CN114513838A - 移动边缘计算方法、框架和介质 - Google Patents

移动边缘计算方法、框架和介质 Download PDF

Info

Publication number
CN114513838A
CN114513838A CN202210188436.2A CN202210188436A CN114513838A CN 114513838 A CN114513838 A CN 114513838A CN 202210188436 A CN202210188436 A CN 202210188436A CN 114513838 A CN114513838 A CN 114513838A
Authority
CN
China
Prior art keywords
base station
task
information
intelligent equipment
macro base
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
Application number
CN202210188436.2A
Other languages
English (en)
Inventor
谢玉婷
庞信宇
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.)
Agricultural Bank of China
Original Assignee
Agricultural Bank of China
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 Agricultural Bank of China filed Critical Agricultural Bank of China
Priority to CN202210188436.2A priority Critical patent/CN114513838A/zh
Publication of CN114513838A publication Critical patent/CN114513838A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
    • H04W52/265—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the quality of service QoS
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种移动边缘计算方法、框架和介质。该方法包括：所述宏基站根据接收到的信息，将所述待处理任务信息、所述第一网络通信状态、所述第二网络通信状态、所述第一计算资源信息和所述第二计算资源信息交由任务引擎进行整合，构建全局的任务信息、网络通信状态和计算资源信息；将所述地理位置信息交由智慧交通引擎，结合智慧交通信息预测所述移动智能设备在当前所述宏基站通信范围内的停留时间；启动调度引擎，利用接收到的信息制定当前时间片的调度策略；通过网络将所述调度策略通知所述智能设备、所述微基站和所述边缘云服务器。与现有技术相比，本发明实施例扩大了应用范围、提升了任务分发精确性、能够更加全面地考虑系统能耗。

Description

移动边缘计算方法、框架和介质
技术领域
本发明涉及移动通信技术领域，尤其涉及一种移动边缘计算方法、框架和介质。
背景技术
与其它现代技术的发展一样，移动通信技术的发展也呈现加快趋势。其中，诸如智能汽车、手机等物联网设备可以通过蜂窝网络、低功耗广域网等方式接入互联网，并能使用装备的传感器感知周围环境的状态。例如在车联网和增强现实等领域，这些应用要求实时处理采集到的视频信息并将结果反馈给用户。大量的密集型计算任务势必会加快物联网设备的能源消耗，缩短其使用寿命。物联网设备与云端相结合是物联网应用的主要模式。然而物联网设备和远程云平台间长距离通信存在网络传输延时不稳定的问题，这将会导致物联网应用的延时过长，无法满足对延时有明确要求的应用。
为了解决这一问题，在现有技术提供了两种技术方案，第一种开展了基于MIMO的多蜂窝基站场景下多个移动智能设备将任务卸载到通用云服务器执行时能耗最小的研究，提出了一种基于连续凸近似技术的迭代算法。设置的场景为：网络中有两个蜂窝基站，每个蜂窝基站可以为6名活跃用户提供服务，假设每个蜂窝基站中有4名用户要求任务卸载服务，另外2名用户只负责传输数据，通过改变一系列约束参数分析算法的执行性能。第二种研究了多设备场景下任务卸载能量消耗最低的问题。考虑在小型无线基站场景，30个移动智能设备在基站通信范围内随机分布，首先每个移动智能设备只在本地进行计算，然后所有移动智能设备都将任务卸载到云服务器执行，最后根据优化算法进行在线任务卸载调度，通过比较三种情形下的能量消耗分析系统性能。
