CN113179482A - 一种基于移动边缘计算的数据传输资源系统及方法 - Google Patents

一种基于移动边缘计算的数据传输资源系统及方法 Download PDF

Info

Publication number
CN113179482A
CN113179482A CN202110432703.1A CN202110432703A CN113179482A CN 113179482 A CN113179482 A CN 113179482A CN 202110432703 A CN202110432703 A CN 202110432703A CN 113179482 A CN113179482 A CN 113179482A
Authority
CN
China
Prior art keywords
energy consumption
flight
flying
equipment
user terminal
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.)
Granted
Application number
CN202110432703.1A
Other languages
English (en)
Other versions
CN113179482B (zh
Inventor
连士熙
刘安丰
方唯百
秦嘉宁
陈书锦
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.)
Central South University
Original Assignee
Central South University
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 Central South University filed Critical Central South University
Priority to CN202110432703.1A priority Critical patent/CN113179482B/zh
Publication of CN113179482A publication Critical patent/CN113179482A/zh
Application granted granted Critical
Publication of CN113179482B publication Critical patent/CN113179482B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W28/00Network traffic management; Network resource management
    • H04W28/02Traffic management, e.g. flow control or congestion control
    • H04W28/0215Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
    • H04W28/0221Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices power availability or consumption
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W28/00Network traffic management; Network resource management
    • H04W28/02Traffic management, e.g. flow control or congestion control
    • H04W28/0226Traffic management, e.g. flow control or congestion control based on location or mobility
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W28/00Network traffic management; Network resource management
    • H04W28/02Traffic management, e.g. flow control or congestion control
    • H04W28/08Load balancing or load distribution
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W28/00Network traffic management; Network resource management
    • H04W28/16Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • H04W28/18Negotiating wireless communication parameters
    • H04W28/20Negotiating bandwidth
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30Services specially adapted for particular environments, situations or purposes
    • H04W4/40Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提出了一种基于移动边缘计算的数据传输资源系统,涉及数据传输领域。一种基于移动边缘计算的数据传输资源系统,包括若干个行驶设备、若干个飞行设备、路侧单元和基站服务器,各所述行驶设备用于获取多个第一地理坐标,各所述飞行设备用于获取多个第二地理坐标,各所述行驶设备和各所述飞行设备分别连接所述路侧单元,所述能耗分析用于根据多个所述第一地理坐标和多个所述第二地理坐标计算各所述行驶设备的行驶速度以及各所述飞行设备的飞行速度,并根据所述行驶速度分析所有所述行驶设备的行驶能耗,根据所述飞行速度分析所有所述飞行设备的飞行能耗。本发明能够提高多节点处理下的任务处理效率,降低能耗。

