CN115243222B - 动车组车地协同任务处理方法及其系统、设备及存储介质 - Google Patents
动车组车地协同任务处理方法及其系统、设备及存储介质 Download PDFInfo
- Publication number
- CN115243222B CN115243222B CN202210717520.9A CN202210717520A CN115243222B CN 115243222 B CN115243222 B CN 115243222B CN 202210717520 A CN202210717520 A CN 202210717520A CN 115243222 B CN115243222 B CN 115243222B
- Authority
- CN
- China
- Prior art keywords
- processing
- task
- ground
- vehicle
- train
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 334
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 238000013468 resource allocation Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims description 39
- 238000004891 communication Methods 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 9
- 241000271559 Dromaiidae Species 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 8
- 238000003672 processing method Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012913 prioritisation Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000005251 gamma ray Effects 0.000 claims description 3
- 238000000275 quality assurance Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 8
- 238000010295 mobile communication Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 206010042135 Stomatitis necrotising Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 201000008585 noma Diseases 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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]
- 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]
-
- 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
- G06F9/5038—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 considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本申请公开了一种动车组车地协同任务处理方法，包括：车地协同任务生成步骤：基于动车组车载运行状态数据生成车地协同处理任务，基于车地协同处理任务的原始数据容量、任务计算量、处理结果容量及最大可容忍服务时延，生成动车组协同处理任务集合；车地协同任务调度步骤：基于动车组协同处理任务集合，采用预构建的车地协同任务计算模型及资源分配模型，获得车地协同处理任务的调度策略，以及针对动车组车地网络系统中的各级设备的资源最优分配策略。本申请还公开了一种动车组车地协同任务处理系统、介质和存储介质。
Description
技术领域
本申请涉及铁路机车车辆数据处理领域，特别是涉及一种动车组车地协同任务处理方法及其系统。
背景技术
目前，动车组车载数据包含牵引、制动、轴温、车门、空调等多个子系统的过程及状态数据，对于监控动车组故障状态和运行技术条件具有重要参考价值，可用于列车各系统故障原因分析、趋势规律预测和运用状态评估等。动车组车载数据分为实时和非实时数据。实时数据是指列车运行过程中由无线车载传输设备从列车传感器网络及卫星导航系统采集并实时发送的动车组故障信息、状态信息等，通过4G或5G网络经过安全平台发送到地面数据中心。非实时数据是指无线车载传输设备从列车传感网络及卫星导航系统采集并记录，通过WLAN无线局域网向段所服务器传输的列车运行全量数据。
高铁动车组运行速度快、运行参数采样频率高、无线空口资源有限，因此对车载数据的移动传输及实时处理提出了极高的要求。不仅要保障车地间无线数据传输的大吞吐量和高稳定性，还要保证车载数据实时计算处理的高效低时延，以满足对行车安全隐患进行及时发现和应急处置的要求。当前各种车载传感器采样频率通常在毫秒级，动车组每组每日产生数据量达到了GB级，从动车组到地面数据中心的数据传输延时达到了分钟级。无论是通过4G、5G等移动通信手段的传输，还是通过WLAN手段的非实时数据传输，在整个过程中仅完成对车载数据的存储转发，尚未显性提出在网络接入点或汇聚点边缘侧采取清洗过滤或信息增强等边缘计算措施，更不用提车地通信环境下协同计算的任务调度和资源分配。
为了解决现有技术中存在的上述问题，亟需研制一种完备的实现车地协同计算任务调度和资源分配的方法。
本发明专利提出了面向动车组实时数据4G/5G无线传输，以及非实时数据WLAN无线传输的车地协同计算场景的解决方案,面向车载传输设备、地面接入点(4G/5G基站或WLAN AP)、网络汇聚点、地面数据中心的动车组车地网络应用环境，综合考虑数据处理任务优先级、车地网络传输成本、边缘节点硬件资源等因素，提出一种实现车地协同计算任务调度和资源分配的方法。
