CN113377516A - 面向边缘计算的车辆任务卸载的集中式调度方法与系统 - Google Patents
面向边缘计算的车辆任务卸载的集中式调度方法与系统 Download PDFInfo
- Publication number
- CN113377516A CN113377516A CN202110694312.7A CN202110694312A CN113377516A CN 113377516 A CN113377516 A CN 113377516A CN 202110694312 A CN202110694312 A CN 202110694312A CN 113377516 A CN113377516 A CN 113377516A
- Authority
- CN
- China
- Prior art keywords
- task
- edge server
- vehicle
- edge
- server
- 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
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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
Abstract
本发明公开了一种面向边缘计算的车辆任务卸载的集中式调度方法与系统,考虑到服务提供商的收益、任务时延和用户的效用满意度以及用户差异化出价意愿几个因素。并且同时考虑车辆用户间竞争关系、以及车辆和边缘服务器间供求关系,在车辆用户和边缘服务器之间的收入函数中实现满意的平衡,具体是根据中心调度服务器实时收集车辆任务信息并实时更新边缘服务器信息的特点,提出扩展婚姻匹配算法和基于现代投资组合理论的任务卸载评估模型,完成车辆任务和边缘服务器的匹配。本发明完成车辆任务和边缘服务器的匹配,能够充分利用边缘服务器资源,提高资源配置效益和服务器运营商收益,并满足任务卸载时延需求和保证用户服务质量。
Description
技术领域
本发明涉及无人驾驶场景下面向边缘计算的车辆任务卸载的调度技术领域,尤其是指一种面向边缘计算的车辆任务卸载的集中式调度方法与系统。
背景技术
随着物联网和无线技术等的快速发展,无人车也不断向着智能化进展。无人车中无论是辅助自动驾驶的应用还是丰富用户驾乘体验的应用,通常需要强大的计算处理,并且延迟敏感。这些车载应用带来的计算爆炸性增长给车载资源有限的自动驾驶车辆,带来了巨大的负担。应用卸载可以有效地减轻车辆的计算压力。将车辆部分应用卸载到具有足够资源的云计算中心处理似乎可以很好解决车载计算资源不足问题。使用计算能力强大的云端服务器协助车辆处理相应任务,可以很好地缓解车辆终端计算能力不足的问题。然而,云总是部署在远离车辆的地方,将边缘收集的车载应用程序通过网络传送到远端云服务器进行实时处理将造成相当大的时间延迟和能耗。特别是对于具有严格延迟要求的时间敏感应用程序,如图像识别和交互式游戏等,应用的时延关乎用户体验质量,它们的服务质量将受到严重损害,甚至会导致严重的安全损害。
边缘计算被认为是一个较好的解决方法。边缘计算服务器距离车辆较近,可以在车辆计算卸载过程中与车辆进行较快的交互响应,很好地解决车辆终端在资源存储、计算性能等方面的问题。并且边缘计算使得车辆卸载开销明显减少,为服务质量和用户体验留下了极好的改进空间。但是与云数据中心相比,边缘服务器计算资源有限。尤其是在车辆密集交通拥挤时候,资源有限的边缘服务器无法满足所有任务的执行需求,这导致希望在其附近获取资源的车辆用户之间不可避免的资源争用。同时各种车载应用程序,例如电子邮件、交互式游戏、语音通话等,对处理时间延迟的要求差异很大。并且不同的车辆用户有着差异化的时延敏感性和出价意愿。
对于资源有限的边缘服务器来说,针对不同的时延敏感性和出价的车载应用计算任务,如何进行合理安排使得同时保证服务器提供商收益是一个十分重要的研究内容。
发明内容
本发明的第一目的在于克服现有技术的缺点与不足,提供一种面向边缘计算的车辆任务卸载的集中式调度方法,根据中心服务器实时收集车辆任务信息并实时更新边缘服务器信息的特点,提出扩展婚姻匹配算法和基于现代投资组合理论的卸载方案评估方法,完成车辆任务和边缘服务器的匹配,使得能够充分利用边缘服务器资源,提高资源配置效益和服务器运营商收益,并满足任务卸载时延需求和保证用户服务质量。
本发明的第二目的在于提供一种面向边缘计算的车辆任务卸载的集中式调度系统。
本发明的第一目的通过下述技术方案实现:面向边缘计算的车辆任务卸载的集中式调度方法,该方法根据中心调度服务器实时收集车辆任务信息并实时更新边缘服务器信息的特点,提出扩展婚姻匹配算法和基于现代投资组合理论的任务卸载评估模型,完成车辆任务和边缘服务器的匹配,其包括以下步骤:
S1、车辆用户向中心调度服务器发出任务卸载请求,并提供自身的移动性信息和车辆任务的要求;中心调度服务器实时更新所有边缘服务器信息;
S2、中心调度服务器根据收集到的车辆用户信息和边缘服务器资源信息计算出两种偏好列表,一种是与边缘服务器收益相关的车辆任务偏好列表,另一种是与车辆任务服务质量相关的边缘服务器偏好列表;
S3、中心调度服务器利用提出的扩展婚姻匹配算法,对车辆任务和边缘服务器进行匹配;在每一轮匹配中,考虑到不同任务的权重以及计算资源利用率,提出一个任务筛选算法,对边缘服务器上申请卸载的任务进行筛选和执行安排;
S4、对于边缘服务器资源负载均衡的不同重视程度下的多个任务调度方案,中心调度服务器利用提出的一个基于现代投资组合理论的任务卸载评估模型,以平衡边缘服务器收益和车辆任务时延风险,确定最终车辆任务调度方案;
S5、中心调度服务器确定最终车辆任务调度方案后,将方案发送给车辆用户,车辆用户根据中心调度服务器的方案将车辆任务卸载到相应的边缘服务器执行,或者因为无法接受该调度方案下的任务时延而选择提高自身任务出价参与下一轮边缘服务器资源调度竞争。
进一步,在步骤S2中,两种偏好列表分别是边缘服务器对车辆任务的偏好列表和车辆任务对边缘服务器的偏好列表,包括以下步骤:
S21、保证车辆用户有充足时间卸载任务数据到边缘服务器,计算满足最低时延要求的边缘服务器集合;
有的边缘服务器距离车辆用户远,有的边缘服务器不在车辆用户的行驶方向上,有的边缘服务器覆盖范围小,据此需要计算出每个车辆用户的可卸载边缘服务器集合;根据车辆用户和边缘服务器的位置和方向,计算车辆用户在边缘服务器覆盖范围内的停留时间,停留时间大于车辆用户的任务数据上传所需时间,任务才能够卸载到这个边缘服务器,该车辆用户所有能够卸载的边缘服务器集合就是An;
S22、针对任务被接收处理的概率,提出关于任务紧迫程度的度量;
