CN113709698A - 一种基于任务块的车联网雾计算协作任务卸载控制方法 - Google Patents
一种基于任务块的车联网雾计算协作任务卸载控制方法 Download PDFInfo
- Publication number
- CN113709698A CN113709698A CN202111048766.3A CN202111048766A CN113709698A CN 113709698 A CN113709698 A CN 113709698A CN 202111048766 A CN202111048766 A CN 202111048766A CN 113709698 A CN113709698 A CN 113709698A
- Authority
- CN
- China
- Prior art keywords
- task
- alliance
- vehicle
- alliances
- vehicles
- 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.)
- Pending
Links
Images
Classifications
-
- 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]
-
- 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
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0925—Management thereof using policies
-
- 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
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0958—Management thereof based on metrics or performance parameters
- H04W28/0967—Quality of Service [QoS] parameters
- H04W28/0975—Quality of Service [QoS] parameters for reducing delays
Abstract
本发明涉及一种基于任务块的车联网雾计算协作任务卸载控制方法,不同车辆形成的联盟之间的资源在路边中心单元的控制和调度下实现共享,路边中心单元根据车辆周期反馈的可用计算资源、位置信息与联盟结构做出资源调度决策,不同的联盟依照路边中心单元的资源调度决策进行协作计算,每一个车辆可以在一定约束条件下自发地选择加入或离开多个联盟,每一个联盟自发选出一个首领车辆,首领车辆与路边中心单元进行通信,先由路边中心单元分配任务块至联盟,再由联盟组织内部的首领车辆对任务块进行进一步地分配。与现有技术相比,本发明具有提升本地车联网对任务的吞吐量,避免传输任务至远程服务器端,降低服务时延和传输开销等优点。
Description
技术领域
本发明涉及车联网雾计算技术领域,尤其是涉及一种基于任务块的车联网雾计算协作任务卸载控制方法。
背景技术
近年来,随着智能交通系统和智慧城市概念的提出和发展,车联网受到越来越广泛的关注和研究。伴随智能车辆的数目逐渐攀升,车载单元(OBU)对计算任务的需求也在不断增加。移动应用诸如虚拟现实(VR)、增强现实(AR)、自动驾驶以及各种车载娱乐项目对计算量和计算实时性的要求进一步上升,车辆自身的计算能力已经无法满足需求,而将计算任务卸载至远程服务器处理的传输时延又过于昂贵,不能满足一些对实时性要求高的服务(如自动驾驶)。因此,为了解决这一问题,车辆雾计算(VFC)的概念应运而生。