发明内容
本申请实施例提出了一种动车组车地协同任务处理方法及系统，完成了车地协同计算任务调度和资源分配。
第一方面，本申请实施例提供了一种动车组车地协同任务处理方法，应用于包含相互之间通信连接的动车组车载设备、接入节点、多级汇聚节点及地面数据中心的动车组车地网络系统，该方法包括：
车地协同任务生成步骤：基于动车组车载运行状态数据生成车地协同处理任务，基于车地协同处理任务的原始数据容量、任务计算量、处理结果容量及最大可容忍服务时延，生成动车组车地协同处理任务集合；
车地协同任务调度步骤：基于动车组车地协同处理任务集合，采用预构建的车地协同任务计算模型及资源分配模型，获得车地协同处理任务的调度策略，以及针对动车组车地网络系统中的各级设备的资源最优分配策略。
优选的，上述动车组车地协同任务处理方法，还包括：
车地协同服务质量保障步骤：优化车地协同处理任务的调度策略及资源最优分配策略，计算车地协同处理任务的总处理时间，以保证车地协同处理任务的总时延最小，满足车地协同服务质量。
优选的，上述车地协同任务生成步骤，进一步包括：
任务优先级划分步骤：根据车地协同处理任务的处理紧急程度，设置为高优先级、中等优先级、低优先级车地协同处理任务；
任务集合生成步骤：基于采集的本地车载数据划分为N个车地协同处理任务Jn，且n∈{1,…,N}，其中，N为正整数，Dn为Jn的原始数据容量，Cn为Jn的计算量，On为Jn的处理结果容量，/>为不同优先级的Jn的最大可容忍服务时延，动车组车地协同处理任务集合为：Λ＝{J1,J2,…,Jn...JN}。
优选的，上述车地协同任务调度步骤，进一步包括：
车地协同任务计算模型构建步骤：车地协同任务计算模型为计算车地协同处理任务Jn的总处理时间其中，/>分别为任务Jn在动车组车地网络系统中各级设备进行任务处理的时间，/>分别为/>的调度决策变量，基于车地协同任务处理的优化目标和资源约束，在总处理时间Tn最优时，获得车地协同处理任务Jn的调度策略为其中，n∈{1,…,N}，m∈{0,1,…,M}，N为车地协同处理任务个数，M为动车组车地网络系统的多级处理设备的级数；
资源分配策略模型构建步骤：基于车地协同任务处理的优化目标和资源约束，在总处理时间Tn最优时，获得处理设备上的资源分配策略β＝{β1,β2,…,βN}，其中，n∈{1,…,N}；N为车地协同处理任务个数。
优选的，上述车地协同服务质量保障步骤，进一步包括：
任务处理时间计算步骤：计算车地协同处理任务Jn的总处理时间：
其中，为任务Jn在列车本地处理时间；
为在动车组车地网络系统在第一级设备处理时间，/> 其中，/>为任务Jn传输到第一级设备的时间，/>为Jn在第一级设备的处理时间，/>为两相邻第一级设备间的Jn处理结果传输时间，/>为任务Jn处理结果发送到列车端的时间，γ1为车地协同处理任务Jn处理完成后，列车驶离初始接入点所经过的第一级设备数量；
为在动车组车地网络系统在第m级设备处理时间，/> 为任务Jn从第一级设备传输到第m级设备的时间，/>为任务Jn在第m级设备的处理时间,/>为任务Jn在两相邻第m级设备间处理结果传输时间，/>为任务Jn从第m级设备传输到第一级设备的时间；γm为任务Jn处理完成后，列车驶离初始接入点所经过的第m级设备数量；
任务处理时间最小化步骤：通过优化车地协同处理任务Jn的调度策略及资源分配策略，在保证最大可容忍服务时延的情况下，最小化动车组任务集合的总处理时间，采用数学公式：min∑n∈N Tn；受限于：
条件C1:各任务的处理时间小于最大可容忍服务时延；
条件C2:其中，U表示各级处理设备所包含的资源块总数；通过资源最优分配策略分配到的各级处理设备的计算资源块分配之和小于计算资源块总数U；
条件C3:基于调度策略，选择各级处理设备中的任意一个处理设备处理车地协同处理任务Jn；
条件C4:选择各级处理设备中的唯一一个处理设备处理车地协同处理任务Jn，或者车地协同处理任务在各级处理设备中仅负责转发，其中，n∈{1,…,N}，m∈{0,1,…,M}。
本申请实施例提供了一种动车组车地协同任务处理系统，采用如上动车组车地协同任务处理方法，应用于包含相互之间通信连接的动车组车载设备、接入节点、多级汇聚节点及地面数据中心的动车组车地网络系统，包括：
动车组车载用户终端：部署在动车组，基于动车组车载运行状态数据生成车地协同处理任务，基于车地协同处理任务的原始数据容量、任务计算量、处理结果容量及最大可容忍服务时延，生成动车组车地协同处理任务集合；
边缘节点：通信连接于动车组车载用户终端及地面数据中心，边缘节点包括：边缘接入节点和边缘汇聚节点；边缘节点基于动车组车地协同处理任务集合，采用预构建的车地协同任务计算模型及资源分配模型，获得车地协同处理任务的调度策略，以及针对动车组车地网络系统中的各级设备的资源最优分配策略，并实现车地协同处理任务的处理转发。
优选的，上述动车组车地协同任务处理系统，还包括：
车地协同服务质量保障模块：优化车地协同处理任务的调度策略及资源最优分配策略，计算车地协同处理任务的总处理时间，以保证车地协同计算任务的总时延最小，满足车地协同服务质量。
优选的，上述动车组车载用户终端进一步包括：
任务优先级划分模块：根据车地协同处理任务的处理紧急程度，设置为高优先级、中等优先级、低优先级车地协同处理任务；
任务组合生成模块：基于采集的本地车载数据划分为N个车地协同处理任务Jn，且n∈{1,…,N}，其中，N为正整数，Dn为Jn的原始数据容量，Cn为Jn的计算量，On为Jn的处理结果容量，/>为不同优先级的Jn的最大可容忍服务时延，动车组车地协同任务集合为：Λ＝{J1,J2,…,Jn,...JN}。
优选的，上述动车组车载用户终端、边缘节点进一步包括：
车地协同任务计算模型构建模块：车地协同任务计算模型为计算车地协同处理任务Jn的总处理时间其中，/>为任务Jn在动车组车地网络系统中各级设备进行处理的时间，/>分别为的调度决策变量，基于车地协同任务处理的优化目标和资源约束，在总处理时间Tn最优时，获得车地协同处理任务Jn的调度策略为/>其中，n∈{1,…,N}，m∈{0,1,…,M}，N为车地协同处理任务个数，M为车地协同网络系统的多级处理设备的级数；
资源分配策略模型构建模块：基于车地协同任务处理的优化目标和资源约束，在总处理时间Tn最优时，获得处理设备上的资源分配策略为β＝{β1,β2,…,βN}，其中，n∈{1,…,N}；，N为车地协同处理任务个数。
