CN113687876A - 信息处理方法、自动驾驶控制方法和电子设备 - Google Patents

信息处理方法、自动驾驶控制方法和电子设备 Download PDF

Info

Publication number
CN113687876A
CN113687876A CN202110943530.XA CN202110943530A CN113687876A CN 113687876 A CN113687876 A CN 113687876A CN 202110943530 A CN202110943530 A CN 202110943530A CN 113687876 A CN113687876 A CN 113687876A
Authority
CN
China
Prior art keywords
information
mec server
update information
update
unloading
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
CN202110943530.XA
Other languages
English (en)
Other versions
CN113687876B (zh
Inventor
李保罡
司福强
段晓
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.)
North China Electric Power University
Original Assignee
North China Electric Power 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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202110943530.XA priority Critical patent/CN113687876B/zh
Publication of CN113687876A publication Critical patent/CN113687876A/zh
Application granted granted Critical
Publication of CN113687876B publication Critical patent/CN113687876B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44594—Unloading
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/10—Flow control between communication endpoints
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请适用于信息处理技术领域，提供了一种信息处理方法、自动驾驶控制方法和电子设备。该方法包括：用户设备通过至少两个传感器获取图片和/或视频的更新信息，所述传感器用于监测不同的环境参量形成不同类别的更新信息，每个传感器获取一类更新信息；所述用户设备通过非正交多址接入体制NOMA方式向移动边缘计算MEC服务器同时卸载所述更新信息，每类更新信息对应一个MEC服务器，且向各个MEC服务器卸载更新信息的间隔时间相同；所述MEC服务器对所述更新信息进行处理，并向接收端发送处理后的更新信息。本申请能够保证接收端的各类状态信息年龄的公平性。

