ′(t+1)；

S4：网络选择和服务放置优化：计算t+1时隙初始策略的三种时延并进行比较；其中三种时延包括：边缘云未改变下网络不切换和服务不进行迁移的时延D^nsnm、同一边缘云中网络切换但服务不进行迁移的时延D^snm、边缘云改变时网络进行切换但服务不进行迁移的时延D^sm；根据三种时延的比较结果更新t+1时隙的初始策略得到t+1时隙优化后的服务迁移策略Φ(t+1)；最后依据策略Φ(t+1)进行接入网选择和服务放置；

S5：在下一时隙，重复步骤S3和S4，这样就可以得到在T个时间帧内，每个时隙的接入网选择和服务迁移策略。

进一步，步骤S1中，建立MEC车联网场景下移动边缘计算场景数学模型，具体包括：在MEC车联网场景中包含联网车辆、接入点和边缘服务器；使用集合

和集合

表示车辆的任务集；假定车辆到基础设施的网络选择和服务迁移策略是在时隙结构中做出的，并且时间轴离散为T个时间帧，即

在每个时隙t，系统都要为联网车辆进行网络选择和制定服务迁移策略。

进一步，步骤S1中，关于时延的优化目标函数为：

其中，d_h(t)表示在时隙t联网车辆的接入点切换的切换时延，d_l(t)表示在时隙联网车辆的通信时延，d_tr(t)表示在时隙t的传输时延，d_com(t)表示在时隙t的计算时延，d_mi(t)表示在时隙t的迁移时延；

约束条件：

1)每个联网车辆在时隙t只选择一个接入网，表达式为：

2)访问点决策变量的取值范围为：

3)一个服务在时隙t只能卸载或迁移至一个边缘云服务器上，表达式为：

4)每个边缘云中的接入任务总量不能超过接入点的资源限制，表达式为：

5)服务迁移决策变量的取值范围为：

其中，x_i(t)表示联网车辆在时隙t的动态访问点决策，如果x_i(t)＝1表示在t时隙中，联网车辆选择接入点i接入网络，否则表示任务不在接入点i上执行；

表示服务m放置决策；当

表示在时隙t联网车辆的任务m在边缘云j上，否则表示服务不放在边缘云j上；f_m(t)代表任务m的资源需求，F_j代表边缘云j的最大服务资源容量。

进一步，步骤S2中，网络预筛选具体包括：对车辆在t时隙的多个网络进行预筛选，通过网络预筛选，车辆可以将无法保证服务正常执行和卸载的边缘网络去除，例如某些覆盖范围较小或者存在网络拥塞的网络。这样可以减少车辆对网络选择的时间。本发明设计的网络预筛选过程中，车辆在其通信范围内扫描可访问的AP，并根据网络的信号强度和车辆在网络中预停留的时间，从网络扫描和结果中过滤部分网络。如果一个网络同时满足这两个因素，则将其添加到候选访问网络列表中。这样就可以生成筛选后的网络集合

作为可选择的边缘云。如果在t时隙，筛选后的网络集合

中有k′个网络，并且车辆在t时隙有m′个任务需卸载至边缘服务器中进行计算，则在t时隙，接入网选择和服务放置决策Φ(t)有k′^m′+1种策略。计算每种策略的时延w，将w最小的策略作为t时隙的初始策略。

进一步，步骤S4中，边缘云未改变下网络不切换和服务不进行迁移的时延D^nsnm＝d_l+d_qu；

同一边缘云中网络切换但服务不进行迁移的时延D^snm＝d_h+d_l+d_qu；

边缘云改变时网络进行切换但服务不进行迁移的时延D^sm＝d_h+d_l+d_mi。

进一步，步骤S4中，根据三种时延的比较结果更新t+1时隙的初始策略，具体包括：

1)若D^nsnm≤D^snm(即t+1时隙无需进行网络切换，再进行服务迁移判断)，且D^nsnm≤D^sm(即t+1时隙无需进行服务迁移)，则在t+1时隙无需进行网络切换也无需进行服务迁移；t+1时隙的网络选择和服务放置和t时隙的网络选择和服务放置相同；