对于同一个边缘服务器来说,不同车辆的任务需要被完成的紧迫程度不一样;有的车辆任务最大时延宽松,或者车辆距离边缘服务器近能够立即卸载任务,这些车辆任务能够有充足的时间执行任务;而有的车辆任务执行时间紧迫,或者车辆距离边缘服务器有一段距离,使得该车辆的任务卸载到边缘服务器时,边缘服务器资源很可能被别的任务抢占,造成车辆任务无法在时延内完成;即车辆用户的任务卸载请求传到某一边缘服务器,不一定被该边缘服务器接收处理,因此车辆任务卸载到一个边缘服务器被接收处理的概率影响着用户服务体验;针对任务被接收处理的概率,提出关于任务的紧迫程度的度量;根据任务最大时延为标准,以任务到达边缘服务器立即执行后,距离最大时延的剩余时间占最大时延的比例来表示任务的紧迫程度K:
式中,Tc是任务到达边缘服务器的时间,包括车辆行驶到边缘服务器覆盖的可卸载范围的行驶时间T1和任务传输到边缘服务器的上传时间T2;其中行驶到边缘服务器覆盖的可卸载范围内的路程信息d能够通过GPS获得并计算,v是车辆行驶的速度,则任务上传中,传输速率为B是信道带宽,p是上传功率,h是信道增益,是白噪声功率电平,da表示任务数据量大小,传输时间因此,Tc能够表示为:
因此,任务在边缘服务器上的紧迫程度为:
S.t.0≤K≤1
其中,0≤K≤1表示保证任务在最大时延内完成;
在车辆行驶的道路范围上分布着边缘服务器,其中满足车辆用户i任务的最低时延要求的边缘服务器集合能够计算出车辆用户i的任务在边缘服务器集合上的任一边缘服务器j上的任务紧迫程度Ki,j;则车辆用户i的任务在边缘服务器集合上的任一边缘服务器j上的任务紧迫程度等级表示为:
将任务的紧迫程度引入到边缘服务器任务调度上,任务在边缘服务器上开始执行的紧迫度越大,则任务调度调整越灵活;在多个任务竞争边缘服务器执行区间时,紧迫度越大的任务越容易被边缘服务器接收安排;对于车辆用户来说,在紧迫度小的边缘服务器上,车辆任务很容易因为任务需要的边缘服务器资源被别的任务抢占,而导致任务无法在时延内完成;因此车辆用户会更倾向于在紧迫度大的边缘服务器上优先申请执行任务卸载;
S23、车辆任务在边缘服务器上执行耗费的服务器成本;
任务在边缘服务器上占用的时间能够表示任务对边缘服务器资源的需求量,即边缘服务器执行该任务的成本;一个边缘服务器上会有多个车辆任务按顺序执行,每个任务耗费服务器的成本是不一样的;假设一个边缘服务器j上有m个车辆任务按顺序执行,则对于车辆用户i任务,边缘服务器j需要付出的成本Ci j能够表示为:
S24、与边缘服务器收益相关的车辆任务偏好列表;
边缘服务器对车辆用户进行打分,根据打分对车辆用户进行排序以给定优先级,并按照优先级得出边缘服务器对车辆的偏好;打分标准根据车辆任务定价、边缘服务器成本及能够执行边缘服务器的数量;边缘服务器j对于车辆用户i的任务评分函数为:
边缘服务器希望收益最大,更偏爱出价高的车辆任务,即车辆任务定价越高优先级越高;边缘服务器同样考虑成本问题,任务在边缘服务器上占用的时间就是边缘服务器的成本;边缘服务器在任务时延内完成的任务数量越多收益越大,因此对于一个车辆任务来说,满足任务时延的边缘服务器数量少的,应给予高的优先级;车辆得分越高,边缘服务器给定的优先级越高,偏好越高;
S25、与车辆任务服务质量相关的边缘服务器偏好列表
车辆任务会更倾向处理能力强的边缘服务器,导致处理能力强的边缘服务器负担过多任务,处理能力弱的边缘服务器资源空闲的情况;为了整体边缘服务器负载均衡,避免资源利用率低的情况,需要时刻考虑边缘服务器资源均衡状态Bstate;某一阶段边缘服务器j的剩余可用计算资源表示为其资源均衡状态表示为:
进一步,所述步骤S3包括以下步骤:
S31、扩展婚姻匹配算法中,车辆和边缘服务器需要经过多轮匹配;在每一轮匹配中,中心调度服务器考虑到不同任务的权重以及计算资源利用率,采用一个任务筛选算法,对边缘服务器上申请卸载的任务进行筛选和执行安排;
在每一轮匹配中,对于一个资源有限的边缘服务器,会有多个车辆任务申请卸载;边缘服务器一个时间段只能处理一个任务,且申请卸载的部分任务之间可能会存在执行时间冲突问题,因此边缘服务器需要对申请卸载任务需要进行筛选;每一个任务到达边缘服务器的时间不同,任务执行所需时间和截止时间也不同,边缘服务器上能够使用的计算资源是一定的,边缘服务器获益最大就是边缘服务器资源最大被使用;使用任务筛选算法,先到达边缘服务器的任务先进行安排,充分利用边缘服务器资源;后到的车辆任务和前面安排的任务有执行时间冲突,则按照该边缘服务器对任务的偏好进行选择,抛弃偏好低的车辆任务,选择偏好高的任务,具体步骤如下:
S311、中心调度服务器对申请卸载到边缘服务器j的所有车辆任务按照任务抵达边缘服务器的时间Tc升序排序,获得有序的申请卸载队列req;
S312、选择最早抵达边缘服务器j的任务放入边缘服务器的执行队列Qj中;若选择的任务与之前已选任务时间冲突,则选择偏好高的任务,抛弃偏好低的任务;
S313、重复执行步骤S312,直到所有申请来的任务都轮询一次;
S32、扩展婚姻匹配算法中,车辆任务和边缘服务器的匹配有多轮,具体步骤如下:
S321、每个车辆用户都选择自己偏好集合里排在第一个的边缘服务器,并请求卸载;
一个边缘服务器上会接收到大量任务卸载请求,其中每个任务到达服务器的时间不同,需要的执行时间不同,甚至部分任务之间可能会存在执行时间冲突问题;边缘服务器通过步骤S31的任务筛选算法对任务进行合理的筛选和安排,这种时候会出现两种情况:边缘服务器计算资源充足,所有的车辆任务的卸载请求被边缘服务器接受;在任务筛选安排中,部分任务之间存在执行时间重叠冲突问题,则该边缘服务器拒绝自己偏好集合中偏好等级低的车辆任务,选择偏好等级高的任务;
该步骤结束后,有的车辆已经有边缘服务器接收任务卸载请求,有的车辆还没有找到接收的边缘服务器;
S322、每个还没有被接收的车辆任务根据自己的偏好集合,从没有拒绝过自己的边缘服务器中选出偏好等级高的一个边缘服务器,并请求卸载;
车辆用户对边缘服务器的偏好集合每轮匹配都会更新;同样地,这时候还是会遇到步骤S321所说的两种情况,还是同样的解决方案;
S323、重复步骤S322直到车辆任务轮询完自己的可达边缘服务器集合An里所有边缘服务器,或者所有车辆任务都匹配到边缘服务器;
S324、执行完上述步骤后,有的车辆任务映射到边缘服务器上,有的车辆任务没有被安排到合适的边缘服务器上执行;对于任一车辆用户i的可选边缘服务器集合中没有任何一个边缘服务器能够在任务时延内完成该任务,则将该任务安排在剩余计算资源最多的边缘服务器上;直到所有任务都被安排到边缘服务器上执行。
进一步,在步骤S4中,对于边缘服务器资源负载均衡的不同重视程度下的多个任务调度方案,中心调度服务器利用提出的一个基于现代投资组合理论的任务卸载评估模型,以平衡边缘服务器收益和车辆任务时延风险,确定最终车辆任务调度方案,包括以下步骤:
S41、对于最小化车辆用户体验风险,并使得边缘服务器提供商利润最大化这个双目标优化问题,用现代投资组合Z表示;
Z=(xa,Sa)
总共有N个任务调度方案,a=1,2,3,...,N;xa为任务调度方案Sa的权值,xa表示对任务调度方案Sa的关注程度;权重能够作为衡量方案等级的指标,并按照权重的下降序列推荐给边缘服务器提供商,确定最终调度方案;权重组合向量XT表示为:
XT=(x1,x2,x3,...,xN)
xN为任务调度方案SN的权值;
S42、投资组合方案里的利润和任务完成的总时间相关;
任务完成的总时间越低,则边缘服务器资源利用率越高,边缘服务器实际执行时的收益也相对更高;总共有N个任务调度方案,基于所有任务被完成的时间的任务调度方案Sa的等级的倒数表示为ra;
投资组合的利润QZ表示为:
xa为任务调度方案Sa的权值;
S43、投资组合方案里的风险和每个车辆任务的完成时间相关;
投资组合的任务超出时间延迟风险PZ:
其中,xa为任务调度方案Sa的权值,表示对任务调度方案Sa的关注程度;xb为任务调度方案Sb的权值,表示对任务调度方案Sb的关注程度;σa是方案Sa超出时间延迟风险的等级的倒数,σb是方案Sb超出时间延迟风险的等级的倒数,ρab是方案Sa和Sb的风险相关性;
由超出时间延迟风险的定义可知,风险与任务完成时超出时延的时间有关;将该风险的公式定义如下:
建立任务完成时间的坐标轴,任务规定最大时延为坐标T点;根据超过时延T的时间长短,将其分为4个等级:A、B、C、D,超过任务时延越长,用户体验越低;给超过时延T的时间分配不同的权值,然后使用以下公式计算方案Sa的整体超时延风险δa是:
其中,wi是车辆用户i任务的超出时延风险Ri的权值;
两个调度方案的风险相关性由相同的车辆任务-边缘服务器对的数目来估计的;每一个方案的任务-服务器对集合不一样;方案Si的任务-服务器对集合为方案Sj的任务-服务器对集合为基于此概念,利用Jaccard Coeffificient来定义了两种方案Si和Sj的风险相关性ρij:
S44、获取投资组合方案里的一组最优权重X*,以最大限度地实现边缘服务器收益的最大化,最小化投资组合Z的延迟时间风险;
投资组合的未来收益FZ表示:
其中,μ是由实际情况定义的系统风险系数,系数越大,对超过时延的时间风险的约束越强;最后用有效前沿法求解,构建拉格朗日函数,获得投资组合方案一组最优权重向量X*。
本发明的第二目的通过下述技术方案实现:面向边缘计算的车辆任务卸载的集中式调度系统,包括:
信息收集更新单元,收集车辆用户发出的任务卸载请求以及车辆用户对应的移动性信息和任务要求;同时实时更新所有边缘服务器信息,包括边缘服务器资源状况和位置信息;
车辆任务卸载匹配单元,根据收集的车辆用户任务信息和边缘服务器信息,计算与边缘服务器收益相关的车辆任务偏好列表和与车辆任务服务质量相关的边缘服务器偏好列表;利用提出的扩展婚姻匹配算法,对车辆任务和边缘服务器进行匹配;在每一轮匹配中,考虑到不同任务的权重以及计算资源利用率,提出一个任务筛选算法,对边缘服务器上申请卸载的任务进行筛选和执行安排;
任务调度方案评估单元,利用提出的扩展婚姻匹配算法,对车辆任务和边缘服务器进行匹配;在每一轮匹配中,考虑到不同任务的权重以及计算资源利用率,提出一个任务筛选算法,对边缘服务器上申请卸载的任务进行筛选和执行安排;
车辆用户任务卸载执行单元,中心调度服务器确定最终车辆任务调度方案后,将方案发送给车辆用户;车辆用户根据中心调度服务器的方案将车辆任务卸载到相应的边缘服务器执行,或者因为无法接受该调度方案下的任务时延而选择提高自身任务出价参与下一轮边缘服务器资源调度竞争;
边缘服务器任务执行单元,在车辆用户根据最终车辆任务调度方案确定自己的执行策略后,边缘服务器对卸载过来的车辆任务进行执行。
本发明与现有技术相比,具有如下优点与有益效果:
1、本发明关于无人驾驶边缘卸载问题,提出的面向边缘计算的车辆任务卸载的集中式调度方法与系统,考虑到服务提供商的收益、任务时延和用户的效用满意度以及用户差异化出价意愿几个因素。并且同时考虑车辆用户间竞争关系、以及车辆和边缘服务器间供求关系,在车辆用户和边缘服务器之间的收入函数中实现满意的平衡。
2、本发明提出扩展婚姻匹配算法,对车辆任务和边缘服务器进行匹配。对于每一轮匹配中,考虑到不同任务的权重以及计算资源利用率,本发明提出了一种任务筛选算法,解决同一个边缘服务器负载过多的问题。并且本发明提出一个基于现代投资组合理论的任务卸载评估模型,以平衡边缘服务器收益和车辆任务时延风险。
附图说明
图1为面向边缘计算的车辆应用集中调度场景图。
图2为本发明方法的流程图。
图3为任务时间图。
图4为本发明系统的架构图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
参见图1所示,为面向边缘计算的车辆应用集中调度场景图,车辆在道路上行驶,某个范围内的道路上分布多个路边单元(RSU),每一个RSU配置一个边缘服务器,有的路段部分RSUs分布密集,有的路段部分RSUs分布稀疏,这个范围的服务器都属于同一个计算资源提供商,配备一个主服务器进行中心式资源管理与任务调度。车辆在行驶过程中将提出任务卸载需求,这些任务包括在线视频、即时通信、电子邮件等。各卸载任务的时间延迟的要求差别很大,并且用户也有着差异化的时延敏感性以及出价意愿。
边缘服务器一个时间段只能处理一个任务,当在服务器上执行任务时,该任务会垄断所有服务器的资源,并且不能被中,任务只能在一个服务器上卸载进行处理;一次任务资源调度过程是在一个调度时间T内进行,时间T内一轮资源调度结束后,下一轮资源调度开始;满足最低时延要求,车辆任务只要有充足时间上传到至少一个边缘服务器上执行,就一定会被匹配安排到一个服务器上,即对于一个车辆任务如果没有一个边缘服务器可以使其有充足时间上传任务,则该任务不会被安排;通过车辆任务和边缘服务器的匹配调度后,车辆任务拥有选择卸载权,即车辆任务可以选择接收调度策略卸载到相应边缘服务器上,或者不接受。
参见图2所示,本实施例所提供的面向边缘计算的车辆任务卸载的集中式调度方法,包括以下步骤:
S1、车辆用户向中心调度服务器发出任务卸载请求,并提供自身的移动性信息和车辆任务的要求;中心调度服务器实时更新所有边缘服务器信息。
S2、中心调度服务器根据收集到的车辆用户信息和边缘服务器资源信息计算出两种偏好列表,一种是与边缘服务器收益相关的车辆任务偏好列表,另一种是与车辆任务服务质量相关的边缘服务器偏好列表,具体过程如下:
S21、保证车辆用户有充足时间卸载任务数据到边缘服务器,计算满足最低时延要求的边缘服务器集合;