Description

信息处理方法、自动驾驶控制方法和电子设备
技术领域
本申请涉及一种信息处理技术领域，具体涉及信息处理方法、自动驾驶控制方法和电子设备。
背景技术
近年来，随着人们对网络高速性及信息实时性的要求不断提高以及物联网的发展，各种实时应用及场景层出不穷，如自动驾驶、虚拟现实游戏、在线人脸识别等。这些实时应用对于运行节点上的状态信息的新鲜度有着很高的要求，且监视器需要通过这些最新的实时信息进行精准的判断与控制。
目前，学者们已对多种类型的状态更新系统进行了研究。然而，对于存在多种状态更新数据的系统，现有技术大多是针对多个源用户更新数据独立的场景。但很多实时应用需要多个传感器来观测不同的物理环境，如自动驾驶系统中车辆需要对路况信息及其他车辆动静态等进行实时检测。这些状态信息对于设备的精准控制来说同等重要，尤其是实时信息还需要预处理时如何保证接收端的各类状态信息年龄的公平性是亟需解决的问题。
发明内容
有鉴于此，本申请实施例提供了一种信息处理方法、自动驾驶控制方法和电子设备，能够保证接收端的各类状态信息年龄的公平性。
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请实施例提供了一种信息处理方法，所述方法包括：
用户设备通过至少两个传感器获取图片和/或视频的更新信息，所述传感器用于监测不同的环境参量形成不同类别的更新信息，每个传感器获取一类更新信息；
所述用户设备通过非正交多址接入体制NOMA方式向移动边缘计算MEC服务器同时卸载所述更新信息，每类更新信息对应一个MEC服务器，且向各个MEC服务器同时卸载更新信息的间隔时间相同；
所述MEC服务器对所述更新信息进行处理，并向接收端发送处理后的更新信息。
本申请实施例中，用户设备通过至少两个传感器获取图片和/或视频的更新信息，之后通过NOMA方式向MEC服务器同时卸载上述更新信息，每类更新信息对应一个MEC服务器，且向各个MEC服务器同时卸载更新信息的间隔时间相同。MEC服务器对接收到的更新信息进行处理，并向接收端发送处理后的更新信息。其中，NOMA可允许多个用户同时共享频谱资源，也即可以实现多个数据同时在同一频率传输，具有强信道增益的用户用串行干扰消除(SIC)来解码自己的信号。利用NOMA同时卸载更新信息到多个MEC服务器进行计算处理，MEC处理完成后以更新数据包的形式传输给接收控制端，从而能够保证接收端接收到的各类状态信息年龄的公平性。
基于第一方面，在一些实施例中，所述向移动边缘计算MEC服务器同时卸载所述更新信息，包括：
根据前一次卸载更新信息的公平均衡函数和各个MEC服务器的空闲计算资源，确定向所述MEC服务器卸载所述MEC服务器的卸载策略；
根据所述卸载策略向所述MEC服务器同时卸载所述更新信息；
其中，所述公平均衡函数用于衡量各类更新信息年龄的公平性，为各类更新信息年龄的满意度函数的比值，所述年龄满意度函数表征毎类更新信息对自身新鲜度的满意程度。
基于第一方面，在一些实施例中，所述MEC服务器包括远MEC服务器和近MEC服务器，所述用户设备获取两类更新信息；
所述根据所述卸载策略向所述MEC服务器同时卸载所述更新信息，包括：
建立系统平均峰值信息年龄的第一优化模型：
Figure BDA0003215766820000031
Figure BDA0003215766820000032
Figure BDA0003215766820000033
Figure BDA0003215766820000034
Figure BDA0003215766820000035
Figure BDA0003215766820000036
其中，
Figure BDA0003215766820000037
表示成功接收到s类更新信息的第k个更新数据包的系统平均峰值年龄，所述系统峰值年龄为：对于每类更新信息，传输k个更新信息所花费的期望总时间；di表示所述近MEC服务器接收的更新信息的大小，
Figure BDA0003215766820000038
表示所述近MEC服务器的可达传输速率，
Figure BDA0003215766820000039
表示第k次卸载更新信息的时间段，
Figure BDA00032157668200000310
和
Figure BDA00032157668200000311
表示系统分配给两类更新信息的功率，
Figure BDA00032157668200000312
表示所述远MEC服务器的可达传输速率，
Figure BDA00032157668200000313
表示所述远MEC服务器接收的更新信息的大小，Xi,k表示第k个更新信息和第k-1个更新信息开始卸载的间隔时间，
Figure BDA00032157668200000314
表示更新信息在所述近MEC服务器处计算的时间，
Figure BDA00032157668200000315
表示更新信息在所述远MEC服务器处计算的时间，p表示功率分配且
Figure BDA00032157668200000316
对所述第一优化模型进行求解，对所述卸载策略中的系统平均峰值年龄进行优化；
基于求解结果向所述MEC服务器同时卸载所述更新信息。
示例性的，所述系统峰值年龄为每类更新信息传输K个更新信息在系统中花费的期望总时间：
Figure BDA00032157668200000317
其中，K表示有效传输的数据包总数，k∈{1,2,...,K}，Yi,k表示第k个更新信息从开始向MEC服务器卸载到所述接收端收到第k个更新信息所经历的时间，Δi(0)表示0时刻收到的相应数据的更新任务从生成到被接收所历经的时间，t'i,1表示所述接收端收到第1个i类更新数据的时刻，Yi表示K个更新信息从开始向MEC服务器卸载到所述接收端收到第k个更新信息所经历的总时间，Xi表示K个更新信息开始卸载的总间隔时间。
作为一种可实施方式，所述对所述优化模型进行求解，包括：
在给定功率分配
Figure BDA0003215766820000041
和
Figure BDA0003215766820000042
条件下，将所述第一优化模型转化为第二优化模型：
Figure BDA0003215766820000043
Figure BDA0003215766820000044
Figure BDA0003215766820000045
Figure BDA0003215766820000046
求解所述第二优化模型，得出卸载间隔的最优解为：
Figure BDA0003215766820000047
卸载时长
Figure BDA0003215766820000048
的递增函数
Figure BDA0003215766820000049
为：
Figure BDA00032157668200000410
其中，B表示信道带宽。
作为一种可实施方式，所述对所述优化模型进行求解，包括：
在给定卸载间隔Xi,k及卸载时长
Figure BDA00032157668200000411
的条件下，将所述第一优化模型转化为第三优化模型：
Figure BDA00032157668200000412
Figure BDA00032157668200000413
Figure BDA00032157668200000414
Figure BDA00032157668200000415
Figure BDA00032157668200000416
求解所述第三优化模型，得出功率分配
Figure BDA00032157668200000417
和
Figure BDA00032157668200000418
的闭式解为：
Figure BDA0003215766820000051
Figure BDA0003215766820000052
其中，
Figure BDA0003215766820000053
表示第k次传输时用户设备到所述近MEC服务器的信道增益，B表示信道带宽。
基于第一方面，在一些实施例中，所述MEC服务器对所述更新信息进行处理，包括：
当所述MEC服务器接收到卸载的更新信息后，若所述MEC服务器正在处理任务，则将对新接收到的更新信息的处理任务放入缓冲区等待；
若所述MEC服务器处于空闲状态，则对新接收到的更新信息进行处理。
第二方面，本申请实施例提供了一种自动驾驶控制方法，所述方法包括：
用户设备控制车辆的至少两个图像采集装置采集车辆周围环境的图片和/或视频的更新信息，每个图像采集装置采集一类图片和/或视频的更新信息；
所述用户设备向通过非正交多址接入体制NOMA方式向移动边缘计算MEC服务器同时卸载所述更新信息，每类更新信息对应一个MEC服务器，且向各个MEC服务器卸载更新信息的间隔时间相同；
所述MEC服务器对所述更新信息进行处理，并向车辆的接收端发送处理后的更新信息；
所述车辆基于所述处理后的更新信息进行自动驾驶控制。
本申请实施例中，用户设备通过至少两个图像采集装置获取车辆周围环境的图片和/或视频的更新信息，之后通过NOMA方式向MEC服务器同时卸载上述更新信息，每类更新信息对应一个MEC服务器，且向各个MEC服务器同时卸载更新信息的间隔时间相同。MEC服务器对接收到的更新信息进行处理，并向接收端发送处理后的更新信息。其中，NOMA可允许多个用户同时共享频谱资源，也即可以实现多个数据同时在同一频率传输，具有强信道增益的用户用串行干扰消除(SIC)来解码自己的信号。利用NOMA同时卸载更新信息到多个MEC服务器进行计算处理，MEC处理完成后以更新数据包的形式传输给接收控制端，从而能够保证接收端接收到的各类状态信息年龄的公平性，进而提升自动驾驶控制的性能。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述方法的步骤，或如上述第二方面中所述方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述方法的步骤，或如上述第二方面中所述方法的步骤。
第五方面，本申请实施例提供一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面中任一项所述方法的步骤，或如上述第二方面中所述方法的步骤。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的信息处理方法所适用的系统架构图；
图2是本申请实施例提供的信息处理方法的流程图；
图3是本申请实施例提供的i类状态更新信息年龄演化示例图；
图4是本申请实施例提供的自动驾驶控制方法的流程图；
图5是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面结合具体实施例对本申请进行更清楚的说明。以下实施例将有助于本领域的技术人员进一步理解本申请的作用，但不以任何形式限制本申请。应当指出的是，对本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进。这些都属于本申请的保护范围。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