优选的，上述边缘节点，进一步包括：
边缘资源虚拟化模块：用于支持边缘节点物理资源的虚拟化管理；
数据路由转发模块：用于边缘节点路由转发动车组车载设备或边缘节点的下游数据；
边缘应用服务模块：用于提供清洗过滤、数据增强、实时计算应用服务；
边缘能力开放模块：用于提供边缘节点连接云计算中心、上级的边缘节点或其他外部系统的开放服务能力；
服务编排管理模块：基于通用的开发服务框架，通过服务模板和应用策略对边缘应用服务进行定制和编排管理。
第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面的动车组车地协同任务处理方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面动车组车地协同任务处理方法。
相比于相关现有技术，具有以下突出的有益效果：
(1)在动车组车地传输接入点或汇聚点统筹推进边缘计算节点部署，通过采用通用的边缘节点功能架构和统一的部署实施策略，可系统性地解决了因大量车载数据传输链路长，所导致的车地协同处理任务延时大、业务应用服务实时性差等问题；
(2)车地协同计算任务调度和资源分配方法，提供了动车组车地协同网络环境下多种服务质量问题的定性分析技术和定量求解技术，有利于提高车地协同处理任务实时性、降低车地协同计算网络和服务成本、改善车地无线通信链路质量，从而最终保障了动车组的安全运行和高效维修；
(3)车地协同计算任务调度和资源分配方法，不仅适用于解决动车组车地网络环境车地协同任务处理方面的多种问题，也支持根据实测的高铁线路通信条件，通过搭建大型模拟仿真实验环境，为动车组在正线交路上的开行运营方案、乃至高铁线路的工程建造提供参考依据。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本发明方法动车组车地协同任务处理方法流程图；
图2是本发明具体实施例车地网络边缘节点的部署方案示意图；
图3是本发明具体实施例车地网络边缘节点的功能架构示意图；
图4是本发明方法动车组车地协同任务处理系统结构图；
图5为根据本申请实施例的计算机设备的硬件结构示意图。
以上图中：
动车组车载用户终端 10 边缘节点 20
地面数据中心 30
边缘接入节点 21 边缘汇聚节点 22
81、处理器；82、存储器；83、通信接口；80、总线。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
图1为本发明动车组车地协同任务处理方法流程图，如图1所示，本申请实施例提供了一种动车组车地协同任务处理方法，应用于包含相互之间通信连接的动车组车载设备、接入节点、多级汇聚节点及地面数据中心的动车组车地网络系统，该方法包括：
车地协同任务生成步骤S10：基于动车组车载运行状态数据生成车地协同处理任务，基于车地协同处理任务的原始数据容量、任务计算量、处理结果容量及最大可容忍服务时延，生成动车组车地协同处理任务集合；
车地协同任务调度步骤S20：基于动车组车地协同处理任务集合，采用预构建的车地协同任务计算模型及资源分配模型，获得车地协同处理任务的调度策略，以及针对动车组车地网络系统中的各级设备的资源最优分配策略。
优选的，上述动车组车地协同任务处理方法，还包括：
车地协同服务质量保障步骤S30：优化车地协同处理任务的调度策略及资源最优分配策略，计算车地协同处理任务的总处理时间，以保证车地协同处理任务的总时延最小，满足车地协同服务质量。
优选的，上述车地协同任务生成步骤S10，进一步包括：
任务优先级划分步骤：根据车地协同处理任务的处理紧急程度，设置为高优先级、中等优先级、低优先级车地协同处理任务；
任务集合生成步骤：基于采集的本地车载数据划分为N个车地协同处理任务Jn，且n∈{1,…,N}，其中，N为正整数，Dn为Jn的原始数据容量，Cn为Jn的计算量，On为Jn的处理结果容量，/>为不同优先级的Jn的最大可容忍服务时延，动车组车地协同处理任务集合为：Λ＝{J1,J2,…,Jn...JN}。
优选的，上述车地协同任务调度步骤S20，进一步包括：
车地协同任务计算模型构建步骤：车地协同任务计算模型为计算车地协同处理任务Jn的总处理时间其中，/>分别为任务Jn在动车组车地网络系统中各级设备进行任务处理的时间，/>分别为/>的调度决策变量，基于车地协同任务处理的优化目标和资源约束，在总处理时间Tn最优时，获得车地协同处理任务Jn的调度策略为其中，n∈{1,…,N}，m∈{0,1,…,M}，N为车地协同处理任务个数，M为动车组车地网络系统的多级处理设备的级数；
资源分配策略模型构建步骤：基于车地协同任务处理的优化目标和资源约束，在总处理时间Tn最优时，获得处理设备上的资源分配策略β＝{β1,β2,…,βN}，其中，n∈{1,…,N}；N为车地协同处理任务个数。
优选的，上述车地协同服务质量保障步骤S30，进一步包括：
任务处理时间计算步骤：计算车地协同处理任务Jn的总处理时间：
其中，为任务Jn在列车本地处理时间；
为在动车组车地网络系统在第一级设备处理时间，/> 其中，/>为任务Jn传输到第一级设备的时间，/>为Jn在第一级设备的处理时间，/>为两相邻第一级设备间的Jn处理结果传输时间，/>为任务Jn处理结果发送到列车端的时间，γ1为车地协同处理任务Jn处理完成后，列车驶离初始接入点所经过的第一级设备数量；
为在动车组车地网络系统在第m级设备处理时间，/> 为任务Jn从第一级设备传输到第m级设备的时间，/>为任务Jn在第m级设备的处理时间,/>为任务Jn在两相邻第m级设备间处理结果传输时间，/>为任务Jn从第m级设备传输到第一级设备的时间；γm为任务Jn处理完成后，列车驶离初始接入点所经过的第m级设备数量；
任务处理时间最小化步骤：通过优化车地协同处理任务Jn的调度策略及资源分配策略，在保证最大可容忍服务时延的情况下，最小化动车组任务集合的总处理时间，采用数学公式：min∑n∈N Tn；受限于：
条件C1:各任务的处理时间小于最大可容忍服务时延；
条件C2:其中，U表示各级处理设备所包含的资源块总数；通过资源最优分配策略分配到的各级处理设备的计算资源块分配之和小于计算资源块总数U；
条件C3:基于调度策略，选择各级处理设备中的任意一个处理设备处理车地协同处理任务Jn；
条件C4:选择各级处理设备中的唯一一个处理设备处理车地协同处理任务Jn，或者车地协同处理任务在各级处理设备中仅负责转发，其中，n∈{0,1,…,N}，m∈{0,1,…,M}。
