CN114245404A - 一种人工智能边缘计算切换方法 - Google Patents
一种人工智能边缘计算切换方法 Download PDFInfo
- Publication number
- CN114245404A CN114245404A CN202111523684.XA CN202111523684A CN114245404A CN 114245404 A CN114245404 A CN 114245404A CN 202111523684 A CN202111523684 A CN 202111523684A CN 114245404 A CN114245404 A CN 114245404A
- Authority
- CN
- China
- Prior art keywords
- switching
- mec node
- target site
- new
- sends
- 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 23
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 19
- 238000004364 calculation method Methods 0.000 title abstract description 9
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000012790 confirmation Methods 0.000 claims abstract description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 abstract description 9
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 5
- 230000008447 perception Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008570 general process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- 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
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0055—Transmission or use of information for re-establishing the radio link
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0055—Transmission or use of information for re-establishing the radio link
- H04W36/0058—Transmission of hand-off measurement information, e.g. measurement reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/08—Reselecting an access point
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种人工智能边缘计算切换方法,包括:终端向源站点发送实时的测量报告;源站点根据测量报告判断需向目标站点发起切换时,向目标站点发起切换请求;目标站点根据切换请求判断需切换至新MEC节点时,将原MEC节点信息发送给新MEC节点;源站点收到切换请求响应后,向终端发送切换命令;终端接收到切换命令后,向目标站点发送切换确认;目标站点向核心网发送路径切换请求,同时向新MEC节点发送切换指令;新MEC节点向原MEC节点发起增量AI模型文件下载请求,并将下载的结果与已有的AI模型进行合并;新MEC节点返回切换响应给目标站点。本发明可以有效利用边缘计算节点的训练结果,防止计算资源的浪费。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及人工智能边缘计算切换方法。
背景技术
随着5G网络的成熟和边缘计算架构的实施,越来越多的人工智能应用(AI),例如基于深度学习的计算机视觉处理,开始按照三层架构进行部署,即终端层、边缘计算层、云服务中心层。终端层负责本地数据处理,具备小容量的AI计算能力;边缘计算层与接入网节点部署在一起,负责一定区域内的数据处理,具备中容量的AI计算能力;云服务中心层具备大容量的AI计算能力。以深度神经网络(DNN)为例,三层之间通过深度迁移学习(DTL)的框架进行模型的共享,即在云服务中心层基于大规模的数据集进行训练,将训练后的模型共享给边缘计算层;边缘计算层以较小的AI计算资源,利用中等规模的数据集,基于云服务中心共享的模型进行训练,进一步完善模型,并向终端提供低时延、大带宽的DNN计算能力,同时与终端共享经过精简的模型,以便终端侧进行本地处理。人工智能应用三层架构如图2。由于终端在接入网络中会进行移动,边缘计算节点可能会随之变化。当边缘计算节点进行切换时,当前技术缺乏明确的切换机制,新节点使用云服务中心层默认的模型,不能利用原节点已经经过个性化训练后的模型,造成切换后AI计算精度下降,同时也是对计算资源的浪费。