为了描述实时状态更新的信息新鲜度，相关技术中提出信息年龄(AOI)和峰值信息年龄(PAOI)的概念。AOI为最新收到的状态自生成到接收所经历的时间。PAOI为信息的平均最大信息年龄，提供了关于每次更新的AOI最大值的信息，捕获了更新信息过时的程度，其与AOI都是从目标的角度衡量信息新鲜度，但峰值年龄更易处理与优化。
当用户设备所监测的状态更新信息包含图片、视频等形式时，需预先进行处理成接收器能读取的信息内容才可使用。但用户本身的计算资源和能量是有限的，若采取本地计算将会消耗较多的能量和时间。移动边缘计算(MEC)是5G通信系统的关键支撑技术之一，其将云端的部分计算资源迁移到网络边缘，以更短的时间使用户将自身的计算任务卸载至边缘服务器进行计算。将状态更新卸载至MEC服务器进行处理可提升监控网络的实时更新效率，但相对于普通更新也增加了卸载计算的时间。
目前，对于存在多种源更新信息的传输方式，大多数研究关注于正交多址接入技术(OAM)，也即一个资源块(如时间、频谱)上只能传输一个数据包。当只为一个用户服务时，其他用户的信息年龄都会增加，不仅不利于系统信息年龄而且也导致了用户年龄不公平的现象。同理，对于需采集多类状态信息的用户来说，利用OMA的传输方式也不能保证其各类状态信息的新鲜度及公平性。
非正交多址接入体制(NOMA)可允许多个用户同时共享频谱资源，也即可以实现多个数据同时在同一频率传输，具有强信道增益的用户用串行干扰消除(SIC)来解码自己的信号。相比较于OMA，NOMA可允许多个用户同时共享频谱资源，也即可以实现多个数据同时在同一频率传输，具有强信道增益的用户用串行干扰消除(SIC)来解码自己的信号。
基于上述问题，为了提升拥有多类状态更新信息的设备用户信息新鲜度，维持各类状态信息的年龄公平以保证接收控制端的精准决策，本申请实施例提出一种基于NOMA方式卸载更新信息的MEC服务器的信息处理方法，能够提高接收端接收到的各类状态信息年龄的公平性。
图1示出了上述信息处理方法所适用的系统架构图。参见图1，该系统可以包括：用户设备、至少两个MEC服务器(图1中以两个MEC服务器为例进行说明，但不以此为限)和接收端。
用户设备具有至少两个信息获取装置(例如传感器)，信息获取装置(例如传感器)用于监测不同的环境参量形成不同类别的更新信息，每个信息获取装置(例如传感器)获取一类更新信息。上述至少两个MEC服务器到用户设备的距离不同，可以分为远MEC服务器(S-B)和近MEC服务器(S-A)。
图2示出了本申请实施例提供的信息处理方法的流程图。参见图2，上述信息处理方法可以包括步骤101至步骤104。
步骤101，用户设备通过至少两个传感器获取图片和/或视频的更新信息。
以下以用户设备包括两个传感器，MEC服务器包括远MEC服务器(S-B)和近MEC服务器(S-A)为例，对本申请实施例进行示例性说明。其中，两个MEC服务器距离用户设备的距离不同且计算资源也不同。
每个传感器可监测不同的环境参量形成不同类别的实时状态更新信息，记传感器i所采集的状态信息为i类更新信息，i∈{1,2}。然而，这些更新信息(如图像或视频)中所嵌入的更新内容需要进一步处理才可被接收端识别。考虑到用户设备本身的计算能力有限，用户设备将所采集到的两类更新信息利用NOMA同时卸载至远MEC服务器(S-B)和近MEC服务器(S-A)进行计算处理，MEC服务器处理完成后以更新数据包的形式传输给接收端。
步骤102，用户设备的调度器通过NOMA方式向MEC服务器同时卸载更新信息。
一些实施例中，上述向移动边缘计算MEC服务器同时卸载所述更新信息，可以包括：根据前一次卸载更新信息的公平均衡函数和各个MEC服务器的空闲计算资源，确定向所述MEC服务器卸载所述MEC服务器的卸载策略；根据所述卸载策略向所述MEC服务器同时卸载所述更新信息；其中，所述公平均衡函数用于衡量各类更新信息年龄的公平性，为各类更新信息年龄的满意度函数的比值，所述年龄满意度函数表征毎类更新信息对自身新鲜度的满意程度。
本申请实施例中，由用户设备中的调度器决定两类更新信息的卸载调度及卸载间隔。假设两个传感器持续进行状态信息的采集，在调度器进行下一次卸载调度前用户设备的缓冲区总是只存放最新到达的两类更新信息以保持用户的信息新鲜度，且每类传感器每次采集的信息大小随机。结合实际考虑，设两个MEC服务器距离用户的远近不同且可利用的计算资源也不同，记近MEC为S-A，远MEC为S-B。令K表示有效传输的数据包总数，则k∈{1,2,...,K}表示为第k次传输，并观察K次传输中系统的年龄演化过程。假设信道每次只能上传一组更新信息任务，由于用户设备选择NOMA卸载两类更新任务，因此两个MEC服务器可同时接收到任务并发送反馈信息给调度器，收到反馈信息后用户设备再发送新的一组更新信息，其中反馈信息的发送时间不计。为维持两类更新信息的年龄公平以保证接收端的精准控制，调度器每次都会为两类更新信息重新分配MEC服务器进行卸载。
对于第k次传输，首先用户设备将两传感器所采集的更新信息以NOMA方式同时卸载给两个服务器S-A和S-B。设
Figure BDA0003215766820000091
为该次传输时用户到S-A及S-B的信道增益，且满足
Figure BDA0003215766820000092
用户最大发射功率为Pu,max，信道带宽为B。假设第k次传输时向近服务器S-A卸载传感器i的更新信息类，向远服务器S-B卸载另一个传感器
Figure BDA0003215766820000093
的更新信息类，此时用户分配给两类更新信息的功率分别为
Figure BDA0003215766820000094
且
Figure BDA0003215766820000095
作为近服务器S-A，根据SIC规则，它将先解码远服务器S-B的任务信号再解码自己的任务信号，由此可得
Figure BDA0003215766820000101
Figure BDA0003215766820000102
其中，式(1)为S-B的信号在S-A处的解码信干噪比，式(2)为S-A解码自己的信号时的信噪比。zi,i∈{1,2}为两个MEC服务器处的加性白高斯噪声，均服从均值为零、方差为1的高斯分布。
因此，S-A的可达传输速率为
Figure BDA0003215766820000103
在S-B处，远服务器将S-A的信号看作为噪声来解码，其信干噪比为：
Figure BDA0003215766820000104
相应地，S-B的可达传输速率为
Figure BDA0003215766820000105
为保证所传输的数据在第k次卸载的时间段
Figure BDA0003215766820000106
内完成，两条通信链路的最大信道容量应不小于两类更新信息的实际大小，即应满足约束
Figure BDA0003215766820000107
Figure BDA0003215766820000108
其中，di、
Figure BDA0003215766820000109
分别为两个MEC服务器所处理的更新任务的大小。
当两MEC服务器收到更新信息之后，若当前服务器仍有任务在处理，则将新来的任务放入各自的缓冲区等待；若服务器处于空闲状态，则立即对任务进行处理。考虑到MEC网络的资源不均的问题，假设远服务器拥有更多的计算资源，即fA≤fB，并假设两个MEC的计算资源固定。则两类更新信息在MEC服务器处计算的时间分别为：
Figure BDA00032157668200001010
Figure BDA0003215766820000111
其中，βA、βB分别为两MEC服务器处理一个任务比特所用的周期数。
当至少有一个MEC服务器将更新信息任务处理完成后，该MEC服务器会将其计算结果先送入结果传输信道队列。一般情况下，经处理后的计算结果的大小相对于输入的任务数据小很多，且MEC服务器有充足的能量资源，故而结果传输时延可忽略，继而传输队列的等待时延也可以忽略。
定义接收端对两类任务信息年龄为:其t时刻收到的相应数据的更新任务从生成到被接收所历经的时间，即
Δi(t)＝t-ui(t)(10)
式(10)表示在任意t时刻接收端对i类更新信息获取的状态信息年龄，ui(t)是i类更新信息最近到达接收端的更新信息的时间戳。当接收端成功接收到一类更新时，这类更新数据的瞬时年龄便会减小，否则将会随着时间而线性增加。
令ti,k为i类数据第k组更新信息开始传输的时刻，由于用户端总是保留最新的更新数据，所以能影响信息年龄的只有被成功卸载计算的更新信息，因此这里只关注成功卸载计算的更新数据，并假设传感器产生状态的时间以及将该状态送给用户的时间忽略不计。t'i,k为接收端收到第k个i类更新数据的时刻。i类数据的状态更新年龄如图3所示，图中下降的点表示状态更新包被成功接收的时刻，也即该类数据的信息年龄被重置为一个较小的年龄值。本模型将峰值信息年龄PAOI用作描述系统年龄损失的度量值，从图3中可以看到i类数据的瞬时年龄在第k个更新数据包到达之前达到峰值。将成功接收到i类更新的第k个更新数据包的峰值年龄记作
Figure BDA0003215766820000112
也就是
Figure BDA0003215766820000113
其中，Xi,k表示第k个更新信息和第k-1个更新信息开始卸载的间隔时间，即Xi,k＝ti,k-ti,k-1，注意两类更新信息的卸载间隔时间总是相同的。而Yi,k为第k个更新信息从开始卸载到接收端收到所经历的时间，即Yi,k＝t'i,k-ti,k。
由此，系统平均峰值年龄可被计算为
Figure BDA0003215766820000121
将式(11)代入式(12)，并结合遍历性理论，最终系统平均峰值年龄可表达为
Figure BDA0003215766820000122
由式(13)可知，系统平均峰值年龄即为每类更新信息传输K个更新信息在系统中花费的期望总时间，其中包括卸载间隔时间、服务时间和等待时间。为使系统的峰值年龄最小，应尽可能消除等待时间，缩短服务时间。故而，系统调度应满足如下约束
Figure BDA0003215766820000123
该约束表明第k组更新信息任务到达两MEC服务器时，两MEC服务器应均已计算完成上一组更新信息任务。
又由于信道每次仅能传输一组更新信息，这便消除了卸载排队等待的时间，故卸载间隔还应满足
Figure BDA0003215766820000124
此外，虽采用NOMA同时传输两类数据相对于OMA传输同时降低了两类数据的年龄，但由于所分配给两类更新信息的服务器的计算能力及信息尺寸大小的不同导致两类更新信息所经历的计算服务时间也不同。因此保证两类数据的年龄公平性来满足接受控制端的精准控制依旧非常重要，为衡量两类更新信息的年龄公平，提出公平均衡函数的概念，定义