然而，上述技术方案中的设备数量、基站数量都较少，不足以满足真实的移动智能设备应用场景的需要，且不能准确预测设备的停留时间、参与计算时间，影响任务分发的精确性。另外，上述技术方案只关注任务执行过程中移动智能设备能耗最优，并没有涉及基站的能耗、移动智能设备与基站关联等运行情况。因此，现有技术存在应用受限、任务分发精确性较差、系统能耗考虑不全面的问题。
发明内容
本发明提供了一种移动边缘计算方法、框架和介质，以扩大应用范围、提升任务分发精确性、更加全面地考虑系统能耗。
根据本发明的一方面，提供了一种移动边缘计算方法，包括：
移动智能设备向宏基站提供待处理任务信息、第一网络通信状态、第一计算资源信息和地理位置信息；
微基站向所述宏基站提供第二网络通信状态；
边缘云服务器向所述宏基站提供虚拟机的第二计算资源信息；
所述宏基站根据接收到的信息，将所述待处理任务信息、所述第一网络通信状态、所述第二网络通信状态、所述第一计算资源信息和所述第二计算资源信息交由任务引擎进行整合，构建全局的任务信息、网络通信状态和计算资源信息；
所述宏基站将所述地理位置信息交由智慧交通引擎，结合智慧交通信息预测所述移动智能设备在当前所述宏基站通信范围内的停留时间；
所述宏基站启动调度引擎，利用接收到的信息制定当前时间片的调度策略；
所述宏基站通过网络将所述调度策略通知所述智能设备、所述微基站和所述边缘云服务器。
可选地，所述调度策略包括：设备任务卸载调度策略、用户-基站关联调度策略和基站睡眠调度策略中的至少一种。
可选地，在所述宏基站通过网络将所述调度策略通知所述智能设备、所述微基站和所述边缘云服务器之后，还包括：
所述边缘云服务器为相应的所述智能设备提供计算服务；
在计算完成后，将计算结果根据需要上传到互联网做进一步分析处理，或者，将所述计算结果返回所述智能设备。
可选地，在所述宏基站通过网络将所述调度策略通知所述智能设备、所述微基站和所述边缘云服务器之后，还包括：
所述智能设备获得要关联的基站、任务本地执行的量和卸载到所述边缘云服务器执行的量；其中，所述基站包括一个宏基站和多个微基站；
所述基站确定当前时间片是否需要开启，以及要关联的所述智能设备。
可选地，所述调度引擎利用接收到的信息制定当前时间片的调度策略，包括：
建立所述智能设备的本地任务剩余量的计算公式；
建立所述边缘云服务器中虚拟机在时间片的任务剩余量计算公式；
建立所述智能设备的能耗的计算公式；
建立基站的能耗计算公式；其中，所述基站包括一个宏基站和多个微基站；
建立最小化所述智能设备和所述基站的总体能耗的目标函数，并受到约束条件的限制。
可选地，所述约束条件包括以下条件中的至少一种：
每个所述智能设备最多与一个所述基站建立关联；
任意所述基站在每个时间片内最多可以关联预设数量的所述智能设备；
只有当所述智能设备与所述基站的上行链路SINR大于目标SINR时，所述智能设备与所述基站之间才能建立关联；
在任意时间片内，所述边缘云服务器为所述智能设备分配的虚拟机计算资源都不超出所述边缘云服务器的物理资源；
每个时间片内，所述智能设备在本地处理的任务不超出其计算能力；
每个时间片内，所述智能设备卸载的任务量不超出其传输能力；
每个时间片内，所述智能设备本地执行的任务与卸载执行的任务之和不超出其当前任务队列；
每个时间片内，所述智能设备的任务执行时间与传输时间之和不超过所述智能设备在当前所述基站通信范围内的停留时间；
只有所述基站处于开启状态时，所述智能设备才能与之进行关联；
任务的平均时延能满足应用的时延要求。
可选地，所述移动边缘计算方法基于5G网络架构和智慧交通系统。
可选地，所述移动智能设备包括：智能手机和智能汽车中的至少一种。
根据本发明的另一方面，提供了一种移动边缘计算框架，其特征在于，包括：
移动智能设备，用于向宏基站提供待处理任务信息、第一网络通信状态、第一计算资源信息和地理位置信息；
微基站，用于向所述宏基站提供第二网络通信状态；
边缘云服务器，用于向所述宏基站提供虚拟机的第二计算资源信息；
所述宏基站，用于根据接收到的信息，将所述待处理任务信息、所述第一网络通信状态、所述第二网络通信状态、所述第一计算资源信息和所述第二计算资源信息交由任务引擎进行整合，构建全局的任务信息、网络通信状态和计算资源信息；
所述宏基站将所述地理位置信息交由智慧交通引擎，结合智慧交通信息预测所述移动智能设备在当前所述宏基站通信范围内的停留时间；
所述宏基站启动调度引擎，利用接收到的信息制定当前时间片的调度策略；
所述宏基站通过网络将所述调度策略通知所述智能设备、所述微基站和所述边缘云服务器。
根据本发明的另一方面，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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的移动边缘计算方法。
