CN114157660A - 数据传输的方法、装置、设备及存储介质 - Google Patents
数据传输的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114157660A CN114157660A CN202010920656.0A CN202010920656A CN114157660A CN 114157660 A CN114157660 A CN 114157660A CN 202010920656 A CN202010920656 A CN 202010920656A CN 114157660 A CN114157660 A CN 114157660A
- Authority
- CN
- China
- Prior art keywords
- data
- processed
- attribute
- task
- vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 100
- 230000005540 biological transmission Effects 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 220
- 230000008569 process Effects 0.000 claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims description 82
- 238000004364 calculation method Methods 0.000 claims description 28
- 238000013468 resource allocation Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 230000015654 memory Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000035755 proliferation Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例公开了一种数据传输的方法、装置、设备及存储介质。移动边缘计算MEC服务器根据接收的车辆端发送的车辆的属性数据确定分配信息，其中，属性数据包括处理器的计算能力、处理器的剩余计算能力、待处理任务数据的属性；之后再将分配信息发送给车辆端，其中，分配信息用于车辆端根据分配信息向MEC服务器发送待处理任务数据；然后接收车辆端发送的待处理任务数据并根据分配信息对接收到的待处理任务数据进行计算生成计算后的数据，再向车辆端发送计算后的数据。本发明实施例解决了数据传输过程中存在的无法确定处理时延的问题，提高了处理过程中时延的确定性。
Description
技术领域
本发明涉及通信领域，尤其涉及一种数据传输的方法、装置、设备及存储介质。
背景技术
随着智能车数量的激增和无人驾驶的发展，车联网网络环境变得更加复杂。
但是在目前车联网对车辆数据进行处理的过程中，并未对处理时延进行考虑，或者，忽略了不同任务和不同用户的差别，使得个别任务出现较大的时延抖动，导致处理时延具有很大的不确定性。
因此，目前的技术方案中，存在无法确定处理时延的问题。
发明内容
本发明实施例提供了一种数据传输的方法、装置、设备及存储介质，解决了数据传输过程中存在的无法确定处理时延的问题，提高了处理过程中时延的确定性。
为了解决上述技术问题，本发明：
第一方面，提供了一种数据传输的方法，应用于移动边缘计算(Mobile EdgeComputing，MEC)服务器，该方法包括：
接收车辆端发送的车辆的属性数据，其中，所述属性数据包括处理器的计算能力、处理器的剩余计算能力、待处理任务数据的属性；
根据所述属性数据确定分配信息；
将所述分配信息发送给车辆端，所述分配信息用于所述车辆端根据所述分配信息向MEC服务器发送待处理任务数据；
接收车辆端发送的所述待处理任务数据；
根据所述分配信息对所述待处理任务数据进行计算生成计算后的数据；
向车辆端发送所述计算后的数据。
在第一方面的一些实现方式中，根据所述属性数据确定分配信息，包括：
根据所述处理器的计算能力和所述处理器的剩余计算能力确定所述车辆的处理能力；
根据所述车辆的处理能力和所述待处理任务数据的属性确定分配信息。
在第一方面的一些实现方式中，所述属性数据还包括待处理任务数据的大小；根据所述车辆的处理能力和所述待处理任务数据的属性确定分配信息，包括：
根据所述车辆的处理能力，所述待处理任务数据的大小和所述待处理任务数据的属性确定分配信息。
在第一方面的一些实现方式中，分配信息包括计算资源分配信息和数据处理算法分配信息；所述根据所述分配信息对所述待处理任务数据进行计算生成计算后的数据，包括：
根据所述计算资源分配信息对所述待处理任务数据分配带宽和计算资源；
根据数据处理算法分配信息对所述待处理任务数据分配第一数据处理算法；
根据所述带宽，所述计算资源和所述第一数据处理算法，对所述待处理任务数据进行计算生成计算后的数据。
在第一方面的一些实现方式中，在根据所述属性数据确定分配信息之前，该方法还包括：
使用预设的第二数据处理算法对待处理任务数据进行计算；
采集计算过程中每个所述待处理任务数据的处理时延；
根据所述处理时延和所述待处理任务数据的属性，更新所述第二数据处理算法的参数，直至更新参数后的第二数据处理算法满足预设条件，其中，满足预设条件的第二数据处理算法包括第一数据处理算法。
第二方面，提供了一种数据传输的方法，应用于车辆端，该方法包括：
采集车辆的属性数据，其中，所述属性数据包括处理器的计算能力、处理器的剩余计算能力、待处理任务数据的属性；
将所述车辆的属性数据发送给MEC服务器，以用于所述MEC服务器根据所述属性数据确定分配信息；
接收MEC服务器发送的分配信息；
根据所述分配信息向MEC服务器发送待处理任务数据；