以下结合附图对本发明具体实施例进行详细说明：
如图2所示，本发明提出了在动车组车地协同网络中，网络节点一般包括车载传输设备、地面接入点、网络汇聚点、地面数据中心。
车载传输设备采集动车组各功能系统数据，并集成了卫星定位模块，并通过无线传输模块把车载数据发送到地面接入点。
地面接入点包括移动通信小型基站(5G或4G)和WLAN(WiFi或毫米波)，主要实现实时数据和非实时数据的无线数据地面接入。
对车地通信网络的汇聚点。在移动公网环境下，多个小型基站接收到的车载数据，一般汇聚到某个大型基站，再经过安全平台发送到地面数据中心。在铁路专网环境下，WLANAP接收到的车载数据，经过动车段(所)、铁路局服务器安全传输到地面数据中心。
地面数据中心接收所有动车组车载数据，并支持信息综合处理或者智能决策分析。
1、车地网络边缘节点功能架构
本发明车地协同网络边缘节点主要部署在地面接入点或网络汇聚点附近，其功能架构如图3所示。
边缘节点的物理资源主要包括计算资源、存储资源、网络资源等，通过虚拟化技术以资源块的形式提供给边缘应用服务实现动态调用。
物理基础设施：边缘节点包含的计算、存储、网络资源；
边缘资源虚拟化：支持边缘节点物理资源的虚拟化管理；
数据路由转发：边缘节点的南向接口(接收来自用户设备或下级边缘节点的数据)；
边缘应用服务：清洗过滤、数据增强、实时计算等应用服务；边缘应用服务所提供功能包括但不限于边缘数据处理、边缘实时分析、边缘节点控制、人机交互接口等，并通过通用计算框架实现接口能力开放。
边缘能力开放：边缘节点的北向接口(向云中心、上级边缘节点或其他外部系统开放服务能力)；
服务编排管理：基于通用的开发服务框架，通过服务模板和应用策略对边缘应用服务进行定制和编排管理(可支持从云端对边缘应用服务进行远程部署)。
运营安全管理：实现对边缘节点运行过程的管理，保障系统可靠运行；
边缘节点应提供车地协同处理任务的数据路由和转发功能，实现形式可包括移动通信MEC服务器的UPF，或WLAN边缘设备的数据通信接口。边缘节点应支持边缘服务编排和管理功能、边缘节点运营与安全功能。
2、车地网络边缘节点部署方案
本发明具体实施例中所述车地协同网络边缘节点的部署方案自下而上包括终端设备、I级边缘节点、II级边缘节点、地面数据中心，如图2所示。本发明具体实施例中采用了两级边缘节点，但本发明并不限于此，还可以采用多级的边缘节点。
(1)用户设备
车载传输设备自身集成的数据存储处理模块，由于计算资源有限，一般仅能处理高优先级、低计算强度的小型数据处理任务。
(2)I级边缘节点
I级边缘节点是靠近地面接入点部署的边缘节点。在移动公网微基站附近部署MEC服务器；在铁路专网WLAN AP附近所部署的边缘节点设备形式，包括但不限于工控机、一体机等。
I级边缘节点相比车载传输设备计算能力较强，适合处理中等优先级和计算强度的车地协同处理任务。
(3)II级边缘节点
II级边缘节点是靠近移动通信大型基站(5G或4G)或动车段所机房部署的边缘节点。在移动公网宏基站附近部署MEC服务器；在铁路专网内部动车段(所)部署的边缘节点设备形式，包括但不限于机房服务器、一体机等。
II级边缘节点计算资源相对比较丰富，适合处理低优先级、高强度的车地协同处理任务。
(4)地面数据中心
地面数据中心是铁路云计算中心，实现全路动车组车载数据的集聚共享，通过人工智能及大数据进行智能决策分析。由于计算资源极其丰富，因此基本不存在资源受限问题。
3、车地协同计算任务调度和资源分配方法
(1)车地协同处理任务
根据车载计算任务处理紧急程度，设置高优先级、中等优先级、低优先级共3类动车组车地协同处理任务。
高优先级任务可能为实时运行故障报警等，一般计算强度较低，处理结果需在司机驾驶室屏幕显示；中等优先级任务可能为实时运行故障预测、运行状态事件处理等，一般计算强度中等，处理结果需通知随车机械师；低优先级任务可能为列车健康实时分析、车载数据清洗过滤、面向乘务员的多元信息服务等，一般计算强度较高。
(2)车地协同任务模型构建与求解
假定把动车组车载设备当前的本地数据划分成大小不等的N份，即当前存在N个任务需进行计算处理或传输转发，任务n形式化描述为且n∈{1,…,N}。其中，Dn为任务n的原始数据量(单位：bit)；Cn为任务n的计算量(单位：CPUcycles)；On为任务n的处理结果容量(单位：bit)；/>为任务n的最大可容忍服务时延(单位：ms)，显然/>的大小与车地协同处理任务的优先级相关，不同优先级的任务Jn具有不同的/>最大可容忍服务时延。因此，当前动车组本地的任务集合为Λ＝{J1,J2,…,JN}。
令为车地协同处理任务n的调度策略,当任务n在动车组端执行时，/>当任务n在I级边缘节点执行时，/>当任务n在II级边缘节点执行时，/>其他默认为0。任务n的总处理时间
三个变量是0或1的正整数，/>的和不大于1(即小于等于1)；假如任务在设备节点运行，那么/>假如任务在1级边缘节点运行，那么假如任务在2级边缘节点运行，那么/>用决策变量连接起来，即为了模型建模需要，本发明具体实施例中仅考虑单个车地协同计算任务在某一级节点上运行的情况，但本发明并不限于此，还可以在多个节点上同时运行。
边缘节点的计算资源以资源块的形式分配给任务，设边缘节点所包含的资源块的数量为U，每个资源块的计算能力相同，记为fu(单位：CPU cycles/s)；对任意边缘节点，计算资源块的分配策略为β＝{β1,β2,…,βN}。同理，列车本地处理能力可记为floc。
地面接入点的上行速率、下行速率、I级和II节点的传输速率、I级间传输速率、II节点间速率等，可分别记为Rup、RDn、RE1-E2、RE1-E1、RE2-E2等。
根据具体问题形式化描述车地协同任务处理的优化目标和资源约束，再通过线性规划算法或启发式算法求解，得到车地协同计算任务的调度策略和边缘节点的资源分配策略。
(3)实施例：在途列车端服务质量优化
正线运行动车组列车以速率v(最高速度350km/h)进行移动，一般在线路沿线1～1.5km一个移动通信基站。车地协同处理任务根据调度策略，选择邻近的上行链路在I级和II级边缘节点执行，部分任务计算结果需通过下行线路传送回列车端，并通知司机、随车机械师、乘务员等车上人员。任务处理完成后列车可能仍在当前地面接入点覆盖范围，也可能已驶离当前接入点的无线覆盖区域。
车地协同处理任务的响应时延记为Tn，保障在途列车端服务质量(QoS)的优化目标是，保证车地协同计算任务的总时延最小。
如果任务n在列车本地处理，处理时间为