2)若D^nsnm≤D^snm(即t+1时隙需进行网络切换，再进行服务迁移判断)，但D^nsnm＞D^sm，则在t+1时隙无需进行网络切换但需进行服务迁移，此时更新t+1时隙初始策略的服务放置策略；

3)若D^nsnm＞D^snm但D^nsnm≤D^sm，则在t+1时隙，需进行网络切换但服务无需进行迁移，此时更新t+1时隙初始策略的网络选择；

4)若D^nsnm＞D^snm且D^snm＞D^sm，则在t+1时隙，需进行网络切换也需进行服务迁移，此时将t+1时隙初始策略作为t+1时隙的网络选择和服务迁移策略。

在以上更新过程中，本发明方法主要是在满足每个时隙的时延最小的约束下，通过在相邻时隙减少网络选择和服务迁移，来降低车辆在T内的总时延，从而提高用户的服务质量。

本发明的有益效果在于：本发明设计的在线网络选择和服务迁移放方法，通比较每个时隙三种时延，来决定在下一时隙是否进行网络切换和服务迁移。其主要思想是通过减少车辆移动过程中的网络切换和服务迁移次数，来降低由切换和迁移引起的时延。本发明能够最小化车辆在移动过程中进行网络选择和制定服务迁移策略的时延，提高用户的服务质量。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明实施例中VMEC的网络选择和服务迁移示意图；

图2为本发明在线VMEC服务网络选择的迁移方法的流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

请参阅图1～图2，本发明设计了一种在线VMEC服务网络选择的迁移方法，包括以下步骤：

步骤1：建立VMEC数学模型；在MEC车联网场景中包含联网车辆和接入点和边缘服务器；建立的移动边缘计算场景时延的目标优化函数w。其中时延包括切换时延、通信时延、传输时延、计算时延和迁移时延；

N个访问点和用户(车辆)上的M个任务组成的多接入边缘计算系统，集合

和

分别表示边缘云集和用户的任务集。为了更好地描述用户的移动特征，本研究假定车辆到基础设施联网的网络选择和服务迁移策略是在时隙结构中做出的，并且时间轴离散为T个时间帧，即

在每个时隙的t时，车辆上通常有多个任务需要完成。联网车辆需要到一个合适的接入网络，并将车辆上的m′个服务迁移到合适的服务器上进行运行。

具体的VMEC服务网络选择的迁移方法如下：

(1)接入点选择：在每个时隙，联网车辆都会做出接入网选择决定。用x_i(t)表示动态访问点决策，如果x_i(t)＝1，则表示在t时隙中，联网车辆选择接入点i接入网络；否则，x_i(t)＝0。因为车辆在一个时隙t只能选择一个AP接入，所以有以下约束：

(2)服务迁移选择：在时隙t，系统为每个联网车辆选择合适的接入点来访问边缘云后，联网车辆将会上传的m′个服务至合理的位置MEC服务器上。在此系统模型中，接入网选择和服务迁移决策可以不同。因为联网车辆在MEC系统中的通信距离有限，访问点选择有限，但联网车辆上的服务可以卸载或迁移在周围任何边缘云上。因此，用

表示服务迁移决策。

表示在时隙t车辆上的服务m卸载或迁移在边缘云j上运行，否则

服务放置模型如下：

其中，f_m(t)代表服务m的资源需求，F_j代表边缘云j的最大服务资源容量。公式

保证了每个边缘云中的服务总量不能超过资源限制。公式

表示了一个服务在时隙t只能卸载或迁移至一个边缘云服务器上。

关于时延的优化目标函数中包含的时延有：切换时延、通信时延、传输时延、计算时延和迁移时延。具体时延计算过程如下：

(1)切换时延：由于用户的移动性，用户可能需要从当前AP切换到其他接入点，以获得良好的用户感知。这就会导致一定的切换时延。假设由切换引起的延迟为v₀，则切换成本为：

d_h(t)＝v₀|x_i(t)-x_i(t-1)|

(2)通信时延：在车辆移动的过程中，会存在着服务放置的边缘服务器和车辆的接入点选择可能不在同一云中的情况，这样虽然可以减轻某些热点云的压力。但间接通过边缘云访问服务时将产生额外的通信延迟。因此，在考虑服务迁移决策