接收MEC服务器根据所述分配信息对所述待处理任务数据进行计算生成的计算后的数据。
第三方面，提供了一种MEC服务器，该MEC服务器包括：
接收模块，用于接收车辆端发送的车辆的属性数据，其中，所述属性数据包括处理器的计算能力、处理器的剩余计算能力、待处理任务数据的属性；
处理模块，用于根据所述属性数据确定分配信息；
发送模块，用于将所述分配信息发送给车辆端，所述分配信息用于所述车辆端根据所述分配信息向MEC服务器发送待处理任务数据；
所述接收模块，还用于接收车辆端发送的所述待处理任务数据；
所述处理模块，还用于根据所述分配信息对所述待处理任务数据进行计算生成计算后的数据；
所述发送模块，还用于向车辆端发送所述计算后的数据。
在第三方面的一些实现方式中，处理模块，还用于根据所述处理器的计算能力和所述处理器的剩余计算能力确定所述车辆的处理能力；
所述处理模块，还用于根据所述车辆的处理能力和所述待处理任务数据的属性确定分配信息。
在第三方面的一些实现方式中，属性数据还包括待处理任务数据的大小；
处理模块，还用于根据所述车辆的处理能力，所述待处理任务数据的大小和所述待处理任务数据的属性确定分配信息。
在第三方面的一些实现方式中，分配信息包括计算资源分配信息和数据处理算法分配信息；
处理模块，还用于根据所述计算资源分配信息对所述待处理任务数据分配带宽和计算资源；
处理模块，还用于根据数据处理算法分配信息对所述待处理任务数据分配第一数据处理算法；
处理模块，还用于根据所述带宽，所述计算资源和所述第一数据处理算法，对所述待处理任务数据进行计算生成计算后的数据。
在第三方面的一些实现方式中，处理模块，还用于使用预设的第二数据处理算法对待处理任务数据进行计算；
处理模块，还用于采集计算过程中每个所述待处理任务数据的处理时延；
处理模块，还用于根据所述处理时延和所述待处理任务数据的属性，更新所述第二数据处理算法的参数，直至更新参数后的第二数据处理算法满足预设条件，其中，满足预设条件的第二数据处理算法包括第一数据处理算法。
第四方面，提供了一种车辆端，该车辆端包括：
采集模块，用于采集车辆的属性数据，其中，所述属性数据包括处理器的计算能力、处理器的剩余计算能力、待处理任务数据的属性；
发送模块，用于将所述车辆的属性数据发送给MEC服务器，以用于所述MEC服务器根据所述属性数据确定分配信息；
接收模块，用于接收MEC服务器发送的分配信息；
所述发送模块，还用于根据所述分配信息向MEC服务器发送待处理任务数据；
所述接收模块，还用于接收MEC服务器根据所述分配信息对所述待处理任务数据进行计算生成的计算后的数据。
第五方面，提供了一种电子设备，该设备包括：处理器以及存储有计算机程序指令的存储器；
处理器执行所述计算机程序指令时实现第一方面，以及第一方面的一些实现方式中的数据传输的方法，或者，实现第二方面的数据传输的方法。
第六方面，提供了一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现第一方面，以及第一方面的一些实现方式中的数据传输的方法，或者，实现第二方面的数据传输的方法。
本发明实施例提供了一种数据传输的方法、装置、设备及存储介质。MEC服务器根据包括车辆端处理器的计算能力、车辆端处理器的剩余计算能力、待处理任务数据的属性的车辆的属性数据来确定分配信息，并发送给车辆端，因为MEC服务器根据车辆的属性数据来确定分配信息，实现车辆合理分配待处理任务数据；然后车辆端根据该分配信息向MEC服务器发送待处理的任务数据，MEC服务器根据该分配信息对待处理的任务数据进行计算，因为车辆端根据分配信息将待处理任务数据发送MEC服务器，使得待处理任务数据能够在MEC服务器进行处理，因此使得待处理任务数据的计算过程中的处理时延能够得以确定；之后MEC服务器将计算后的数据发送给车辆端，使得车辆端可以根据处理时延具备确定性的计算后的数据实现执行正常的功能。本发明实施例能够实现为不同的车辆端和任务提供合适的计算资源，保证每个任务的处理时延和抖动在预设范围内，有效保证了低时延和低抖动，大大提高了时延的确定性，解决了车联网对车辆数据进行处理的过程中存在的无法确定处理时延的问题，提高了处理过程中时延的确定性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，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是本发明实施例提供的一种数据传输的方法的交互示意图；
图2是本发明实施例提供的一种MEC服务器根据分配信息对待处理任务数据进行计算的流程示意图；
图3是本发明实施例提供的一种MEC服务器；
图4是本发明实施例提供的一种车辆端；
图5是本发明实施例提供的一种计算设备的结构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，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……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
随着智能车数量的激增和无人驾驶的发展，车联网网络环境变得更加复杂。面对不断变化的道路状况，车辆用户需要利用内置传感器快速地收集更多的环境状态，将信息传给对应处理单元进行正确的决策，最后及时将决策反馈给对应处理单元。一方面，为了保证行车安全，车辆用户需要很低的时延和抖动来保证车辆可以及时对突发情况进行预警，快速做出正确的反应。另一方面，为了改善驾驶者的用户体验，需要保持媒体应用和服务器间的稳定传输，保障接收端音频、视频一致性和视频帧的连贯性，此时小的时延抖动会比小的时延更加重要。在这样的背景下，在车联网中，如何保证任务处理的确定性时延和抖动，成为当前的热点领域。