本发明实施例设置宏基站根据接收到的信息，将待处理任务信息、第一网络通信状态、第二网络通信状态、第一计算资源信息和第二计算资源信息交由任务引擎进行整合，构建全局的任务信息、网络通信状态和计算资源信息；将地理位置信息交由智慧交通引擎，结合智慧交通信息预测移动智能设备在当前宏基站通信范围内的停留时间；启动调度引擎，利用接收到的信息制定当前时间片的调度策略。其中，宏基站根据当前系统信息为移动智能设备选择最合适的基站进行关联，并且令没有关联移动智能设备的微基站进入睡眠状态从而节约能量。相较于现有技术，本发明实施例可以通过智慧交通系统预测移动智能设备参与计算的时间，进行任务卸载调度、设备-基站关联和基站睡眠调度，最小化移动智能设备和基站的总体能量消耗，同时保证应用的服务质量要求(主要为延时要求)，可广泛应用于5G网络移动计算场景。因此，本发明实施例扩大了移动边缘计算的应用范围、提升了任务分发精确性、更加全面地考虑系统能耗。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种移动边缘计算框架的结构示意图；
图2为本发明实施例提供的一种移动边缘计算方法的流程示意图；
图3为本发明实施例提供的另一种移动边缘计算方法的流程示意图；
图4为本发明实施例提供的一种调度引擎制定调度策略的计算方法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供了一种移动边缘计算方法。该方法可基于5G网络架构和智慧交通系统。该方可可以适用于物联网，帮助移动智能设备完成复杂的计算任务(比如VR、AR、智慧城市)，同时最小化全网范围内所有参与计算的移动智能设备和基站的整体能耗。
其中，移动边缘计算是指将传统集中式数据中心里的云计算平台与移动网络融合，将网络业务下沉到无线接入网，将计算能力下沉到分布式基站和边缘云，在无线网络边缘增加计算、存储等功能，将传统无线基站升级为智能化基站，在接近智能终端的地方提供云计算能力，为用户提供任务卸载服务，进而提高网络利用效率。
智慧交通系统是指将云计算、物联网、大数据处理、人工智能等技术有效地集成运用于整地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确高效的综合交通运输管理系统。使交通系统具备感知、互联、分析、预测、控制等能力，充分保障交通安全、发挥交通基础设施效能、提升交通系统运行效率和管理水平。本发明实施例利用智慧交通系统可以获取移动智能设备在基站范围内的停留时间。
5G网络架构的重要特点是网络功能虚拟化，支持软件定义网络(SDN)，将云计算和云存储拉近到了网络边缘，创造一个具备高性能、低延迟与高带宽的电信级服务环境，加速网络中各项内容、服务与应用的分发和下载。
为了更清楚地描述本发明实施例所提供的技术方案，首先介绍本发明实施例提供的移动边缘计算框架，将其命名为ITMED。图1为本发明实施例提供的一种移动边缘计算框架的结构示意图。参见图1，该框架主要由移动智能设备210、宏基站221、微基站222和边缘云服务器230构成。假设移动智能设备210用集合N＝{1,2,...,N}表示，基站220用集合M＝{1,2,...,M}表示，基站集合M中包括1个宏基站221和M-1个微基站222。框架考虑将宏基站221作为中央控制中心，在宏基站221中设置任务引擎进程、智慧交通引擎进程和调度引擎进程。任务引擎进程可以收集移动智能设备端的待处理任务信息、网络通信状态、可用计算资源，微基站222的网络通信状态以及边缘云服务器的计算资源信息，并利用这些信息估算当前任务在系统中的执行时间和能耗。智慧交通引擎进程可以收集移动智能设备的地理位置信息，结合智慧交通信息预测移动智能设备在当前基站通信范围内停留时间。调度引擎进程根据任务引擎进程和智慧交通引擎进程收集、处理的信息完成对系统中移动智能设备的任务卸载调度、设备-基站关联和基站睡眠调度，保证在移动智能设备停留时间范围内完成任务传输和计算。
图2为本发明实施例提供的一种移动边缘计算方法的流程示意图。参见图2，该移动边缘计算方法包括以下步骤：
S110、移动智能设备向宏基站提供待处理任务信息、第一网络通信状态、第一计算资源信息和地理位置信息。
其中，移动智能设备(以下可简称为设备)的形式有多种，例如可以是，智能手机和智能汽车等。移动智能设备利用自身配备的传感器采集数据，其中，传感器例如可以是陀螺仪、加速度传感器等。ITMED框架以时间片t为单位运行，在每个时间片内，移动智能设备需要向宏基站提供自身的待处理任务信息、第一网络通信状态、第一计算资源信息和地理位置信息。在ITMED框架中，移动智能设备除了可以在本地进行计算，也可以利用无线网络接入基站，在宏基站的调度下将任务卸载到边缘云服务器，充分利用边缘云服务器的资源进行计算。
S120、微基站向宏基站提供第二网络通信状态。
S130、边缘云服务器向宏基站提供虚拟机的第二计算资源信息。
S140、宏基站根据接收到的信息，将待处理任务信息、第一网络通信状态、第二网络通信状态、第一计算资源信息和第二计算资源信息交由任务引擎进行整合，构建全局的任务信息、网络通信状态和计算资源信息。
S150、宏基站将地理位置信息交由智慧交通引擎，结合智慧交通信息预测移动智能设备在当前宏基站通信范围内的停留时间。
S160、宏基站启动调度引擎，利用接收到的信息制定当前时间片的调度策略。