Figure BDA0003215766820000125
其中，
Figure BDA0003215766820000126
为瞬时PAOI的函数，该函数可表示为i类传感数据对自身新鲜度的满意程度，当瞬时PAOI越小，则满意程度越大，因此该函数应为PAOI的单调非增函数，根据不同的场景要求应使用不同的具体函数形式衡量。所以，公平均衡函数即为两类更新信息年龄满意度函数的比值。
令θ表示为公平约束阈值，σ为容忍波动值，用来描述公平均衡函数的波动程度。当μk<θ-σ或μk>θ+σ时，表示两类更新信息的年龄满意度处于非公平状态，在下次卸载时调度器需重新分配MEC配对组。因此，当两类更新信息的年龄满意度达到公平时，公平均衡函数应满足以下公平约束
θ-σ≤μk≤θ+σ(17)
令
Figure BDA0003215766820000131
表示更新类-MEC配对策略，
Figure BDA0003215766820000132
分别表示1类更新信息卸载给S-A，2类更新信息卸载给S-B以及2类更新信息卸载给S-A，1类更新信息卸载给S-B。
由上述分析，为提升系统的信息新鲜度并保证两类更新信息的信息年龄公平提升接收控制端处的精准决策，本文通过优化卸载管理，其中包括卸载间隔及卸载时长Xi,k，MEC选择策略
Figure BDA0003215766820000133
以及功率分配
Figure BDA0003215766820000134
来最小化系统平均峰值年龄，具体优化问题如下
Figure BDA0003215766820000135
s.t.(6),(7),(14),(15),(17)(18b)
Figure BDA0003215766820000136
Figure BDA0003215766820000137
可以注意到，该优化模型中由于约束(7)的非凸性导致优化问题非凸，且约束(17)具有随机性。综上，该问题是一个非凸且具有连续随机性的优化问题，不可用一般的解法解决，接下来将提出基于离散思想的公平更新卸载策略算法进行求解。
针对优化问题(P1)的非凸性，提出基于公平的年龄最小化更新卸载策略算法，该算法将连续性的峰值年龄最小化问题在保证两类更新信息的年龄公平性的基础上离散优化。其主要思想为，在给定的配对策略
Figure BDA0003215766820000138
下，通过优化卸载管理、功率分配以使每次的系统峰值年龄最小，然后基于前一次两类数据的年龄公平比的结果来选择下一次的MEC分配策略。
在每次开始新的卸载时，调度器将根据上次更新后的公平均衡函数值决定更新数据类与MEC的配对选择，即决定将两类数据分别卸载至哪个MEC进行计算处理。此外，还应决定开始卸载的时刻及功率分配策略。基于此，可得知接收控制端需接收到两类更新数据包并更新对应的AOI值后，调度器才可获取上一次更新的公平均衡函数值。为满足该条件，优化问题(P1)中的约束(14)和(15)可合并为以下约束
Figure BDA0003215766820000141
通过上述分析也可得出，调度器在每次卸载前应先决定更新信息类与MEC的配对策略，故原优化问题可转化成在给定配对策略下的功率分配及卸载间隔优化。因此，在给定的配对策略
Figure BDA0003215766820000142
下，原优化问题(P1)可转化为
Figure BDA0003215766820000143
s.t.(6),(7),(18c),(18d),(19)(20b)其中，其中，
Figure BDA0003215766820000144
表示成功接收到s类更新信息的第k个更新数据包的系统平均峰值年龄，系统峰值年龄为：对于每类更新信息，传输k个更新信息所花费的期望总时间；di表示近MEC服务器接收的更新信息的大小，
Figure BDA0003215766820000145
表示近MEC服务器的可达传输速率，
Figure BDA0003215766820000146
表示第k次卸载更新信息的时间段，
Figure BDA0003215766820000147
和
Figure BDA0003215766820000148
表示系统分配给两类更新信息的功率，
Figure BDA0003215766820000149
表示远MEC服务器的可达传输速率，
Figure BDA00032157668200001410
表示远MEC服务器接收的更新信息的大小，Xi,k表示第k个更新信息和第k-1个更新信息开始卸载的间隔时间，
Figure BDA00032157668200001411
表示更新信息在近MEC服务器处计算的时间，
Figure BDA00032157668200001412
表示更新信息在远MEC服务器处计算的时间，p表示功率分配且
Figure BDA00032157668200001413
Figure BDA00032157668200001414
是第k次传输时的系统峰值年龄，可计算为
Figure BDA00032157668200001415
其中，由第一步到第二步的原因是在NOMA方式传输下，两类数据开始卸载的时刻和卸载时长总是一致的。由此，优化目标得到简化。对优化模型(P2)进行求解，对卸载策略中的系统平均峰值年龄进行优化；基于求解结果向MEC服务器同时卸载更新信息。
然而，该优化问题由于优化变量的耦合及约束(7)的非凸性仍然是一个非凸问题。为使问题得到有效解决，提出一联合功率分配卸载优化算法，主要步骤为：1)在给定的功率分配下，对卸载间隔及卸载时长进行优化；2)在给定的卸载间隔下，利用泰勒展开近似对功率分配进行优化。
示例性的，在给定功率分配
Figure BDA0003215766820000151
和
Figure BDA0003215766820000152
条件下，优化模型(P2)可以转化为以下问题
Figure BDA0003215766820000153
s.t.(6),(7),(19)(22a)
对于该优化问题，由于给定功率分配和配对策略，两服务器的计算时间可看作常数。且卸载间隔Xi,k和卸载时长
Figure BDA0003215766820000154
两个优化变量并不耦合，故而该优化问题可将两个优化变量独立求解。
容易看出，目标函数随着卸载间隔Xi,k的增大而增大，故应令卸载间隔最小才可让目标函数达到最小。由约束(19)可求得卸载间隔的下界值，这也是令目标函数最小的值。因此，可以得出卸载间隔的最优解为：
Figure BDA0003215766820000155
同理，目标函数也为卸载时长
Figure BDA0003215766820000156
的递增函数，通过约束(6)和(7)可得到其下界，也即
Figure BDA0003215766820000157
在给定卸载间隔Xi,k及卸载时长
Figure BDA0003215766820000158
的条件下，优化问题(P2)可转化为如下问题
Figure BDA0003215766820000159
s.t.(6),(7),(18c),(18d)(25b)
对于问题(P4)，首先可以看出此时优化目标是常数。这是因为当卸载时长给定时，每次卸载时的功率分配对最终年龄的值影响并不大，但需根据信道质量及卸载的任务量大小使卸载过程及时完成。其次，约束(7)的非凸性仍然是解决问题(P4)的难点，接下来将借助一阶泰勒展开近似及拉格朗日对偶对问题进行优化。
为解决约束(7)的非凸性，首先将对(6)，(7)两约束进行移项变形，分别转化为以下结构
Figure BDA0003215766820000161
Figure BDA0003215766820000162
经变形之后，(26)仍为一个凸约束。易知，不等式(27)左边的前两项已构成一个凸的复合仿射函数。然而，其最后一项的存在仍不能使(27)成为一项凸约束。为此，对其最后一项在展开点
Figure BDA0003215766820000163
处进行一阶泰勒级数展开并迭代优化展开点直至接近原函数。经泰勒展开近似后，约束(27)将转化为以下形式
Figure BDA0003215766820000164
其中，
Figure BDA0003215766820000165
为泰勒展开后的常数冗余项。经此推导，式(28)成为凸约束。
进而，优化问题(P4)转换为一个凸优化问题，满足Karush-Kuhn-Tacker(KKT)条件，可使用拉格朗日对偶法解决。令λ1，λ1，λ3，ω1，ω2表示为约束(18c)，(18d)，(26)，(28)所对应的拉格朗日乘子，则问题(P4)的拉格朗日函数可表示为
Figure BDA0003215766820000166
令
Figure BDA0003215766820000167
λ1 *，λ2 *，λ3 *，ω1，ω2表示优化变量及拉格朗日乘子所对应的可行解，则KKT条件可被描述为
λq *≥0,q∈{1,2,3}(30)
ωs *≥0,s∈{1,2}(31)
Figure BDA0003215766820000171
Figure BDA0003215766820000172
Figure BDA0003215766820000173
Figure BDA0003215766820000174
Figure BDA0003215766820000175
Figure BDA0003215766820000176
Figure BDA0003215766820000177
Figure BDA0003215766820000178
对拉格朗日函数分别求
Figure BDA0003215766820000179
的一阶导数为
Figure BDA00032157668200001710
Figure BDA00032157668200001711
结合实际考虑，当有信息要传输时，发射功率必大于零，由此
Figure BDA00032157668200001712
从而有ω1 *＝ω2 *＝0。基于此，通过(41)可得
Figure BDA00032157668200001713
将(42)代入(40)中可得
Figure BDA00032157668200001714
若λ3 *＝0，则λ1 *＝λ2 *＝0。由(37)-(40)可知，此时两条链路上的实际传输量总是大于需求传输量，这种情况下并不是最优的情况。因此，λq *≠0。由此，不等式(35)，(37)均变为等式，并可得到功率分配的闭式解为
Figure BDA0003215766820000181
Figure BDA0003215766820000182
步骤103，MEC服务器对更新信息进行处理。
示例性的，当MEC服务器接收到卸载的更新信息后，若MEC服务器正在处理任务，则将对新接收到的更新信息的处理任务放入缓冲区等待；若MEC服务器处于空闲状态，则对新接收到的更新信息进行处理。