传统的云服务器拥有超大的计算资源，可以大大减小任务的计算时延。然而，云服务器与车辆用户之间的距离很远，会产生较大的传输时延。为了克服这个难点，移动边缘计算(Mobile Edge Computing，MEC)技术应运而生。通过在路边架设带有较大计算能力的MEC服务器，可以大大减小传输时延。再采取不同的卸载策略，可以将计算密集型和时延敏感型任务部分或全部卸载到MEC服务器进行处理，大大减小总体时延，从而有效提高车联网应用的服务质量(Quality of Service，QoS)。
在现有的研究中，通过用未来网络替代现有的以太网，来保证网络端到端时延的确定性。现有的确定性网络主要研究成果有：灵活以太网(FlexEthernet，Flex E)，时间敏感网络任务组(Timesensitive Network，TSN)和确定性网络工作组(DeterministicNetworking，DetNet)。
灵活以太网(Flex E)增设FlexE Shim层结构，利用FlexE端到端的交叉传送，结合OAM(operation administration maintenance)机制和隧道保护技术，实现业务的管道隔离和可靠的服务质量，但不能解决同一管道内的流量抢占问题。
时间敏感网络任务组(TSN)将网络中的流量分为不同的优先级流，以类似时分复用的思想，通过不同的流量整形机制为高优先级流量提供确定的传输时隙，以保证时间敏感流量有一条确定的传输路径，但会导致低优先级流量的时延增加。
确定性网络工作组(DetNet)在TSN的基础上，旨在第二层桥接和第三层路由段实现确定传输路径(可以提供时延，丢失分组和抖动的最坏情况界限)，以此提供确定的时延，但仍处于场景、需求、架构的前期阶段。
因此，目前以上确定性网络只能应用于特定应用场景，无法落地于车联网这一具体应用场景，且关键技术还不够成熟，不能提供相关的标准和方案，短期内无法大范围覆盖，在现有网络架构下，没有任何针对确定性时延的研究。
在目前的网络架构下，现有的研究利用MEC技术，建立不同的网络模型，车辆用户一般通过最小化与任务处理的平均时延或者总时延相关的目标函数进行任务卸载策略和计算资源分配。然而，这样的卸载决策和资源分配只关注总体任务处理的时延的大小，忽略了不同任务和不同用户的差别，因此有可能导致个别任务出现较大的时延抖动，使任务处理时延具有很大的不确定性。
而且，现有的计算卸载策略，在建模时都是将服务器的计算能力视为某个固定值。而实际中，服务器的计算能力与服务器当前剩余的能量有关。当服务器能量充足时，服务器的计算能力可以是其所设定的最大可用计算资源；当服务器能量不足时，服务器的计算能力无法达到最大可用计算资源，现有的研究鲜少考虑到这一关系。这样的误差会影响服务器决策的准确性，从而导致实际时延与理论时延存在误差，大大提高了时延的不确定性。
综上所述，在目前的技术方案中，存在无法确定处理时延的问题。
为了解决目前的技术方案中存在的无法确定处理时延的问题，本发明实施例针对车联网这一具体的应用场景，结合MEC技术提供了一种数据传输的方法、装置、设备及存储介质。MEC服务器根据包括车辆端处理器的计算能力、车辆端处理器的剩余计算能力、待处理任务数据的属性的属性数据来确定分配信息并发送给车辆端，车辆端根据该分配信息向MEC服务器发送待处理的任务数据，MEC服务器再根据该分配信息对待处理的任务数据进行计算，使得任务数据计算过程中的处理时延得以确定，并将计算后的数据发送给车辆端，从而实现为不同的车辆端和任务提供合适的资源，保证每个任务的处理时延和抖动在预设范围内，有效保证了低时延和低抖动，大大提高了时延的确定性，解决了车联网对车辆数据进行处理的过程中存在的无法确定处理时延的问题，提高了处理过程中时延的确定性。
还需要说明的是，本发明实施例所提供的MEC服务器和车辆端之间发生的数据传输的方法是发生在终端设备与基站之间的，结合MEC技术，可以直接在现有网络架构下通过卸载决策和资源分配来实现确定时延的目的。因此本发明对网络架构本身不具有依赖性，对未来网络的发展具有很强的可拓展性和适应性。其中，车辆端属于终端设备，MEC服务器可以被设置在基站上或者与基站连接。
下面结合附图对本发明实施例提供的技术方案进行描述。
图1是本发明实施例提供的一种数据传输的方法的交互示意图。如图1所示，该方法可以基于两个执行主体，包括MEC服务器和车辆端。
如图1所示，数据传输的方法可以包括：
S101：车辆端采集车辆的属性数据。
其中，所述属性数据包括处理器的计算能力、处理器的剩余计算能力、待处理任务数据的属性，待处理任务数据的属性又可以包括时延敏感和时延不敏感。
对于时延敏感任务而言，需要满足低时延，低抖动的要求；对于时延不敏感任务而言，只需要满足较低的时延要求即可。
在车辆端执行完S101后，需要将属性数据发送给MEC服务器，即，进入S102。
S102：车辆端将车辆的属性数据发送给MEC服务器。
S103：MEC服务器根据属性数据确定分配信息。
可选的，在一个实施例中，MEC服务器可以根据处理器的计算能力和处理器的剩余计算能力确定车辆的处理能力；之后再根据车辆的处理能力和待处理任务数据的属性，以及车辆与MEC服务器之间的信道条件确定分配信息。该分配信息可以用于车辆端根据分配信息向MEC服务器发送待处理任务数据。此外，该分配信息还可以用于MEC服务器根据该分配信息对待处理任务数据进行计算生成计算后的数据。
其中，MEC服务器根据处理器的计算能力和处理器的剩余计算能力确定车辆的处理能力的过程满足公式(1)。
其中，
为第t个时隙第j个车辆端的处理能力，该处理能力可以为车辆端的处理器实际可达到的CPU频率；
为第j个车辆端的处理器的计算能力，该计算能力可以为车辆端的处理器最大可用的CPU频率；Ej(t)为第t个时隙第j个车辆端剩余计算能力；κ为能量转化系数；τ为每个时隙的时长。
此外，属性数据还可以包括待处理任务数据的大小。因此，可选的，在一个实施例中，MEC服务器还可以根据车辆的处理能力，待处理任务数据的大小和待处理任务数据的属性确定分配信息。分配信息同样可以用于所述车辆端根据所述分配信息向MEC服务器发送待处理任务数据。根据待处理任务数据的大小生成的分配信息可以确定车辆端发送给MEC服务器的待处理任务数据的大小，即卸载至MEC服务器的部分数据的大小，以及车辆端本地处理的待处理任务数据的大小。