可选地，调度策略包括：设备任务卸载调度策略、用户-基站关联调度策略和基站睡眠调度策略中的至少一种。
S170、宏基站通过网络将调度策略通知智能设备、微基站和边缘云服务器。
可选地，在宏基站通过网络将调度策略通知智能设备、微基站和边缘云服务器之后，智能设备能够获得要关联的基站、任务本地执行的量和卸载到边缘云服务器执行的量。基站确定当前时间片是否需要开启，以及要关联的智能设备。
本发明实施例设置宏基站根据接收到的信息，将待处理任务信息、第一网络通信状态、第二网络通信状态、第一计算资源信息和第二计算资源信息交由任务引擎进行整合，构建全局的任务信息、网络通信状态和计算资源信息；将地理位置信息交由智慧交通引擎，结合智慧交通信息预测移动智能设备在当前宏基站通信范围内的停留时间；启动调度引擎，利用接收到的信息制定当前时间片的调度策略。其中，宏基站根据当前系统信息为移动智能设备选择最合适的基站进行关联，并且令没有关联移动智能设备的微基站进入睡眠状态从而节约能量。相较于现有技术，本发明实施例可以通过智慧交通系统预测移动智能设备参与计算的时间，进行任务卸载调度、设备-基站关联和基站睡眠调度，最小化移动智能设备和基站的总体能量消耗，同时保证应用的服务质量要求(主要为延时要求)，可广泛应用于5G网络移动计算场景。因此，本发明实施例扩大了移动边缘计算的应用范围、提升了任务分发精确性、更加全面地考虑系统能耗。
图3为本发明实施例提供的另一种移动边缘计算方法的流程示意图。参见图3，在上述各实施例的基础上，可选地，在S170之后，还包括：
S180、边缘云服务器为相应的智能设备提供计算服务。
S190、在计算完成后，将计算结果根据需要上传到互联网做进一步分析处理，或者，将计算结果返回智能设备。
这样设置，使得移动边缘计算方法更加完善。
在上述各实施例中，调度引擎制定调度策略的计算方法有多种，下面进行具体说明，但不作为对本发明的限定。示例性地，本发明实施例引入如下参数描述框架中的各种变量：
si(t)，单位时间片内设备的CPU周期数；
pi(si(t))，设备i的CPU周期数为si(t)时的功率；
aij(t)，标志设备i与基站j是否关联；
pi，设备i的上传功率；
rij(t)，设备i与基站j的上传链路的传输速度；
ri(t)，设备i的上传速度；
vi，虚拟机i在每个时间片的计算能力；
ci(t)，标志是否为虚拟机i分配计算资源；
vmax(t)，边缘云服务器的物理资源；
ρ，任务的计算密度；
dmax，任务的时延要求；
Qi(t)，设备i在时间片t的本地任务队列；
Li(t)，设备i在边缘云虚拟机的任务队列；
xi(t)，Qi(t)中在本地执行的部分；
yi(t)，Li(t)中被卸载执行的部分；
ki(t)，设备i在时间片t新生成的任务量；
ei(t)，设备i在时间片t的能量消耗；
Ej(t)，基站j在时间片t的能量消耗；
bj(t)，标志基站j在时间片t是否开启；
Pj，基站j的功耗；
Ti(t)，设备i在当前基站通信范围内的停留时间；
Oi(t)，设备i的地理位置信息。
图4为本发明实施例提供的一种调度引擎制定调度策略的计算方法的流程示意图。参见图4，在本发明的一种实施方式中，可选地，调度引擎利用接收到的信息制定当前时间片的调度策略，包括以下步骤：
S161、建立智能设备的本地任务剩余量的计算公式。
S162、建立边缘云服务器中虚拟机在时间片的任务剩余量计算公式。
其中，引入Qi(t)表示智能设备i在时间片t的任务队列，描述设备i的本地任务剩余量；引入Li(t)表示设备i在边缘云虚拟机的任务队列，描述虚拟机i在时间片t的任务剩余量。令xi(t)表示Qi(t)中本地执行的部分，yi(t)表示Qi(t)中被卸载到边缘云服务器执行的部分，ki(t)表示设备i在时间片t新生成的任务量，得到队列Qi(t)和Li(t)的更新规则如下，其中ci(t)min(vi/ρ,Li(t))表示虚拟机i在时间片t处理的任务量。
Qi(t+1)＝Qi(t)+ki(t)-xi(t)-yi(t)
Li(t+1)＝Li(t)+yi(t)-ci(t)min(vi/ρ,Li(t))
引入Oi(t)以经纬度形式表示移动智能设备i在时间片t的地理位置信息，可以计算距离宏基站的距离，再结合智慧交通系统的实时交通状态，可以预测智能设备i在当前基站通信范围内的停留时间Ti(t)。
S163、建立智能设备的能耗的计算公式。
其中，由于边缘云服务器具有稳定的能量供应，因此ITMED框架只考虑了智能设备和基站的能耗。设备的能耗ei(t)由本地计算的能耗和任务卸载时的通信能耗两部分组成，用公式可以表示为：
Figure BDA0003524568480000111
S164、建立基站的能耗计算公式；其中，基站包括一个宏基站和多个微基站。
ITMED框架定义二进制控制变量bj(t)表示基站的睡眠调度。当bj(t)＝1时，基站j开启，当bj(t)＝0时，基站j关闭。令Pj表示基站j的功耗，可以得到基站j的能耗为：
Ej(t)＝bj(t)Pj(t)。
S165、建立最小化智能设备和基站的总体能耗的目标函数，并受到约束条件的限制。
ITMED框架的主要目标是在移动智能设备应用场景中，通过任务卸载调度、基站睡眠调度和设备-基站关联，最小化设备和基站的总体能量消耗，同时兼顾应用的服务质量要求(主要为时延要求)。
其中，约束条件包括以下条件中的至少一种：
(1)每个智能设备最多与一个基站建立关联。即在一个时间片内，每个智能设备最多与一个基站建立关联。
Figure BDA0003524568480000121
只有当aij(t)＝1时，设备i才与基站j建立关联。
(2)任意基站在每个时间片内最多可以关联预设数量的智能设备。即任意基站j在每个时间片内最多可以关联hj个智能设备。
Figure BDA0003524568480000122
(3)只有当智能设备与基站的上行链路SINR大于目标SINR时，智能设备与基站之间才能建立关联。即只有当设备i与基站j的上行链路SINR大于目标SINR时，设备与基站之间才能建立关联。
Figure BDA0003524568480000123
其中Γij(t)表示设备i与基站j的上行链路SINR。
(4)在任意时间片内，边缘云服务器为智能设备分配的虚拟机计算资源都不超出边缘云服务器的物理资源。ITMED框架在边缘云服务器为每个智能设备i部署一台专用虚拟机i，虚拟机i在单位时间片t内的计算能力为vi。ci(t)是一个二进制控制变量，只有当ci(t)＝1时，边缘云服务器才会为虚拟机i分配计算资源。保证在任意时间片内，边缘云服务器为设备分配的虚拟机计算资源都不超出服务器的物理资源vmax(t)。
Figure BDA0003524568480000124
(5)每个时间片内，智能设备在本地处理的任务不超出其计算能力。每个时间片内，设备在本地处理的任务不超出它的计算能力。
Figure BDA0003524568480000125
(6)每个时间片内，智能设备卸载的任务量不超出其传输能力。即每个时间片内，设备卸载的任务量不超出它的传输能力。yi(t)≤ri(t)。
(7)每个时间片内，智能设备本地执行的任务与卸载执行的任务之和不超出其当前任务队列。即每个时间片内，设备本地执行的任务与卸载执行的任务之和不超出它的当前任务队列。xi(t)+yi(t)≤Qi(t)+ki(t)。
(8)每个时间片内，智能设备的任务执行时间与传输时间之和不超过智能设备在当前基站通信范围内的停留时间。即每个时间片内，设备的任务执行时间与传输时间之和不超过设备在当前基站通信范围内的停留时间。
Figure BDA0003524568480000131
(9)只有基站处于开启状态时，智能设备才能与之进行关联。即只有基站j处于开启状态时，设备i才能与之进行关联。aij(t)≤bij(t)。
(10)任务的平均时延能满足应用的时延要求。即任务的平均时延能满足应用的时延要求。
Figure BDA0003524568480000132
其中
Figure BDA0003524568480000133
包括任务的计算时延和传输时延，λ表示每个设备单位时间片内任务的平均到来量。
最终的优化问题(目标函数)为：最小化
Figure BDA0003524568480000134
综上所述，本发明实施例至少包括以下有益效果：
(1)本发明实施例更接近真实的应用场景，框架中参与计算的移动智能设备数量、基站数量都不做限制，具有更广泛的借鉴意义。
(2)本发明实施例依托于5G网络架构和智慧交通系统，利用智慧交通系统精确计算移动智能设备参与计算的时间，从而可以充分利用设备的计算能力。
(3)本发明实施例充分利用了5G网络架构下蜂窝基站睡眠调度、设备与蜂窝基站关联，从而实现全网范围内所有参与计算的移动智能设备和基站的整体能耗最低，更符合科技发展于应用趋势。
(4)本发明实施例充分考虑了物联网设备和蜂窝基站设备的能耗，实现了真正的能耗最低。
本发明实施例还提供了一种移动边缘计算框架。继续参见图1，该移动边缘计算框架包括：
移动智能设备210，用于向宏基站提供待处理任务信息、第一网络通信状态、第一计算资源信息和地理位置信息。
微基站222，用于向宏基站提供第二网络通信状态；
边缘云服务器230，用于向宏基站提供虚拟机的第二计算资源信息；
宏基站221，用于根据接收到的信息，将待处理任务信息、第一网络通信状态、第二网络通信状态、第一计算资源信息和第二计算资源信息交由任务引擎进行整合，构建全局的任务信息、网络通信状态和计算资源信息；
宏基站221将地理位置信息交由智慧交通引擎，结合智慧交通信息预测移动智能设备在当前宏基站通信范围内的停留时间；
宏基站221启动调度引擎，利用接收到的信息制定当前时间片的调度策略；
宏基站221通过网络将调度策略通知智能设备、微基站和边缘云服务器。
可选地，调度策略包括：设备任务卸载调度策略、用户-基站关联调度策略和基站睡眠调度策略中的至少一种。
可选地，边缘云服务器还用于在宏基站通过网络将调度策略通知智能设备、微基站和边缘云服务器之后，为相应的智能设备提供计算服务；在计算完成后，将计算结果根据需要上传到互联网做进一步分析处理，或者，将计算结果返回智能设备。
可选地，智能设备还用于在宏基站通过网络将调度策略通知智能设备、微基站和边缘云服务器之后，获得要关联的基站、任务本地执行的量和卸载到边缘云服务器执行的量；其中，基站包括一个宏基站和多个微基站。
基站还用于在宏基站通过网络将调度策略通知智能设备、微基站和边缘云服务器之后，确定当前时间片是否需要开启，以及要关联的智能设备。
可选地，调度引擎还用于包括：
建立智能设备的本地任务剩余量的计算公式；
建立边缘云服务器中虚拟机在时间片的任务剩余量计算公式；
建立智能设备的能耗的计算公式；
建立基站的能耗计算公式；其中，基站包括一个宏基站和多个微基站；
建立最小化智能设备和基站的总体能耗的目标函数，并受到约束条件的限制。
可选地，约束条件包括以下条件中的至少一种：
每个智能设备最多与一个基站建立关联；
任意基站在每个时间片内最多可以关联预设数量的智能设备；
只有当智能设备与基站的上行链路SINR大于目标SINR时，智能设备与基站之间才能建立关联；
在任意时间片内，边缘云服务器为智能设备分配的虚拟机计算资源都不超出边缘云服务器的物理资源；
每个时间片内，智能设备在本地处理的任务不超出其计算能力；
每个时间片内，智能设备卸载的任务量不超出其传输能力；
每个时间片内，智能设备本地执行的任务与卸载执行的任务之和不超出其当前任务队列；
每个时间片内，智能设备的任务执行时间与传输时间之和不超过智能设备在当前基站通信范围内的停留时间；
只有基站处于开启状态时，智能设备才能与之进行关联；
任务的平均时延能满足应用的时延要求。
可选地，移动边缘计算框架基于5G网络架构和智慧交通系统。
可选地，移动智能设备包括：智能手机和智能汽车中的至少一种。
本发明实施例所提供的移动边缘计算框架可执行本发明任意实施例所提供的移动边缘计算方法，具备执行方法相应的功能模块和有益效果。
本发明实施例还提供了一种计算机可读存储介质。在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种移动边缘计算方法，其特征在于，包括：
移动智能设备向宏基站提供待处理任务信息、第一网络通信状态、第一计算资源信息和地理位置信息；
微基站向所述宏基站提供第二网络通信状态；
边缘云服务器向所述宏基站提供虚拟机的第二计算资源信息；
所述宏基站根据接收到的信息，将所述待处理任务信息、所述第一网络通信状态、所述第二网络通信状态、所述第一计算资源信息和所述第二计算资源信息交由任务引擎进行整合，构建全局的任务信息、网络通信状态和计算资源信息；
所述宏基站将所述地理位置信息交由智慧交通引擎，结合智慧交通信息预测所述移动智能设备在当前所述宏基站通信范围内的停留时间；
所述宏基站启动调度引擎，利用接收到的信息制定当前时间片的调度策略；
所述宏基站通过网络将所述调度策略通知所述智能设备、所述微基站和所述边缘云服务器。
2.根据权利要求1所述的方法，其特征在于，所述调度策略包括：设备任务卸载调度策略、用户-基站关联调度策略和基站睡眠调度策略中的至少一种。
3.根据权利要求1所述的方法，其特征在于，在所述宏基站通过网络将所述调度策略通知所述智能设备、所述微基站和所述边缘云服务器之后，还包括：
所述边缘云服务器为相应的所述智能设备提供计算服务；
在计算完成后，将计算结果根据需要上传到互联网做进一步分析处理，或者，将所述计算结果返回所述智能设备。
4.根据权利要求1所述的方法，其特征在于，在所述宏基站通过网络将所述调度策略通知所述智能设备、所述微基站和所述边缘云服务器之后，还包括：
所述智能设备获得要关联的基站、任务本地执行的量和卸载到所述边缘云服务器执行的量；其中，所述基站包括一个宏基站和多个微基站；
所述基站确定当前时间片是否需要开启，以及要关联的所述智能设备。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述调度引擎利用接收到的信息制定当前时间片的调度策略，包括：
建立所述智能设备的本地任务剩余量的计算公式；
建立所述边缘云服务器中虚拟机在时间片的任务剩余量计算公式；
建立所述智能设备的能耗的计算公式；
建立基站的能耗计算公式；其中，所述基站包括一个宏基站和多个微基站；
建立最小化所述智能设备和所述基站的总体能耗的目标函数，并受到约束条件的限制。
6.根据权利要求5所述的方法，其特征在于，所述约束条件包括以下条件中的至少一种：
每个所述智能设备最多与一个所述基站建立关联；
任意所述基站在每个时间片内最多可以关联预设数量的所述智能设备；
只有当所述智能设备与所述基站的上行链路SINR大于目标SINR时，所述智能设备与所述基站之间才能建立关联；
在任意时间片内，所述边缘云服务器为所述智能设备分配的虚拟机计算资源都不超出所述边缘云服务器的物理资源；
每个时间片内，所述智能设备在本地处理的任务不超出其计算能力；
每个时间片内，所述智能设备卸载的任务量不超出其传输能力；
每个时间片内，所述智能设备本地执行的任务与卸载执行的任务之和不超出其当前任务队列；
每个时间片内，所述智能设备的任务执行时间与传输时间之和不超过所述智能设备在当前所述基站通信范围内的停留时间；
只有所述基站处于开启状态时，所述智能设备才能与之进行关联；
任务的平均时延能满足应用的时延要求。
7.根据权利要求1所述的方法，其特征在于，所述移动边缘计算方法基于5G网络架构和智慧交通系统。
8.根据权利要求1所述的方法，其特征在于，所述移动智能设备包括：智能手机和智能汽车中的至少一种。
9.一种移动边缘计算框架，其特征在于，包括：
移动智能设备，用于向宏基站提供待处理任务信息、第一网络通信状态、第一计算资源信息和地理位置信息；
微基站，用于向所述宏基站提供第二网络通信状态；
边缘云服务器，用于向所述宏基站提供虚拟机的第二计算资源信息；
所述宏基站，用于根据接收到的信息，将所述待处理任务信息、所述第一网络通信状态、所述第二网络通信状态、所述第一计算资源信息和所述第二计算资源信息交由任务引擎进行整合，构建全局的任务信息、网络通信状态和计算资源信息；
所述宏基站将所述地理位置信息交由智慧交通引擎，结合智慧交通信息预测所述移动智能设备在当前所述宏基站通信范围内的停留时间；
所述宏基站启动调度引擎，利用接收到的信息制定当前时间片的调度策略；
所述宏基站通过网络将所述调度策略通知所述智能设备、所述微基站和所述边缘云服务器。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的移动边缘计算方法。
CN202210188436.2A 2022-02-28 2022-02-28 移动边缘计算方法、框架和介质 Pending CN114513838A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210188436.2A CN114513838A (zh) 2022-02-28 2022-02-28 移动边缘计算方法、框架和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210188436.2A CN114513838A (zh) 2022-02-28 2022-02-28 移动边缘计算方法、框架和介质

Publications (1)

Publication Number Publication Date
CN114513838A true CN114513838A (zh) 2022-05-17

Family

ID=81553828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210188436.2A Pending CN114513838A (zh) 2022-02-28 2022-02-28 移动边缘计算方法、框架和介质

Country Status (1)

Country Link
CN (1) CN114513838A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115658218A (zh) * 2022-09-09 2023-01-31 北京百度网讯科技有限公司 边缘设备接入云端的方法、装置、设备以及存储介质
CN117615418A (zh) * 2024-01-19 2024-02-27 北京邮电大学 一种移动感知辅助的车联网服务迁移方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190058732A1 (en) * 2015-12-01 2019-02-21 Qatar Foundation for Education, Science and and Community Developmen System and method for detection and isolation of network activity
CN109981753A (zh) * 2019-03-07 2019-07-05 中南大学 一种面向物联网的软件定义的边缘计算的系统及资源分配方法
WO2021194583A1 (en) * 2020-03-23 2021-09-30 Apple Inc. Dynamic service discovery and offloading framework for edge computing based cellular network systems
CN113950103A (zh) * 2021-09-10 2022-01-18 西安电子科技大学 一种移动边缘环境下多服务器完全计算卸载方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190058732A1 (en) * 2015-12-01 2019-02-21 Qatar Foundation for Education, Science and and Community Developmen System and method for detection and isolation of network activity
CN109981753A (zh) * 2019-03-07 2019-07-05 中南大学 一种面向物联网的软件定义的边缘计算的系统及资源分配方法
WO2021194583A1 (en) * 2020-03-23 2021-09-30 Apple Inc. Dynamic service discovery and offloading framework for edge computing based cellular network systems
CN113950103A (zh) * 2021-09-10 2022-01-18 西安电子科技大学 一种移动边缘环境下多服务器完全计算卸载方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谢玉婷: ""移动边缘计算任务卸载和基站关联协同决策问题研究"", 《计算机研究与发展》, pages 1 - 3 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115658218A (zh) * 2022-09-09 2023-01-31 北京百度网讯科技有限公司 边缘设备接入云端的方法、装置、设备以及存储介质
CN115658218B (zh) * 2022-09-09 2024-03-12 北京百度网讯科技有限公司 边缘设备接入云端的方法、装置、设备以及存储介质
CN117615418A (zh) * 2024-01-19 2024-02-27 北京邮电大学 一种移动感知辅助的车联网服务迁移方法
CN117615418B (zh) * 2024-01-19 2024-04-12 北京邮电大学 一种移动感知辅助的车联网服务迁移方法

Similar Documents

Publication Publication Date Title
CN109951821B (zh) 基于移动边缘计算的最小化车辆能耗任务卸载方案
Chen et al. Energy-efficient task offloading and resource allocation via deep reinforcement learning for augmented reality in mobile edge networks
CN110647391B (zh) 面向星地协同网络的边缘计算方法及系统
Ning et al. Intelligent edge computing in internet of vehicles: A joint computation offloading and caching solution
CN111414252B (zh) 一种基于深度强化学习的任务卸载方法
CN111240701B (zh) 一种端-边-云协同计算的任务卸载优化方法
CN109669768B (zh) 一种面向边云结合架构的资源分配和任务调度方法
CN109800072B (zh) 基于边缘计算的任务调度优化方法和装置
CN110098969B (zh) 一种面向物联网的雾计算任务卸载方法
CN109829332B (zh) 一种基于能量收集技术的联合计算卸载方法及装置
CN109951869B (zh) 一种基于云雾混合计算的车联网资源分配方法
CN112422644B (zh) 计算任务卸载方法及系统、电子设备和存储介质
CN114513838A (zh) 移动边缘计算方法、框架和介质
Li et al. Energy-aware task offloading with deadline constraint in mobile edge computing
CN111586696A (zh) 一种基于多智能体架构强化学习的资源分配及卸载决策方法
CN111355779B (zh) 基于服务的车联网任务卸载方法及其卸载装置
CN110519776B (zh) 一种雾计算系统中的均衡聚类和联合资源分配方法
CN113064671A (zh) 基于多智能体的边缘云可扩展任务卸载方法
CN109257432A (zh) 一种任务切换方法、计算机装置及可读存储介质
CN111988787B (zh) 一种任务的网络接入和服务放置位置选择方法及系统
Zhang et al. Theoretical analysis on edge computation offloading policies for IoT devices
CN111885147A (zh) 边缘计算中的一种资源动态定价方法
CN114205353B (zh) 一种基于混合动作空间强化学习算法的计算卸载方法
CN114363962A (zh) 一种协作式边缘服务器部署和资源调度方法、存储介质及系统
CN113645637B (zh) 超密集网络任务卸载方法、装置、计算机设备和存储介质

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