步骤104，MEC服务器向接收端发送处理后的更新信息。
上述信息处理方法，用户设备通过至少两个传感器获取图片和/或视频的更新信息，之后通过NOMA方式向MEC服务器卸载上述更新信息，每类更新信息对应一个MEC服务器，且向各个MEC服务器同时卸载更新信息的间隔时间相同。MEC服务器对接收到的更新信息进行处理，并向接收端发送处理后的更新信息。其中，NOMA可允许多个用户同时共享频谱资源，也即可以实现多个数据同时在同一频率传输，具有强信道增益的用户用串行干扰消除(SIC)来解码自己的信号。利用NOMA同时卸载更新信息到多个MEC服务器进行计算处理，MEC处理完成后以更新数据包的形式传输给接收控制端，从而能够保证接收端接收到的各类状态信息年龄的公平性。
以下对本申请实施例提供的联合功率分配卸载优化算法进行说明。
步骤A1：输入第k次MEC服务器S-A与S-B所需计算的数据大小，以及第k-1次的卸载与计算总时长。
步骤A2：初始化参数：外层迭代次数m＝0，容错误差ε1,ε2,p(0),
Figure BDA0003215766820000183
步骤A3：外层迭代开始。
步骤A4：在给定功率分配p(m)下，解决优化问题(P3)，得到卸载间隔及卸载时长的优化值Xk (*,m),
Figure BDA0003215766820000184
步骤A5：初始化内层迭代次数n＝1，泰勒展开点
Figure BDA0003215766820000185
步骤A6：内层迭代开始。
步骤A7：在给定卸载管理Xi,k (m),
Figure BDA0003215766820000191
下，解决优化问题(P4)，得到功率分配的最优解
Figure BDA0003215766820000192
步骤A8：令
Figure BDA0003215766820000193
步骤A9：n＝n+1。
步骤A10：直到
Figure BDA0003215766820000194
结束内层迭代。
步骤A11：令m＝m+1。
步骤A12：直到
Figure BDA0003215766820000195
结束外层迭代。
步骤A13：输出第k次的系统峰值年龄及两类数据的峰值年龄，卸载及计算总时长。
通过联合功率分配卸载优化算法，可得到第k次传输时令系统峰值年龄最小的功率分配和卸载管理策略，这样可以尽可能保证系统平均峰值年龄最小。为保证两类数据的年龄公平性，在第k次传输前应根据第k-1次传输所得到的公平均衡函数重新分配MEC服务器。注意由于NOMA传输，两类更新信息每次卸载的时长是一致的，所以当满足公平约束时，第k次传输仍应尽可能维持公平，也即将小尺寸的更新数据交给计算资源少的MEC服务器处理，而大尺寸的更新数据交给计算资源多的服务器处理；当不满足公平约束时，说明有一类更新信息的年龄在前一次接收到时过大，那么下一次的传输应将其交予计算资源多的MEC服务器处理，以维护其平均峰值年龄。
通过上述分析，将给出保证两类更新信息年龄公平时令系统平均峰值年龄最小的公平更新卸载算法解决问题(P1)，算法步骤如下所示。
步骤B1：输入数据包传输次数K，为两类更新数据的大小分配随机数组。
步骤B2：初始化
Figure BDA0003215766820000196
公平阈值θ。
步骤B3：for k＝1:K
if
Figure BDA0003215766820000197
i＝min{di}→S-A
i＝max{di}→S-B
else
选择
Figure BDA0003215766820000201
Figure BDA0003215766820000202
Figure BDA0003215766820000203
步骤B4：通过联合功率分配卸载优化算法对第k次的系统峰值年龄进行优化。
步骤B5：输出系统平均峰值年龄。
本申请实施例具有以下优点：
(1)构建了一个基于NOMA技术的由两个MEC服务器所组成的状态更新系统，其中所考虑的设备用户实时监测的两类状态信息均包含有图片或视频等需要计算处理的内容。用户调度器可控制卸载间隔并采取NOMA方式将两类状态信息分别卸载至两个MEC服务器进行处理。
(2)模型还考虑到两个MEC服务器距离用户的不同且计算资源不均的现象，近服务器上可能会被占用较多的计算资源而远服务器有更多的空闲计算资源，若对两类状态数据固定分配将会导致两类更新的年龄不公平。因此本模型提出了公平均衡函数的概念，基于前一次卸载的公平均衡函数值重新为两类数据分配MEC服务器。
(3)基于公平约束，通过联合优化设计MEC分配策略、卸载间隔以及功率分配建立使系统峰值年龄最小化的优化模型。所提出的优化问题是一个非凸优化问题且具有连续随机性，提出了基于离散思想的公平更新卸载策略，即首先在给定的MEC分配策略下优化每一次传输的系统峰值年龄并提出联合功率分配卸载优化算法，并在每一次传输前根据前一次传输的公平均衡函数值决定当前传输所需的MEC分配策略。通过仿真实验证明了所提出模型和更新卸载策略的有效性和公平性。
图4示出了本申请实施例提供的自动驾驶控制方法的流程图。参见图4，上述自动驾驶控制方法可以包括步骤201至步骤205。
步骤201，用户设备通过至少两个图像采集装置采集车辆周围环境的图片和/或视频的更新信息。
步骤202，用户设备的调度器通过NOMA方式向MEC服务器同时卸载更新信息。
步骤203，MEC服务器对更新信息进行处理。
步骤204，MEC服务器向接收端发送处理后的更新信息。
步骤205，车辆基于处理后的更新信息进行自动驾驶控制。
其中，用户设备可以为车载终端、车辆上已有的控制设备等电子设备，接收端位于车辆上。
一些实施例中，向移动边缘计算MEC服务器同时卸载所述更新信息，包括：根据前一次卸载更新信息的公平均衡函数和各个MEC服务器的空闲计算资源，确定向所述MEC服务器卸载所述MEC服务器的卸载策略；根据所述卸载策略向所述MEC服务器同时卸载所述更新信息；其中，所述公平均衡函数用于衡量各类更新信息年龄的公平性，为各类更新信息年龄的满意度函数的比值，所述年龄满意度函数表征毎类更新信息对自身新鲜度的满意程度。
一些实施例中，所述MEC服务器包括远MEC服务器和近MEC服务器，所述用户设备获取两类更新信息。上述根据所述卸载策略向所述MEC服务器同时卸载所述更新信息，包括：建立系统平均峰值信息年龄的第一优化模型；对所述第一优化模型进行求解，对所述卸载策略中的系统平均峰值年龄进行优化；基于求解结果向所述MEC服务器同时卸载所述更新信息。具体过程请参考上述信息处理方法的相关内容。
示例性的，对所述优化模型进行求解，包括：在给定功率分配
Figure BDA0003215766820000211
和
Figure BDA0003215766820000212
条件下，将所述第一优化模型转化为第二优化模型，求解所述第二优化模型，得出卸载间隔的最优解为：
Figure BDA0003215766820000213
卸载时长
Figure BDA0003215766820000214
的递增函数
Figure BDA0003215766820000215
为：
Figure BDA0003215766820000221
具体过程请参考上述信息处理方法的相关内容。
示例性的，对所述优化模型进行求解，包括：在给定卸载间隔Xi,k及卸载时长
Figure BDA0003215766820000222
的条件下，将所述第一优化模型转化为第三优化模型，求解所述第三优化模型，得出功率分配
Figure BDA0003215766820000223
和
Figure BDA0003215766820000224
的闭式解。具体过程请参考上述信息处理方法的相关内容。
示例性的，系统峰值年龄为每类更新信息传输K个更新信息在系统中花费的期望总时间：
Figure BDA0003215766820000225
一些实施例中，MEC服务器对所述更新信息进行处理，包括：当所述MEC服务器接收到卸载的更新信息后，若所述MEC服务器正在处理任务，则将对新接收到的更新信息的处理任务放入缓冲区等待；若所述MEC服务器处于空闲状态，则对新接收到的更新信息进行处理。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图5是本发明一实施例提供的电子设备300的示意图。如图5所示，该实施例的电子设备300包括：处理器310、存储器320以及存储在所述存储器320中并可在所述处理器310上运行的计算机程序，例如信息处理程序或自动驾驶控制程序。所述处理器310执行所述计算机程序时实现上述信息处理方法实施例中的步骤，例如图2所示的步骤101至104。或者，所述处理器310执行所述计算机程序时实现上述自动驾驶控制方法实施例中的步骤，例如图4所示的步骤201至205。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器320中，并由所述处理器310执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述电子设备300中的执行过程。
所述电子设备300可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备300可包括，但不仅限于，处理器310、存储器320。本领域技术人员可以理解，图5仅仅是电子设备300的示例，并不构成对电子设备300的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备300还可以包括输入输出设备、网络接入设备、总线等。
所称处理器310可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器320可以是所述电子设备300的内部存储单元，例如电子设备300的硬盘或内存。所述存储器320也可以是所述电子设备300的外部存储设备，例如所述电子设备300上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器320还可以既包括所述电子设备300的内部存储单元也包括外部存储设备。所述存储器320用于存储所述计算机程序以及所述电子设备300所需的其他程序和数据。所述存储器320还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的电子设备和方法，可以通过其它的方式实现。例如，以上所描述的电子设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述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；而这些修改或者替换，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，均应包含在本发明的保护范围之内。