如果任务n在I级边缘节点处理，任务传输到I级节点的时间在I级节点的处理时间为/>两相邻I级节点间的处理结果传输时间任务处理结果发送到列车端的时间/>车地协同任务的总处理时间为/> γ1为任务处理完成后，列车驶离初始接入点所经过的I级节点数量。
如果任务n在II级边缘节点处理，任务传输到I级节点的时间任务从I级节点传输到II级节点的时间/>在II级节点的处理时间为两相邻II级节点间处理结果传输时间/>任务从II级节点传输到I级节点的时间/>任务处理结果发送到列车端的时间车地协同任务的总处理时间为/> γ2为任务处理完成后，列车驶离初始接入点所经过的II级节点数量。
已知任务n的总处理时间
通过优化车地协同计算任务调度策略X＝{x1,x2,…,xn}、各级边缘节点计算资源分配策略β＝{β1,β2,…,βN}，在保证边缘处理服务时延的前提下，来最小化动车组任务集合的总处理时间。该问题可表示为：优化目标min∑n∈N Tn
s.t.
条件C1:每个任务要在最大可容忍服务时延内完成；
条件C2:车载设备本地给各任务分配的计算资源不超过总数量；
条件C3:1级边缘节点给各任务分配的计算资源不超过总数量；
条件C4:2级边缘节点给各任务分配的计算资源不超过总数量；
条件C5:调度决策变量的取值为正整数0或1；
条件C6:对应各级处理设备的调度决策变量仅能有一个取值为1，或者全部取值为0。
约束函数5和6：举例：本发明具体实施例{0，1，0}表示任务n在1级边缘节点运行，且是因为只有以下四种形式{1,0,0},{0,1,0},{0,0,1},{0,0,0}。
综上所述，在途列车端车地协同处理的服务质量(总延时)优化，被形式化为一个非线性整数规划问题。由于动车组任务集、网络通道性能、边缘节点计算资源等是给定的，通过采用遗传算法、粒子群算法等启发式算法，可得到问题的最优解或近似最优解，即车地协同任务的调度策略和各级处理设备计算资源的分配策略β＝{β1,β2,…,βN}。
本发明所述方法可用于优化动车组车载系统对地面用户(包括地面维修专家、运维技术人员、地勤机械师等)的服务质量，按照车地协同处理任务优先级，降低车载数据服务对地面的时延。车地协同任务n需定义完成地面数据中心落地的最大可容忍时延优化目标是最小化车地协同计算任务的总时延。
本发明所述方法可结合移动运营商对无线资源和MEC计算资源的收费策略，降低车地通信和边缘计算成本。无线资源使用费是通道带宽和传输时间的函数，MEC计算资源是边缘节点资源块分配数量的函数，优化目标是最小化车地协同计算的总经济开销，并保证总费用不超过移动通信套餐要求。
本发明所述方法适用于在采用OFDMA等正交多址接入、或非正交多址接入NOMA的移动通信环境下，优化多车载传输设备接入条件下的车地协同任务传输和信道占用策略。
本发明所述方法适用于在采用WiFi4或WiFi6的WLAN无线通信环境下，优化多车载传输设备接入条件下的车地协同任务传输和信道占用策略。
本发明所述方法适用于针对具体的动车组开行交路，根据实测的移动通信网络信号覆盖、无线基站通信容量、专网和公网方案、越区切换性能、多普勒频偏、无线多径传输、车体穿透损耗等实际工况通信条件，同时为车地协同任务n定义任务生成时间戳TSn，结合模拟仿真试验，优化动车组在整个交路运行动态的车地协同计算任务调度与资源分配策略。
本申请实施例还提供了一种动车组车地协同任务处理系统，采用如上动车组车地协同任务处理方法，应用于包含相互之间通信连接的动车组车载设备、接入节点、多级汇聚节点及地面数据中心的动车组车地网络系统，如图4所示，系统包括：
动车组车载用户终端10：部署在动车组，基于动车组车载运行状态数据生成车地协同处理任务，基于车地协同处理任务的原始数据容量、任务计算量、处理结果容量及最大可容忍服务时延，生成动车组车地协同处理任务集合；
边缘节点20：通信连接于动车组车载用户终端10及地面数据中心30，边缘节点20包括：边缘接入节点21和边缘汇聚节点22；边缘节点基于动车组车地协同处理任务集合，采用预构建的车地协同任务计算模型及资源分配模型，获得车地协同处理任务的调度策略，以及针对动车组车地网络系统中的各级设备的资源最优分配策略，并实现车地协同处理任务的处理转发。
优选的，上述动车组车地协同任务处理系统，还包括：
车地协同服务质量保障模块：优化车地协同处理任务的调度策略及资源最优分配策略，计算车地协同处理任务的总处理时间，以保证车地协同计算任务的总时延最小，满足车地协同服务质量。
优选的，上述动车组车载用户终端10进一步包括：
任务优先级划分模块：根据车地协同处理任务的处理紧急程度，设置为高优先级、中等优先级、低优先级车地协同处理任务；
任务组合生成模块：基于采集的本地车载数据划分为N个车地协同处理任务Jn，且n∈{1,…,N}，其中，N为正整数，Dn为Jn的原始数据容量，Cn为Jn的计算量，On为Jn的处理结果容量，/>为不同优先级的Jn的最大可容忍服务时延，动车组车地协同任务集合为：Λ＝{J1,J2,…,Jn,...JN}。
优选的，上述动车组车载用户终端10、边缘节点20进一步包括：
车地协同任务计算模型构建模块：车地协同任务计算模型为计算车地协同处理任务Jn的总处理时间其中，/>为任务Jn在动车组车地网络系统中各级设备进行处理的时间，/>分别为的调度决策变量，基于车地协同任务处理的优化目标和资源约束，在总处理时间Tn最优时，获得车地协同处理任务Jn的调度策略为/>其中，n∈{1,…,N}，m∈{0,1,…,M}，N为车地协同处理任务个数，M为车地协同网络系统的多级处理设备的级数；
资源分配策略模型构建模块：基于车地协同任务处理的优化目标和资源约束，在总处理时间Tn最优时，获得处理设备上的资源分配策略为β＝{β1,β2,…,βN}，其中，n∈{1,…,N}；，N为车地协同处理任务个数。
优选的，上述边缘节点20，进一步包括：
边缘资源虚拟化模块：用于支持边缘节点物理资源的虚拟化管理；
数据路由转发模块：用于边缘节点路由转发动车组车载设备或边缘节点的下游数据；
边缘应用服务模块：用于提供清洗过滤、数据增强、实时计算应用服务；
边缘能力开放模块：用于提供边缘节点连接云计算中心、上级的边缘节点或其他外部系统的开放服务能力；
服务编排管理模块：基于通用的开发服务框架，通过服务模板和应用策略对边缘应用服务进行定制和编排管理。
第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面的动车组车地协同任务处理方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面动车组车地协同任务处理方法。