发明内容
本发明的目的在于提供一种人工智能边缘计算切换方法,可以有效利用边缘计算节点的训练结果,防止计算资源的浪费。
实现上述目的的技术方案是:
一种人工智能边缘计算切换方法,包括:
终端向源站点发送实时的测量报告;
源站点根据测量报告判断需向目标站点发起切换时,向目标站点发起切换请求;
目标站点根据切换请求判断需切换至新MEC节点时,将原MEC节点信息发送给新MEC节点;
源站点收到切换请求响应后,向终端发送切换命令;
终端接收到切换命令后,向目标站点发送切换确认;
目标站点向核心网发送路径切换请求,同时向新MEC节点发送切换指令;
新MEC节点向原MEC节点发起增量AI模型文件下载请求,并将下载的结果与已有的AI模型进行合并;新MEC节点返回切换响应给目标站点。
优选的,还包括:目标站点完成核心网路径切换,在新MEC节点的AI模型拉取完成后,目标站点向源站点发送终端上下文释放通知,并向新MEC节点发送切换完成指令。
优选的,还包括:新MEC节点向原MEC节点发起增量AI模型文件的删除请求,以释放原MEC节点的存储空间。
优选的,测量报告包含:终端对于源站点的信号强度与信号质量、一个或多个即邻站点的信号强度与信号质量的测量值,以及当前所使用的MEC节点的信息。
优选的,源站点根据测量报告,按照配置的站点间的切换阈值,判断是否需要向目标站点发起切换;
所述切换请求中携带终端的上下文信息以及原MEC节点信息。
优选的,目标站点根据MEC配置信息,判断目标站点使用的MEC节点与原MEC节点是否相同,不相同则需要切换至新MEC节点。
优选的,目标站点将原MEC节点信息发送给新MEC节点后,新MEC节点通知原MEC节点做数据准备。
优选的,切换命令包括目标站点的接入信息、目标站点的新MEC节点信息。
本发明的有益效果是:本发明可以从原MEC节点获取已经经过边缘计算节点个性化训练的模型信息,在发生切换后,新的MEC节点可以迅速进行AI运算,提升了AI运算的计算精度。本发明充分利用了各个MEC节点的AI资源,避免了由于切换导致的原MEC节点训练结果的浪费及新节点的重复训练,节省了计算资源。
附图说明
图1是本发明的人工智能边缘计算切换方法的流程图;
图2是人工智能应用三层架构;
图3是现有技术中移动通信网络工作流程示意图;
图4是本发明中移动通信网络工作流程示意图;
图5是本发明在自动驾驶感知阶段的实施例的示意图。
具体实施方式
下面将结合附图对本发明作进一步说明。
请参阅图1-5,本发明的人工智能边缘计算切换方法,包括下列步骤:
步骤一,进行切换准备。具体分为:
1)终端在与接入网络进行数据交互时,根据3GPP规范中终端测量与报告的要求,向源站点(即:当前基站)发送实时的测量报告,其中包含终端对于源站点的信号强度与信号质量、一个或多个即邻站点(相邻基站)的信号强度与信号质量的测量值,以及当前所使用的移动边缘计算(MEC)节点的信息。
2)源站点根据终端上报的测量报告,按照配置的站点间的切换阈值,判断是否需要向目标站点(即:信号更佳的特定邻站点)发起切换。当需要进行切换时,由源站点向目标站点发起切换请求,切换请求中携带终端的上下文信息以及原MEC节点(即:源站点保存的当前MEC节点)信息。
3)目标站点根据MEC配置信息,判断目标站点使用的MEC节点与原MEC节点是否相同,不相同则需要切换至新MEC节点。当需要切换至新MEC节点时,目标站点将原MEC节点信息发送给新MEC节点。新MEC节点通知原MEC节点做数据准备。
步骤二,进行切换。具体分为:
1)源站点收到切换请求响应后,向终端发送切换命令,其中包括目标站点的接入信息、目标站点的新MEC节点信息。
2)终端接收到切换命令后,开始发起切换,终端向目标站点发送切换确认。
3)目标站点向4G/5G核心网发送路径切换请求,同时向新MEC节点发送切换指令。
4)新MEC节点向原MEC节点发起增量AI模型文件下载请求,并将下载的结果与已有的AI模型进行合并。新MEC节点返回切换响应给目标站点。
步骤三,切换完成。具体分为:
1)目标站点完成核心网路径切换(接收到来自源站点的网络路径切换响应),在新MEC节点的AI模型拉取完成后,目标站点向源站点发送终端上下文释放通知,并向新MEC节点发送切换完成指令。
2)新MEC节点向原MEC节点发起增量AI模型文件的删除请求,以释放原MEC节点的存储空间。
另外,本发明可以适用于各类基于MEC的人工智能应用。如图5所示,以自动驾驶为例,深度神经网络(DNN)可运用于自动驾驶的关键模块,包括感知、规划和控制。在自动驾驶感知阶段,在5G网络架构下,AI MEC节点可以提供DNN计算能力,帮助汽车完成实时、大带宽的多传感器融合感知训练和识别能力,可以弥补车辆本地处理能力弱、训练数据不足的问题,同时节省云数据中心的计算能力与带宽资源。
在自动驾驶的感知阶段,在5G网络架构下使用DNN的AI MEC站点,可以按照本发明中提出的切换准备、切换、切换完成步骤,在站点之间可以通过深度迁移学习(DTL)的框架进行模型的共享。AI MEC站点可以使用基于实例、映射、网络或对抗技术的迁移学习方法对AI模型进行合并。
综上,本发明可以在人工智能边缘计算的不同节点之间进行切换,通过该切换流程,可以在不同节点间共享个性化的AI模型,提升了切换后AI计算的准确度,节省了计算资源。本发明可适用于4G/5G移动通信网络中的AIMEC场景。本发明与现有技术之间的总体流程区别见图3、4。