有的边缘服务器距离车辆用户较远,有的边缘服务器不在车辆用户的行驶方向上,有的边缘服务器覆盖范围太小,据此我们需要计算出每个车辆用户的可卸载边缘服务器集合;根据车辆用户和边缘服务器的位置和方向,计算车辆用户在边缘服务器覆盖范围内的停留时间,停留时间大于车辆用户的任务数据上传所需时间,任务才可以卸载到这个边缘服务器;该车辆用户所有可以卸载的边缘服务器集合就是An;
S22、针对任务被接收处理的概率,提出关于任务紧迫程度的度量;
对于同一个边缘服务器来说,不同车辆的任务需要被完成的紧迫程度不一样;有的车辆任务最大时延较宽松,或者车辆距离边缘服务器近可以立即卸载任务等,这些车辆任务可以有充足的时间执行任务;而有的车辆任务执行时间紧迫,或者车辆距离边缘服务器有一段距离,使得该车辆的任务卸载到边缘服务器时,边缘服务器资源很可能被别的任务抢占,造成车辆任务无法在时延内完成;即车辆用户的任务卸载请求传到某一边缘服务器,不一定被该边缘服务器接收处理,因此车辆任务卸载到一个边缘服务器被接收处理的概率影响着用户服务体验;针对任务被接收处理的概率,我们提出关于任务的紧迫程度的度量;参见图3所示,根据任务最大时延Tc为标准,以任务到达服务器立即执行后,距离最大时延Tc的剩余时间MaxT占最大时延的比例来表示任务的紧迫程度K:
式中,Tc是任务到达边缘服务器的时间,包括车辆行驶到边缘服务器覆盖的可卸载范围的行驶时间T1和任务传输到边缘服务器的上传时间T2;其中行驶到边缘服务器覆盖的可卸载范围内的路程信息d能够通过GPS获得并计算,v是车辆行驶的速度,则任务上传中,传输速率为B是信道带宽,p是上传功率,h是信道增益,是白噪声功率电平,da表示任务数据量大小,传输时间因此,Tc能够表示为:
因此,任务在边缘服务器上的紧迫程度为:
S.t.0≤K≤1
其中0≤K≤1表示保证任务在最大时延内完成;
在车辆行驶的道路范围上分布着边缘服务器,其中满足车辆用户i任务的最低时延要求的边缘服务器集合能够计算出车辆用户i的任务在边缘服务器集合上的任一边缘服务器j上的任务紧迫程度Ki,j;则车辆用户i的任务在边缘服务器集合上的任一边缘服务器j上的任务紧迫程度等级表示为:
将任务的紧迫程度引入到边缘服务器任务调度上,任务在边缘服务器上开始执行的紧迫度越大,则任务调度调整越灵活;在多个任务竞争边缘服务器执行区间时,紧迫度越大的任务越容易被边缘服务器接收安排;对于车辆用户来说,在紧迫度小的边缘服务器上,车辆任务很容易因为任务需要的边缘服务器资源被别的任务抢占,而导致任务无法在时延内完成;因此车辆用户会更倾向于在紧迫度大的边缘服务器上优先申请执行任务卸载;
S23、车辆任务在边缘服务器上执行耗费的服务器成本;
任务在边缘服务器上占用的时间可以表示任务对边缘服务器资源的需求量,即边缘服务器执行该任务的成本。一个边缘服务器上会有多个车辆任务按顺序执行,每个任务耗费服务器的成本是不一样的。假设一个边缘服务器j上有m个车辆任务按顺序执行,则对于车辆用户i任务,边缘服务器j需要付出的成本Ci j可以表示为:
S24、与边缘服务器收益相关的车辆任务偏好列表;
边缘服务器对车辆用户进行打分,根据打分对车辆用户进行排序以给定优先级,并按照优先级得出边缘服务器对车辆的偏好;打分标准根据车辆任务定价、边缘服务器成本及能够执行边缘服务器的数量;边缘服务器j对于车辆用户i的任务评分函数为:
边缘服务器希望收益最大,更偏爱出价高的车辆任务,即车辆任务定价越高优先级越高;边缘服务器同样考虑成本问题,任务在边缘服务器上占用的时间就是边缘服务器的成本;边缘服务器在任务时延内完成的任务数量越多收益越大,因此对于一个车辆任务来说,满足任务时延的边缘服务器数量少的,应给予高的优先级;车辆得分越高,边缘服务器给定的优先级越高,偏好越高;
S25、与车辆任务服务质量相关的边缘服务器偏好列表
车辆任务会更倾向处理能力强的边缘服务器,导致处理能力强的边缘服务器负担过多任务,处理能力弱的边缘服务器资源空闲的情况;为了整体边缘服务器负载均衡,避免资源利用率低的情况,我们需要时刻考虑服务器资源均衡状态Bstate;某一阶段边缘服务器j的剩余可用计算资源表示为其资源均衡状态表示为:
S3、中心调度服务器利用提出的扩展婚姻匹配算法,对车辆任务和边缘服务器进行匹配。在每一轮匹配中,考虑到不同任务的权重以及计算资源利用率,提出一个任务筛选算法,对服务器上申请卸载的任务进行筛选和执行安排。具体步骤为:
S31、扩展婚姻匹配算法中,车辆和边缘服务器需要经过多轮匹配;在每一轮匹配中,中心调度服务器考虑到不同任务的权重以及计算资源利用率,采用一个任务筛选算法,对边缘服务器上申请卸载的任务进行筛选和执行安排;
在每一轮匹配中,对于一个资源有限的边缘服务器,会有多个车辆任务申请卸载;边缘服务器一个时间段只能处理一个任务,且申请卸载的部分任务之间可能会存在执行时间冲突问题,因此边缘服务器需要对申请卸载任务需要进行筛选;每一个任务到达边缘服务器的时间不同,任务执行所需时间和截止时间也不同,边缘服务器上能够使用的计算资源是一定的,边缘服务器获益最大就是边缘服务器资源最大被使用;使用任务筛选算法,先到达边缘服务器的任务先进行安排,充分利用边缘服务器资源;后到的车辆任务和前面安排的任务有执行时间冲突,则按照该边缘服务器对任务的偏好进行选择,抛弃偏好低的车辆任务,选择偏好高的任务,具体步骤如下:
S311、中心调度服务器对申请卸载到边缘服务器j的所有车辆任务按照任务抵达边缘服务器的时间Tc升序排序,获得有序的申请卸载队列req;
S312、选择最早抵达边缘服务器j的任务放入边缘服务器的执行队列Qj中;若选择的任务与之前已选任务时间冲突,则选择偏好高的任务,抛弃偏好低的任务;
S313、重复执行步骤S312,直到所有申请来的任务都轮询一次;
S32、扩展婚姻匹配算法中,车辆任务和边缘服务器的匹配有多轮,具体步骤如下:
S321、每个车辆用户都选择自己偏好集合里排在第一个的边缘服务器,并请求卸载;
一个边缘服务器上会接收到大量任务卸载请求,其中每个任务到达服务器的时间不同,需要的执行时间不同,甚至部分任务之间可能会存在执行时间冲突问题;边缘服务器通过步骤S31的任务筛选算法对任务进行合理的筛选和安排,这种时候会出现两种情况:边缘服务器计算资源充足,所有的车辆任务的卸载请求被边缘服务器接受;在任务筛选安排中,部分任务之间存在执行时间重叠冲突问题,则该边缘服务器拒绝自己偏好集合中偏好等级低的车辆任务,选择偏好等级高的任务;
该步骤结束后,有的车辆已经有边缘服务器接收任务卸载请求,有的车辆还没有找到接收的边缘服务器;
S322、每个还没有被接收的车辆任务根据自己的偏好集合,从没有拒绝过自己的边缘服务器中选出偏好等级高的一个边缘服务器,并请求卸载;
车辆用户对边缘服务器的偏好集合每轮匹配都会更新;同样地,这时候还是会遇到步骤S321所说的两种情况,还是同样的解决方案;