另外，结合图1描述的本申请实施例的动车组车地协同任务处理可以由计算机设备来实现。图5为根据本申请实施例的计算机设备的硬件结构示意图。
计算机设备可以包括处理器81以及存储有计算机程序指令的存储器82。
存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器81所执行的可能的计算机程序指令。
处理器81通过读取并执行存储器82中存储的计算机程序指令，以实现上述实施例中的任意一种动车组车地协同任务处理方法。
在其中一些实施例中，计算机设备还可包括通信接口83和总线80。其中，如图5所示，处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。
该计算机设备可以基于使用关系，从而实现结合图1描述的动车组车地协同任务处理方法。
相比于现有技术，本发明所述方法显性提出了在动车组接入点或汇聚点部署边缘计算节点的策略；本发明所述方法提出了动车组车地通信环境下的边缘节点功能架构，及其部署方案；本发明所述方法提出了车地协同计算任务调度和资源分配方法，构建车地协同处理任务计算模型，并给出了求解方法；本发明所述方法适用于在途列车端服务质量、地面用户服务质量、车地协同网络成本控制、车地无线通信链路优化、实际开行交路车地协同任务调度和资源分配等动车组车地协同任务处理问题。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于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。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种动车组车地协同任务处理方法，应用于包含相互之间通信连接的动车组车载设备、接入节点、多级汇聚节点及地面数据中心的动车组车地网络系统，其特征在于，所述动车组车地协同任务处理方法包括：
车地协同任务生成步骤：基于动车组车载运行状态数据生成车地协同处理任务，基于所述车地协同处理任务的原始数据容量、任务计算量、处理结果容量及最大可容忍服务时延，生成动车组车地协同处理任务集合；
车地协同任务调度步骤：基于所述动车组车地协同处理任务集合，采用预构建的车地协同任务计算模型及资源分配模型，获得所述车地协同处理任务的调度策略，以及针对所述动车组车地网络系统中的各级设备的资源最优分配策略；
任务优先级划分步骤：根据所述车地协同处理任务的处理紧急程度，设置为高优先级、中等优先级、低优先级车地协同处理任务；
任务集合生成步骤：基于采集的本地车载数据划分为N个所述车地协同处理任务Jn，且n∈{1,…,N}，其中，N为正整数，Dn为Jn的原始数据容量，Cn为Jn的计算量，On为Jn的处理结果容量，/>为不同优先级的Jn的最大可容忍服务时延，所述动车组车地协同处理任务集合为：Λ＝{J1,J2,…,Jn,...JN}。
2.根据权利要求1所述动车组车地协同任务处理方法，其特征在于，还包括：
车地协同服务质量保障步骤：优化所述车地协同处理任务的调度策略及所述资源最优分配策略，计算所述车地协同处理任务的总处理时间，以保证所述车地协同处理任务的总时延最小，满足车地协同服务质量。
3.根据权利要求1或2所述动车组车地协同任务处理方法，其特征在于，所述车地协同任务调度步骤，进一步包括：
车地协同任务计算模型构建步骤：所述车地协同任务计算模型为计算所述车地协同处理任务Jn的总处理时间 其中，分别为任务Jn在所述动车组车地网络系统中各级设备进行任务处理的时间，/>分别为/>的调度决策变量，基于车地协同任务处理的优化目标和资源约束，在所述总处理时间Tn最优时，获得所述车地协同处理任务Jn的调度策略为/>其中，n∈{1,…,N}，m∈{0,1,…,M}，N为所述车地协同处理任务个数，M为所述动车组车地网络系统的多级处理设备的级数；
资源分配策略模型构建步骤：基于车地协同任务处理的优化目标和资源约束，在所述总处理时间Tn最优时，获得β＝{β1,β2,…,βN为所述处理设备上的资源分配策略，其中，n∈{1,…,N}；N为所述车地协同处理任务个数。
4.根据权利要求2所述动车组车地协同任务处理方法，其特征在于，所述车地协同服务质量保障步骤，进一步包括：
任务处理时间计算步骤：计算所述车地协同处理任务Jn的总处理时间：
其中，为任务Jn在列车本地处理时间，/>分别为/>的调度决策变量；
为在所述动车组车地网络系统在第一级设备处理时间，/> 其中，/>为任务Jn传输到所述第一级设备的时间，为Jn在第一级设备的处理时间，/>为两相邻第一级设备间的Jn处理结果传输时间，/>为任务Jn处理结果发送到列车端的时间，γ1为所述车地协同处理任务Jn处理完成后，列车驶离初始接入点所经过的第一级设备数量；
为在所述动车组车地网络系统在第m级设备处理时间，/> 其中，/>为任务Jn从第一级设备传输到第m级设备的时间，/>为任务Jn在第m级设备的处理时间,/>为任务Jn在两相邻第m级设备间处理结果传输时间，/>为任务Jn从第m级设备传输到第一级设备的时间；γm为任务Jn处理完成后，列车驶离初始接入点所经过的第m级设备数量；
任务处理时间最小化步骤：通过优化所述车地协同处理任务Jn的调度策略及所述资源最优分配策略，在保证最大可容忍服务时延的情况下，最小化动车组任务集合的总处理时间，采用数学公式：min∑n∈NTn；受限于：
条件C1:所述各任务的处理时间小于最大可容忍服务时延，其中，/>为最大可容忍服务时延，n∈{1,…,N}，N为所述车地协同处理任务个数；
条件C2:其中，UEm表示各级处理设备所包含的资源块总数；通过所述资源最优分配策略/>分配到的所述各级处理设备的计算资源块分配之和小于计算资源块总数UEm；
条件C3:基于车地协同处理任务Jn的调度决策变量/>选择xn为所述各级处理设备中的任意一个处理设备处理所述车地协同处理任务Jn；
条件C4:选择xn为所述各级处理设备中的唯一一个处理设备处理所述车地协同处理任务Jn，或者所述车地协同处理任务在所述各级处理设备中仅负责转发，其中，n∈{1,…,N}，m∈{0,1,…,M}。
5.一种动车组车地协同任务处理系统，采用如权利要求1-4中任意一项所述动车组车地协同任务处理方法，应用于包含相互之间通信连接的动车组车载设备、接入节点、多级汇聚节点及地面数据中心的动车组车地网络系统，其特征在于，所述动车组车地协同任务处理系统包括：