和接入点选择决策x_i(t)时，系统在时隙t的总通信延迟可以表示为：

其中，l_ij(t)表示从接入点j到边缘云i的通信延迟。

(3)传输时延：传输延迟指联网车辆的服务数据通过无线通道从本地车辆设备上传到边缘服务器上产生的延迟，与数据量和传输速度有关。H_j表示在时隙t中车辆和边缘服务器j之间的信道增益。因为时间T被划分为较小的时隙，所以将H_j视为一个常数。用P表示车辆的发送功率，

表示车辆在时隙t中访问边缘服务器j的小区间干扰功率。则在时隙t中车辆到接入点的传输速率可以表示为：

其中，W是信道带宽，σ²是噪声功率。所以，车辆到接入点的传输延迟可以表示为：

其中，随时间变化的量λ_m(t)表示t时隙车辆上的任务m的计算需求。因为通常很多任务计算结果的大小远远小于输入数据的大小，且下行速度快于上行速度。所以，这里忽略了边缘服务器发送计算结果到用户的时间延迟。

(4)计算时延：服务m的处理时延受边缘服务器计算能力的影响。每个边缘服务器可以使用共享处理器同时处理来自联网车辆的多个MEC任务，并为其提供服务计算。用参量σ_m,j表示MEC服务器j分配给任务m的处理能力。因为边缘服务器有着较强的计算能力和负载能力，所以设定σ_m,j是不随着时隙变化而改变的常量。因此，对于车辆卸载到边缘服务器j中的服务m，其计算时延为：

其中，γ_m(t)表示在时隙t服务m的输入的数据量，λ_m(t)表示时隙t任务m的计算强度需求。

(5)迁移时延：由于联网车辆的移动性和边缘云的服务范围有限，因此在车辆行驶的过程中，会有如下情况；联网车辆在t时隙后已经离开了边缘云j的覆盖范围，但放置在边缘服务器j上的服务尚未运行完成。为了保证服务的连续性和用户体验，车载边缘计算系统会将该服务进行服务迁移。即在时间T内，该服务将由不止一个边缘服务器完成。若在时隙t内，联网车辆离开边缘云j之前，服务已经计算运行完成并将计算结果传回给车辆，则不考虑服务迁移。为简化服务m的迁移状态的描述，用以下表达：

其中，用s_m来表示在t-1时隙服务m放置在边缘服务器s_m上，用z_m来表示在t时隙任务m放置在边缘服务器z_m上。

用ω_m(t)来表示在时隙t迁移任务m需要传输的数据量，则其迁移时延可以表示为：

其中，H_s,z表示边缘服务器s和边缘服务器z之间的信道增益，P_s表示边缘服务器s的发送功率，

表示车辆在时隙t中访问边缘服务器z的小区间干扰功率。当s_m＝z_m时，IoV应用所在的MEC服务器并没有发生切换，因此迁移时延为0。

根据以上时延的信息，建立关于时延的优化函数：

其中，d_h(t)表示在时隙t联网车辆的接入点切换的切换时延，d_l(t)表示在时隙联网车辆的通信时延，d_tr(t)表示在时隙t的传输时延，d_com(t)表示在时隙t的计算时延，d_mi(t)表示在时隙t的迁移时延；x_i(t)表示联网车辆在时隙t的动态访问点决策，如果x_i(t)＝1表示在t时隙中，联网车辆选择接入点i接入网络，否则表示任务不在接入点i上执行；

表示服务m放置决策；当

表示在时隙t联网车辆的任务m在边缘云j上，否则表示服务不放在边缘云j上；f_m(t)代表任务m的资源需求；

约束条件(1)表示每个联网车辆在时隙t只选择一个接入网；

约束条件(5)表示每个云中的接入任务总量不能超过接入点的资源限制；

约束条件(3)表示了一个服务在时隙t只能卸载或迁移至一个边缘云服务器上；

约束条件(2)(4)分别表示访问点决策变量和服务迁移决策变量的取值范围。

对建立的目标函数进行优化：

步骤S2：在时隙t扫描的相邻可接入的网络，并进行网络筛选，将部分覆盖范围小和信号强度弱的网络去除，生成筛选后的网络集合

作为可选择的边缘云；

对车辆在t时隙的多个网络进行预筛选，通过网络预筛选，车辆可以将无法保证服务正常执行和卸载的边缘网络去除，例如某些覆盖范围较小或者存在网络拥塞的网络。这样可以减少车辆对网络选择的时间。本文设计的网络预筛选过程中，车辆在其通信范围内扫描可访问的AP，并根据网络的信号强度和车辆在网络中预停留的时间，从网络扫描和结果中过滤部分网络。如果一个网络同时满足这两个因素，则将其添加到候选访问网络列表中。