S323、重复步骤S322直到车辆任务轮询完自己的可达边缘服务器集合An里所有边缘服务器,或者所有车辆任务都匹配到边缘服务器;
S324、执行完上述步骤后,有的车辆任务映射到边缘服务器上,有的车辆任务没有被安排到合适的边缘服务器上执行;对于任一车辆用户i的可选边缘服务器集合中没有任何一个边缘服务器能够在任务时延内完成该任务,则将该任务安排在剩余计算资源最多的边缘服务器上;直到所有任务都被安排到边缘服务器上执行。
S4、对于服务器资源负载均衡的不同重视程度下的多个任务调度方案,中心调度服务器利用提出的一个基于现代投资组合理论的任务卸载评估模型,以平衡边缘服务器收益和车辆任务时延风险,确定最终车辆任务调度方案。具体步骤为:
S41、对于最小化车辆用户体验风险,并使得边缘服务器提供商利润最大化这个双目标优化问题,用现代投资组合Z表示;
Z=(xa,Sa)
总共有N个任务调度方案,a=1,2,3,...,N;xa为任务调度方案Sa的权值,xa表示对任务调度方案Sa的关注程度;权重能够作为衡量方案等级的指标,并按照权重的下降序列推荐给边缘服务器提供商,确定最终调度方案;权重组合向量XT表示为:
XT=(x1,x2,x3,...,xN)
xN为任务调度方案SN的权值;
S42、投资组合方案里的利润和任务完成的总时间相关;
任务完成的总时间越低,则边缘服务器资源利用率越高,边缘服务器实际执行时的收益也相对更高;总共有N个任务调度方案,基于所有任务被完成的时间的任务调度方案Sa的等级的倒数表示为ra;
投资组合的利润QZ表示为:
xa为任务调度方案Sa的权值;
S43、投资组合方案里的风险和每个车辆任务的完成时间相关;
投资组合的任务超出时间延迟风险Pz:
其中,xa为任务调度方案Sa的权值,表示对任务调度方案Sa的关注程度;xb为任务调度方案Sb的权值,表示对任务调度方案Sb的关注程度;σa是方案Sa超出时间延迟风险的等级的倒数,σb是方案Sb超出时间延迟风险的等级的倒数,ρab是方案Sa和Sb的风险相关性
由超出时间延迟风险的定义可知,风险与任务完成时超出时延的时间有关;将该风险的公式定义如下:
建立任务完成时间的坐标轴,任务规定最大时延为坐标T点;根据超过时延T的时间长短,将其分为4个等级:A、B、C、D,超过任务时延越长,用户体验越低;给超过时延T的时间分配不同的权值,然后使用以下公式计算方案Sa的整体超时延风险δa是:
其中,wi是车辆用户i任务的超出时延风险Ri的权值;
两个调度方案的风险相关性由相同的车辆任务-边缘服务器对的数目来估计的;每一个方案的任务-服务器对集合不一样;方案Si的任务-服务器对集合为方案Sj的任务-服务器对集合为VSj;基于此概念,利用Jaccard Coeffificient来定义了两种方案Si和Sj的风险相关性ρij:
S44、获取投资组合方案里的一组最优权重X*,以最大限度地实现边缘服务器收益的最大化,最小化投资组合Z的延迟时间风险;
投资组合的未来收益FZ表示:
其中,μ是由实际情况定义的系统风险系数,系数越大,对超过时延的时间风险的约束越强;最后用有效前沿法求解,构建拉格朗日函数,获得投资组合方案一组最优权重向量X*;
S5、中心调度服务器确定最终车辆任务调度方案后,将方案发送给车辆用户。车辆用户根据中心调度服务器的方案将车辆任务卸载到相应的边缘服务器执行,或者因为无法接受该调度方案下的任务时延而选择提高自身任务出价参与下一轮服务器资源调度竞争。
参见图4所示,本实施例也提供了一种面向边缘计算的车辆任务卸载的集中式调度系统,包括:
信息收集更新单元,收集车辆用户发出的任务卸载请求以及车辆用户对应的移动性信息和任务要求;同时实时更新所有边缘服务器信息,包括边缘服务器资源状况和位置信息;
车辆任务卸载匹配单元,根据收集的车辆用户任务信息和边缘服务器信息,计算与边缘服务器收益相关的车辆任务偏好列表和与车辆任务服务质量相关的边缘服务器偏好列表;利用提出的扩展婚姻匹配算法,对车辆任务和边缘服务器进行匹配;在每一轮匹配中,考虑到不同任务的权重以及计算资源利用率,提出一个任务筛选算法,对边缘服务器上申请卸载的任务进行筛选和执行安排;
任务调度方案评估单元,利用提出的扩展婚姻匹配算法,对车辆任务和边缘服务器进行匹配;在每一轮匹配中,考虑到不同任务的权重以及计算资源利用率,提出一个任务筛选算法,对边缘服务器上申请卸载的任务进行筛选和执行安排;
车辆用户任务卸载执行单元,中心调度服务器确定最终车辆任务调度方案后,将方案发送给车辆用户;车辆用户根据中心调度服务器的方案将车辆任务卸载到相应的边缘服务器执行,或者因为无法接受该调度方案下的任务时延而选择提高自身任务出价参与下一轮边缘服务器资源调度竞争;
边缘服务器任务执行单元,在车辆用户根据最终车辆任务调度方案确定自己的执行策略后,边缘服务器对卸载过来的车辆任务进行执行。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (5)
1.面向边缘计算的车辆任务卸载的集中式调度方法,其特征在于:该方法根据中心调度服务器实时收集车辆任务信息并实时更新边缘服务器信息的特点,提出扩展婚姻匹配算法和基于现代投资组合理论的任务卸载评估模型,完成车辆任务和边缘服务器的匹配,其包括以下步骤:
S1、车辆用户向中心调度服务器发出任务卸载请求,并提供自身的移动性信息和车辆任务的要求;中心调度服务器实时更新所有边缘服务器信息;
S2、中心调度服务器根据收集到的车辆用户信息和边缘服务器资源信息计算出两种偏好列表,一种是与边缘服务器收益相关的车辆任务偏好列表,另一种是与车辆任务服务质量相关的边缘服务器偏好列表;
S3、中心调度服务器利用提出的扩展婚姻匹配算法,对车辆任务和边缘服务器进行匹配;在每一轮匹配中,考虑到不同任务的权重以及计算资源利用率,提出一个任务筛选算法,对边缘服务器上申请卸载的任务进行筛选和执行安排;
S4、对于边缘服务器资源负载均衡的不同重视程度下的多个任务调度方案,中心调度服务器利用提出的一个基于现代投资组合理论的任务卸载评估模型,以平衡边缘服务器收益和车辆任务时延风险,确定最终车辆任务调度方案;
S5、中心调度服务器确定最终车辆任务调度方案后,将方案发送给车辆用户,车辆用户根据中心调度服务器的方案将车辆任务卸载到相应的边缘服务器执行,或者因为无法接受该调度方案下的任务时延而选择提高自身任务出价参与下一轮边缘服务器资源调度竞争。
2.根据权利要求1所述面向边缘计算的车辆任务卸载的集中式调度方法,其特征在于,在步骤S2中,两种偏好列表分别是边缘服务器对车辆任务的偏好列表和车辆任务对边缘服务器的偏好列表,包括以下步骤:
S21、保证车辆用户有充足时间卸载任务数据到边缘服务器,计算满足最低时延要求的边缘服务器集合;