动车组车载用户终端：部署在动车组，基于动车组车载运行状态数据生成车地协同处理任务，基于所述车地协同处理任务的原始数据容量、任务计算量、处理结果容量及最大可容忍服务时延，生成动车组车地协同处理任务集合；
边缘节点：通信连接于所述动车组车载用户终端及所述地面数据中心，所述边缘节点包括：边缘接入节点和边缘汇聚节点；所述边缘节点基于所述动车组车地协同处理任务集合，采用预构建的车地协同任务计算模型及资源分配模型，获得所述车地协同处理任务的调度策略，以及针对所述动车组车地网络系统中的各级设备的资源最优分配策略，并实现车地协同处理任务的处理转发；
任务优先级划分模块：根据所述车地协同处理任务的处理紧急程度，设置为高优先级、中等优先级、低优先级车地协同处理任务；
任务组合生成模块：基于采集的本地车载数据划分为N个所述车地协同处理任务Jn，且n∈{1,…,N}，其中，N为正整数，Dn为Jn的原始数据容量，Cn为Jn的计算量，On为Jn的处理结果容量，/>为不同优先级的Jn的最大可容忍服务时延，所述动车组车地协同处理任务集合为：Λ＝{J1,J2,…,Jn,...JN}。
6.根据权利要求5所述动车组车地协同任务处理系统，其特征在于，还包括：
车地协同服务质量保障模块：优化所述车地协同处理任务的调度策略及所述资源最优分配策略，计算所述车地协同处理任务的总处理时间，以保证所述车地协同处理任务的总时延最小，满足车地协同服务质量。
7.根据权利要求5或6所述动车组车地协同任务处理系统，其特征在于，所述动车组车载用户终端及边缘节点进一步包括：
车地协同任务计算模型构建模块：所述车地协同任务计算模型为计算所述车地协同处理任务Jn的总处理时间 其中，为任务Jn在所述动车组车地网络系统中各级设备进行处理的时间，分别为/>的调度决策变量，基于车地协同任务处理的优化目标和资源约束，在所述总处理时间Tn最优时，获得所述车地协同处理任务Jn的调度策略为/>其中，n∈{1,…,N}，m∈{0,1,…,M}，N为所述车地协同处理任务个数，M为所述动车组车地网络系统的多级处理设备的级数；
资源分配策略模型构建模块：基于车地协同任务处理的优化目标和资源约束，在所述总处理时间Tn最优时，获得β＝{β1,β2,…,βN为所述处理设备上的资源分配策略，其中，n∈{1,…,N}；，N为所述车地协同处理任务个数。
8.根据权利要求6所述动车组车地协同任务处理系统，其特征在于，所述边缘节点，进一步包括：
边缘资源虚拟化模块：用于支持所述边缘节点物理资源的虚拟化管理；
数据路由转发模块：用于所述边缘节点路由转发所述动车组车载设备或所述边缘节点的下游数据；
边缘应用服务模块：用于提供清洗过滤、数据增强、实时计算应用服务；
边缘能力开放模块：用于提供所述边缘节点连接云计算中心、上级的所述边缘节点或其他外部系统的开放服务能力；
服务编排管理模块：基于通用的开发服务框架，通过服务模板和应用策略对边缘应用服务进行定制和编排管理。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器上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权利要求1至4中任一项动车组车地协同任务处理方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述动车组车地协同任务处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210717520.9A CN115243222B (zh) | 2022-06-23 | 2022-06-23 | 动车组车地协同任务处理方法及其系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210717520.9A CN115243222B (zh) | 2022-06-23 | 2022-06-23 | 动车组车地协同任务处理方法及其系统、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115243222A CN115243222A (zh) | 2022-10-25 |
| CN115243222B true CN115243222B (zh) | 2023-12-12 |
Family
ID=83669867
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210717520.9A Active CN115243222B (zh) | 2022-06-23 | 2022-06-23 | 动车组车地协同任务处理方法及其系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115243222B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110928658A (zh) * | 2019-11-20 | 2020-03-27 | 湖南大学 | 一种车边云协同架构的协同任务迁移系统及算法 |
| KR20210007208A (ko) * | 2019-07-10 | 2021-01-20 | 한국철도기술연구원 | 열차 스케줄링 시스템 및 편성 단위로 운행하는 철도 차량의 운용 스케줄링 방법 |
| CN112328397A (zh) * | 2020-11-10 | 2021-02-05 | 西安电子科技大学 | 5g异构网络系统及其协同车辆计算任务卸载方法 |
| CN113238866A (zh) * | 2021-05-18 | 2021-08-10 | 巢湖学院 | 一种云制造模式下制造任务的分解方法 |
-
2022
- 2022-06-23 CN CN202210717520.9A patent/CN115243222B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210007208A (ko) * | 2019-07-10 | 2021-01-20 | 한국철도기술연구원 | 열차 스케줄링 시스템 및 편성 단위로 운행하는 철도 차량의 운용 스케줄링 방법 |
| CN110928658A (zh) * | 2019-11-20 | 2020-03-27 | 湖南大学 | 一种车边云协同架构的协同任务迁移系统及算法 |