步骤S3：在时隙t+1，根据步骤S2进行网络筛选后，得到筛选后的网络集合

作为可选择的边缘云。如果在t时隙，筛选后的网络集合

中有k′个网络，并且车辆在t时隙有m′个任务需卸载至边缘服务器中进行计算，则在t时隙，接入网选择和服务放置决策Φ(t)有k′^m′+1种策略。计算每种策略的时延w，将w最小的策略作为t时隙的初始策略。

步骤S4：通过在线网络选择和服务迁移方法更新每个时隙的接入网选择和服务放置。具体步骤为：

将用户总开销分为必要开销和额外开销，通过尽可能的减少额外开销(即减少切换和服务迁移)来减少总开销。当车辆在两个相邻时隙中接入点未进行切换，服务也无需进行迁移。在此时用户需忍受的时延除了传输和计算时延还主要包含车辆到边缘云的通信时延和任务在MEC服务上进行排队的排队时延(即非必要开销为D^nsnm＝d_l+d_qu)；当车辆进行了接入点切换，但其运行的服务不进行迁移。在此时用户需忍受的时延除了传输和计算时延还主要包含车辆到边缘云的通信时延，切换时延和任务在MEC服务上进行排队的排队时延。(即非必要开销为D^snm＝d_h+d_l+d_qu)；当接入点进行了切换，其卸载或迁移在MEC上的服务也需进行迁移。在此时用户需忍受的时延除了传输和计算时延还主要包含车辆到边缘云的通信时延，切换时延和迁移时延(即非必要开销为D^sm＝d_h+d_l+d_mi)。其具体优化步骤为：

(1)比较三种非必要开销，若D^nsnm≤D^snm且D^nsnm≤D^sm，则在t+1时，可以不进行网络切换也无需进行服务迁移。t+1时隙的网络选择和服务放置和t时隙的网络选择和服务放置相同；

(2)若D^nsnm≤D^snm但D^nsnm＞D^sm，则在t+1时隙，无需进行网络切换但需进行服务迁移。此时更新t+1时隙初始策略的服务放置策略；

(3)若D^nsnm＞D^snm但D^nsnm≤D^sm，则在t+1时隙，需进行网络切换但服务无需进行迁移，此时更新t+1时隙初始策略的网络选择；

(4)若D^nsnm＞D^snm且D^snm＞D^sm，则在t+1时隙，需进行网络切换也需进行服务迁移，此时将t+1时隙初始策略作为t+1时隙的网络选择和服务迁移策略。

在下一时隙，重复步骤S3，S4。先找出下一时隙内的时延最小的网络选择和服务放置策略作为初始策略，再根据S4的步骤更新初始策略，得到下一时隙的网络选择和服务迁移策略。这样就可以在T内，得到在进行网络选择和服务迁移的过程中时延最小的网络选择和服务迁移策略。

在以上更新过程中，本发明方法主要是在满足每个时隙的时延最小的约束下，通过在相邻时隙减少网络选择和服务迁移，来降低车辆在T内的总时延，从而提高用户的服务质量。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种在线VMEC服务网络选择的迁移方法，其特征在于，该方法具体包括以下步骤：