以上实施例仅供说明本发明之用,而非对本发明的限制,有关技术领域的技术人员,在不脱离本发明的精神和范围的情况下,还可以作出各种变换或变型,因此所有等同的技术方案也应该属于本发明的范畴,应由各权利要求所限定。
Claims (8)
1.一种人工智能边缘计算切换方法,其特征在于,包括:
终端向源站点发送实时的测量报告;
源站点根据测量报告判断需向目标站点发起切换时,向目标站点发起切换请求;
目标站点根据切换请求判断需切换至新MEC节点时,将原MEC节点信息发送给新MEC节点;
源站点收到切换请求响应后,向终端发送切换命令;
终端接收到切换命令后,向目标站点发送切换确认;
目标站点向核心网发送路径切换请求,同时向新MEC节点发送切换指令;
新MEC节点向原MEC节点发起增量AI模型文件下载请求,并将下载的结果与已有的AI模型进行合并;新MEC节点返回切换响应给目标站点。
2.根据权利要求1所述的人工智能边缘计算切换方法,其特征在于,还包括:目标站点完成核心网路径切换,在新MEC节点的AI模型拉取完成后,目标站点向源站点发送终端上下文释放通知,并向新MEC节点发送切换完成指令。
3.根据权利要求2所述的人工智能边缘计算切换方法,其特征在于,还包括:新MEC节点向原MEC节点发起增量AI模型文件的删除请求,以释放原MEC节点的存储空间。
4.根据权利要求1所述的人工智能边缘计算切换方法,其特征在于,测量报告包含:终端对于源站点的信号强度与信号质量、一个或多个即邻站点的信号强度与信号质量的测量值,以及当前所使用的MEC节点的信息。
5.根据权利要求1所述的人工智能边缘计算切换方法,其特征在于,源站点根据测量报告,按照配置的站点间的切换阈值,判断是否需要向目标站点发起切换;
所述切换请求中携带终端的上下文信息以及原MEC节点信息。
6.根据权利要求1所述的人工智能边缘计算切换方法,其特征在于,目标站点根据MEC配置信息,判断目标站点使用的MEC节点与原MEC节点是否相同,不相同则需要切换至新MEC节点。
7.根据权利要求1所述的人工智能边缘计算切换方法,其特征在于,目标站点将原MEC节点信息发送给新MEC节点后,新MEC节点通知原MEC节点做数据准备。
8.根据权利要求1所述的人工智能边缘计算切换方法,其特征在于,切换命令包括目标站点的接入信息、目标站点的新MEC节点信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111523684.XA CN114245404A (zh) | 2021-12-14 | 2021-12-14 | 一种人工智能边缘计算切换方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111523684.XA CN114245404A (zh) | 2021-12-14 | 2021-12-14 | 一种人工智能边缘计算切换方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114245404A true CN114245404A (zh) | 2022-03-25 |
Family
ID=80755616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111523684.XA Pending CN114245404A (zh) | 2021-12-14 | 2021-12-14 | 一种人工智能边缘计算切换方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114245404A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115086336A (zh) * | 2022-06-09 | 2022-09-20 | 重庆吼吼科技有限公司 | 一种工业互联网平台设备数据采集驱动p2p下载方法及系统 |
WO2023186048A1 (zh) * | 2022-04-01 | 2023-10-05 | 华为技术有限公司 | 一种ai服务信息获取方法、装置及系统 |
CN115086336B (zh) * | 2022-06-09 | 2024-06-28 | 重庆吼吼科技有限公司 | 一种工业互联网平台设备数据采集驱动p2p下载方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017066945A1 (zh) * | 2015-10-21 | 2017-04-27 | 华为技术有限公司 | Mec平台的切换方法、装置及系统 |
CN108282801A (zh) * | 2018-01-26 | 2018-07-13 | 重庆邮电大学 | 一种基于移动边缘计算的切换管理方法 |
CN110324853A (zh) * | 2019-07-12 | 2019-10-11 | 中国科学院计算技术研究所 | 一种防卡顿移动通信网络切换方法及相应网络架构 |
US20210211392A1 (en) * | 2020-01-02 | 2021-07-08 | Wipro Limited | System and Method of Sharing Edge Computing Resources |