S104：MEC服务器将分配信息发送给车辆端。
其中，分配信息中可以包括卸载策略，该分配信息中的卸载策略可以用于车辆端卸载部分数据至MEC服务器进行数据处理。
S105：车辆端根据分配信息向MEC服务器发送待处理任务数据。
S106：MEC服务器根据分配信息对待处理任务数据进行计算生成计算后的数据。
其中，分配信息还可以包括计算资源分配信息和数据处理算法分配信息。
具体的，MEC服务器根据分配信息对待处理任务数据进行计算生成计算后的数据的过程，可以如图2所示，包括S201-S203。
S201：根据计算资源分配信息对待处理任务数据分配带宽和计算资源。
在分配带宽时，可选的，当待处理任务数据的属性为时延敏感任务时，MEC服务器可以对该任务数据分配大带宽；当待处理任务数据的属性为时延不敏感任务时，MEC服务器可以对该任务数据分配小带宽。
在分配计算资源时，MEC服务器根据计算资源分配信息为车辆端卸载的部分数据分配计算资源并进行数据处理。为了不浪费车辆端的计算资源，车辆端未卸载的任务数据，即剩余任务数据，可以在车辆端本地进行处理，以提高车辆端计算资源的利用率。
在车辆端本地处理剩余任务数据时，车辆端可以根据当前时隙内进行处理所需的计算能力更新车辆端本地的处理器的剩余计算能力，用于MEC服务器确定下一个时隙的车辆的处理能力，以实现循环计算车辆的处理能力。
S202：根据数据处理算法分配信息对所述待处理任务数据分配第一数据处理算法。
S203：根据带宽，计算资源和第一数据处理算法，对待处理任务数据进行计算生成计算后的数据。
在MEC服务器根据分配信息对待处理任务数据进行计算生成计算后的数据之后，执行S107，如图1所示。
S107：车辆端接收MEC服务器根据分配信息对待处理任务数据进行计算生成的计算后的数据。
在车辆接收完MEC服务器根据分配信息对待处理任务数据进行计算生成的计算后的数据之后，该时隙发送给MEC服务器的待处理任务数据便已经被处理完毕，因此，接下来会再进入下一个时隙进行处理。
本发明实施例中提供的数据传输的方法，MEC服务器根据包括车辆端处理器的计算能力、车辆端处理器的剩余计算能力、待处理任务数据的属性的属性数据来确定分配信息并发送给车辆端，车辆端根据该分配信息向MEC服务器发送待处理的任务数据，MEC服务器再根据该分配信息对待处理的任务数据进行计算，并将计算后的数据发送给车辆端，使得任务数据计算过程中的处理时延得以确定，从而实现为不同的车辆端和任务提供合适的资源，保证每个任务的处理时延和抖动在预设范围内，有效保证了低时延和低抖动，大大提高了时延的确定性，解决了车联网对车辆数据进行处理的过程中存在的无法确定处理时延的问题，提高了处理过程中时延的确定性。
在一个实施例中，在MEC服务器执行S103之前，为了使第一数据处理算法能够更好的对时延敏感任务和时延不敏感任务进行计算，MEC服务器还可以对预设的第二数据处理算法进行训练，生成训练后第二数据处理算法，其中，该训练后第二数据处理算法可以称为第一数据处理算法。
具体的，对第二数据处理算法进行训练的过程可以包括：使用预设的第二数据处理算法对待处理任务数据进行计算。采集计算过程中每个所述待处理任务数据的处理时延。再根据处理时延和待处理任务数据的属性调整第二数据处理算法的参数。
当待处理任务数据的属性为时延敏感时，因为需要满足低时延，低抖动的要求，所以此时目标函数可以包括每个任务处理时延之间的方差，也可以包括所有任务中，最大的处理时延与最小的处理时延的差。
使用预设学习算法对第二数据处理算法进行更新，根据更新参数后的第二数据处理算法对所述待处理任务数据进行计算。采集计算过程中每个所述待处理任务数据的处理时延，确定目标函数。当所述待处理任务数据的处理时延满足预设条件时，即目标函数中的方差或者差值小于预设阈值时，确定更新参数后的第二数据处理算法为训练后的数据处理算法，该训练后的第二数据处理算法可以用来处理时延敏感的待处理任务数据。其中，训练后的第二数据处理算法可以为第一数据处理算法，预设学习算法可以包括深度强化学习(DeepReinforcementLearning，DRL)，也可以包括李雅普诺夫(Lyapunov)算法。针对时延敏感的待处理任务数据进行训练的过程可以实现降低时延抖动的效果。
当待处理任务数据的属性为时延不敏感时，因为只需要满足较低的时延要求，所以此时目标函数可以包括任务处理的平均时延。
使用预设学习算法对第二数据处理算法进行更新，根据更新参数后的第二数据处理算法对待处理任务数据进行计算。采集计算过程中每个待处理任务数据的处理时延，确定目标函数。当所述待处理任务数据的处理时延满足预设条件时，即目标函数中的平均时延小于预设阈值时，确定更新参数后的第二数据处理算法为训练后的第二数据处理算法，该训练后的第二数据处理算法可以处理时延不敏感的待处理任务数据。其中，该训练后的第二数据处理算法也可以为第一数据处理算法。此时，预设学习算法可以包括深度强化学习(DRL)也可以包括凸优化工具箱CVX。针对时延不敏感的待处理任务数据进行训练的过程可以实现降低时延大小的效果。
本发明实施例中提供的数据传输的方法，MEC服务器分别对时延敏感任务和时延不敏感任务进行训练得到训练后的数据处理算法之后，MEC服务器便可以进行根据待处理任务数据的属性分配对应的处理算法。之后，MEC服务器根据包括车辆端处理器的计算能力、车辆端处理器的剩余计算能力、待处理任务数据的属性的属性数据来确定分配信息并发送给车辆端，车辆端根据该分配信息向MEC服务器发送待处理的任务数据，MEC服务器再根据该分配信息对待处理的任务数据按照分配的第一数据处理算法进行计算，并将计算后的数据发送给车辆端，使得任务数据计算过程中的处理时延得以确定，从而实现为不同的车辆端和任务提供合适的资源，保证每个任务的处理时延和抖动在预设范围内，有效保证了低时延和低抖动，大大提高了时延的确定性，解决了车联网对车辆数据进行处理的过程中存在的无法确定处理时延的问题，提高了处理过程中时延的确定性。