S1：建立VMEC数学模型：建立移动边缘计算场景时延的目标优化函数w，其中时延包括切换时延、通信时延、传输时延、计算时延和迁移时延；所述VMEC是车载边缘计算；

S2：在时隙t扫描相邻可接入的网络，并进行网络筛选，将部分覆盖范围小和信号强度弱的网络去除，生成筛选后的网络集合

作为可选择的边缘云；计算所有策略的w，选择满足w最小的接入网选择Φ_X(t)和服务放置策略Φ_Y(t)作为初试策略Φ(t)；

S3：在时隙t+1重复步骤S2，得到t+1时隙的初始网络选择Φ_X′(t+1)和迁移放置Φ_Y′(t+1)作为初始策略Φ′(t+1)；

S4：网络选择和服务放置优化：计算t+1时隙初始策略的三种时延并进行比较；其中三种时延包括：边缘云未改变下网络不切换和服务不进行迁移的时延D^nsnm、同一边缘云中网络切换但服务不进行迁移的时延D^snm、边缘云改变时网络进行切换但服务不进行迁移的时延D^sm；根据三种时延的比较结果更新t+1时隙的初始策略得到t+1时隙优化后的服务迁移策略Φ(t+1)；最后依据策略Φ(t+1)进行接入网选择和服务放置；

S5：在下一时隙，重复步骤S3和S4，得到在T个时间帧内，每个时隙的接入网选择和服务迁移策略。

2.根据权利要求1所述的在线VMEC服务网络选择的迁移方法，其特征在于，步骤S1中，建立MEC车联网场景下移动边缘计算场景数学模型，具体包括：在MEC车联网场景中包含联网车辆、接入点和边缘服务器；使用集合

和集合

表示车辆的任务集；假定车辆到基础设施的网络选择和服务迁移策略是在时隙结构中做出的，并且时间轴离散为T个时间帧，即

在每个时隙t，系统都要为联网车辆进行网络选择和制定服务迁移策略。

3.根据权利要求2所述的在线VMEC服务网络选择的迁移方法，其特征在于，步骤S1中，关于时延的优化目标函数为：

其中，d_h(t)表示在时隙t联网车辆的接入点切换的切换时延，d_l(t)表示在时隙联网车辆的通信时延，d_tr(t)表示在时隙t的传输时延，d_com(t)表示在时隙t的计算时延，d_mi(t)表示在时隙t的迁移时延；

约束条件：

1)每个联网车辆在时隙t只选择一个接入网，表达式为：

2)访问点决策变量的取值范围为：

3)一个服务在时隙t只能卸载或迁移至一个边缘云服务器上，表达式为：

4)每个边缘云中的接入任务总量不能超过接入点的资源限制，表达式为：

5)服务迁移决策变量的取值范围为：

其中，x_i(t)表示联网车辆在时隙t的动态访问点决策，如果x_i(t)＝1表示在t时隙中，联网车辆选择接入点i接入网络，否则表示任务不在接入点i上执行；

表示服务m放置决策；当

表示在时隙t联网车辆的任务m在边缘云j上，否则表示服务不放在边缘云j上；f_m(t)代表任务m的资源需求，F_j代表边缘云j的最大服务资源容量。

4.根据权利要求3所述的在线VMEC服务网络选择的迁移方法，其特征在于，步骤S4中，边缘云未改变下网络不切换和服务不进行迁移的时延D^nsnm＝d_l+d_qu；

同一边缘云中网络切换但服务不进行迁移的时延D^snm＝d_h+d_l+d_qu；

边缘云改变时网络进行切换但服务不进行迁移的时延D^sm＝d_h+d_l+d_mi。

5.根据权利要求1或4所述的在线VMEC服务网络选择的迁移方法，其特征在于，步骤S4中，根据三种时延的比较结果更新t+1时隙的初始策略，具体包括：

1)若D^nsnm≤D^snm且D^nsnm≤D^sm，则在t+1时隙无需进行网络切换也无需进行服务迁移；t+1时隙的网络选择和服务放置和t时隙的网络选择和服务放置相同；

2)若D^nsnm≤D^snm但D^nsnm＞D^sm，则在t+1时隙无需进行网络切换但需进行服务迁移，此时更新t+1时隙初始策略的服务放置策略；

3)若D^nsnm＞D^snm但D^nsnm≤D^sm，则在t+1时隙，需进行网络切换但服务无需进行迁移，此时更新t+1时隙初始策略的网络选择；

4)若D^nsnm＞D^snm且D^snm＞D^sm，则在t+1时隙，需进行网络切换也需进行服务迁移，此时将t+1时隙初始策略作为t+1时隙的网络选择和服务迁移策略。

Images