Description

一种基于移动边缘计算的数据传输资源系统及方法
技术领域
本发明涉及数据传输领域,具体而言,涉及一种基于移动边缘计算的数据传输资源系统。
背景技术
随着移动应用软件日益增加,无线终端用户的设备需求出现了爆发式增长,移动端应用将迫切需要一个更有竞争力、可扩展,同时又安全和智能的接入网。因此,边缘计算这一新兴技术受到了学术界和工业界的广泛关注,成为传统云计算模式的扩展与补充。但随着物联网的普及和日益复杂的移动应用,现有的边缘计算技术无法满足密集网络的发展趋势。
移动边缘计算(MEC)的提出被认为是帮助资源受限的用户设备处理计算密集型延迟关键任务的技术,通过在基站接入点部署云服务器,实现在无线网络的边缘进行任务卸载,完成用户设备的计算任务,从而将用户设备从繁重的计算工作负载中解放出来,可延长其电池寿命。
目前,需要设计一种基于移动边缘计算的数据传输资源系统及方法,能够借助移动边缘计算技术实现,提高多节点处理下的任务处理效率,降低能耗。
发明内容
本发明的目的在于提供一种基于移动边缘计算的数据传输资源系统,其能够提高多节点处理下的任务处理效率,降低能耗。
本发明的另一目的在于提供一种基于移动边缘计算的数据传输资源方法,其能够提高多节点处理下的任务处理效率,降低能耗。
本发明的实施例是这样实现的:
第一方面:本申请实施例提供一种基于移动边缘计算的数据传输资源系统,包括若干个行驶设备、若干个飞行设备、路侧单元和基站服务器,各所述行驶设备用于获取多个第一地理坐标,各所述飞行设备用于获取多个第二地理坐标,各所述行驶设备和各所述飞行设备分别连接所述路侧单元,所述能耗分析用于根据多个所述第一地理坐标和多个所述第二地理坐标计算各所述行驶设备的行驶速度以及各所述飞行设备的飞行速度,并根据所述行驶速度分析所有所述行驶设备的行驶能耗,根据所述飞行速度分析所有所述飞行设备的飞行能耗,所述路侧单元连接所述基站服务器,所述基站服务器分别连接各所述行驶设备和各所述飞行设备。
第二方面:本申请实施例提供一种基于移动边缘计算的数据传输资源系统的方法,包括定义优化对象为:
Figure BDA0003031994290000021
ξ是一个自定义的常数;Snm为所述行驶设备网关n和路侧单元RSUm(road-sideunit,每个RSU自带一个计算服务器)是否关联:
Figure BDA0003031994290000022
用户终端UE(user end)为各所述行驶设备或各所述飞行设备提供辅助计算的某个节点,Pnm为所述行驶设备每次同时通过n和m的概率,
Figure BDA0003031994290000023
为除去计算延时外的总延时(即传输延时和行驶延时),
Figure BDA0003031994290000024
为计算延时,
Figure BDA0003031994290000025
为UEn请求各个RSU计算的延时的
Figure BDA0003031994290000026
最大值,
Figure BDA0003031994290000027
为所述用户终端UEn请求各个RSU计算的延时
Figure BDA0003031994290000028
的最大值,即:
Figure BDA0003031994290000029
Figure BDA0003031994290000031
在本发明的一些实施例中,其中,所述路侧单元根据如下算式计算处理一定数据量时所有飞行能耗的能耗总数:
Figure BDA0003031994290000032
k为所述飞行设备的数量为N,Wu为所述飞行设备的能耗权重,Wk为编号为k的用户终端(UE)的能耗权重,Eu[n]为第n个时段所述飞行设备的能耗,Ek[n]表示第n个时段编号为k的所述用户终端(UE)的能耗。
在本发明的一些实施例中,第n个时段所述飞行设备的能耗通过如下算式计算:
Figure BDA0003031994290000033
fuk[n]为所述飞行设备在第n段时间中处理编号为k的所述行驶设备在卸载任务时的cpu频率,在每个δ时间段内,只允许一个所述用户终端和所述飞行设备(UAV)通信。
在本发明的一些实施例中,所述飞行设备上传到所述能耗分析设备未处理任务的传输能耗通过如下算式计算:
Figure BDA0003031994290000034
Figure BDA0003031994290000035
Figure BDA0003031994290000036
;h均为信道增益,E均为能耗,N0是和噪声能量大小有关,l均为本次传输的数据量,B为本次传输所用信道的带宽。角标为off和k表示UEk向无人机卸载所发生的信息交互,角标为off,U和k表示无人机向服务器卸载k所上传的任务所发生的信息交互,角标为down,U和k表示无人机向用户终端UEk下载计算结果的信息交互。hk表示UEk的信道增益,hap表示无人机到所述路侧单元RSU的信道增益。
在本发明的一些实施例中,所述信道增益hAP[n]通过如下算式计算:
Figure BDA0003031994290000041