与图1中数据传输的方法的交互示意图相对应，本发明实施例还提供了一种MEC服务器和车辆端。
图3是本发明实施例提供的一种MEC服务器。如图3所示，MEC服务器可以包括：接收模块301，处理模块302和发送模块303。
接收模块301，可以用于接收车辆端发送的车辆的属性数据，其中，所述属性数据包括处理器的计算能力、处理器的剩余计算能力、待处理任务数据的属性。
处理模块302，可以用于根据所述属性数据确定分配信息。
发送模块303，可以用于将所述分配信息发送给车辆端，所述分配信息用于所述车辆端根据所述分配信息向MEC服务器发送待处理任务数据。
接收模块301，还可以用于接收车辆端发送的所述待处理任务数据。
处理模块302，还可以用于根据所述分配信息对所述待处理任务数据进行计算生成计算后的数据。
发送模块303，还可以用于向车辆端发送所述计算后的数据。
处理模块302，还可以用于根据所述处理器的计算能力和所述处理器的剩余计算能力确定所述车辆的处理能力。
处理模块302，还可以用于根据所述车辆的处理能力和所述待处理任务数据的属性确定分配信息。
属性数据还包括待处理任务数据的大小。
处理模块302，还可以用于根据所述车辆的处理能力，所述待处理任务数据的大小和所述待处理任务数据的属性确定分配信息。
其中，分配信息包括计算资源分配信息和数据处理算法分配信息；
在一个实施例中，处理模块302，可以用于根据所述计算资源分配信息对所述待处理任务数据分配带宽和计算资源；还可以用于根据数据处理算法分配信息对所述待处理任务数据分配第一数据处理算法；还可以用于根据所述带宽，所述计算资源和所述第一数据处理算法，对所述待处理任务数据进行计算生成计算后的数据。
本发明实施例中提供的MEC服务器，根据包括车辆端处理器的计算能力、车辆端处理器的剩余计算能力、待处理任务数据的属性的属性数据来确定分配信息，并将该分配信息发送给车辆端，用于车辆端根据该分配信息向MEC服务器发送待处理的任务数据，MEC服务器再根据该分配信息对待处理的任务数据进行计算，并将计算后的数据发送给车辆端，使得任务数据计算过程中的处理时延得以确定，从而实现为不同的车辆端和任务提供合适的资源，保证每个任务的处理时延和抖动在预设范围内，有效保证了低时延和低抖动，大大提高了时延的确定性，解决了车联网对车辆数据进行处理的过程中存在的无法确定处理时延的问题，提高了处理过程中时延的确定性。
在一个实施例中，处理模块302，可以用于使用预设的第二数据处理算法对待处理任务数据进行计算；还可以用于采集计算过程中每个所述待处理任务数据的处理时延；还可以用于根据所述处理时延和所述待处理任务数据的属性，更新所述第二数据处理算法的参数，直至更新参数后的第二数据处理算法满足预设条件，其中，满足预设条件的第二数据处理算法包括第一数据处理算法。
可以理解的是，图3所示的MEC服务器中的各个模块具有实现图1中MEC服务器侧和图2中各个步骤的功能，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
本发明实施例中提供的数据传输的方法，MEC服务器分别对时延敏感任务和时延不敏感任务进行训练得到训练后的数据处理算法之后，MEC服务器便可以进行根据待处理任务数据的属性分配对应的处理算法。之后，MEC服务器根据包括车辆端处理器的计算能力、车辆端处理器的剩余计算能力、待处理任务数据的属性的属性数据来确定分配信息并发送给车辆端，车辆端根据该分配信息向MEC服务器发送待处理的任务数据，MEC服务器再根据该分配信息对待处理的任务数据按照分配的第一数据处理算法进行计算，并将计算后的数据发送给车辆端，使得任务数据计算过程中的处理时延得以确定，从而实现为不同的车辆端和任务提供合适的资源，保证每个任务的处理时延和抖动在预设范围内，有效保证了低时延和低抖动，大大提高了时延的确定性，解决了车联网对车辆数据进行处理的过程中存在的无法确定处理时延的问题，提高了处理过程中时延的确定性。
图4是本发明实施例提供的一种车辆端。如图4所示，车辆端可以包括：采集模块401，发送模块402，接收模块403。
采集模块401，可以用于采集车辆的属性数据，其中，所述属性数据包括处理器的计算能力、处理器的剩余计算能力、待处理任务数据的属性。
发送模块402，可以用于将所述车辆的属性数据发送给MEC服务器，以用于所述MEC服务器根据所述属性数据确定分配信息。
接收模块403，可以用于接收MEC服务器发送的分配信息。
发送模块402，还可以用于根据所述分配信息向MEC服务器发送待处理任务数据。
接收模块403，还可以用于接收MEC服务器根据所述分配信息对所述待处理任务数据进行计算生成的计算后的数据。
可以理解的是，图4所示的车辆端中的各个模块具有实现图1中车辆端中各个步骤的功能，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
本发明实施例中提供的车辆端，将采集到的包括车辆端处理器的计算能力、车辆端处理器的剩余计算能力、待处理任务数据的属性的属性数据发送给MEC服务器用于MEC服务器确定分配信息，并将该分配信息发送给车辆端；之后车辆端根据该分配信息向MEC服务器发送待处理的任务数据，以用于MEC服务器再根据该分配信息对待处理的任务数据进行计算，并接收MEC服务器计算后的数据，使得任务数据计算过程中的处理时延得以确定，从而实现为不同的车辆端和任务提供合适的资源，保证每个任务的处理时延和抖动在预设范围内，有效保证了低时延和低抖动，大大提高了时延的确定性，解决了车联网对车辆数据进行处理的过程中存在的无法确定处理时延的问题，提高了处理过程中时延的确定性。
图5是本发明实施例提供的一种计算设备的硬件架构的结构图。如图5所示，计算设备600包括输入设备601、输入接口602、中央处理器603、存储器604、输出接口605、以及输出设备606。其中，输入接口602、中央处理器603、存储器604、以及输出接口605通过总线610相互连接，输入设备601和输出设备606分别通过输入接口602和输出接口605与总线610连接，进而与计算设备600的其他组件连接。