Claims (10)

1.一种信息处理方法，其特征在于，所述方法包括：
用户设备通过至少两个传感器获取图片和/或视频的更新信息，所述传感器用于监测不同的环境参量形成不同类别的更新信息，每个传感器获取一类更新信息；
所述用户设备通过非正交多址接入体制NOMA方式向移动边缘计算MEC服务器同时卸载所述更新信息，每类更新信息对应一个MEC服务器，且向各个MEC服务器卸载更新信息的间隔时间相同；
所述MEC服务器对所述更新信息进行处理，并向接收端发送处理后的更新信息。
2.根据权利要求1所述的信息处理方法，其特征在于，所述向移动边缘计算MEC服务器同时卸载所述更新信息，包括：
根据前一次卸载更新信息的公平均衡函数和各个MEC服务器的空闲计算资源，确定向所述MEC服务器卸载所述MEC服务器的卸载策略；
根据所述卸载策略向所述MEC服务器同时卸载所述更新信息；
其中，所述公平均衡函数用于衡量各类更新信息年龄的公平性，为各类更新信息年龄的满意度函数的比值，所述年龄满意度函数表征毎类更新信息对自身新鲜度的满意程度。
3.根据权利要求2所述的信息处理方法，其特征在于，所述MEC服务器包括远MEC服务器和近MEC服务器，所述用户设备获取两类更新信息；
所述根据所述卸载策略向所述MEC服务器同时卸载所述更新信息，包括：
建立系统平均峰值信息年龄的第一优化模型：
Figure FDA0003215766810000011
Figure FDA0003215766810000012
Figure FDA0003215766810000013
Figure FDA0003215766810000021
Figure FDA0003215766810000022
Figure FDA0003215766810000023
其中，
Figure FDA0003215766810000024
表示成功接收到s类更新信息的第k个更新数据包的系统平均峰值年龄，所述系统峰值年龄为：对于每类更新信息，传输k个更新信息所花费的期望总时间；di表示所述近MEC服务器接收的更新信息的大小，
Figure FDA0003215766810000025
表示所述近MEC服务器的可达传输速率，
Figure FDA0003215766810000026
表示第k次卸载更新信息的时间段，
Figure FDA0003215766810000027
和
Figure FDA0003215766810000028
表示系统分配给两类更新信息的功率，
Figure FDA0003215766810000029
表示所述远MEC服务器的可达传输速率，
Figure FDA00032157668100000210
表示所述远MEC服务器接收的更新信息的大小，Xi,k表示第k个更新信息和第k-1个更新信息开始卸载的间隔时间，
Figure FDA00032157668100000211
表示更新信息在所述近MEC服务器处计算的时间，
Figure FDA00032157668100000212
表示更新信息在所述远MEC服务器处计算的时间，p表示功率分配且
Figure FDA00032157668100000213
对所述第一优化模型进行求解，对所述卸载策略中的系统平均峰值年龄进行优化；
基于求解结果向所述MEC服务器同时卸载所述更新信息。
4.根据权利要求3所述的信息处理方法，其特征在于，所述对所述优化模型进行求解，包括：
在给定功率分配
Figure FDA00032157668100000214
和
Figure FDA00032157668100000215
条件下，将所述第一优化模型转化为第二优化模型：
Figure FDA00032157668100000216
Figure FDA00032157668100000217
Figure FDA00032157668100000218
Figure FDA00032157668100000219
求解所述第二优化模型，得出卸载间隔的最优解为：
Figure FDA00032157668100000220
卸载时长
Figure FDA0003215766810000031
的递增函数
Figure FDA0003215766810000032
为：
Figure FDA0003215766810000033
其中，B表示信道带宽。
5.根据权利要求3所述的信息处理方法，其特征在于，所述对所述优化模型进行求解，包括：
在给定卸载间隔Xi,k及卸载时长
Figure FDA0003215766810000034
的条件下，将所述第一优化模型转化为第三优化模型：
Figure FDA0003215766810000035
Figure FDA0003215766810000036
Figure FDA0003215766810000037
Figure FDA0003215766810000038
Figure FDA0003215766810000039
求解所述第三优化模型，得出功率分配
Figure FDA00032157668100000310
和
Figure FDA00032157668100000311
的闭式解为：
Figure FDA00032157668100000312
Figure FDA00032157668100000313
其中，
Figure FDA00032157668100000314
表示第k次传输时用户设备到所述近MEC服务器的信道增益，B表示信道带宽。
6.根据权利要求3所述的信息处理方法，其特征在于，所述系统峰值年龄为每类更新信息传输K个更新信息在系统中花费的期望总时间：
Figure FDA00032157668100000315
其中，K表示有效传输的数据包总数，k∈{1,2,...,K}，Yi,k表示第k个更新信息从开始向MEC服务器卸载到所述接收端收到第k个更新信息所经历的时间，Δi(0)表示0时刻收到的相应数据的更新任务从生成到被接收所历经的时间，t′i,1表示所述接收端收到第1个i类更新数据的时刻，Yi表示K个更新信息从开始向MEC服务器卸载到所述接收端收到第k个更新信息所经历的总时间，Xi表示K个更新信息开始卸载的总间隔时间。
7.根据权利要求1所述的信息处理方法，其特征在于，所述MEC服务器对所述更新信息进行处理，包括：
当所述MEC服务器接收到卸载的更新信息后，若所述MEC服务器正在处理任务，则将对新接收到的更新信息的处理任务放入缓冲区等待；
若所述MEC服务器处于空闲状态，则对新接收到的更新信息进行处理。
8.一种自动驾驶控制方法，其特征在于，所述方法包括：
用户设备控制车辆的至少两个图像采集装置采集周围环境的图片和/或视频的更新信息，每个图像采集装置采集一类图片和/或视频的更新信息；
所述用户设备向通过非正交多址接入体制NOMA方式向移动边缘计算MEC服务器同时卸载所述更新信息，每类更新信息对应一个MEC服务器，且向各个MEC服务器卸载更新信息的间隔时间相同；
所述MEC服务器对所述更新信息进行处理，并向车辆的接收端发送处理后的更新信息；
所述车辆基于所述处理后的更新信息进行自动驾驶控制。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如上的权利要求1至7中任一项所述方法的步骤，或如权利要求8所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤，或如权利要求8所述方法的步骤。
CN202110943530.XA 2021-08-17 2021-08-17 信息处理方法、自动驾驶控制方法和电子设备 Active CN113687876B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110943530.XA CN113687876B (zh) 2021-08-17 2021-08-17 信息处理方法、自动驾驶控制方法和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110943530.XA CN113687876B (zh) 2021-08-17 2021-08-17 信息处理方法、自动驾驶控制方法和电子设备