Figure BDA0003031994290000042
其中h0为常数,dap,dk为所述飞行设备在某段时间段到所述路侧单元RSU和到所述用户终端UEk的距离。
在本发明的一些实施例中,所述飞行设备消耗的能量由空气流体力学算式得到:
Figure BDA0003031994290000043
v[n]是第n段时间所述飞行设备的速度,θ1和θ2是所述飞行设备的物理性质相关的两个常量。τ是一个微观周期的时长,及所有n个所述用户终端轮流和所述飞行设备交流一次的时长。
在本发明的一些实施例中,所述飞行设备消耗的能量由空气流体力学算式得到:
Figure BDA0003031994290000044
v[n]是第n段时间所述飞行设备的速度,θ1和θ2是所述飞行设备的物理性质相关的两个常量。
在本发明的一些实施例中,Eu[n]通过如下算式得到:
Figure BDA0003031994290000051
Ek[n]为所述行驶设备向所述飞行设备在一个周期的总载能耗,在这个周期中,所述用户终端轮流与所述飞行设备交换信息一次。
在本发明的一些实施例中,先迭代计算RSU的最优分配方案,通过所述行驶设备中继,如果出现所述行驶设备回答超时,所述行驶设备将任务上传所述飞行设备,所述飞行设备上传所述基站服务器。
在本发明的一些实施例中,采用所述行驶设备中继收不到回答的概率为:
Figure BDA0003031994290000052
其中Q表示用户终端UEn向所述行驶设备发送任务的所述行驶设备的数量,Q取
Figure BDA0003031994290000053
编号为k的用户终端(UE)的能耗权重
Figure BDA0003031994290000054
系统任务分配方案优秀程度用系统收益U衡量,
Figure BDA0003031994290000055
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
第一方面:本申请实施例提供一种基于移动边缘计算的数据传输资源系统,其包括若干个行驶设备、若干个飞行设备、路侧单元和基站服务器,各所述行驶设备用于获取多个第一地理坐标,各所述飞行设备用于获取多个第二地理坐标,各所述行驶设备和各所述飞行设备分别连接所述路侧单元,所述能耗分析用于根据多个所述第一地理坐标和多个所述第二地理坐标计算各所述行驶设备的行驶速度以及各所述飞行设备的飞行速度,并根据所述行驶速度分析所有所述行驶设备的行驶能耗,根据所述飞行速度分析所有所述飞行设备的飞行能耗,所述路侧单元连接所述基站服务器,所述基站服务器分别连接各所述行驶设备和各所述飞行设备。
针对第一方面:通过多个行驶设备分别获取各自的第一地理坐标,便于利用不预先建立或优化的未知路径作为中继节点,从而用户设备通过基站服务器连接到其数据收集网关,便于利用现有资源完成计算任务,减少成本;通过联合多个飞行设备与多个行驶设备,能够实现三维空间和二维平面的接合,使得分析面更全更广;并且利用飞行速度和行驶速度等数据分析飞行能耗和行驶能耗,从而路侧单元能够利用计算资源调度、带宽分配等方式降低能耗;并且利用基站服务器将分析结果发送到各行驶设备和飞行设备的终端,便于优化各行驶设备和各飞行设备的性能,帮助用户设备通过基站服务器可靠完成边缘计算优化任务。本发明能够提高多节点处理下的任务处理效率,降低能耗。
第二方面:本申请实施例提供一种基于移动边缘计算的数据传输资源系统的方法,定义优化对象为:
Figure BDA0003031994290000061
ξ是一个自定义的常数;Snm为所述行驶设备网关n和路侧单元RSUm(road-sideunit,每个RSU自带一个计算服务器)是否关联:
Figure BDA0003031994290000062
用户终端UE(user end)为需要各所述行驶设备或各所述飞行设备提供辅助计算的某个节点,Pnm为所述行驶设备每次同时通过n和m的概率,
Figure BDA0003031994290000063
为除去计算延时外的总延时(即传输延时和行驶延时),
Figure BDA0003031994290000064
为计算延时,
Figure BDA0003031994290000065
为UEn请求各个所述路侧单元(RSU)计算的延时的
Figure BDA0003031994290000066
最大值,
Figure BDA0003031994290000067
为用户终端UEn请求各个所述路侧单元RSU计算的延时
Figure BDA0003031994290000068
的最大值,即:
Figure BDA0003031994290000069
针对第二方面:部分有益效果与工作原理与实施例1相同,在此不必重复描述。此外,利用行驶设备采集灵活,并且降低了成本,而利用飞行设备的合理分配,能够实现能耗要求低的效果。可选的,飞行设备速度快,能够通过不同飞行设备轮流处理行驶设备的任务,从而保证了可靠性和性能优化。本发明能够提高多节点处理下的任务处理效率,降低能耗。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例1基于移动边缘计算的数据传输资源系统的原理示意图;