有的边缘服务器距离车辆用户远,有的边缘服务器不在车辆用户的行驶方向上,有的边缘服务器覆盖范围小,据此需要计算出每个车辆用户的可卸载边缘服务器集合;根据车辆用户和边缘服务器的位置和方向,计算车辆用户在边缘服务器覆盖范围内的停留时间,停留时间大于车辆用户的任务数据上传所需时间,任务才能够卸载到这个边缘服务器,该车辆用户所有能够卸载的边缘服务器集合就是An;
S22、针对任务被接收处理的概率,提出关于任务紧迫程度的度量;
对于同一个边缘服务器来说,不同车辆的任务需要被完成的紧迫程度不一样;有的车辆任务最大时延宽松,或者车辆距离边缘服务器近能够立即卸载任务,这些车辆任务能够有充足的时间执行任务;而有的车辆任务执行时间紧迫,或者车辆距离边缘服务器有一段距离,使得该车辆的任务卸载到边缘服务器时,边缘服务器资源很可能被别的任务抢占,造成车辆任务无法在时延内完成;即车辆用户的任务卸载请求传到某一边缘服务器,不一定被该边缘服务器接收处理,因此车辆任务卸载到一个边缘服务器被接收处理的概率影响着用户服务体验;针对任务被接收处理的概率,提出关于任务的紧迫程度的度量;根据任务最大时延为标准,以任务到达边缘服务器立即执行后,距离最大时延的剩余时间占最大时延的比例来表示任务的紧迫程度K:
式中,Tc是任务到达边缘服务器的时间,包括车辆行驶到边缘服务器覆盖的可卸载范围的行驶时间T1和任务传输到边缘服务器的上传时间T2;其中行驶到边缘服务器覆盖的可卸载范围内的路程信息d能够通过GPS获得并计算,v是车辆行驶的速度,则任务上传中,传输速率为B是信道带宽,p是上传功率,h是信道增益,是白噪声功率电平,da表示任务数据量大小,传输时间因此,Tc能够表示为:
因此,任务在边缘服务器上的紧迫程度为:
S.t.0≤K≤1
其中,0≤K≤1表示保证任务在最大时延内完成;
在车辆行驶的道路范围上分布着边缘服务器,其中满足车辆用户i任务的最低时延要求的边缘服务器集合能够计算出车辆用户i的任务在边缘服务器集合上的任一边缘服务器j上的任务紧迫程度Ki,j;则车辆用户i的任务在边缘服务器集合上的任一边缘服务器j上的任务紧迫程度等级表示为:
将任务的紧迫程度引入到边缘服务器任务调度上,任务在边缘服务器上开始执行的紧迫度越大,则任务调度调整越灵活;在多个任务竞争边缘服务器执行区间时,紧迫度越大的任务越容易被边缘服务器接收安排;对于车辆用户来说,在紧迫度小的边缘服务器上,车辆任务很容易因为任务需要的边缘服务器资源被别的任务抢占,而导致任务无法在时延内完成;因此车辆用户会更倾向于在紧迫度大的边缘服务器上优先申请执行任务卸载;
S23、车辆任务在边缘服务器上执行耗费的服务器成本;
任务在边缘服务器上占用的时间能够表示任务对边缘服务器资源的需求量,即边缘服务器执行该任务的成本;一个边缘服务器上会有多个车辆任务按顺序执行,每个任务耗费服务器的成本是不一样的;假设一个边缘服务器j上有m个车辆任务按顺序执行,则对于车辆用户i任务,边缘服务器j需要付出的成本Ci j能够表示为:
S24、与边缘服务器收益相关的车辆任务偏好列表;
边缘服务器对车辆用户进行打分,根据打分对车辆用户进行排序以给定优先级,并按照优先级得出边缘服务器对车辆的偏好;打分标准根据车辆任务定价、边缘服务器成本及能够执行边缘服务器的数量;边缘服务器j对于车辆用户i的任务评分函数为:
边缘服务器希望收益最大,更偏爱出价高的车辆任务,即车辆任务定价越高优先级越高;边缘服务器同样考虑成本问题,任务在边缘服务器上占用的时间就是边缘服务器的成本;边缘服务器在任务时延内完成的任务数量越多收益越大,因此对于一个车辆任务来说,满足任务时延的边缘服务器数量少的,应给予高的优先级;车辆得分越高,边缘服务器给定的优先级越高,偏好越高;
S25、与车辆任务服务质量相关的边缘服务器偏好列表
车辆任务会更倾向处理能力强的边缘服务器,导致处理能力强的边缘服务器负担过多任务,处理能力弱的边缘服务器资源空闲的情况;为了整体边缘服务器负载均衡,避免资源利用率低的情况,需要时刻考虑边缘服务器资源均衡状态Bstate;某一阶段边缘服务器j的剩余可用计算资源表示为其资源均衡状态表示为:
3.根据权利要求1所述面向边缘计算的车辆任务卸载的集中式调度方法,其特征在于,所述步骤S3包括以下步骤:
S31、扩展婚姻匹配算法中,车辆和边缘服务器需要经过多轮匹配;在每一轮匹配中,中心调度服务器考虑到不同任务的权重以及计算资源利用率,采用一个任务筛选算法,对边缘服务器上申请卸载的任务进行筛选和执行安排;
在每一轮匹配中,对于一个资源有限的边缘服务器,会有多个车辆任务申请卸载;边缘服务器一个时间段只能处理一个任务,且申请卸载的部分任务之间可能会存在执行时间冲突问题,因此边缘服务器需要对申请卸载任务需要进行筛选;每一个任务到达边缘服务器的时间不同,任务执行所需时间和截止时间也不同,边缘服务器上能够使用的计算资源是一定的,边缘服务器获益最大就是边缘服务器资源最大被使用;使用任务筛选算法,先到达边缘服务器的任务先进行安排,充分利用边缘服务器资源;后到的车辆任务和前面安排的任务有执行时间冲突,则按照该边缘服务器对任务的偏好进行选择,抛弃偏好低的车辆任务,选择偏好高的任务,具体步骤如下:
S311、中心调度服务器对申请卸载到边缘服务器j的所有车辆任务按照任务抵达边缘服务器的时间Tc升序排序,获得有序的申请卸载队列req;
S312、选择最早抵达边缘服务器j的任务放入边缘服务器的执行队列Qj中;若选择的任务与之前已选任务时间冲突,则选择偏好高的任务,抛弃偏好低的任务;
S313、重复执行步骤S312,直到所有申请来的任务都轮询一次;
S32、扩展婚姻匹配算法中,车辆任务和边缘服务器的匹配有多轮,具体步骤如下:
S321、每个车辆用户都选择自己偏好集合里排在第一个的边缘服务器,并请求卸载;
一个边缘服务器上会接收到大量任务卸载请求,其中每个任务到达服务器的时间不同,需要的执行时间不同,甚至部分任务之间可能会存在执行时间冲突问题;边缘服务器通过步骤S31的任务筛选算法对任务进行合理的筛选和安排,这种时候会出现两种情况:边缘服务器计算资源充足,所有的车辆任务的卸载请求被边缘服务器接受;在任务筛选安排中,部分任务之间存在执行时间重叠冲突问题,则该边缘服务器拒绝自己偏好集合中偏好等级低的车辆任务,选择偏好等级高的任务;
该步骤结束后,有的车辆已经有边缘服务器接收任务卸载请求,有的车辆还没有找到接收的边缘服务器;
S322、每个还没有被接收的车辆任务根据自己的偏好集合,从没有拒绝过自己的边缘服务器中选出偏好等级高的一个边缘服务器,并请求卸载;
车辆用户对边缘服务器的偏好集合每轮匹配都会更新;同样地,这时候还是会遇到步骤S321所说的两种情况,还是同样的解决方案;
S323、重复步骤S322直到车辆任务轮询完自己的可达边缘服务器集合An里所有边缘服务器,或者所有车辆任务都匹配到边缘服务器;