Publications (2)

Publication Number Publication Date
CN113687876A true CN113687876A (zh) 2021-11-23
CN113687876B CN113687876B (zh) 2023-05-23

Family

ID=78580305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110943530.XA Active CN113687876B (zh) 2021-08-17 2021-08-17 信息处理方法、自动驾驶控制方法和电子设备

Country Status (1)

Country Link
CN (1) CN113687876B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114363338A (zh) * 2022-01-07 2022-04-15 山东大学 一种基于竞争合作平均场博弈的多址接入边缘计算网络任务卸载策略的优化方法
CN114884953A (zh) * 2022-05-31 2022-08-09 山东大学 一种基于mec协作的车联网资源分配方法

Citations (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BRPI1005538A2 (pt) * 2010-05-28 2012-02-28 Vanderlei Taques José amortecedor automotivo eletro-magnético regenerador
CN102752805A (zh) * 2012-06-21 2012-10-24 中国科学院计算技术研究所 一种基于业务满意度的无线资源分配方法与系统
CN103037439A (zh) * 2011-09-29 2013-04-10 华为技术有限公司 一种负载均衡方法及接入网设备
CN103491652A (zh) * 2013-10-21 2014-01-01 西南民族大学 基于无线分布式的最优化仪器预约与控制系统
CN103583079A (zh) * 2011-04-06 2014-02-12 诺基亚西门子通信公司 双重带内/带外无线电接入系统域
US20140281682A1 (en) * 2013-03-12 2014-09-18 Abhijeet Manohar Systems and Methods for Performing Defect Detection and Data Recovery in a Memory System
CN105338054A (zh) * 2015-09-21 2016-02-17 百度在线网络技术（北京）有限公司 一种语音信息的推送方法和装置
CN106530677A (zh) * 2016-11-16 2017-03-22 武汉理工大学 一种基于实时信息的校车调度方法及系统
US20170104609A1 (en) * 2015-10-09 2017-04-13 Openet Telecom Ltd. System and Method for Enabling Service Lifecycle Based Policy, Licensing, and Charging in a Network Function Virtualization Ecosystem
CN106648714A (zh) * 2015-10-28 2017-05-10 北京国双科技有限公司 应用程序卸载信息的分析方法及装置
CN107704960A (zh) * 2017-10-09 2018-02-16 上海海事大学 一种基于mas的自动化集装箱码头堆场双armg调度方法
CN107819840A (zh) * 2017-10-31 2018-03-20 北京邮电大学 超密集网络架构中分布式移动边缘计算卸载方法
US20180097843A1 (en) * 2016-09-30 2018-04-05 Intel Corporation Networked peer device round-robin security controller
CN108897517A (zh) * 2018-06-27 2018-11-27 联想(北京)有限公司 一种信息处理方法及电子设备
CN108920279A (zh) * 2018-07-13 2018-11-30 哈尔滨工业大学 一种多用户场景下的移动边缘计算任务卸载方法
CN109379727A (zh) * 2018-10-16 2019-02-22 重庆邮电大学 车联网中基于mec的任务分布式卸载与协作执行方案
CN109391681A (zh) * 2018-09-14 2019-02-26 重庆邮电大学 基于mec的v2x移动性预测与内容缓存卸载方案
CN109413615A (zh) * 2018-09-14 2019-03-01 重庆邮电大学 车联网下基于mec的能量感知卸载的能量延迟折衷方案
CN109474961A (zh) * 2018-12-05 2019-03-15 安徽大学 一种移动边缘计算服务器的网络能效优化方法、系统
CN109548013A (zh) * 2018-12-07 2019-03-29 南京邮电大学 一种具有反窃听能力的noma移动边缘计算系统构建方法
CN109688596A (zh) * 2018-12-07 2019-04-26 南京邮电大学 一种基于noma的移动边缘计算系统构建方法
US20190138934A1 (en) * 2018-09-07 2019-05-09 Saurav Prakash Technologies for distributing gradient descent computation in a heterogeneous multi-access edge computing (mec) networks
CN109831548A (zh) * 2019-03-18 2019-05-31 中国联合网络通信集团有限公司 虚拟内容分发网络vCDN节点建立方法及服务器
CN109951333A (zh) * 2019-03-19 2019-06-28 中南大学 边缘计算网络视频处理中基于主观逻辑的信任评估装置
US20190229990A1 (en) * 2019-03-30 2019-07-25 Intel Corporation Technologies for autonomous edge compute instance optimization and auto-healing using local hardware platform qos services
CN110147915A (zh) * 2018-02-11 2019-08-20 陕西爱尚物联科技有限公司 一种资源配置的方法及其系统
CN110413627A (zh) * 2019-07-30 2019-11-05 腾讯科技（深圳）有限公司 一种信息优化方法、装置、服务器及存储介质
CN110442813A (zh) * 2019-05-24 2019-11-12 广东药科大学 一种基于ar的旅游纪念信息处理系统及方法
CN110519833A (zh) * 2019-07-22 2019-11-29 浙江工业大学 一种基于mec的noma窄带物联网的系统能耗最小化方法
CN110543336A (zh) * 2019-08-30 2019-12-06 北京邮电大学 基于非正交多址接入技术的边缘计算任务卸载方法及装置
CN110765365A (zh) * 2019-10-25 2020-02-07 国网河南省电力公司信息通信公司 分布式边云协同缓存策略的实现方法、装置、设备和介质
CN111080409A (zh) * 2019-12-09 2020-04-28 政采云有限公司 一种推送信息的计算机装置、方法、设备及介质
CN111262947A (zh) * 2020-02-10 2020-06-09 深圳清华大学研究院 基于移动边缘计算的计算密集型数据状态更新实现方法
CN111372314A (zh) * 2020-03-12 2020-07-03 湖南大学 基于移动边缘计算场景下的任务卸载方法及任务卸载装置
CN111614419A (zh) * 2020-01-10 2020-09-01 南京邮电大学 一种基于noma的移动边缘计算网络任务高安全卸载资源分配方法
CN111726427A (zh) * 2019-03-22 2020-09-29 中国移动通信有限公司研究院 一种信息处理方法、设备及计算机可读存储介质
CN112685186A (zh) * 2021-01-08 2021-04-20 北京信息科技大学 一种计算任务的卸载方法、装置、电子设备及存储介质
CN112988275A (zh) * 2021-03-26 2021-06-18 河海大学 一种基于任务感知的移动边缘计算多用户计算卸载方法

Patent Citations (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BRPI1005538A2 (pt) * 2010-05-28 2012-02-28 Vanderlei Taques José amortecedor automotivo eletro-magnético regenerador
CN103583079A (zh) * 2011-04-06 2014-02-12 诺基亚西门子通信公司 双重带内/带外无线电接入系统域
CN103037439A (zh) * 2011-09-29 2013-04-10 华为技术有限公司 一种负载均衡方法及接入网设备
CN102752805A (zh) * 2012-06-21 2012-10-24 中国科学院计算技术研究所 一种基于业务满意度的无线资源分配方法与系统
US20140281682A1 (en) * 2013-03-12 2014-09-18 Abhijeet Manohar Systems and Methods for Performing Defect Detection and Data Recovery in a Memory System
CN103491652A (zh) * 2013-10-21 2014-01-01 西南民族大学 基于无线分布式的最优化仪器预约与控制系统
CN105338054A (zh) * 2015-09-21 2016-02-17 百度在线网络技术（北京）有限公司 一种语音信息的推送方法和装置
US20170104609A1 (en) * 2015-10-09 2017-04-13 Openet Telecom Ltd. System and Method for Enabling Service Lifecycle Based Policy, Licensing, and Charging in a Network Function Virtualization Ecosystem
US20190273635A1 (en) * 2015-10-09 2019-09-05 Openet Telecom Ltd. System and Method for Enabling Service Lifecycle Based Policy, Licensing, and Charging in a Network Function Virtualization Ecosystem
CN106648714A (zh) * 2015-10-28 2017-05-10 北京国双科技有限公司 应用程序卸载信息的分析方法及装置
US20180097843A1 (en) * 2016-09-30 2018-04-05 Intel Corporation Networked peer device round-robin security controller
CN106530677A (zh) * 2016-11-16 2017-03-22 武汉理工大学 一种基于实时信息的校车调度方法及系统
CN107704960A (zh) * 2017-10-09 2018-02-16 上海海事大学 一种基于mas的自动化集装箱码头堆场双armg调度方法
CN107819840A (zh) * 2017-10-31 2018-03-20 北京邮电大学 超密集网络架构中分布式移动边缘计算卸载方法
CN110147915A (zh) * 2018-02-11 2019-08-20 陕西爱尚物联科技有限公司 一种资源配置的方法及其系统
CN108897517A (zh) * 2018-06-27 2018-11-27 联想(北京)有限公司 一种信息处理方法及电子设备
CN108920279A (zh) * 2018-07-13 2018-11-30 哈尔滨工业大学 一种多用户场景下的移动边缘计算任务卸载方法
US20190138934A1 (en) * 2018-09-07 2019-05-09 Saurav Prakash Technologies for distributing gradient descent computation in a heterogeneous multi-access edge computing (mec) networks
CN109391681A (zh) * 2018-09-14 2019-02-26 重庆邮电大学 基于mec的v2x移动性预测与内容缓存卸载方案
CN109413615A (zh) * 2018-09-14 2019-03-01 重庆邮电大学 车联网下基于mec的能量感知卸载的能量延迟折衷方案
CN109379727A (zh) * 2018-10-16 2019-02-22 重庆邮电大学 车联网中基于mec的任务分布式卸载与协作执行方案
CN109474961A (zh) * 2018-12-05 2019-03-15 安徽大学 一种移动边缘计算服务器的网络能效优化方法、系统
CN109688596A (zh) * 2018-12-07 2019-04-26 南京邮电大学 一种基于noma的移动边缘计算系统构建方法
CN109548013A (zh) * 2018-12-07 2019-03-29 南京邮电大学 一种具有反窃听能力的noma移动边缘计算系统构建方法
CN109831548A (zh) * 2019-03-18 2019-05-31 中国联合网络通信集团有限公司 虚拟内容分发网络vCDN节点建立方法及服务器
CN109951333A (zh) * 2019-03-19 2019-06-28 中南大学 边缘计算网络视频处理中基于主观逻辑的信任评估装置
CN111726427A (zh) * 2019-03-22 2020-09-29 中国移动通信有限公司研究院 一种信息处理方法、设备及计算机可读存储介质
US20190229990A1 (en) * 2019-03-30 2019-07-25 Intel Corporation Technologies for autonomous edge compute instance optimization and auto-healing using local hardware platform qos services
CN110442813A (zh) * 2019-05-24 2019-11-12 广东药科大学 一种基于ar的旅游纪念信息处理系统及方法
CN110519833A (zh) * 2019-07-22 2019-11-29 浙江工业大学 一种基于mec的noma窄带物联网的系统能耗最小化方法
CN110413627A (zh) * 2019-07-30 2019-11-05 腾讯科技（深圳）有限公司 一种信息优化方法、装置、服务器及存储介质
CN110543336A (zh) * 2019-08-30 2019-12-06 北京邮电大学 基于非正交多址接入技术的边缘计算任务卸载方法及装置
CN110765365A (zh) * 2019-10-25 2020-02-07 国网河南省电力公司信息通信公司 分布式边云协同缓存策略的实现方法、装置、设备和介质
CN111080409A (zh) * 2019-12-09 2020-04-28 政采云有限公司 一种推送信息的计算机装置、方法、设备及介质
CN111614419A (zh) * 2020-01-10 2020-09-01 南京邮电大学 一种基于noma的移动边缘计算网络任务高安全卸载资源分配方法
CN111262947A (zh) * 2020-02-10 2020-06-09 深圳清华大学研究院 基于移动边缘计算的计算密集型数据状态更新实现方法
CN111372314A (zh) * 2020-03-12 2020-07-03 湖南大学 基于移动边缘计算场景下的任务卸载方法及任务卸载装置
CN112685186A (zh) * 2021-01-08 2021-04-20 北京信息科技大学 一种计算任务的卸载方法、装置、电子设备及存储介质
CN112988275A (zh) * 2021-03-26 2021-06-18 河海大学 一种基于任务感知的移动边缘计算多用户计算卸载方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114363338A (zh) * 2022-01-07 2022-04-15 山东大学 一种基于竞争合作平均场博弈的多址接入边缘计算网络任务卸载策略的优化方法
CN114363338B (zh) * 2022-01-07 2023-01-31 山东大学 一种基于竞争合作平均场博弈的多址接入边缘计算网络任务卸载策略的优化方法
CN114884953A (zh) * 2022-05-31 2022-08-09 山东大学 一种基于mec协作的车联网资源分配方法
CN114884953B (zh) * 2022-05-31 2023-02-28 山东大学 一种基于mec协作的车联网资源分配方法

Also Published As

Publication number Publication date
CN113687876B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
Tang et al. Deep reinforcement learning for task offloading in mobile edge computing systems
CN110493360B (zh) 多服务器下降低系统能耗的移动边缘计算卸载方法
CN110099384B (zh) 基于边-端协同的多用户多mec任务卸载资源调度方法
CN113950066B (zh) 移动边缘环境下单服务器部分计算卸载方法、系统、设备
CN110928654B (zh) 一种边缘计算系统中分布式的在线任务卸载调度方法
CN113687876B (zh) 信息处理方法、自动驾驶控制方法和电子设备
CN113220356B (zh) 一种移动边缘计算中的用户计算任务卸载方法
CN111401744B (zh) 一种移动边缘计算中不确定性环境下的动态任务卸载方法
CN110069341A (zh) 边缘计算中结合功能按需配置的有依赖关系任务的调度方法
CN115190033B (zh) 一种基于强化学习的云边融合网络任务卸载方法
CN112988285B (zh) 任务卸载方法和装置、电子设备及存储介质
US20190213052A1 (en) Distributed processing system, distributed processing method, and recording medium
CN111711962A (zh) 一种移动边缘计算系统子任务协同调度方法
Liu et al. Mobility-aware and code-oriented partitioning computation offloading in multi-access edge computing
Leyva-Mayorga et al. Satellite edge computing for real-time and very-high resolution earth observation
Qiao et al. Task migration computation offloading with low delay for mobile edge computing in vehicular networks
CN117579701A (zh) 一种移动边缘网络计算卸载方法及系统
Zhao et al. DRL Connects Lyapunov in Delay and Stability Optimization for Offloading Proactive Sensing Tasks of RSUs
CN116450241A (zh) 基于图神经网络的多用户时序依赖型业务计算卸载方法
Jiang et al. Age-of-Information-Based Computation Offloading and Transmission Scheduling in Mobile-Edge-Computing-Enabled IoT Networks
CN116390160A (zh) 基于云边协同的电力任务卸载方法、装置、设备及介质
Mahmoodi et al. Spectrum-Aware Mobile Computing
CN114786156A (zh) 一种基于深度学习的车联网优化任务边缘卸载方法
Lee et al. Online optimization techniques for effective fog computing under uncertainty
CN113873662A (zh) 一种绿色边缘计算系统中联合卸载决策与资源分配优化方法

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