图2为本发明实施例2基于移动边缘计算的数据传输资源方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例1
请参阅图1,图1所示为本申请实施例提供的基于移动边缘计算的数据传输资源系统的原理示意图。本申请实施例提供一种基于移动边缘计算的数据传输资源系统,其包括若干个行驶设备、若干个飞行设备、路侧单元和基站服务器,各所述行驶设备用于获取多个第一地理坐标,各所述飞行设备用于获取多个第二地理坐标,各所述行驶设备和各所述飞行设备分别连接所述路侧单元,所述能耗分析用于根据多个所述第一地理坐标和多个所述第二地理坐标计算各所述行驶设备的行驶速度以及各所述飞行设备的飞行速度,并根据所述行驶速度分析所有所述行驶设备的行驶能耗,根据所述飞行速度分析所有所述飞行设备的飞行能耗,所述路侧单元连接所述基站服务器,所述基站服务器分别连接各所述行驶设备和各所述飞行设备。
详细的,行驶设备可以是道路上的出租车,飞行设备可以是无人机。在一定区域内投放车辆和无人机,能够在不同场景下对无人机的运行轨迹进行优化,对任务到达过程进行建模,统计数据传输覆盖率和总体能量损耗,从而验证边缘算法的实用性。
其中,各行驶设备和各飞行设备可以通过移动用户端发送任务,也可以通过基站服务器同时进行任务发送和分配。考虑到多个用户设备进行多项任务卸载时,需要采用多边缘任务处理,依托于区域内现有资源,需要通过算法对移动的中继节点进行合理配置和任务卸载。
详细的,无人机的能耗主要包括飞行、悬停时产生的能耗、计算和任务卸载到基站服务器时产生的通信能耗。本申请采用逐次凸逼近(SCA)的方法优化计算任务位置的分配和无人机轨迹,从而根据实际能耗使移动总能耗最小化。
详细的,第一地理坐标为通过车辆上传的所在地区的地理位置,飞行设备可以飞行于车辆行驶盲区,从而上传所在地区的地理位置。其中,多个无人机的悬停区域不同,从而辐射到所有盲区。一个区域的多个网关可以关联同一个无人机,从而通过网关接收用户终端或者基站服务器的任务。详细的,根据任务的需求场景不同,无人机的任务时延会考虑飞行到地面基站附近的飞行时延、将任务卸载到地面基站上边缘服务器的传输时延、当边缘服务器繁忙时的排队以及任务在边缘服务器上的计算时延。在接收到上述各种时延约束条件不严格的任务下,优化数据传输速率和任务分配方案,使无人机能力消耗降低。而对于时延敏感型任务,基站服务器可以采用尽可能高的数据传输速率来找到最省时的分配方案,提高无人机的利用率、优先分配附近的各行驶设备和飞行设备,使时延最小化。
在本发明的一些实施例中,系统包括设备定位模块,所述设备定位模块与所述路侧单元连接,所述设备定位模块用于根据所述飞行速度和飞行时间计算所述飞行设备的飞行位置,根据所述行驶速度和行驶时间计算所述行驶设备的行驶位置,所述设备定位模块与所述基站服务器连接。
可选的,路侧单元根据飞行速度和飞行时间计算飞行设备的飞行位置,根据行驶设备的行驶速度和行驶时间可以计算行驶设备的行驶位置,其中时间可以根据具体位置上传的时间来获得,从而便于基站服务器通过飞行设备和行驶设备的实际位置进行合理分配,计算出最佳方案。其中,用户发送任务的方式可以直接通过行驶设备终端进行操作,
可选的,用户终端通过网关发送到行驶设备,然后行驶设备发送到附近的路侧单元进行分析,利用路侧单元计算出能耗结果,然后发送到一定数量的行驶设备或飞行设备,通过行驶设备或飞行设备的网关回到行驶设备的终端。
在本发明的一些实施例中,基站服务器包括任务分析模块,所述任务分析模块分别与各所述飞行设备连接,所述任务分析模块用于根据不同所述间隔时间的输入数据的大小、处理单位输入数据花费的CPU周期数、输出数据的大小和最长容忍的延迟时间设置各所述飞行设备的任务指令,所述任务分析模块与所述路侧单元连接。
详细的,任务分析模块通过与各飞行设备连接,从而根据飞行设备完成任务的状态采集定位数据,并且根据多个间隔时间的多项时延条件设置飞行设备的任务指令,从而利用基站服务器发出任务指令。使得上述各项时延条件的能耗量总和最小,即最优方案。通过路侧单元比较各设备已消耗的能耗和延时能耗的大小,从而根据比较结果调整降低能耗的优化方案。
可选的,飞行设备已经处理和上传到基站服务器的任务指令总量不能超出行驶设备已经上传的任务总量,从而减小飞行设备的消耗量;并且飞行设备发送到行驶设备的数据量不能超出飞行设备自己处理和接收到基站服务器的任务输出总量,从而节约飞行设备转发到行驶设备的时延,完成优化边缘计算的测试。
实施例2
请参阅图2,本申请实施例提供一种基于移动边缘计算的数据传输资源系统的方法,包括基站服务器根据路侧单元定义优化对象为:
Figure BDA0003031994290000111
ξ是一个自定义的常数;Snm为所述行驶设备网关n和路侧单元(RSUm)是否关联:
Figure BDA0003031994290000112
用户终端UE(user end)为需要各所述行驶设备或各所述飞行设备提供辅助计算的某个节点,Pnm为所述行驶设备每次同时通过n和m的概率,
Figure BDA0003031994290000113
为除去计算延时外的总延时(即传输延时和行驶延时),
Figure BDA0003031994290000114
为计算延时,
Figure BDA0003031994290000115
为UEn请求各个所述路侧单元(RSU)计算的延时的
Figure BDA0003031994290000116
最大值,
Figure BDA0003031994290000117
为用户终端UEn请求各个所述路侧单元RSU计算的延时
Figure BDA0003031994290000118
的最大值,即:
Figure BDA0003031994290000119
其中,Pnm通过前期大量实验或者根据现有文献得到,即:多个行驶设备出发一趟同时通过n和m的概率,其中实验的道路分布情况一定。
Figure BDA00030319942900001110
表示出去计算延时外的总延时,即:传输延时和行驶设备行驶延时。可选的,将RSU和UE间的数据发给Q=(1/Pnm+1)辆车。所以采用行驶设备中继收不到回答的概率为
Figure BDA00030319942900001111
计算最优任务分配的步骤是先迭代计算RSU的最优分配方案,尝试通过行驶设备中继,如果出现回答超时,再尝试上传飞行设备,飞行设备计算任务计算分配方法使得加权能耗最小,迭代时间复杂度也是可以接受的。可选的,不同飞行设备会有一个固定的上传基站服务器。
在本发明的一些实施例中,所述路侧单元根据如下算式计算处理一定数据量时所有行驶能耗和所有飞行能耗的能耗总数:
Figure BDA0003031994290000121
k为所述飞行设备的数量为N,Wu为所述飞行设备的能耗权重,Wk为编号为k的所述飞行设备的能耗权重,Eu[n]为第n个时段所述飞行设备的能耗,Ek[n]表示第n个时段编号为k的所述飞行设备的能耗。
详细的,分成多个时段,经过不同时段间隔采集各个第一地理坐标和第二地理坐标,从而利用同一时间的行驶设备和飞行设备的调度情况进行合理优化分配。其中路侧单元根据计算根据已经完成的计算机指令数量计算所有行驶能耗和所有飞行能耗的能耗总数,从而对常用设备进行分析。
在本发明的一些实施例中,第n个时段所述飞行设备的能耗通过如下算式计算:
Figure BDA0003031994290000122
fuk[n]为所述飞行设备在第n段时间中轮到处理编号为k的所述行驶设备在卸载任务时的cpu频率。可选的,在每个每个对宏观物体运动来说微小的δ时间段的周期内,只允许一个所述用户终端和所述飞行设备(UAV)通信。详细的,cpu频率可以设置,或者由已有的算法得到。
在本发明的一些实施例中,所述飞行设备上传到所述能耗分析设备未处理任务的传输能耗通过如下算式计算:
Figure BDA0003031994290000123
Figure BDA0003031994290000131
Figure BDA0003031994290000132
;h均为信道增益,E均为能耗,N0是和噪声能量大小有关,l均为本次传输的数据量,B为本次传输所用信道的带宽,角标为off和k表示所述用户终端UEk向无人机卸载所发生的信息交互,角标为off,U和k表示所述行驶设备向服务器卸载k所上传的任务所发生的信息交互,角标为down,U和k表示所述行驶设备向用户终端UEk下载计算结果的信息交互,hk表示所述用户终端UEk的信道增益,hap表示所述行驶设备到其所述路侧单元RSU的信道增益。
在本发明的一些实施例中,所述信道增益hAP[n]通过如下算式计算:
Figure BDA0003031994290000133
Figure BDA0003031994290000134
其中h0为常数,dap,dk为所述飞行设备在某段时间段到所述路侧单元RSU和到所述用户终端UEk的距离。
在本发明的一些实施例中,所述飞行设备上传到所述能耗分析设备未处理任务的传输能耗通过如下算式计算:
Figure BDA0003031994290000135
hAP[n]为信道增益。其中上述算式通过通信原理得到。
在本发明的一些实施例中,所述信道增益hAP[n]通过如下算式计算:其中h0为常数,dap为所述飞行设备在某段时间段到所述路侧单元的距离,
Figure BDA0003031994290000141
为相应时间内的所述行驶设备端的卸载数据量,B为相应时段的信道带宽。其中,dap的距离可以通过实际测量和勾股定理计算出。
在本发明的一些实施例中,所述飞行设备向所述行驶设备未处理任务的传输能耗通过如下算式计算:
Figure BDA0003031994290000142
hAP[n]为信道增益。
在本发明的一些实施例中,所述飞行设备消耗的能量由空气流体力学算式得到:
Figure BDA0003031994290000143
v[n]是第n段时间所述飞行设备的速度,θ1和θ2是所述飞行设备的物理性质相关的两个常量。
在本发明的一些实施例中,Eu[n]通过如下算式得到:
Figure BDA0003031994290000144
Eu[n]为所述行驶设备向所述飞行设备在一个周期的总载能耗,在这个周期中,所述用户终端轮流与所述飞行设备交换信息一次。
详细的,行驶设备可以通过GPS定位实现,为了减少计算成本,可以通过发送到外部的路侧单元进行计算,所以Ek[n]只包含一部分向UAV卸载任务的能耗,降低了能耗。
在本发明的一些实施例中,所述行驶设备向所述飞行设备的卸载能耗Ek[n]通过如下算式计算:
Figure BDA0003031994290000145
在本发明的一些实施例中,采用所述行驶设备中继收不到回答的概率为:
Figure BDA0003031994290000151
其中Q表示用户终端UEn向所述行驶设备发送任务的所述行驶设备的数量,Q取
Figure BDA0003031994290000152
另外,编号为k的用户终端(UE)的能耗权重
Figure BDA0003031994290000153
系统任务分配方案优秀程度用系统收益U衡量:
Figure BDA0003031994290000154
可以理解,图1所示的结构仅为示意,系统还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分,可以利用处理器实现各种功能。处理器可以是一种集成电路芯片,具有信号处理能力。该处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本申请实施例提供的一种基于移动边缘计算的数据传输资源系统及方法:
通过多个行驶设备分别获取各自的第一地理坐标,便于利用不预先建立或优化的未知路径作为中继节点,从而用户设备通过基站服务器连接到其数据收集网关,便于利用现有资源完成计算任务,减少成本;通过联合多个飞行设备与多个行驶设备,能够实现三维空间和二维平面的接合,使得分析面更全更广;并且利用飞行速度和行驶速度等数据分析飞行能耗和行驶能耗,从而路侧单元能够利用计算资源调度、带宽分配等方式降低能耗;并且利用基站服务器将分析结果发送到各行驶设备和飞行设备的终端,便于优化各行驶设备和各飞行设备的性能,帮助用户设备通过基站服务器可靠完成边缘计算优化任务。本发明能够提高多节点处理下的任务处理效率,降低能耗。
使用时,可以通过网关向任意一个行驶设备发送任务,当未收到行驶设备的反馈结果时可以向附近的飞行设备重新发送任务,从而让飞行设备完成转发,大部分任务能在较短时间内通过行驶设备解决,只有小部分通过飞行设备解决,大大降低了能耗压力。其中重发时间可以设置为少于飞行设备转发时间。当能按时接收任务的行驶设备的概率越小时,行驶设备网关的能耗权重越大,此时可以适当减少行驶设备的任务接收量,增多飞行设备的任务接收量,提高任务直接分配的成功率。
其中,先迭代计算RSU的最优分配方案,通过所述行驶设备中继,如果出现所述行驶设备回答超时,所述行驶设备将任务上传所述飞行设备,所述飞行设备上传所述基站服务器。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于移动边缘计算的数据传输资源系统,其特征在于,包括若干个行驶设备、若干个飞行设备、路侧单元和基站服务器,各所述行驶设备用于获取多个第一地理坐标,各所述飞行设备用于获取多个第二地理坐标,各所述行驶设备和各所述飞行设备分别连接所述路侧单元,所述能耗分析用于根据多个所述第一地理坐标和多个所述第二地理坐标计算各所述行驶设备的行驶速度以及各所述飞行设备的飞行速度,并根据所述行驶速度分析所有所述行驶设备的行驶能耗,根据所述飞行速度分析所有所述飞行设备的飞行能耗,所述路侧单元连接所述基站服务器,所述基站服务器分别连接各所述行驶设备和各所述飞行设备。
2.基于如权利要求1所述一种基于移动边缘计算的数据传输资源系统实现的方法,其特征在于,包括定义优化对象为:
Figure FDA0003031994280000011
ξ是一个自定义的常数;Snm为所述行驶设备网关n和路侧单元RSUm(road-side unit,每个RSU自带一个计算服务器)是否关联:
Figure FDA0003031994280000012
用户终端UE(user end)为各所述行驶设备或各所述飞行设备提供辅助计算的某个节点,Pnm为所述行驶设备每次同时通过n和m的概率,
Figure FDA0003031994280000013
为除去计算延时外的总延时(即传输延时和行驶延时),
Figure FDA0003031994280000014
为计算延时,
Figure FDA0003031994280000015
为UEn请求各个所述路侧单元(RSU)计算的延时的
Figure FDA0003031994280000016
最大值,