4.根据权利要求1所述面向边缘计算的车辆任务卸载的集中式调度方法,其特征在于,在步骤S4中,对于边缘服务器资源负载均衡的不同重视程度下的多个任务调度方案,中心调度服务器利用提出的一个基于现代投资组合理论的任务卸载评估模型,以平衡边缘服务器收益和车辆任务时延风险,确定最终车辆任务调度方案,包括以下步骤:
S41、对于最小化车辆用户体验风险,并使得边缘服务器提供商利润最大化这个双目标优化问题,用现代投资组合Z表示;
Z=(xa,Sa)
总共有N个任务调度方案,a=1,2,3,...,N;xa为任务调度方案Sa的权值,xa表示对任务调度方案Sa的关注程度;权重能够作为衡量方案等级的指标,并按照权重的下降序列推荐给边缘服务器提供商,确定最终调度方案;权重组合向量XT表示为:
XT=(x1,x2,x3,...,xN)
xN为任务调度方案SN的权值;
S42、投资组合方案里的利润和任务完成的总时间相关;
任务完成的总时间越低,则边缘服务器资源利用率越高,边缘服务器实际执行时的收益也相对更高;总共有N个任务调度方案,基于所有任务被完成的时间的任务调度方案Sa的等级的倒数表示为ra;
投资组合的利润QZ表示为:
xa为任务调度方案Sa的权值;
S43、投资组合方案里的风险和每个车辆任务的完成时间相关;
投资组合的任务超出时间延迟风险PZ:
其中,xa为任务调度方案Sa的权值,表示对任务调度方案Sa的关注程度;xb为任务调度方案Sb的权值,表示对任务调度方案Sb的关注程度;σa是方案Sa超出时间延迟风险的等级的倒数,σb是方案Sb超出时间延迟风险的等级的倒数,ρab是方案Sa和Sb的风险相关性;
由超出时间延迟风险的定义可知,风险与任务完成时超出时延的时间有关;将该风险的公式定义如下:
建立任务完成时间的坐标轴,任务规定最大时延为坐标T点;根据超过时延T的时间长短,将其分为4个等级:A、B、C、D,超过任务时延越长,用户体验越低;给超过时延T的时间分配不同的权值,然后使用以下公式计算方案Sa的整体超时延风险δa是:
其中,wi是车辆用户i任务的超出时延风险Ri的权值;
两个调度方案的风险相关性由相同的车辆任务-边缘服务器对的数目来估计的;每一个方案的任务-服务器对集合不一样;方案Si的任务-服务器对集合为方案Sj的任务-服务器对集合为基于此概念,利用Jaccard Coeffificient来定义了两种方案Si和Sj的风险相关性ρij:
S44、获取投资组合方案里的一组最优权重X*,以最大限度地实现边缘服务器收益的最大化,最小化投资组合Z的延迟时间风险;
投资组合的未来收益FZ表示:
其中,μ是由实际情况定义的系统风险系数,系数越大,对超过时延的时间风险的约束越强;最后用有效前沿法求解,构建拉格朗日函数,获得投资组合方案一组最优权重向量X*。
5.面向边缘计算的车辆任务卸载的集中式调度系统,其特征在于,包括:
信息收集更新单元,收集车辆用户发出的任务卸载请求以及车辆用户对应的移动性信息和任务要求;同时实时更新所有边缘服务器信息,包括边缘服务器资源状况和位置信息;
车辆任务卸载匹配单元,根据收集的车辆用户任务信息和边缘服务器信息,计算与边缘服务器收益相关的车辆任务偏好列表和与车辆任务服务质量相关的边缘服务器偏好列表;利用提出的扩展婚姻匹配算法,对车辆任务和边缘服务器进行匹配;在每一轮匹配中,考虑到不同任务的权重以及计算资源利用率,提出一个任务筛选算法,对边缘服务器上申请卸载的任务进行筛选和执行安排;
任务调度方案评估单元,利用提出的扩展婚姻匹配算法,对车辆任务和边缘服务器进行匹配;在每一轮匹配中,考虑到不同任务的权重以及计算资源利用率,提出一个任务筛选算法,对边缘服务器上申请卸载的任务进行筛选和执行安排;
车辆用户任务卸载执行单元,中心调度服务器确定最终车辆任务调度方案后,将方案发送给车辆用户;车辆用户根据中心调度服务器的方案将车辆任务卸载到相应的边缘服务器执行,或者因为无法接受该调度方案下的任务时延而选择提高自身任务出价参与下一轮边缘服务器资源调度竞争;
边缘服务器任务执行单元,在车辆用户根据最终车辆任务调度方案确定自己的执行策略后,边缘服务器对卸载过来的车辆任务进行执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694312.7A CN113377516B (zh) | 2021-06-22 | 2021-06-22 | 面向边缘计算的车辆任务卸载的集中式调度方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694312.7A CN113377516B (zh) | 2021-06-22 | 2021-06-22 | 面向边缘计算的车辆任务卸载的集中式调度方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113377516A true CN113377516A (zh) | 2021-09-10 |
CN113377516B CN113377516B (zh) | 2022-10-25 |
Family
ID=77578498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110694312.7A Active CN113377516B (zh) | 2021-06-22 | 2021-06-22 | 面向边缘计算的车辆任务卸载的集中式调度方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113377516B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114047971A (zh) * | 2021-11-09 | 2022-02-15 | 北京中电飞华通信有限公司 | 边缘计算资源分配方法及装置 |
CN114331220A (zh) * | 2022-03-01 | 2022-04-12 | 北京邮电大学 | 基于订单动态优先级的乘用车运输车辆调度方法及装置 |
CN117648172A (zh) * | 2024-01-26 | 2024-03-05 | 南京邮电大学 | 一种车载边缘计算调度优化方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050240924A1 (en) * | 2004-04-02 | 2005-10-27 | Emulex Design & Manufacturing Corporation | Prerequisite-based scheduler |
CN109862086A (zh) * | 2019-01-21 | 2019-06-07 | 华北电力大学 | 一种车载边缘计算中基于匹配算法的任务分配策略 |