| CN112328397A (zh) * | 2020-11-10 | 2021-02-05 | 西安电子科技大学 | 5g异构网络系统及其协同车辆计算任务卸载方法 |
| CN113238866A (zh) * | 2021-05-18 | 2021-08-10 | 巢湖学院 | 一种云制造模式下制造任务的分解方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115243222A (zh) | 2022-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | An air-ground integration approach for mobile edge computing in IoT | |
| Chekired et al. | 5G-slicing-enabled scalable SDN core network: Toward an ultra-low latency of autonomous driving service | |
| Faraci et al. | Fog in the clouds: UAVs to provide edge computing to IoT devices | |
| Jamil et al. | IRATS: A DRL-based intelligent priority and deadline-aware online resource allocation and task scheduling algorithm in a vehicular fog network | |
| EP3506665B1 (en) | An aerial communication framework for providing communication services to users trapped in emergency | |
| CN110445855B (zh) | 一种基于sdn的车联网分布式雾计算体系结构设计方法 | |
| Cai et al. | Task-efficiency oriented V2X communications: Digital twin meets mobile edge computing | |
| Ibn-Khedher et al. | Edge computing assisted autonomous driving using artificial intelligence | |
| Yu et al. | Edge-assisted collaborative perception in autonomous driving: A reflection on communication design | |
| CN114884998B (zh) | 一种协作式软件定义车载网络系统、调度方法及cacc | |
| Fizza et al. | PASHE: Privacy aware scheduling in a heterogeneous fog environment | |
| Siddiqi et al. | Dynamic priority-based efficient resource allocation and computing framework for vehicular multimedia cloud computing | |
| CN115835294A (zh) | 车联网中深度强化学习辅助的ran切片和任务卸载联合优化方法 | |
| CN113709249A (zh) | 辅助驾驶业务安全均衡卸载方法及系统 | |
| Krijestorac et al. | Hybrid vehicular and cloud distributed computing: A case for cooperative perception | |
| Wang et al. | Vehicular computation offloading in UAV-enabled MEC systems | |
| CN115243222B (zh) | 动车组车地协同任务处理方法及其系统、设备及存储介质 | |
| Laroui et al. | Virtual mobile edge computing based on IoT devices resources in smart cities | |
| Oza et al. | Deadline-aware task offloading for vehicular edge computing networks using traffic light data | |
| Yue et al. | A Channel Knowledge Map-Aided Personalized Resource Allocation Strategy in Air-Ground Integrated Mobility | |
| Ke et al. | Medley deep reinforcement learning-based workload offloading and cache placement decision in UAV-enabled MEC networks | |
| Cui et al. | Load balancing mechanisms of unmanned surface vehicle cluster based on marine vehicular fog computing | |
| Yang et al. | Energy‐efficient computation offloading and resource allocation in delay‐constrained vehicular edge network | |
| CN115103376A (zh) | 面向空地一体化车联网的动态资源切片方法 | |
| CN115134829A (zh) | 移动业务边缘协作卸载方法、装置、设备及介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |