CN113596106B - 基于多边缘服务器协作的时延敏感型切片资源调度方法 - Google Patents

Abstract

本发明提供了一种基于多边缘服务器协作的时延敏感型切片资源调度方法，包括：先根据车辆坐标选定范围内拟卸载任务的路边单元；然后对多个边缘服务器及车辆本地按照直接性价比策略和本地优先策略分别排序；将车辆任务分解，在确保任务能在可容忍时延内完成的前提下，分别基于直接性价比策略和本地优先策略对应的两种排序结果进行任务卸载决策；最后取直接性价比策略及本地优先策略成本较低者，作为车辆任务计算卸载成本最低的资源调度方案。本发明考虑时延要求及使用资源的成本，使得车辆计算任务的成本更低，从而满足车辆用户的需求。

Description

基于多边缘服务器协作的时延敏感型切片资源调度方法

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于多边缘服务器协作的时延敏感型切片资源调度方法。

背景技术

在多个配备边缘计算服务器的路边单元覆盖环境下考虑车辆计算卸载问题，对于任务的紧迫性，现有的方法没有考虑时延要求及使用资源的成本，使得计算卸载任务不能很好的满足用户任务时延及经济要求。

发明内容

针对现有技术中存在的问题，本发明实施例提供一种基于多边缘服务器协作的时延敏感型切片资源调度方法。

第一方面，本发明实施例提供一种基于多边缘服务器协作的时延敏感型切片资源调度方法，包括：

根据车辆坐标选定拟卸载任务的路边单元；其中，所述路边单元匹配相应的边缘服务器；

获取车辆任务的复杂度因子δ、数据大小M及可容忍时延d；

创建1个车辆本地和n个所述边缘服务器的集合B＝{b₁,...,b_i,...,b_n+1}；其中，所述集合B内每个元素b_i的属性有{数据容量c_i，计算能力a_i，使用单价p_i}，n为正整数；

对1个车辆本地和n个所述边缘服务器按照预设的直接性价比策略和预设的本地优先策略分别排序；

根据所述车辆任务的复杂度因子δ、数据大小M及可容忍时延d将车辆任务分解，在确保所述车辆任务能在可容忍时延d内完成的前提下，分别基于直接性价比策略和本地优先策略对应的两种排序结果进行任务卸载决策；

计算预设的直接性价比策略和预设的本地优先策略各自对应的用户成本，并取两者成本较低的策略生成资源调度方案。

进一步地，还包括：

按第一关系模型计算预设的直接性价比策略和预设的本地优先策略各自对应的用户成本，并取两者成本较低的策略生成资源调度方案；其中，第一关系模型为：

P＝P_v+P_m

其中，P_v表示车辆本地处理任务的成本，P_m表示使用多个边缘服务器切片资源来协同处理计算任务的成本。

进一步地，所述预设的直接性价比策略为将所述集合B中的各元素b_i按

的性价比大小降序排列。

进一步地，所述预设的本地优先策略为首先将1个车辆本地排第一，然后将所述集合B中剩余的各元素b_i按

的性价比大小降序排列。

进一步地，还包括：

在生成资源调度方案之后，再次根据车辆坐标选定路边单元回传计算任务的结果。

第二方面，本发明实施例提供了一种基于多边缘服务器协作的时延敏感型切片资源调度装置，包括：

选定模块，用于根据车辆坐标选定拟卸载任务的路边单元；其中，所述路边单元匹配相应的边缘服务器；

获取模块，用于获取车辆任务的复杂度因子δ、数据大小M及可容忍时延d；

创建模块，用于创建1个车辆本地和n个所述边缘服务器的集合B＝{b₁,...,b_i,...,b_n+1}；其中，所述集合B内每个元素b_i的属性有{数据容量c_i，计算能力a_i，使用单价p_i}，n为正整数；

排序模块，用于对1个车辆本地和n个所述边缘服务器按照预设的直接性价比策略和预设的本地优先策略分别排序；

分解模块，用于根据所述车辆任务的复杂度因子δ、数据大小M及可容忍时延d将车辆任务分解，在确保所述车辆任务能在可容忍时延d内完成的前提下，分别基于直接性价比策略和本地优先策略对应的两种排序结果进行任务卸载决策；

计算模块，用于计算预设的直接性价比策略和预设的本地优先策略各自对应的用户成本，并取两者成本较低的策略生成资源调度方案。

进一步地，所述计算模块，具体用于：

按第一关系模型计算预设的直接性价比策略和预设的本地优先策略各自对应的用户成本，并取两者成本较低的策略生成资源调度方案；其中，第一关系模型为：

P＝P_v+P_m

其中，P_v表示车辆本地处理任务的成本，P_m表示使用多个边缘服务器切片资源来协同处理计算任务的成本。

进一步地，所述排序模块中：所述预设的直接性价比策略为将所述集合B中的各元素b_i按

的性价比大小降序排列。

第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上第一方面所述的基于多边缘服务器协作的时延敏感型切片资源调度方法的步骤。

第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上第一方面所述的基于多边缘服务器协作的时延敏感型切片资源调度方法的步骤。

由上述技术方案可知，本发明实施例提供的基于多边缘服务器协作的时延敏感型切片资源调度方法，先根据车辆坐标选定范围内拟卸载任务的路边单元；对多个边缘服务器及车辆本地按照直接性价比策略和本地优先策略分别排序；将车辆任务分解，在确保任务能在可容忍时延内完成的前提下，分别基于直接性价比策略和本地优先策略对应的两种排序结果进行任务卸载决策；最后取直接性价比策略及本地优先策略成本较低者，作为车辆任务计算卸载成本最低的资源调度方案。本发明考虑时延要求及使用资源的成本，使得车辆计算任务的成本更低，从而满足车辆用户的需求。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为本发明一实施例提供的基于多边缘服务器协作的时延敏感型切片资源调度方法的流程示意图；

图2为本发明一实施例提供的基于多边缘服务器协作的时延敏感型切片资源调度系统的示意图；

图3为本发明一实施例提供的基于多边缘服务器协作的时延敏感型切片资源调度装置的结构示意图；

图4为本发明一实施例提供的电子设备的实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面将通过具体的实施例对本发明提供的基于多边缘服务器协作的时延敏感型切片资源调度方法进行详细解释和说明。

图1为本发明一实施例提供的基于多边缘服务器协作的时延敏感型切片资源调度方法的流程示意图；如图1所示，该方法包括：

步骤101：根据车辆坐标选定拟卸载任务的路边单元；其中，所述路边单元匹配相应的边缘服务器。

步骤102：获取车辆任务的复杂度因子δ、数据大小M及可容忍时延d。

步骤103：创建1个车辆本地和n个所述边缘服务器的集合B＝{b₁,...,b_i,...,b_n+1}；其中，所述集合B内每个元素b_i的属性有{数据容量c_i，计算能力a_i，使用单价p_i}，n为正整数。

步骤104：对1个车辆本地和n个所述边缘服务器按照预设的直接性价比策略和预设的本地优先策略分别排序。

步骤105：根据所述车辆任务的复杂度因子δ、数据大小M及可容忍时延d将车辆任务分解，在确保所述车辆任务能在可容忍时延d内完成的前提下，分别基于直接性价比策略和本地优先策略对应的两种排序结果进行任务卸载决策。

步骤106：计算预设的直接性价比策略和预设的本地优先策略各自对应的用户成本，并取两者成本较低的策略生成资源调度方案。

本发明实施例提供的基于多边缘服务器协作的时延敏感型切片资源调度方法基于多边缘服务器协作的时延敏感型切片资源调度系统实现，参见图2，该系统由多台配备边缘服务器的路边单元组成的无线接入网，以及服务范围内多个车辆用户。

在本实施例中，需要说明的是，随着蜂窝网络的演进，网络的传输速率得到了极大的提高，为车辆信息与外部交通要素之间的信息交互提供了技术支持。车辆到基础设施通信是车辆对一切的一种重要形式，在智能交通系统中被认为可以提高路边安全和交通系统。路边单元可以充当定位点，并向车辆提供关于道路上危险情况的相关信息，例如前方交通堵塞、交通事故和其他风险。此外，路边单元结合移动边缘计算技术用于提高任务处理的效率。作为一种新的部署方案，移动边缘计算可以通过在与移动设备和用户紧密相连的网络边缘部署具有缓存和计算能力的小型数据中心或节点来降低核心网络负载和数据传输时延。移动终端可以根据任务的时延容限、处理能力等因素来判断是否需要卸载服务。通过采用卸载服务，计算密集型和时延敏感的任务可以在边缘服务器上处理，以满足任务的性能要求。

然而，多个用户同时向边缘服务器请求和共享资源，导致拥塞和响应速度慢。此外，不同用户对数据容量和计算资源的要求不同，导致资源分配效率低下。为了解决这个问题，采用网络切片技术将边缘服务器的数据容量和计算资源划分为多个切片。将这些切片分配给多个用户，并且切片间相互隔离。网络切片技术为解决多样化应用场景下网络容量、时延、可靠性及传输速率等方面的不同需求问题提供了保障。

在移动边缘计算卸载的系统中，现有方法没有考虑多边缘服务器协作卸载的情况，目前较多使用的是单边缘服务器卸载与本地计算相结合，用户较多时会对单个边缘服务器造成较大压力。而且，车辆用户存在移动性，若仅卸载到单路边单元，存在没有卸载完成计算任务就驶出路边单元覆盖范围的情况。针对以上这些问题，本发明考虑了多个配备边缘计算服务器的路边单元场景下，提出了一种车联网中基于多边缘服务器协作的时延敏感型切片资源调度方法。举例来说：在初始时隙时，记录车辆坐标，判断在哪个路边单元覆盖范围内，选定拟卸载任务的路边单元；接着按照直接性价比策略及本地优先策略分别对多个边缘服务器及车辆本地排序；将车辆任务分解，在确保所述车辆任务能在可容忍时延d内完成的前提下，分别基于直接性价比策略和本地优先策略对应的两种排序结果进行任务卸载决策，使多边缘服务器协同计算任务；最后取直接性价比策略及本地优先策略成本较低者，作为车辆任务计算卸载成本最低的资源调度方案，并再次根据车辆坐标选定路边单元回传计算任务的结果。

在本实施例中，需要说明的是，在自动驾驶的场景下，车辆行驶在笔直的道路上，路旁有多个路边单元A＝{1,2,3,...,N}，每个路边单元都配备边缘服务器，服务器的数据容量和计算能力有限。车辆有数据容量c_v、较弱的计算能力a_v和较低的本地资源单价p_v。使用三元组<δ,M,d>来描述车辆需要计算的任务，其中δ代表任务的复杂度因子，M代表数据大小，d代表任务的最大容忍时延。使用网络切片技术来划分边缘服务器的数据容量和计算能力，将车辆的数据存储业务和时延敏感的自动驾驶业务隔离。根据任务数据大小和最大容忍时延，多个路边单元可以协同计算一个任务。定义第i个路边单元的网络切片组成为S_i＝{c_i,a_i,p_i}，其中c_i和a_i分别表示该片的数据容量和计算能力，p_i表示使用该片资源的单价。

移动性和通信模型：根据车辆任务的复杂度因子、数据大小和最大容忍时延，将任务分解，一部分m_v在本地计算，另一部分m_i卸载到路边单元的边缘服务器上计算。定义本地计算的时延为

其中a_v是车辆的本地计算能力。

将任务卸载到路边单元及接收返回结果的时候，车辆位置不同，需要考虑车辆的机动性。假设有T个时隙，设置Τ＝{1,2,...,t,...,T}。在时隙t，我们将车辆的坐标标记为

第i个路边单元为(x_i,y_i)，其中i∈{1,2,...,N}。车辆和第i个路边单元之间的距离可以通过欧几里德距离计算，如下所示

它们之间的信道增益是

其中，g₀是参考距离处的信道增益，ρ是一个具有平均值的指数随机变量，α_h是车辆到基础设施链路中的路径损耗指数。

当K个车辆通过共享信道将任务卸载到同一个路边单元时，车辆和第i个路边单元之间的信干噪比为

其中p是当前车辆的传输功率，g是当前车辆和路边单元之间的信道增益；q是其他车辆的传输功率，h是其他车辆和路边单元之间的信道增益。σ²是加性高斯白噪声的功率。定义车辆和第i个路边单元之间的数据传输速率为