Figure FDA0003031994280000017
为用户终端UEn请求各个所述路侧单元RSU计算的延时
Figure FDA0003031994280000018
的最大值,即:
Figure FDA0003031994280000019
Figure FDA0003031994280000021
3.应用如权利要求1所述一种基于移动边缘计算的数据传输资源系统的方法,其特征在于,其中,所述路侧单元根据如下算式计算处理一定数据量时所有飞行能耗的能耗总数:
Figure FDA0003031994280000022
k为所述飞行设备的数量为N,Wu为所述飞行设备的能耗权重,Wk为编号为k的用户终端(UE)的能耗权重,Eu[n]为第n个时段所述飞行设备的能耗,Ek[n]表示第n个时段编号为k的所述用户终端(UE)的能耗。
4.如权利要求3所述一种基于移动边缘计算的数据传输资源系统的方法,其特征在于,第n个时段所述飞行设备的能耗通过如下算式计算:
Figure FDA0003031994280000023
fuk[n]为所述飞行设备在第n段时间中处理编号为k的所述行驶设备在卸载任务时的cpu频率,在每个δ时间段内,只允许一个所述用户终端和所述飞行设备(UAV)通信。
5.如权利要求3所述一种基于移动边缘计算的数据传输资源系统的方法,其特征在于,所述飞行设备上传到所述能耗分析设备未处理任务的传输能耗通过如下算式计算:
Figure FDA0003031994280000024
Figure FDA0003031994280000025
Figure FDA0003031994280000026
h均为信道增益,E均为能耗,N0是和噪声能量大小有关,l均为本次传输的数据量,B为本次传输所用信道的带宽,角标为off和k表示所述用户终端UEk向无人机卸载所发生的信息交互,角标为off,U和k表示所述行驶设备向服务器卸载k所上传的任务所发生的信息交互,角标为down,U和k表示所述行驶设备向用户终端UEk下载计算结果的信息交互,hk表示所述用户终端UEk的信道增益,hap表示所述行驶设备到其所述路侧单元RSU的信道增益。
6.如权利要求5所述一种基于移动边缘计算的数据传输资源系统的方法,其特征在于,所述信道增益hAP[n]通过如下算式计算:
Figure FDA0003031994280000031
Figure FDA0003031994280000032
其中h0为常数,dap,dk为所述飞行设备在某段时间段到所述路侧单元RSU和到所述用户终端UEk的距离。
7.如权利要求3所述一种基于移动边缘计算的数据传输资源系统的方法,其特征在于,所述飞行设备消耗的能量由空气流体力学算式得到:
Figure FDA0003031994280000033
v[n]是第n段时间所述飞行设备的速度,θ1和θ2是所述飞行设备的物理性质相关的两个常量。τ是一个微观周期的时长,及所有n个所述用户终端轮流和所述飞行设备交流一次的时长。
8.如权利要求3所述一种基于移动边缘计算的数据传输资源系统的方法,其特征在于,Eu[n]通过如下算式得到:
Figure FDA0003031994280000041
Eu[n]为所述行驶设备向所述飞行设备在一个周期的总载能耗,在这个周期中,所述用户终端轮流与所述飞行设备交换信息一次。
9.如权利要求2至8任一项所述一种基于移动边缘计算的数据传输资源系统的方法,其特征在于,先迭代计算RSU的最优分配方案,通过所述行驶设备中继,如果出现所述行驶设备回答超时,所述行驶设备将任务上传所述飞行设备,所述飞行设备上传所述基站服务器。
10.如权利要求9所述一种基于移动边缘计算的数据传输资源系统的方法,其特征在于,采用所述行驶设备中继收不到回答的概率为:
Figure FDA0003031994280000042
其中Q表示用户终端UEn向所述行驶设备发送任务的所述行驶设备的数量,Q取
Figure FDA0003031994280000045
编号为k的用户终端(UE)的能耗权重
Figure FDA0003031994280000043
系统任务分配方案优秀程度用系统收益U衡量,
Figure FDA0003031994280000044
CN202110432703.1A 2021-04-21 2021-04-21 一种基于移动边缘计算的数据传输资源系统及方法 Active CN113179482B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110432703.1A CN113179482B (zh) 2021-04-21 2021-04-21 一种基于移动边缘计算的数据传输资源系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110432703.1A CN113179482B (zh) 2021-04-21 2021-04-21 一种基于移动边缘计算的数据传输资源系统及方法

Publications (2)

Publication Number Publication Date
CN113179482A true CN113179482A (zh) 2021-07-27
CN113179482B CN113179482B (zh) 2023-08-22

Family

ID=76924051

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110432703.1A Active CN113179482B (zh) 2021-04-21 2021-04-21 一种基于移动边缘计算的数据传输资源系统及方法

Country Status (1)

Country Link
CN (1) CN113179482B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014207759A2 (en) * 2013-06-20 2014-12-31 Tata Consultancy Services Limited System and method for distributed computation using heterogeneous computing nodes
CN109067490A (zh) * 2018-09-29 2018-12-21 郑州航空工业管理学院 蜂窝网联下多无人机协同移动边缘计算系统资源分配方法
CN109743099A (zh) * 2019-01-10 2019-05-10 深圳市简智联信息科技有限公司 移动边缘计算系统及其资源分配方法
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
EP3664479A2 (en) * 2018-12-07 2020-06-10 T-Mobile USA, Inc. Uav supported vehicle-to-vehicle communication
CN111786839A (zh) * 2020-07-15 2020-10-16 南通大学 一种车载边缘计算网络中能效优化的计算卸载方法及系统
WO2020216135A1 (zh) * 2019-04-25 2020-10-29 南京邮电大学 基于边-端协同的多用户多mec任务卸载资源调度方法
CN111954202A (zh) * 2019-05-15 2020-11-17 现代自动车株式会社 运动物体和操作运动物体的方法及边缘计算系统
US20210065566A1 (en) * 2018-01-29 2021-03-04 Interdigital Patent Holdings, Inc. Methods of a mobile edge computing (mec) deployment for unmanned aerial system traffic management (utm) system applications
CN112600912A (zh) * 2020-12-10 2021-04-02 西安君能清洁能源有限公司 一种无人机辅助的边缘计算卸载算法分布式激励方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014207759A2 (en) * 2013-06-20 2014-12-31 Tata Consultancy Services Limited System and method for distributed computation using heterogeneous computing nodes
US20210065566A1 (en) * 2018-01-29 2021-03-04 Interdigital Patent Holdings, Inc. Methods of a mobile edge computing (mec) deployment for unmanned aerial system traffic management (utm) system applications
CN109067490A (zh) * 2018-09-29 2018-12-21 郑州航空工业管理学院 蜂窝网联下多无人机协同移动边缘计算系统资源分配方法
EP3664479A2 (en) * 2018-12-07 2020-06-10 T-Mobile USA, Inc. Uav supported vehicle-to-vehicle communication
CN109743099A (zh) * 2019-01-10 2019-05-10 深圳市简智联信息科技有限公司 移动边缘计算系统及其资源分配方法
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
WO2020216135A1 (zh) * 2019-04-25 2020-10-29 南京邮电大学 基于边-端协同的多用户多mec任务卸载资源调度方法
CN111954202A (zh) * 2019-05-15 2020-11-17 现代自动车株式会社 运动物体和操作运动物体的方法及边缘计算系统
CN111786839A (zh) * 2020-07-15 2020-10-16 南通大学 一种车载边缘计算网络中能效优化的计算卸载方法及系统
CN112600912A (zh) * 2020-12-10 2021-04-02 西安君能清洁能源有限公司 一种无人机辅助的边缘计算卸载算法分布式激励方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
YANGANG WANG: "Energy-Efficient UAV Deployment and Task Scheduling in Multi-UAV Edge Computing", 《2020 INTERNATIONAL CONFERENCE ON WIRELESS COMMUNICATIONS AND SIGNAL PROCESSING (WCSP)》 *
YANGANG WANG: "Energy-Efficient UAV Deployment and Task Scheduling in Multi-UAV Edge Computing", 《2020 INTERNATIONAL CONFERENCE ON WIRELESS COMMUNICATIONS AND SIGNAL PROCESSING (WCSP)》, 28 December 2020 (2020-12-28) *
吴启晖: "无人机辅助边缘计算的能量效率最大化算法设计", 《通信学报》 *
吴启晖: "无人机辅助边缘计算的能量效率最大化算法设计", 《通信学报》, 21 October 2020 (2020-10-21) *
尼俊红: "无人机与车辆协助下的分布式多任务边缘计算卸载算法", 《科学技术与工程》 *
尼俊红: "无人机与车辆协助下的分布式多任务边缘计算卸载算法", 《科学技术与工程》, 28 January 2021 (2021-01-28) *
张海波;程妍;刘开健;贺晓帆;: "车联网中整合移动边缘计算与内容分发网络的移动性管理策略", 电子与信息学报, no. 06 *

Also Published As

Publication number Publication date
CN113179482B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
Hu et al. UAV-assisted vehicular edge computing for the 6G internet of vehicles: Architecture, intelligence, and challenges
Ateya et al. Energy-and latency-aware hybrid offloading algorithm for UAVs
Zhang et al. Energy-efficient trajectory optimization for UAV-assisted IoT networks
Yang et al. Online trajectory and resource optimization for stochastic UAV-enabled MEC systems
Hussain et al. CODE-V: Multi-hop computation offloading in Vehicular Fog Computing
CN111142883B (zh) 基于sdn架构的车辆计算任务卸载方法
Huang et al. Optimized deployment of drone base station to improve user experience in cellular networks
Van Huynh et al. Real-time optimized path planning and energy consumption for data collection in unmanned ariel vehicles-aided intelligent wireless sensing
Zhang et al. Task allocation with unmanned surface vehicles in smart ocean IoT
Messaoudi et al. On using edge computing for computation offloading in mobile network
Xu et al. Minimizing the deployment cost of UAVs for delay-sensitive data collection in IoT networks
US20210127241A1 (en) Method for service placement in a multi-access/mobile edge computing (mec) system
You et al. Joint task scheduling, resource allocation, and UAV trajectory under clustering for FANETs
CN115033373A (zh) 一种移动边缘计算网络中逻辑依赖性任务的调度卸载方法
Wang et al. Radio resource allocation for bidirectional offloading in space-air-ground integrated vehicular network
CN114630397A (zh) 一种基于时隙划分的无人机接入选择方法
CN112929849A (zh) 一种基于强化学习的可靠车载边缘计算卸载方法
Bera et al. CEDAN: cost-effective data aggregation for UAV-enabled IoT networks
Hwang et al. Decentralized computation offloading with cooperative UAVs: Multi-agent deep reinforcement learning perspective
Zhang et al. Mobile edge computing for UAVs
Huda et al. Deep reinforcement learning-based computation offloading in uav swarm-enabled edge computing for surveillance applications
Zeng et al. MEC-assisted real-time data acquisition and processing for UAV with general missions
Gaurav et al. A survey on computation resource allocation in IoT enabled vehicular edge computing
Liwang et al. Graph-Represented Computation-Intensive Task Scheduling Over Air-Ground Integrated Vehicular Networks
CN113179482A (zh) 一种基于移动边缘计算的数据传输资源系统及方法

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