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 |
CN111182570A (zh) * | 2020-01-08 | 2020-05-19 | 北京邮电大学 | 提高运营商效用的用户关联和边缘计算卸载方法 |
-
2021
- 2021-06-22 CN CN202110694312.7A patent/CN113377516B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050240924A1 (en) * | 2004-04-02 | 2005-10-27 | Emulex Design & Manufacturing Corporation | Prerequisite-based scheduler |
CN109862086A (zh) * | 2019-01-21 | 2019-06-07 | 华北电力大学 | 一种车载边缘计算中基于匹配算法的任务分配策略 |
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 |
CN111182570A (zh) * | 2020-01-08 | 2020-05-19 | 北京邮电大学 | 提高运营商效用的用户关联和边缘计算卸载方法 |
Non-Patent Citations (2)
Title |
---|
TANG JIE 等: "LoPECS: A Low-Power Edge Computing System", 《IEEE》 * |
周俊等: "边缘计算隐私保护研究进展", 《计算机研究与发展》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114047971A (zh) * | 2021-11-09 | 2022-02-15 | 北京中电飞华通信有限公司 | 边缘计算资源分配方法及装置 |
CN114047971B (zh) * | 2021-11-09 | 2023-12-08 | 北京中电飞华通信有限公司 | 边缘计算资源分配方法及装置 |
CN114331220A (zh) * | 2022-03-01 | 2022-04-12 | 北京邮电大学 | 基于订单动态优先级的乘用车运输车辆调度方法及装置 |
CN114331220B (zh) * | 2022-03-01 | 2022-05-13 | 北京邮电大学 | 基于订单动态优先级的乘用车运输车辆调度方法及装置 |
CN117648172A (zh) * | 2024-01-26 | 2024-03-05 | 南京邮电大学 | 一种车载边缘计算调度优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113377516B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113377516B (zh) | 面向边缘计算的车辆任务卸载的集中式调度方法与系统 | |
CN110213796B (zh) | 一种车联网中的智能资源分配方法 | |
US11238378B2 (en) | Method and system for booking transportation services | |
CN109656703B (zh) | 一种移动边缘计算辅助车辆任务卸载方法 | |
CN111400001B (zh) | 一种面向边缘计算环境的在线计算任务卸载调度方法 | |
WO2018081634A1 (en) | Price-aware real-time auction-based ride-sharing system | |
CN111405527B (zh) | 一种基于志愿者协同处理的车载边缘计算方法、装置及系统 | |
CN113992676B (zh) | 端边云架构和完全信息下分层联邦学习的激励方法及系统 | |
WO2019184445A1 (zh) | 服务资源调配 | |
CN112799833A (zh) | 面向边缘计算的车辆应用卸载的分布式定价方法与系统 | |
WO2019205784A1 (zh) | 配送任务分配方法、装置、电子设备及计算机存储介质 | |
CN101406025A (zh) | 针对内容传递网络的集中式调度器 | |
CN110830390B (zh) | 一种QoS驱动的移动边缘网络资源分配方法 | |
Wang et al. | Application-aware offloading policy using SMDP in vehicular fog computing systems | |
CN110287024B (zh) | 一种工业智能边缘计算中面向多服务器多用户的调度方法 | |
CN114971819A (zh) | 基于多智能体强化学习算法在联邦学习下的用户竞价方法及装置 | |
Chen et al. | Timeliness-aware incentive mechanism for vehicular crowdsourcing in smart cities | |
CN115002123B (zh) | 基于移动边缘计算的快速适应任务卸载系统和方法 | |
Gao et al. | Fast adaptive task offloading and resource allocation via multiagent reinforcement learning in heterogeneous vehicular fog computing | |
CN113190342A (zh) | 用于云-边协同网络的多应用细粒度卸载的方法与系统架构 | |
Nguyen et al. | EdgePV: collaborative edge computing framework for task offloading | |
Chen et al. | Delay-aware incentive mechanism for crowdsourcing with vehicles in smart cities | |
CN110677352A (zh) | 一种软件定义网络中单交换机单控制器传输控制方法 | |
CN113301158B (zh) | 一种移动边缘计算环境下基于拍卖理论的资源分配方法 | |
CN111680860B (zh) | 一种时空众包平台中确定性交叉在线匹配方法 |
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 |