其中W代表信道带宽。每个时隙测量一次车辆的瞬时数据传输速率，则平均传输速率可计算为

分别使用β^u和β^d表示上行链路和下行链路传输开销，定义卸载到路边单元的车辆剩余计算任务的上行t^u和下行t^d传输时延分别表示如下

路边单元收到车辆卸载的计算任务后，将任务分配给多个路边单元同时执行计算任务。定义边缘服务器执行的计算任务时延是

边缘服务器协同处理数据后，网络切片将任务结果从最近的路边单元传输到车辆。定义车辆计算任务的总执行时延为

t^total＝max(t^v,t^u+t^m+t^d) (10)

定价模型：考虑边缘服务器的计算能力和资源占用率，定义使用切片资源的单价函数为

P^unit＝λe^μx+υ (11)

其中x与边缘服务器的计算资源占用率有关。λ是切片资源的初始单价，与服务器计算能力有关。μ代表单价随x变化的快慢程度，υ代表基础设施提供商提供的资源最低单价。λ和υ共同决定了资源的起步单价，以上参数均为正值。

定义车辆本地处理任务的成本是

P_v＝p_vt^v (12)

定义使用多个边缘服务器切片资源来协同处理计算任务的成本是

定义车辆完成计算任务的总成本是

P＝P_v+P_m (14)

为了更好的理解本发明，下面结合实施例进一步阐述本发明的内容，但本发明不仅仅局限于下面的实施例。

(1)当前时隙下，记录车辆坐标，判断车辆在哪个路边单元范围内，选择拟卸载的路边单元。如果车辆和路边单元之间的距离小于半径d_i(t)≤R_r，则意味着它在其覆盖范围内。获取车辆用户可分解任务(即车辆任务)的复杂度因子δ、数据大小M及可容忍时延d。

(2)创建1个车辆本地和N个边缘服务器资源的集合B＝{b₁,...,b_i,...,b_n+1}，每个元素b_i的属性有{数据容量c_i，计算能力a_i，使用单价p_i}。

(3)直接性价比策略：将B中元素按照

的性价比大小，降序排列。

(4)本地优先策略：将车辆本地排第一，B中剩余元素按照

的性价比大小，降序排列。

(5)检查当前元素b_i的数据容量c_i，分别按照两种策略的排序结果卸载可分解的任务，卸载数据大小m_i的部分任务到当前元素b_i中，且m_i不大于b_i的数据容量c_i；到下个元素b_i+1。

(6)检查任务是否完全分解，若是，到步骤(7)；否则到步骤(5)。

(7)按照式(10)计算完成任务时延t。

(8)若t大于d，计算在d内b_i+1能完成的数据大小m_i+1，将原本卸载到b_i的数据m_i+1，卸载到b_i+1，到步骤(5)；否则，根据式(14)计算直接性价比策略和本地优先策略的用户成本，取两者成本较小的策略生成资源调度方案。

(9)记录车辆坐标，判断车辆在哪个路边单元范围内，选择路边单元回传计算结果。

由上面技术方案可知，本发明实施例提供的基于多边缘服务器协作的时延敏感型切片资源调度方法，先根据车辆坐标选定范围内拟卸载任务的路边单元；对多个边缘服务器及车辆本地按照直接性价比策略和本地优先策略分别排序；将车辆任务分解，在确保任务能在可容忍时延内完成的前提下，分别基于直接性价比策略和本地优先策略对应的两种排序结果进行任务卸载决策；最后取直接性价比策略及本地优先策略成本较低者，作为车辆任务计算卸载成本最低的资源调度方案。本发明考虑时延要求及使用资源的成本，使得车辆计算任务的成本更低，从而满足车辆用户的需求。

在上述实施例的基础上，在本实施例中，还包括：

按第一关系模型计算预设的直接性价比策略和预设的本地优先策略各自对应的用户成本，并取两者成本较低的策略生成资源调度方案；其中，第一关系模型为：

P＝P_v+P_m

其中，P_v表示车辆本地处理任务的成本，P_m表示使用多个边缘服务器切片资源来协同处理计算任务的成本。

在上述实施例的基础上，在本实施例中，所述预设的直接性价比策略为将所述集合B中的各元素b_i按

的性价比大小降序排列。

在上述实施例的基础上，在本实施例中，所述预设的本地优先策略为首先将1个车辆本地排第一，然后将所述集合B中剩余的各元素b_i按

的性价比大小降序排列。

在上述实施例的基础上，在本实施例中，还包括：

在生成资源调度方案之后，再次根据车辆坐标选定路边单元回传计算任务的结果。

图3为本发明一实施例提供的基于多边缘服务器协作的时延敏感型切片资源调度装置的结构示意图，如图3所示，该装置包括：选定模块201、获取模块202、创建模块203、排序模块204、分解模块205和计算模块206，其中：

其中，选定模块201，用于根据车辆坐标选定拟卸载任务的路边单元；其中，所述路边单元匹配相应的边缘服务器；

获取模块202，用于获取车辆任务的复杂度因子δ、数据大小M及可容忍时延d；

创建模块203，用于创建1个车辆本地和n个所述边缘服务器的集合B＝{b₁,...,b_i,...,b_n+1}；其中，所述集合B内每个元素b_i的属性有{数据容量c_i，计算能力a_i，使用单价p_i}，n为正整数；

排序模块204，用于对1个车辆本地和n个所述边缘服务器按照预设的直接性价比策略和预设的本地优先策略分别排序；

分解模块205，用于根据所述车辆任务的复杂度因子δ、数据大小M及可容忍时延d将车辆任务分解，在确保所述车辆任务能在可容忍时延d内完成的前提下，分别基于直接性价比策略和本地优先策略对应的两种排序结果进行任务卸载决策；

计算模块206，用于计算预设的直接性价比策略和预设的本地优先策略各自对应的用户成本，并取两者成本较低的策略生成资源调度方案。

本发明实施例提供的基于多边缘服务器协作的时延敏感型切片资源调度装置具体可以用于执行上述实施例的基于多边缘服务器协作的时延敏感型切片资源调度方法，其技术原理和有益效果类似，具体可参见上述实施例，此处不再赘述。

基于相同的发明构思，本发明实施例提供一种电子设备，参见图4电子设备具体包括如下内容：处理器301、通信接口303、存储器302和通信总线304；

其中，处理器301、通信接口303、存储器302通过通信总线304完成相互间的通信；通信接口303用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输；处理器301用于调用存储器302中的计算机程序，处理器执行计算机程序时实现上述各方法实施例所提供的方法，例如，处理器执行计算机程序时实现下述步骤：根据车辆坐标选定拟卸载任务的路边单元；其中，所述路边单元匹配相应的边缘服务器；获取车辆任务的复杂度因子δ、数据大小M及可容忍时延d；创建1个车辆本地和n个所述边缘服务器的集合B＝{b₁,...,b_i,...,b_n+1}；其中，所述集合B内每个元素b_i的属性有{数据容量c_i，计算能力a_i，使用单价p_i}，n为正整数；对1个车辆本地和n个所述边缘服务器按照预设的直接性价比策略和预设的本地优先策略分别排序；根据所述车辆任务的复杂度因子δ、数据大小M及可容忍时延d将车辆任务分解，在确保所述车辆任务能在可容忍时延d内完成的前提下，分别基于直接性价比策略和本地优先策略对应的两种排序结果进行任务卸载决策；计算预设的直接性价比策略和预设的本地优先策略各自对应的用户成本，并取两者成本较低的策略生成资源调度方案。

基于相同的发明构思，本发明又一实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法实施例提供的方法，例如，根据车辆坐标选定拟卸载任务的路边单元；其中，所述路边单元匹配相应的边缘服务器；获取车辆任务的复杂度因子δ、数据大小M及可容忍时延d；创建1个车辆本地和n个所述边缘服务器的集合B＝{b₁,...,b_i,...,b_n+1}；其中，所述集合B内每个元素b_i的属性有{数据容量c_i，计算能力a_i，使用单价p_i}，n为正整数；对1个车辆本地和n个所述边缘服务器按照预设的直接性价比策略和预设的本地优先策略分别排序；根据所述车辆任务的复杂度因子δ、数据大小M及可容忍时延d将车辆任务分解，在确保所述车辆任务能在可容忍时延d内完成的前提下，分别基于直接性价比策略和本地优先策略对应的两种排序结果进行任务卸载决策；计算预设的直接性价比策略和预设的本地优先策略各自对应的用户成本，并取两者成本较低的策略生成资源调度方案。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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计算机可读存储介质中，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)执行各个实施例或者实施例的某些部分的方法。

此外，在本发明中，诸如“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

此外，在本发明中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

此外，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (5)

1.一种基于多边缘服务器协作的时延敏感型切片资源调度方法，其特征在于，包括：

根据车辆坐标选定拟卸载任务的路边单元；其中，所述路边单元匹配相应的边缘服务器；

获取车辆任务的复杂度因子δ、数据大小M及可容忍时延d；

创建1个车辆本地和n个所述边缘服务器的集合B＝{b₁,...,b_i,...,b_n+1}；其中，所述集合B内每个元素b_i的属性有{数据容量c_i，计算能力a_i，使用单价p_i}，n为正整数；

对1个车辆本地和n个所述边缘服务器按照预设的直接性价比策略和预设的本地优先策略分别排序，所述预设的直接性价比策略为将所述集合B中的各元素b_i按

的性价比大小降序排列，所述预设的本地优先策略为首先将1个车辆本地排第一，然后将所述集合B中剩余的各元素b_i按/>

的性价比大小降序排列；根据所述车辆任务的复杂度因子δ、数据大小M及可容忍时延d将车辆任务分解，在确保所述车辆任务能在可容忍时延d内完成的前提下，分别基于直接性价比策略和本地优先策略对应的两种排序结果进行任务卸载决策；

计算预设的直接性价比策略和预设的本地优先策略各自对应的用户成本，并取两者成本较低的策略生成资源调度方案，按第一关系模型计算预设的直接性价比策略和预设的本地优先策略各自对应的用户成本，并取两者成本较低的策略生成资源调度方案；其中，第一关系模型为：

P＝P_v+P_m

其中，P_v表示车辆本地处理任务的成本，P_m表示使用多个边缘服务器切片资源来协同处理计算任务的成本。

2.根据权利要求1所述的基于多边缘服务器协作的时延敏感型切片资源调度方法，其特征在于，还包括：

在生成资源调度方案之后，再次根据车辆坐标选定路边单元回传计算任务的结果。

3.一种基于多边缘服务器协作的时延敏感型切片资源调度装置，其特征在于，包括：

选定模块，用于根据车辆坐标选定拟卸载任务的路边单元；其中，所述路边单元匹配相应的边缘服务器；

获取模块，用于获取车辆任务的复杂度因子δ、数据大小M及可容忍时延d；

创建模块，用于创建1个车辆本地和n个所述边缘服务器的集合B＝{b₁,...,b_i,...,b_n+1}；其中，所述集合B内每个元素b_i的属性有{数据容量c_i，计算能力a_i，使用单价p_i}，n为正整数；

排序模块，用于对1个车辆本地和n个所述边缘服务器按照预设的直接性价比策略和预设的本地优先策略分别排序，所述预设的直接性价比策略为将所述集合B中的各元素b_i按

的性价比大小降序排列，所述预设的本地优先策略为首先将1个车辆本地排第一，然后将所述集合B中剩余的各元素b_i按/>

的性价比大小降序排列；

分解模块，用于根据所述车辆任务的复杂度因子δ、数据大小M及可容忍时延d将车辆任务分解，在确保所述车辆任务能在可容忍时延d内完成的前提下，分别基于直接性价比策略和本地优先策略对应的两种排序结果进行任务卸载决策；

计算模块，用于计算预设的直接性价比策略和预设的本地优先策略各自对应的用户成本，并取两者成本较低的策略生成资源调度方案，按第一关系模型计算预设的直接性价比策略和预设的本地优先策略各自对应的用户成本，并取两者成本较低的策略生成资源调度方案；其中，第一关系模型为：

P＝P_v+P_m

其中，P_v表示车辆本地处理任务的成本，P_m表示使用多个边缘服务器切片资源来协同处理计算任务的成本。

4.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1或2所述的基于多边缘服务器协作的时延敏感型切片资源调度方法。

5.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1或2任一项所述的基于多边缘服务器协作的时延敏感型切片资源调度方法。

Images