具体地，输入设备601接收来自外部的输入信息，并通过输入接口602将输入信息传送到中央处理器603；中央处理器603基于存储器604中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器604中，然后通过输出接口605将输出信息传送到输出设备606；输出设备606将输出信息输出到计算设备600的外部供用户使用。
也就是说，图5所示的计算设备也可以被实现为数据传输的设备，该数据传输的设备可以包括：处理器以及存储有计算机可执行指令的存储器；该处理器在执行计算机可执行指令时可以实现本发明实施例提供的数据传输的方法。
本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现本发明实施例提供的数据传输的方法。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、只读存储器(Read-Only Memory，ROM)、闪存、可消除的只读存储器(ErasableRead Only Memory，EROM)、软盘、只读光盘(Compact Disc Read-Only Memory，CD-ROM)、光盘、硬盘、光纤介质、射频(Radio Frequency，RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本发明的具体实施方式，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，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (14)
1.一种数据传输的方法，其特征在于，应用于移动边缘计算MEC服务器，所述方法包括：
接收车辆端发送的车辆的属性数据，其中，所述属性数据包括处理器的计算能力、处理器的剩余计算能力、待处理任务数据的属性；
根据所述属性数据确定分配信息；
将所述分配信息发送给车辆端，所述分配信息用于所述车辆端根据所述分配信息向MEC服务器发送待处理任务数据；
接收车辆端发送的所述待处理任务数据；
根据所述分配信息对所述待处理任务数据进行计算生成计算后的数据；
向车辆端发送所述计算后的数据。
2.根据权利要求1所述的方法，其特征在于，所述根据所述属性数据确定分配信息，包括：
根据所述处理器的计算能力和所述处理器的剩余计算能力确定所述车辆的处理能力；
根据所述车辆的处理能力和所述待处理任务数据的属性确定分配信息。
3.根据权利要求2所述的方法，其特征在于，所述属性数据还包括待处理任务数据的大小；所述根据所述车辆的处理能力和所述待处理任务数据的属性确定分配信息，包括：
根据所述车辆的处理能力，所述待处理任务数据的大小和所述待处理任务数据的属性确定分配信息。
4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述分配信息包括计算资源分配信息和数据处理算法分配信息；所述根据所述分配信息对所述待处理任务数据进行计算生成计算后的数据，包括：
根据所述计算资源分配信息对所述待处理任务数据分配带宽和计算资源；
根据数据处理算法分配信息对所述待处理任务数据分配第一数据处理算法；
根据所述带宽，所述计算资源和所述第一数据处理算法，对所述待处理任务数据进行计算生成计算后的数据。
5.根据权利要求1至3中任意一项所述的方法，其特征在于，在所述根据所述属性数据确定分配信息之前，所述方法还包括：
使用预设的第二数据处理算法对待处理任务数据进行计算；
采集计算过程中每个所述待处理任务数据的处理时延；
根据所述处理时延和所述待处理任务数据的属性，更新所述第二数据处理算法的参数，直至更新参数后的第二数据处理算法满足预设条件，其中，满足预设条件的第二数据处理算法包括第一数据处理算法。
6.一种数据传输的方法，其特征在于，应用于车辆端，所述方法包括：
采集车辆的属性数据，其中，所述属性数据包括处理器的计算能力、处理器的剩余计算能力、待处理任务数据的属性；
将所述车辆的属性数据发送给MEC服务器，以用于所述MEC服务器根据所述属性数据确定分配信息；
接收MEC服务器发送的分配信息；
根据所述分配信息向MEC服务器发送待处理任务数据；
接收MEC服务器根据所述分配信息对所述待处理任务数据进行计算生成的计算后的数据。
7.一种MEC服务器，其特征在于，所述MEC服务器包括：
接收模块，用于接收车辆端发送的车辆的属性数据，其中，所述属性数据包括处理器的计算能力、处理器的剩余计算能力、待处理任务数据的属性；
处理模块，用于根据所述属性数据确定分配信息；
发送模块，用于将所述分配信息发送给车辆端，所述分配信息用于所述车辆端根据所述分配信息向MEC服务器发送待处理任务数据；
所述接收模块，还用于接收车辆端发送的所述待处理任务数据；
所述处理模块，还用于根据所述分配信息对所述待处理任务数据进行计算生成计算后的数据；
所述发送模块，还用于向车辆端发送所述计算后的数据。
8.根据权利要求7所述的MEC服务器，其特征在于，
所述处理模块，还用于根据所述处理器的计算能力和所述处理器的剩余计算能力确定所述车辆的处理能力；
所述处理模块，还用于根据所述车辆的处理能力和所述待处理任务数据的属性确定分配信息。
9.根据权利要求8所述的MEC服务器，其特征在于，所述属性数据还包括待处理任务数据的大小；
所述处理模块，还用于根据所述车辆的处理能力，所述待处理任务数据的大小和所述待处理任务数据的属性确定分配信息。
10.根据权利要求7至9中任意一项所述的MEC服务器，其特征在于，所述分配信息包括计算资源分配信息和数据处理算法分配信息；
所述处理模块，还用于根据所述计算资源分配信息对所述待处理任务数据分配带宽和计算资源；
所述处理模块，还用于根据数据处理算法分配信息对所述待处理任务数据分配第一数据处理算法；
所述处理模块，还用于根据所述带宽，所述计算资源和所述第一数据处理算法，对所述待处理任务数据进行计算生成计算后的数据。
11.根据权利要求7至9中任意一项所述的MEC服务器，其特征在于，
所述处理模块，还用于使用预设的第二数据处理算法对待处理任务数据进行计算；
所述处理模块，还用于采集计算过程中每个所述待处理任务数据的处理时延；
所述处理模块，还用于根据所述处理时延和所述待处理任务数据的属性，更新所述第二数据处理算法的参数，直至更新参数后的第二数据处理算法满足预设条件，其中，满足预设条件的第二数据处理算法包括第一数据处理算法。
12.一种车辆端，其特征在于，所述车辆端包括：
采集模块，用于采集车辆的属性数据，其中，所述属性数据包括处理器的计算能力、处理器的剩余计算能力、待处理任务数据的属性；
发送模块，用于将所述车辆的属性数据发送给MEC服务器，以用于所述MEC服务器根据所述属性数据确定分配信息；
接收模块，用于接收MEC服务器发送的分配信息；
所述发送模块，还用于根据所述分配信息向MEC服务器发送待处理任务数据；
所述接收模块，还用于接收MEC服务器根据所述分配信息对所述待处理任务数据进行计算生成的计算后的数据。
13.一种电子设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-5任意一项所述的数据传输的方法，或者，实现如权利要求6所述的数据传输的方法。
14.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-5任意一项所述的数据传输的方法，或者，实现如权利要求6所述的数据传输的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010920656.0A CN114157660A (zh) | 2020-09-04 | 2020-09-04 | 数据传输的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010920656.0A CN114157660A (zh) | 2020-09-04 | 2020-09-04 | 数据传输的方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114157660A true CN114157660A (zh) | 2022-03-08 |
Family
ID=80460536
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010920656.0A Pending CN114157660A (zh) | 2020-09-04 | 2020-09-04 | 数据传输的方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114157660A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220391634A1 (en) * | 2021-06-04 | 2022-12-08 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for scheduling environment perception-based data offloading for numerous connected vehicles |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108924796A (zh) * | 2018-08-15 | 2018-11-30 | 电子科技大学 | 一种资源分配及卸载比例联合决策的方法 |
| CN110312231A (zh) * | 2019-06-28 | 2019-10-08 | 重庆邮电大学 | 一种车联网中基于移动边缘计算的内容缓存决策和资源分配联合优化方法 |
| US20200026290A1 (en) * | 2019-08-26 | 2020-01-23 | Lg Electronics Inc. | Method and device for data sharing using mec server in autonomous driving system |
| US20200178198A1 (en) * | 2019-02-12 | 2020-06-04 | Intel Corporation | Server selection for vehicle communications and applications |
| CN111475276A (zh) * | 2020-05-29 | 2020-07-31 | 深圳市元征科技股份有限公司 | 一种基于边缘计算的任务管理方法及其装置 |
| CN111480349A (zh) * | 2017-12-21 | 2020-07-31 | 华为技术有限公司 | 用于确定数据格式的控制设备和方法 |
-
2020
- 2020-09-04 CN CN202010920656.0A patent/CN114157660A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111480349A (zh) * | 2017-12-21 | 2020-07-31 | 华为技术有限公司 | 用于确定数据格式的控制设备和方法 |
| CN108924796A (zh) * | 2018-08-15 | 2018-11-30 | 电子科技大学 | 一种资源分配及卸载比例联合决策的方法 |
| US20200178198A1 (en) * | 2019-02-12 | 2020-06-04 | Intel Corporation | Server selection for vehicle communications and applications |
| CN110312231A (zh) * | 2019-06-28 | 2019-10-08 | 重庆邮电大学 | 一种车联网中基于移动边缘计算的内容缓存决策和资源分配联合优化方法 |
| US20200026290A1 (en) * | 2019-08-26 | 2020-01-23 | Lg Electronics Inc. | Method and device for data sharing using mec server in autonomous driving system |
| CN111475276A (zh) * | 2020-05-29 | 2020-07-31 | 深圳市元征科技股份有限公司 | 一种基于边缘计算的任务管理方法及其装置 |
Non-Patent Citations (1)
| Title |
|---|
| 张海波;荆昆仑;刘开健;贺晓帆;: "车联网中一种基于软件定义网络与移动边缘计算的卸载策略", 电子与信息学报, no. 03, 15 March 2020 (2020-03-15) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220391634A1 (en) * | 2021-06-04 | 2022-12-08 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for scheduling environment perception-based data offloading for numerous connected vehicles |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111586502B (zh) | 弹性光网络中的资源分配方法及系统 | |
| EP3222092B1 (en) | Method for managing communication between a plurality of moving objects | |
| CN102271368B (zh) | 基于跨层资源优化的空天信息网络信息传输方法及系统 | |
| CN100452750C (zh) | Ad Hoc网络的令牌传递方法 | |
| KR101847712B1 (ko) | 차량 통신 및 이동통신 네트워크 환경에서의 자원 할당 방법 및 장치 | |
| CN102065480A (zh) | 基于路径优先级的无线传感器网络拥塞避免与控制方法 | |
| CN110941675B (zh) | 一种基于深度学习的无线供能边缘计算延迟优化方法 | |
| CN110058928B (zh) | 异构车联网中基于鞅理论的计算任务分配方法 | |
| CN112291747B (zh) | 网络拥塞控制方法及装置、电子设备、存储介质 | |
| CN111339554A (zh) | 基于移动边缘计算的用户数据隐私保护方法 | |
| CN115665227B (zh) | 一种普适的异构融合算网资源智慧适配网络架构及方法 | |
| CN104734770A (zh) | 一种基于上下文的分布式星群网络路由方法 | |
| Jiao et al. | Predictive big data collection in vehicular networks: A software defined networking based approach | |
| Qiu et al. | Maintaining links in the highly dynamic fanet using deep reinforcement learning | |
| Rawat et al. | Joint beacon frequency and beacon transmission power adaptation for internet of vehicles | |
| Facchina et al. | Speed based distributed congestion control scheme for vehicular networks | |
| Sarker et al. | A decentralized network with fast and lightweight autonomous channel selection in vehicle platoons for collision avoidance | |
| CN114157660A (zh) | 数据传输的方法、装置、设备及存储介质 | |
| Chen et al. | The upper bounds of cellular vehicle-to-vehicle communication latency for platoon-based autonomous driving | |
| Kolios et al. | Efficient cellular load balancing through mobility-enriched vehicular communications | |
| CN102549987B (zh) | 用于控制流获准进入网络的方法和网络 | |
| CN113179296A (zh) | 一种用于车载边缘计算系统的任务卸载方法 | |
| CN116806043A (zh) | 路由选择方法、装置、电子设备及移动边缘网络 | |
| CN109933427B (zh) | 一种车辆雾计算中基于方向的车联网任务迁移方法 | |
| KR102497226B1 (ko) | 자율주행 차량 애드혹 네트워크를 이용한 오프로딩 방법 |
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 |