CN113507733A (zh) * | 2021-06-18 | 2021-10-15 | 新华三技术有限公司 | 一种基于mec的用户切换方法、服务器和存储介质 |
-
2021
- 2021-12-14 CN CN202111523684.XA patent/CN114245404A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017066945A1 (zh) * | 2015-10-21 | 2017-04-27 | 华为技术有限公司 | Mec平台的切换方法、装置及系统 |
CN108282801A (zh) * | 2018-01-26 | 2018-07-13 | 重庆邮电大学 | 一种基于移动边缘计算的切换管理方法 |
CN110324853A (zh) * | 2019-07-12 | 2019-10-11 | 中国科学院计算技术研究所 | 一种防卡顿移动通信网络切换方法及相应网络架构 |
US20210211392A1 (en) * | 2020-01-02 | 2021-07-08 | Wipro Limited | System and Method of Sharing Edge Computing Resources |
CN113507733A (zh) * | 2021-06-18 | 2021-10-15 | 新华三技术有限公司 | 一种基于mec的用户切换方法、服务器和存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023186048A1 (zh) * | 2022-04-01 | 2023-10-05 | 华为技术有限公司 | 一种ai服务信息获取方法、装置及系统 |
CN115086336A (zh) * | 2022-06-09 | 2022-09-20 | 重庆吼吼科技有限公司 | 一种工业互联网平台设备数据采集驱动p2p下载方法及系统 |
CN115086336B (zh) * | 2022-06-09 | 2024-06-28 | 重庆吼吼科技有限公司 | 一种工业互联网平台设备数据采集驱动p2p下载方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108322937B (zh) | 无线接入网中用于网络切片的资源分配方法和编排器 | |
CN110139289B (zh) | 一种调度方法及调度系统 | |
CN113766559A (zh) | 一种网络模式控制方法及终端、存储介质 | |
CN109246780B (zh) | 一种会话切换方法、装置及系统 | |
EP3876600B1 (en) | Machine learning based handover parameter optimization | |
CN111132253B (zh) | 一种通信切换和服务迁移的联合移动性管理方法 | |
Ouyang et al. | Adaptive user-managed service placement for mobile edge computing via contextual multi-armed bandit learning | |
CN106131900A (zh) | 异构工业网络环境下的多通道切换控制方法及装置 | |
CN105814950A (zh) | 异构网络节能方法及设备 | |
JP2020535678A (ja) | モバイルデバイスの移動状況に基づく基地局切り替え方法および装置 | |
CN114245404A (zh) | 一种人工智能边缘计算切换方法 | |
CN112399496A (zh) | 一种卫星小区切换方法及其装置 | |
CN103582039A (zh) | 手机在丢失覆盖和制式切换时at命令处理方法及设备 | |
CN117615418B (zh) | 一种移动感知辅助的车联网服务迁移方法 | |
CN114826941A (zh) | 一种无线通信网络ai模型配置方法 | |
CN105519190A (zh) | 小区切换方法、设备和系统 | |
CN113316087A (zh) | 一种lte系统中基于终端位置预测的动态寻呼方法 | |
CN106413057A (zh) | 一种基于sdwn架构的无线接入网能耗优化方法 | |
WO2021239110A1 (zh) | 切换、切换处理、切换数据分析方法及设备、介质 | |
WO2021139464A1 (zh) | 一种双连接的切换方法、切换设备及存储介质 | |
CN107426751A (zh) | 一种Small Cell网络中滞后余量配置方法及装置 | |
CN113543242B (zh) | 一种实现异频切换的方法、装置和计算机可读存储介质 | |
Chen et al. | Machine learning enabled wireless communication network system | |
CN113556791B (zh) | 切换决策确定方法、装置、网络设备及存储介质 | |
CN110636527B (zh) | 一种实现集中式son的方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220325 |