雾计算的目标是将远端的计算存储能力带到系统的边缘来。VFC的架构主要包括三个层次:远程服务器和数据中心所处的云层(Cloud Layer),本地雾服务器(LFS)所处的小云朵层(Cloudlet Layer),以及车辆所处的雾层(Fog Layer)。其中,本地雾服务器的作用是调度车辆产生的计算任务,决定将其传输至远程服务器或是在雾层解决。本地雾服务器在地理位置上分布较广,如路边中心单元(RSU)、基站(BS)等,其有效覆盖区域可被视作服务区,复数个服务区可以覆盖一个城市。在VFC架构下,车辆产生任务的同时也是服务的提供者,被视作一种计算和通讯的基础设施。其中车与车(V2V)以及车与设施(V2I)之间通过专用短程通信技术(DSRC)进行交流。在整个计算任务处理的过程中,最关键的问题在于“谁来计算任务”。车辆生成任务后,由LFS对计算任务进行调度,决定是将其卸载(offload)到远端服务器、在本地服务区内交给车辆解决,亦或是传输给邻近服务区的LFS处理。目前对于任务调度问题的处理主要有两种思路:一是将整个调度任务看作一个优化问题,总目标是在保证用户服务体验(QoE)和服务质量(QoS)的前提下,最小化任务时延或能源消耗,将任务分配给指定车辆;二是对车辆用户进行激励措施,包括合同机制、市场化货币机制等,鼓励车辆分享自身的计算和存储资源,从而增加系统整体的资源量。
但在现有VFC架构下的协同计算方案中,讨论的大多是车辆与任务之间点对点的传输与分配。然而,随着车辆智能服务的进一步升级,计算任务需求继续提升,RSU对计算任务的分配过程本身也将成为一种计算负担。因此,将任务分配过程本身的计算负担卸载至网络边缘成为了一种自然而然的考量。换言之,就是将若干个任务聚集为任务块后由RSU分配至车辆联盟,再由车辆联盟内部对任务块更进一步的细粒度分配。基于任务块的协作计算场景与传统的基于任务的协作计算场景有着各方面的不同之处,这主要表现在任务块对车辆之间的协作工作具有更高的要求。为了满足基于任务块场景下车辆协同计算的协作需求,引入联盟匹配(Matching-Coalition)算法对任务块与联盟之间进行一一匹配。联盟匹配算法是近年来提出的一种结合联盟博弈理论与匹配理论的方法,主要用于处理分布式场景下复杂动态环境中多目标匹配的协作问题。有关联盟匹配算法的应用可以参见。更进一步地,在传统的联盟博弈中,每一个玩家只可以加入一个联盟,因此联盟之间是相互分离的。这种非重叠的联盟划分策略忽视了一个玩家同时加入多个联盟所带来的可能潜在收益。每一个玩家为了自身利益可以同时加入多个联盟来分配自身有限的资源,从而获取更多的收益,这就叫做重叠联盟形成博弈(OCF game)。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于任务块的车联网雾计算协作任务卸载控制方法,设置车联网中不同的车之间形成可以重叠的协作计算联盟,通过联盟匹配算法进行匹配,从而有效地提升本地车联网对任务的吞吐量,避免传输任务至远程服务器端,降低服务时延和传输开销。
本发明的目的可以通过以下技术方案来实现:
一种基于任务块的车联网雾计算协作任务卸载控制方法,不同车辆形成的联盟之间的资源在路边中心单元的控制和调度下实现共享,路边中心单元根据车辆周期反馈的可用计算资源、位置信息与联盟结构做出资源调度决策,不同的联盟依照路边中心单元的资源调度决策进行协作计算,每一个车辆可以在一定约束条件下自发地选择加入或离开多个联盟,路边中心单元将任务分配给指定联盟,每一个联盟自发选出一个首领车辆,首领车辆与路边中心单元进行通信,通过联盟组成的架构对任务的分配过程进行卸载,先由路边中心单元分配任务块至联盟,再由联盟组织内部的首领车辆对任务块进行进一步地分配。
每一个车辆通过激励机制,在满足约束条件的前提下同时加入多个联盟,并将自身所具有的有限资源分配给不同的联盟。
所述车辆在激励机制下通过完成计算任务获得货币,货币可以用于加速自身发布的计算任务完成。
所述车辆加入一个联盟需要贡献出一定的资源,离开一个联盟后所贡献的资源重新变得可以再分配。
不同路边中心单元负责的区域之间信息不相互传递,车辆在离开某个路边中心单元的范围后需要进行数据交付和信息处理。
所述联盟内部成员车辆只能与联盟首领车辆进行通信,联盟内部资源调度由首领车辆管理,除了首领车辆之外的其他成员车辆的资源不能直接接受路边中心单元调度。首领车辆的选择由成员车辆选出,且在稳定的联盟结构中不会被改变。
所述路边中心单元对系统内存在的多个任务块与多个联盟组织之间进行匹配。
不同联盟的车辆之间不允许直接共享资源,只能由路边中心单元进行调度。
任务块分配过程由路边中心单元控制,不是分布式的,资源调度决策由路边中心单元做出,并传给各个联盟的首领车辆。
所述路边中心单元可根据车辆反馈的计算资源信息、任务块偏好信息和位置信息构建逻辑拓扑结构,通过匹配算法和特定优化目标选择最优化资源调度策略。
每一个车辆可以在满足约束条件的前提下同时加入多个联盟,并将自身所具有的有限资源分配给不同的联盟,实现分布式的复杂度较低的可重叠联盟形成算法,在可重叠联盟形成算法中,节点代表车辆,每个节点具有两个列表,即候选联盟列表和当前联盟列表。候选联盟列表记录对于该节点而言所有满足约束条件的联盟,即候选联盟列表中的联盟都是可以加入的;当前联盟列表中记录了该节点当前所属的联盟,节点能加入的联盟数量具有上限,所述上限根据实际情况和通信信道状况进行调整,每一个节点加入联盟都需要贡献一定的计算资源,节点可以分配自身对不同联盟的资源分配,从而最大化自身能够获得的收益。
进一步地,所述可重叠的联盟形成算法周期性运行,不需要对实时检测周围环境再根据反馈信息调整联盟结构,实现通信代价较低的联盟形成方案。
进一步地,车辆节点采取行为操作的目标是最大化自身收益,收益来自激励机制,且收益能够用于提升用户体验。
与现有技术相比,本发明具有以下有益效果:
1.本发明设置车联网中不同的车之间形成可以重叠的协作计算联盟,通过联盟匹配算法进行匹配,从而有效地提升本地车联网对任务的吞吐量,以较低的复杂度在不同的路况环境下形成可重叠的联盟组织,同时基于联盟组织与任务块之间的关系,设计单边一对一匹配模型,让各车辆最大化自身的收益,从而有效地提升车联网的计算效率。
2.本发明在多车之间的资源协作调度更有效且节省时间,能够有效提升用户体验,优于现有技术中远程服务器提供充足的计算资源和存储资源,但是需要消耗大量的传输成本的方案。
3.本发明通过将任务分配过程卸载至边缘节点,有效降低任务分配过程的时延,减小路边中心单元的任务负载。
附图说明
图1是本发明VFC架构示意图;
图2是本发明基于任务块的可重叠联盟协作卸载示意图;
图3是本发明某时刻下路况形成的车辆联盟的示意图;
图4是本发明任务块与联盟之间一对一匹配的示意图;
图5是本发明不同车辆到达速率下任务完成平均时延的示意图;
图6是本发明不同车辆到达速率下计算任务完成率的示意图;
图7是本发明给定计算任务块总量为1000下不同策略完成任务块数量随时间变化曲线的示意图;
图8是本发明不同任务块生成速率下匹配算法平均需要迭代的次数的示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图2所示,一种基于任务块的车联网雾计算协作任务卸载控制方法,不同车辆形成的联盟之间的资源在路边中心单元的控制和调度下实现共享,路边中心单元根据车辆周期反馈的可用计算资源、位置信息与联盟结构做出资源调度决策,不同的联盟依照路边中心单元的资源调度决策进行协作计算,每一个车辆可以在一定约束条件下自发地选择加入或离开多个联盟,路边中心单元将任务分配给指定联盟,每一个联盟自发选出一个首领车辆,首领车辆与路边中心单元进行通信,通过联盟组成的架构对任务的分配过程进行卸载,先由路边中心单元分配任务块至联盟,再由联盟组织内部的首领车辆对任务块进行进一步地分配。
每一个车辆通过激励机制,在满足约束条件的前提下同时加入多个联盟,并将自身所具有的有限资源分配给不同的联盟。
车辆在激励机制下通过完成计算任务获得货币,货币可以用于加速自身发布的计算任务完成。
车辆加入一个联盟需要贡献出一定的资源,离开一个联盟后所贡献的资源重新变得可以再分配。
不同路边中心单元负责的区域之间信息不相互传递,车辆在离开某个路边中心单元的范围后需要进行数据交付和信息处理。
联盟内部成员车辆只能与联盟首领车辆进行通信,联盟内部资源调度由首领车辆管理,除了首领车辆之外的其他成员车辆的资源不能直接接受路边中心单元调度。首领车辆的选择由成员车辆选出,且在稳定的联盟结构中不会被改变。
路边中心单元对系统内存在的多个任务块与多个联盟组织之间进行匹配。
不同联盟的车辆之间不允许直接共享资源,只能由路边中心单元进行调度。
任务块分配过程由路边中心单元控制,不是分布式的,资源调度决策由路边中心单元做出,并传给各个联盟的首领车辆。
路边中心单元可根据车辆反馈的计算资源信息、任务块偏好信息和位置信息构建逻辑拓扑结构,通过匹配算法和特定优化目标选择最优化资源调度策略。
每一个车辆可以在满足约束条件的前提下同时加入多个联盟,并将自身所具有的有限资源分配给不同的联盟,实现分布式的复杂度较低的可重叠联盟形成算法,在可重叠联盟形成算法中,节点代表车辆,每个节点具有两个列表,即候选联盟列表和当前联盟列表。候选联盟列表记录对于该节点而言所有满足约束条件的联盟,即候选联盟列表中的联盟都是可以加入的;当前联盟列表中记录了该节点当前所属的联盟,节点能加入的联盟数量具有上限,上限根据实际情况和通信信道状况进行调整,每一个节点加入联盟都需要贡献一定的计算资源,节点可以分配自身对不同联盟的资源分配,从而最大化自身能够获得的收益。
可重叠的联盟形成算法周期性运行,不需要对实时检测周围环境再根据反馈信息调整联盟结构,实现通信代价较低的联盟形成方案。
车辆节点采取行为操作的目标是最大化自身收益,收益来自激励机制,且收益能够用于提升用户体验。
具体实施时,本发明首先针对VFC架构下的车联网提出了一种基于任务块的全新场景,图1是VFC架构的示意图,图2是基于任务块的可重叠联盟协作卸载示意图。其中,同一服务区内部的车辆需要向路边中心单元(RSU)周期性汇报自身属性和任务诉求信息,满足中心化调度的基本信息需求,信息包括联盟整体计算资源的数量和各联盟成员车辆的分布位置。
当车辆离开或进入路边单元的影响范围时,也需要对该路边单元进行通知。在本发明所提的方案中,每个协作联盟根据其内部车辆的能力,评有一定的效用值。效用值与激励机制相关,且效用值越高,该联盟完成任务的能力越出色。每个车辆根据一定的算法,基于激励机制估算加入每个联盟所能获得的奖励(payoff)。奖励与该车辆加入联盟所能增加的效用值呈正比,即对联盟帮助越大的车辆,能获得的奖励也越多。此外,奖励还需要考虑加入联盟的实际消耗以及最低通信需求,防止形成一个巨大的联盟。车辆采取加入联盟或退出现有联盟的行为,使自身所能得到的奖励最大化。在本发明的方案中,假定每一个车辆节点都将被视为贪婪且自私的用户,通过不断的交换联盟,服务区内部的联盟结构趋于稳定,且该结构下的联盟也具有最大的总效用。
激励机制是用于鼓励车辆分享计算资源的机制。货币奖励是其中的一种形式。采用货币进行任务分发的时候,该任务相比其他任务会更具有竞争力,所消耗的服务时延也会更低。每一个任务具有多种计算特征,包括上传数据大小、下载数据大小、需要消耗的计算轮数等,货币的分配应当与这些特征正相关,即计算难度越大、消耗时间越多,那么所需要保证其能按时完成的货币数量就越大。每一个车辆的货币记账由该服务区内的路边单元负责。
如图3所示是某时刻下路况形成的车辆联盟,其中上面两条道路的车辆由左至右行驶,下面两条道路的车辆由右至左行驶。图中每一个节点都代表一个车辆,并且根据联盟形成算法生成对应联盟。每个车辆节点都会自身维护两个列表,分别是候选联盟列表和当前联盟列表。其中,候选联盟列表存储所有符合约束条件的附近的联盟,每一次车辆都会从候选联盟列表中选择是否加入新联盟。当前联盟列表则存储了车辆当前加入的联盟。每一次车辆都会从当前联盟列表中选择是否退出当前联盟。车辆Vi所有的加入和退出操作都是为了最大化自身收益π,而由于每个车辆可以同时加入多个联盟,因此自身总体收益π(CS)由当前的联盟结构(CS)决定。当采取操作无法增加自身的收益时,这个局部联盟结构被视作稳定(stable)的。
任务块概念的诞生来自于不断增多的计算需求以及路边中心单元对任务分配这一过程计算资源的增加。使用任务块,可以有效降低路边中心单元对任务分配的复杂度,降低总体服务时延。路边中心单元周期性广播当前服务区内存在的任务块数量以及相关信息,包括任务块需要的计算资源,任务块生成车辆的具体位置,任务块的最迟完成时间等。系统内部的联盟通过该广播获取相关信息,并提交请求完成对应的任务块。由路边中心单元指定对应联盟后,任务块生成车辆将计算任务发放给对应联盟,进行协作计算。由于系统内部往往存在多个联盟与多个任务块,为了降低任务块分配过程的复杂度,采用匹配理论进行相应算法设计。
基于上述对协作卸载系统的构建和定义,本发明设计基于任务块的可重叠联盟匹配协作卸载方法如下:
S1、基于车辆反馈得到的联盟信息和首领车辆位置构建拓扑结构图,并对图中每一个节点进行初始化:
(a)每个节点创建一个只包含自己的联盟;
(b)根据约束条件,添加符合的候选联盟;
(c)根据约束条件,退出不符合的当前联盟;
S2、联盟形成,迭代收敛:
(a)Repeat;
(b)从节点Vi的候选联盟列表中选择联盟Ck:
如果π(CS∪{Ck∪{Vi}})>π(CS),那么Vi加入联盟Ck;
否则,当前联盟列表不变;
(c)从节点Vi的当前联盟列表中选择联盟Ck:
如果π(CS\{Ck}∪{Ck\{Vi}})>π(CS),那么Vi离开联盟Ck;
否则,当前联盟列表不变;
(d)更新候选联盟列表和当前联盟列表;
(f)Until联盟结构稳定;
S3、任务块-联盟匹配迭代:
(a)Repeat;
(b)RSU广播任务块信息;
(c)联盟首领车辆生成对各个任务块的偏好列表,并根据偏好列表请求对应任务块;
(d)RSU根据联盟请求情况,从任务块的角度选择最佳的联盟,并对其他联盟拒绝;
(e)被拒绝的联盟从自身偏好列表下一个任务块开始进行请求;
(f)Until任务块分配结果稳定;
S4、完成任务:
(a)车辆生成任务块;
(b)由RSU选择一个范围内的联盟指定任务块;
(c)联盟首领车辆根据任务块信息以及联盟内部车辆当前信息分配任务;
(d)生成车辆根据联盟首领车辆调度将任务块发给联盟成员车辆;
(e)联盟成员车辆完成任务,将任务传输回生成车辆;
(f)首领车辆将任务完成情况传输给RSU,任务完成。
基于任务块的可重叠联盟匹配协作卸载方案与传统基于任务的协作方案相比具有较低的复杂度。任务块内包含任务数量越多,对任务分配过程的分解就越有效,效能提升越明显。图4显示了联盟与任务块之间一一匹配的示意图。考虑到所述算法的主要耗费时间在于匹配联盟与任务块的过程,图8是不同任务块生成速率下可重叠联盟匹配方案与不可重叠联盟匹配方案RSU匹配任务块所需要花费的迭代轮次。随着任务块生成速率增加,匹配所需要的迭代次数也在增加,收敛逐渐放慢,且可重叠联盟算法需要的匹配轮次比不可重叠联盟算法所需要的轮次要多,但增长速度在可以接受的范围内。
下面对比给出在VFC架构下中,不同环境参数下的本地任务完成率与平均任务时延。在仿真中,计算任务的生成过程和车辆到达服务区的过程均被视作服从泊松分布,利用总体任务完成率可以衡量该服务区对任务的处理能力。下表1为仿真参数:
表1仿真参数
服务区范围 | 1000m |
RSU位置 | (500,0)m |
车辆感知半径 | 50m |
车辆速度分布 | 2m/s~20m/s |
车辆CPU主频 | 2.3GHz |
车辆传输功率 | 23dBm |
系统总带宽 | 10MHz |
计算任务数据大小 | 5Mbit |
计算任务所需CPU | 100Megacycle |
计算任务块大小 | 5 |
噪声 | -104dBm |
仿真时间 | 1.2*10^3s |
图5给出了不同车辆到达速率情况下任务平均服务时延的变化趋势。从仿真结果中可以看到,随着泊松分布的参数不断增加,车辆到达得越加频繁,系统对计算任务的吞吐率也在提升,服务时延不断减小。当给定车辆到达速率时,重叠联盟匹配方法比非重叠的方法效果更佳,且这两者都比非协作的策略效果优秀。图6给出了不同车辆到达速率情况下任务完成率的变化趋势。车辆到达的泊松分布参数越大,服务区内车辆数量越多,可用计算资源也就越丰富。并且从仿真结果中可以看出,重叠联盟形成策略要优于传统联盟形成策略。如图7所示,为了考量系统对任务数量的吞吐能力,给定1000个任务块进行发放,发现重叠联盟匹配算法表现最优。最后,由于仿真数据的生成具有随机性,因此数据与真实情况相比会有一定的偏差,但是有理由相信重叠联盟形成博弈策略在VFC架构下能有效地提升本地车联网对任务的处理能力,尤其是在网络负载较大的情况下,可以有效的提升网络对计算任务的处理能力。这也说明了本发明中所提的VFC架构下基于OCF的协同计算方案的巨大应用潜力。
此外,需要说明的是,本说明书中所描述的具体实施例,所取名称可以不同,本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等效变化或者简单变化,均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于任务块的车联网雾计算协作任务卸载控制方法,不同车辆形成的联盟之间的资源在路边中心单元的控制和调度下实现共享,其特征在于,路边中心单元根据车辆周期反馈的可用计算资源、位置信息与联盟结构做出资源调度决策,不同的联盟依照路边中心单元的资源调度决策进行协作计算,每一个车辆可以在一定约束条件下自发地选择加入或离开多个联盟,路边中心单元将任务分配给指定联盟,每一个联盟自发选出一个首领车辆,首领车辆与路边中心单元进行通信,通过联盟组成的架构对任务的分配过程进行卸载,先由路边中心单元分配任务块至联盟,再由联盟组织内部的首领车辆对任务块进行进一步地分配。
2.根据权利要求1所述的一种基于任务块的车联网雾计算协作任务卸载控制方法,其特征在于,每一个车辆通过激励机制,在满足约束条件的前提下同时加入多个联盟,并将自身所具有的有限资源分配给不同的联盟。
3.根据权利要求2所述的一种基于任务块的车联网雾计算协作任务卸载控制方法,其特征在于,所述车辆在激励机制下通过完成计算任务获得货币。
4.根据权利要求1所述的一种基于任务块的车联网雾计算协作任务卸载控制方法,其特征在于,所述车辆加入一个联盟需要贡献出一定的资源,离开一个联盟后所贡献的资源重新变得可以再分配。
5.根据权利要求1所述的一种基于任务块的车联网雾计算协作任务卸载控制方法,其特征在于,所述联盟内部成员车辆只能与联盟首领车辆进行通信,联盟内部资源调度由首领车辆管理,除了首领车辆之外的其他成员车辆的资源不能直接接受路边中心单元调度。
6.根据权利要求1所述的一种基于任务块的车联网雾计算协作任务卸载控制方法,其特征在于,所述路边中心单元对系统内存在的多个任务块与多个联盟组织之间进行匹配。
7.根据权利要求1所述的一种基于任务块的车联网雾计算协作任务卸载控制方法,其特征在于,不同联盟的车辆之间不允许直接共享资源,只能由路边中心单元进行调度。
8.根据权利要求1所述的一种基于任务块的车联网雾计算协作任务卸载控制方法,其特征在于,所述路边中心单元可根据车辆反馈的计算资源信息、任务块偏好信息和位置信息构建逻辑拓扑结构,通过匹配算法和特定优化目标选择最优化资源调度策略。
9.根据权利要求1所述的一种基于任务块的车联网雾计算协作任务卸载控制方法,其特征在于,每一个车辆可以在满足约束条件的前提下同时加入多个联盟,并将自身所具有的有限资源分配给不同的联盟,实现分布式的复杂度较低的可重叠联盟形成算法,在可重叠联盟形成算法中,节点代表车辆,每个节点具有两个列表,即候选联盟列表和当前联盟列表。候选联盟列表记录对于该节点而言所有满足约束条件的联盟,即候选联盟列表中的联盟都是可以加入的;当前联盟列表中记录了该节点当前所属的联盟,节点能加入的联盟数量具有上限,所述上限根据实际情况和通信信道状况进行调整,每一个节点加入联盟都需要贡献一定的计算资源,节点可以分配自身对不同联盟的资源分配,从而最大化自身能够获得的收益。
10.根据权利要求1所述的一种基于任务块的车联网雾计算协作任务卸载控制方法,其特征在于,所述可重叠的联盟形成算法周期性运行,不需要对实时检测周围环境再根据反馈信息调整联盟结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111048766.3A CN113709698A (zh) | 2021-09-08 | 2021-09-08 | 一种基于任务块的车联网雾计算协作任务卸载控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111048766.3A CN113709698A (zh) | 2021-09-08 | 2021-09-08 | 一种基于任务块的车联网雾计算协作任务卸载控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113709698A true CN113709698A (zh) | 2021-11-26 |
Family
ID=78659201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111048766.3A Pending CN113709698A (zh) | 2021-09-08 | 2021-09-08 | 一种基于任务块的车联网雾计算协作任务卸载控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113709698A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115334551A (zh) * | 2022-10-17 | 2022-11-11 | 湖北工业大学 | 基于契约理论的任务卸载与资源分配优化方法及系统 |
CN116208669A (zh) * | 2023-04-28 | 2023-06-02 | 湖南大学 | 基于智慧灯杆的车载异构网络协同任务卸载方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107708169A (zh) * | 2017-08-07 | 2018-02-16 | 国家计算机网络与信息安全管理中心 | 获取分布式重叠稳定联盟结构的方法及系统 |
CN108777852A (zh) * | 2018-05-16 | 2018-11-09 | 国网吉林省电力有限公司信息通信公司 | 一种车联网内容边缘卸载方法、移动资源分配系统 |
GB2579338A (en) * | 2018-10-04 | 2020-06-24 | Jaguar Land Rover Ltd | Operating a controller for a vehicle |
CN111405527A (zh) * | 2020-03-17 | 2020-07-10 | 中南大学 | 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 |
CN113361881A (zh) * | 2021-05-26 | 2021-09-07 | 同济大学 | 一种基于车辆雾计算架构的可重叠组织协作控制方法 |
-
2021
- 2021-09-08 CN CN202111048766.3A patent/CN113709698A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107708169A (zh) * | 2017-08-07 | 2018-02-16 | 国家计算机网络与信息安全管理中心 | 获取分布式重叠稳定联盟结构的方法及系统 |
CN108777852A (zh) * | 2018-05-16 | 2018-11-09 | 国网吉林省电力有限公司信息通信公司 | 一种车联网内容边缘卸载方法、移动资源分配系统 |
GB2579338A (en) * | 2018-10-04 | 2020-06-24 | Jaguar Land Rover Ltd | Operating a controller for a vehicle |
CN111405527A (zh) * | 2020-03-17 | 2020-07-10 | 中南大学 | 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 |
CN113361881A (zh) * | 2021-05-26 | 2021-09-07 | 同济大学 | 一种基于车辆雾计算架构的可重叠组织协作控制方法 |
Non-Patent Citations (3)
Title |
---|
XIANJING WU: "Mobility Prediction-Based Joint Task Assignment and Resource Allocation in Vehicular Fog Computing", 《IEEE》 * |
张辉 等: "基于协商机制的智能网联车交叉路口通行方案", 《2020中国信息通信大会论文集(CICC 2020)》 * |
李智勇 等: "车辆边缘计算环境下任务卸载研究综述", 《计算机学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115334551A (zh) * | 2022-10-17 | 2022-11-11 | 湖北工业大学 | 基于契约理论的任务卸载与资源分配优化方法及系统 |
CN116208669A (zh) * | 2023-04-28 | 2023-06-02 | 湖南大学 | 基于智慧灯杆的车载异构网络协同任务卸载方法及系统 |
CN116208669B (zh) * | 2023-04-28 | 2023-06-30 | 湖南大学 | 基于智慧灯杆的车载异构网络协同任务卸载方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11607971B2 (en) | Method for scheduling multi agent and unmanned electric vehicle battery swap based on internet of vehicles | |
CN109379727B (zh) | 车联网中基于mec的任务分布式卸载与协作执行方案 | |
Li et al. | An online incentive mechanism for collaborative task offloading in mobile edge computing | |
Zhao et al. | Contract-based computing resource management via deep reinforcement learning in vehicular fog computing | |
Saad et al. | A selfish approach to coalition formation among unmanned air vehicles in wireless networks | |
CN113709698A (zh) | 一种基于任务块的车联网雾计算协作任务卸载控制方法 | |
CN112328397B (zh) | 5g异构网络系统及其协同车辆计算任务卸载方法 | |
CN113361881A (zh) | 一种基于车辆雾计算架构的可重叠组织协作控制方法 | |
Su et al. | Engineering a game theoretic access for urban vehicular networks | |
Sun et al. | BARGAIN-MATCH: A game theoretical approach for resource allocation and task offloading in vehicular edge computing networks | |
CN112702414A (zh) | 边缘车队云计算卸载方法、系统、介质设备及应用 | |
Gerding et al. | Fair online allocation of perishable goods and its application to electric vehicle charging | |
Wei et al. | OCVC: An overlapping-enabled cooperative vehicular fog computing protocol | |
Ma et al. | Truthful computation offloading mechanisms for edge computing | |
Hou et al. | Hierarchical task offloading for vehicular fog computing based on multi-agent deep reinforcement learning | |
Nguyen et al. | EdgePV: collaborative edge computing framework for task offloading | |
Huang et al. | A hierarchical pseudonyms management approach for software-defined vehicular networks | |
Liu et al. | Joint computation offloading and resource allocation in vehicular edge computing networks | |
Kong et al. | Cloud-based charging management of electric vehicles in a network of charging stations | |
Liu et al. | Stackelberg-Game Computation Offloading Scheme for Parked Vehicle-Assisted VEC and Experiment Analysis | |
Mondal et al. | QoS-Aware Resource Allocation for Green Sensor-as-a-Service Provisioning in Vehicular Multi-Sensor-Cloud | |
Pratap et al. | CoTEV: Trustworthy and Cooperative Task Execution in Internet of Vehicles | |
Ayepah-Mensah et al. | Blockchain-Enabled Federated Learning-Based Resource Allocation and Trading for Network Slicing in 5G | |
Zhang et al. | Urban Internet of Electric Vehicle Parking System for Vehicle-to-Grid Scheduling: Formulation and Distributed Algorithm | |
Hu et al. | Hierarchical Resource Management Framework and Multi-hop Task Scheduling Decision for Resource-Constrained VEC Networks. |
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 |