CN116208669A - 基于智慧灯杆的车载异构网络协同任务卸载方法及系统 - Google Patents

基于智慧灯杆的车载异构网络协同任务卸载方法及系统 Download PDF

Info

Publication number
CN116208669A
CN116208669A CN202310472858.7A CN202310472858A CN116208669A CN 116208669 A CN116208669 A CN 116208669A CN 202310472858 A CN202310472858 A CN 202310472858A CN 116208669 A CN116208669 A CN 116208669A
Authority
CN
China
Prior art keywords
vehicle
intelligent lamp
cache
lamp pole
smart
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.)
Granted
Application number
CN202310472858.7A
Other languages
English (en)
Other versions
CN116208669B (zh
Inventor
蒋洪波
王文煌
肖竹
杨科华
刘代波
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.)
Hunan University
Original Assignee
Hunan University
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 Hunan University filed Critical Hunan University
Priority to CN202310472858.7A priority Critical patent/CN116208669B/zh
Publication of CN116208669A publication Critical patent/CN116208669A/zh
Application granted granted Critical
Publication of CN116208669B publication Critical patent/CN116208669B/zh
Priority to US18/486,693 priority patent/US11930080B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • 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]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • 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
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
    • 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
    • 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
    • H04W28/10—Flow control between communication endpoints
    • H04W28/14—Flow control between communication endpoints using intermediate storage
    • 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
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/509—Offload

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Circuit Arrangement For Electric Light Sources In General (AREA)
  • Lighting Device Outwards From Vehicle And Optical Signal (AREA)

Abstract

本发明公开了一种基于智慧灯杆的车载异构网络协同任务卸载方法，包括如下步骤：针对车辆端，计算车辆从智慧灯杆请求缓存的通信时延，将全部缓存中最大的通信时延作为车辆的与智慧灯杆网络的通信时延，判断其是否小于车辆向云中心发送请求的时间，若是，则向智慧灯杆网络卸载任务，反之，则向云中心卸载任务；针对智慧灯杆端，以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆组成进行优化，输出最优的联盟组合。本申请还提供一种基于智慧灯杆的车载异构网络协同任务卸载系统。本申请可以提高车辆端的服务体验及智慧灯杆网络的整体收益。

Description

基于智慧灯杆的车载异构网络协同任务卸载方法及系统
技术领域
本申请属于移动边缘计算技术领域，具体涉及一种基于智慧灯杆的车载异构网络协同任务卸载方法及系统。
背景技术
移动边缘计算作为一种新的5G网络架构和关键技术，将云计算资源迁移到用户附近的边缘服务器，用户只需将任务卸载到边缘服务器处理。与云服务器相比，边缘服务器具有更好的灵活性以及较低的延迟。智慧灯杆作为一种新型的多功能移动边缘设备，在城市街道内已经得到了广泛的普及，可以为车辆的任务卸载需求提供服务。
智慧灯杆上边缘服务器所具有的计算能力、缓存空间是有限的，并且在超密集网络中的边缘计算任务卸载会相互产生干扰，增大传输延迟，因此，如何做出有效的卸载决策，以提高车辆端的服务体验及智慧灯杆网络的整体收益是需要重点解决的问题。
因此，实有必要提供一种基于智慧灯杆的车载异构网络协同任务卸载方法及系统以解决上述问题。
发明内容
本申请的目的是提供一种基于智慧灯杆的车载异构网络协同任务卸载方法及系统，针对车辆端，通过对比向智慧灯杆网络和云中心发起请求的时间延迟，选择延迟更小的进行任务卸载；针对智慧网络端，以智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆组成进行优化，输出最优的联盟组合，可以提高车辆端的服务体验及智慧灯杆网络的整体收益。
为了解决上述技术问题，本申请是这样实现的：
一种基于智慧灯杆的车载异构网络协同任务卸载方法，包括如下步骤：
S1：获取街道内有任务卸载需求车辆的坐标及其任务卸载所需的缓存；
S2：获取街道内智慧灯杆的坐标，为每个所述智慧灯杆随机预装载车辆任务卸载所需的缓存；
S3：计算车辆
Figure SMS_2
从智慧灯杆
Figure SMS_6
请求缓存
Figure SMS_8
的通信时延
Figure SMS_4
，
Figure SMS_7
，式中，
Figure SMS_10
为缓存
Figure SMS_12
的通信时间，
Figure SMS_1
为缓存
Figure SMS_11
的排队延迟；遍历车辆
Figure SMS_13
任务卸载所需的全部缓存，将全部缓存中最大的通信时延作为车辆
Figure SMS_14
的与智慧灯杆网络的通信时延，判断车辆
Figure SMS_3
与智慧灯杆网络的通信时延是否小于车辆
Figure SMS_5
向云中心发送请求的时间，若是，则车辆
Figure SMS_9
向智慧灯杆网络卸载任务，反之，则向云中心卸载任务；
S4：以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆组成进行优化，输出最优的联盟组合；所述步骤S4具体包括如下步骤：
S41：以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟；
S42：假设智慧灯杆
Figure SMS_15
加入联盟
Figure SMS_16
，计算加入联盟
Figure SMS_17
后智慧灯杆
Figure SMS_18
的利润，计算过程表示为：
Figure SMS_19
；
式中，
Figure SMS_21
表示智慧灯杆
Figure SMS_23
加入联盟
Figure SMS_26
后，智慧灯杆
Figure SMS_20
的利润；
Figure SMS_24
表示智慧灯杆
Figure SMS_27
所能获得的收入；
Figure SMS_29
表示智慧灯杆
Figure SMS_22
装载缓存所需要的成本；
Figure SMS_25
表示智慧灯杆
Figure SMS_28
与其他智慧灯杆协作时产生的通信成本；其中：
Figure SMS_30
，式中，
Figure SMS_31
表示街道内车辆的总数；
Figure SMS_32
表示智慧灯杆
Figure SMS_33
中缓存
Figure SMS_34
所能获得的收入；
Figure SMS_35
，式中，
Figure SMS_36
表示智慧灯杆
Figure SMS_37
装载缓存
Figure SMS_38
所需要的成本；
Figure SMS_39
，式中，
Figure SMS_40
表示通信成本权重；
S43: 若加入联盟
Figure SMS_41
后智慧灯杆
Figure SMS_42
的利润大于0，则智慧灯杆
Figure SMS_43
可加入联盟
Figure SMS_44
，反之，智慧灯杆
Figure SMS_45
不可加入联盟
Figure SMS_46
；
S44：构建优化模型，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆成员进行优化，输出最优的联盟组合，所述优化模型表示为：
Figure SMS_47
。
优选的，车辆任务卸载所需的缓存包括缓存的种类和缓存所需占据的空间。
优选的，每个所述智慧灯杆上预装载的缓存数量等于每个所述智慧灯杆上缓存的最大装载量。
优选的，所述步骤S3具体包括如下步骤：
S31：计算车辆
Figure SMS_49
从智慧灯杆
Figure SMS_53
请求到缓存
Figure SMS_55
的通信时延
Figure SMS_50
，计算过程表示为：
Figure SMS_51
，式中，
Figure SMS_54
为缓存
Figure SMS_56
的通信时间，
Figure SMS_48
为缓存
Figure SMS_52
的排队延迟；
其中，
Figure SMS_59
，式中，
Figure SMS_61
表示车辆
Figure SMS_64
与距离最近的智慧灯杆
Figure SMS_57
的距离，
Figure SMS_62
表示智慧灯杆
Figure SMS_66
与临近的智慧灯杆
Figure SMS_67
的距离，
Figure SMS_60
表示智慧灯杆
Figure SMS_63
与拥有缓存
Figure SMS_65
的智慧灯杆
Figure SMS_68
的距离；
Figure SMS_58
表示通信常数，根据信道情况预设；
其中，
Figure SMS_70
，式中，
Figure SMS_74
为缓存
Figure SMS_77
的通信权重，
Figure SMS_71
为智慧灯杆
Figure SMS_73
所能服务的最大车辆数；
Figure SMS_76
为缓存的总种类；
Figure SMS_78
为
Figure SMS_69
时刻智慧灯杆
Figure SMS_72
搭载的缓存
Figure SMS_75
所服务的车辆数量；
S32：遍历车辆
Figure SMS_79
任务卸载所需的全部缓存，将全部缓存中最大的通信时延作为车辆
Figure SMS_80
的通信时延，将全部缓存中最大的通信时延作为车辆
Figure SMS_81
的与智慧灯杆网络的通信时延，判断车辆
Figure SMS_82
与智慧灯杆网络的通信时延是否小于车辆
Figure SMS_83
向云中心发送请求的时间，若是，则车辆
Figure SMS_84
向智慧灯杆卸载任务，反之，则向云中心卸载任务；
S33：动态调整每个车辆通信范围内智慧灯杆的缓存配置，当缓存
Figure SMS_85
的通信时延
Figure SMS_86
大于向云中心请求的时间，则将该智慧灯杆上的缓存
Figure SMS_87
卸载，并重新装载车辆向云中心请求的缓存群中的一种。
优选的，所述步骤S4还包括如下步骤：
S45：动态调整每个车辆通信范围内智慧灯杆的缓存配置，当缓存
Figure SMS_88
的请求时间间隔大于向云中心请求的时间，则卸载该缓存，并重新装载车辆向云中心请求的缓存群中的一种。
本申请还提供一种基于智慧灯杆的车载异构网络协同任务卸载系统，包括：
第一信息收集模块：获取街道内有任务卸载需求车辆的坐标及其任务卸载所需的缓存；
第二信息收集模块：获取街道内智慧灯杆的坐标，为每个所述智慧灯杆随机预装载车辆任务卸载所需的缓存；
车辆端：计算车辆
Figure SMS_90
从智慧灯杆
Figure SMS_93
请求缓存
Figure SMS_96
的通信时延
Figure SMS_91
，
Figure SMS_95
，式中，
Figure SMS_97
为缓存
Figure SMS_101
的通信时间，
Figure SMS_89
为缓存
Figure SMS_94
的排队延迟；遍历车辆
Figure SMS_98
任务卸载所需的全部缓存，将全部缓存中最大的通信时延作为车辆
Figure SMS_100
的与智慧灯杆网络的通信时延，判断车辆
Figure SMS_92
与智慧灯杆网络的通信时延是否小于车辆
Figure SMS_99
向云中心发送请求的时间，若是，则车辆
Figure SMS_102
向智慧灯杆卸载任务，反之，则向云中心卸载任务；
智慧灯杆端：以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆组成进行优化，输出最优的联盟组合，优化的过程包括如下步骤：
S41：以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟；
S42：假设智慧灯杆
Figure SMS_103
加入联盟
Figure SMS_104
，计算加入联盟
Figure SMS_105
后智慧灯杆
Figure SMS_106
的利润，计算过程表示为：
Figure SMS_107
；
式中，
Figure SMS_112
表示智慧灯杆
Figure SMS_113
加入联盟
Figure SMS_116
后，智慧灯杆
Figure SMS_111
的利润；
Figure SMS_114
表示智慧灯杆
Figure SMS_115
所能获得的收入；
Figure SMS_117
表示智慧灯杆
Figure SMS_108
装载缓存所需要的成本；
Figure SMS_109
表示智慧灯杆
Figure SMS_110
与其他智慧灯杆协作时产生的通信成本；其中：
Figure SMS_118
，式中，
Figure SMS_119
表示街道内车辆的总数；
Figure SMS_120
表示智慧灯杆
Figure SMS_121
中缓存
Figure SMS_122
所能获得的收入；
Figure SMS_123
，式中，
Figure SMS_124
表示智慧灯杆
Figure SMS_125
装载缓存
Figure SMS_126
所需要的成本；
Figure SMS_127
，式中，
Figure SMS_128
表示通信成本权重；
S43: 若加入联盟
Figure SMS_129
后智慧灯杆
Figure SMS_130
的利润大于0，则智慧灯杆
Figure SMS_131
可加入联盟
Figure SMS_132
，反之，智慧灯杆
Figure SMS_133
不可加入联盟
Figure SMS_134
；
S44：构建优化模型，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆成员进行优化，输出最优的联盟组合，所述优化模型表示为：
Figure SMS_135
。
本申请的有益效果在于：
使用联盟博弈的方法提出一种在线任务卸载算法，该算法同时考虑了车辆的相对位置和缓存需求与智慧灯杆所装载的缓存及其服务质量，动态调整智慧灯杆所构成的联盟。调整智慧灯杆所装载的缓存，将请求较少的缓存卸载，装载替换为请求繁忙的缓存。本发明将灯杆所能提供的服务质量作为激励收益，使智慧灯杆动态形成联盟，同时，动态调整单个灯杆的缓存配置。保证每次形成的联盟都能使所有智慧灯杆获得的整体收益最大，从而使所有车辆的整体服务质量最好。
具体实施方式
下面将结合本申请实施例，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动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。
本发明提供一种基于智慧灯杆的车载异构网络协同任务卸载方法，包括如下步骤：
S1：获取街道内有任务卸载需求车辆的坐标及其任务卸载所需的缓存。
车辆任务卸载所需的缓存包括缓存的种类和缓存所需占据的空间。
S2：获取街道内智慧灯杆的坐标，为每个所述智慧灯杆随机预装载车辆任务卸载所需的缓存。
对于每个车辆而言，其任务卸载所需的缓存可能是多种，对于不同的车辆而言，其任务卸载所需的缓存也可能不同，因此为完成街道内所有车辆的任务卸载需求，所需的缓存数量庞大，无法全部装载于单个所述智慧灯杆上。采用随机装载的方式，利用街道内全部智慧灯杆组成的网络共同为所有的车辆提供任务卸载所需的缓存，在满足任务卸载需求的条件下可以降低缓存的装载成本。
进一步的，为了提高所述智慧灯杆上预装载的缓存的利用率，每个所述智慧灯杆上预装载的缓存数量等于每个所述智慧灯杆上缓存的最大装载量。
S3：计算车辆
Figure SMS_137
从智慧灯杆
Figure SMS_140
请求缓存
Figure SMS_145
的通信时延
Figure SMS_139
，
Figure SMS_143
，式中，
Figure SMS_146
为缓存
Figure SMS_148
的通信时间，
Figure SMS_136
为缓存
Figure SMS_142
的排队延迟；遍历车辆
Figure SMS_147
任务卸载所需的全部缓存，将全部缓存中最大的通信时延作为车辆
Figure SMS_149
的与智慧灯杆网络的通信时延，判断车辆
Figure SMS_138
与智慧灯杆网络的通信时延是否小于车辆
Figure SMS_141
向云中心发送请求的时间，若是，则车辆
Figure SMS_144
向智慧灯杆卸载任务，反之，则向云中心卸载任务。
智慧灯杆作为边缘设备，用于为车辆端提供服务。针对车辆端而言，核心诉求在于缩短缓存请求的时间，提高任务卸载的效率。因此，若从智慧灯杆网络获取缓存的时间小于向云中心发起请求的时间，则向智慧灯杆网络卸载任务；若从智慧灯杆网络获取缓存的时间不小于向云中心发起请求的时间，则向云中心卸载任务。
所述步骤S3具体包括如下步骤：
S31：计算车辆
Figure SMS_151
从智慧灯杆
Figure SMS_153
请求到缓存
Figure SMS_157
的通信时延
Figure SMS_152
，计算过程表示为：
Figure SMS_154
，式中，
Figure SMS_156
为缓存
Figure SMS_158
的通信时间，
Figure SMS_150
为缓存
Figure SMS_155
的排队延迟。
其中，
Figure SMS_160
，式中，
Figure SMS_163
表示车辆
Figure SMS_166
与距离最近的智慧灯杆
Figure SMS_161
的距离，
Figure SMS_164
表示智慧灯杆
Figure SMS_167
与临近的智慧灯杆
Figure SMS_169
的距离，
Figure SMS_159
表示智慧灯杆
Figure SMS_165
与拥有缓存
Figure SMS_168
的智慧灯杆
Figure SMS_170
的距离；
Figure SMS_162
表示通信常数，根据信道情况预设。街道内，车辆和各智慧灯杆的坐标均已知，车道与智慧灯杆的距离，相邻智慧灯杆的距离可以根据相应的坐标求得。
其中，
Figure SMS_172
，式中，
Figure SMS_176
为缓存
Figure SMS_178
的通信权重，
Figure SMS_173
为智慧灯杆
Figure SMS_175
所能服务的最大车辆数；
Figure SMS_177
为缓存的总种类；
Figure SMS_180
为
Figure SMS_171
时刻智慧灯杆
Figure SMS_174
搭载的缓存
Figure SMS_179
所服务的车辆数量。
车辆
Figure SMS_189
向智慧灯杆
Figure SMS_182
请求到缓存
Figure SMS_186
的过程为：车辆首先向通信范围内距离最近的智慧灯杆
Figure SMS_194
发起请求，若智慧灯杆
Figure SMS_197
拥有缓存
Figure SMS_196
，则完成请求；反之，则通过智慧灯杆
Figure SMS_198
向周围的智慧灯杆传送请求，直至传递至智慧灯杆
Figure SMS_195
，则完成请求。依照上述过程，则请求到缓存
Figure SMS_199
的通信时延
Figure SMS_181
包括两部分，其中一部分为缓存
Figure SMS_191
的通信时间，通信时间包括车辆
Figure SMS_184
向智慧灯杆
Figure SMS_187
的通信时间和智慧灯杆
Figure SMS_190
向智慧灯杆
Figure SMS_193
逐个传递的的通信时间；另一部分为缓存
Figure SMS_183
的的排队时间， 智慧灯杆
Figure SMS_185
上拥有的缓存
Figure SMS_188
可能需要为多辆车辆提供服务，因此当请求传递至智慧灯杆
Figure SMS_192
时，还需要额外的等候排队。
具体而言：车辆
Figure SMS_214
任务卸载所需的缓存为
Figure SMS_217
、
Figure SMS_220
、
Figure SMS_202
，车辆
Figure SMS_204
通信范围内包括3个智慧灯杆
Figure SMS_208
、
Figure SMS_210
、
Figure SMS_228
。智慧灯杆
Figure SMS_230
装载的缓存为
Figure SMS_232
、
Figure SMS_234
、
Figure SMS_229
；智慧灯杆
Figure SMS_231
装载的缓存为
Figure SMS_233
、
Figure SMS_235
、
Figure SMS_218
；智慧灯杆
Figure SMS_221
装载的缓存为
Figure SMS_223
、
Figure SMS_225
、
Figure SMS_200
，车辆
Figure SMS_205
与智慧灯杆
Figure SMS_211
的距离最近。则车辆
Figure SMS_226
首先向智慧灯杆
Figure SMS_203
发起请求，可以从所述智慧灯杆
Figure SMS_207
上请求到缓存
Figure SMS_213
，但是无法请求到缓存
Figure SMS_216
、
Figure SMS_219
；通过智慧灯杆
Figure SMS_222
继续向智慧灯杆
Figure SMS_224
发起通信，从智慧灯杆
Figure SMS_227
请求到缓存
Figure SMS_201
；通过智慧灯杆
Figure SMS_206
继续向智慧灯杆
Figure SMS_209
发起通信，从智慧灯杆
Figure SMS_212
请求到缓存
Figure SMS_215
，完成全部缓存的请求。
S32：遍历车辆
Figure SMS_236
任务卸载所需的全部缓存，将全部缓存中最大的通信时延作为车辆
Figure SMS_237
的通信时延，将全部缓存中最大的通信时延作为车辆
Figure SMS_238
的与智慧灯杆网络的通信时延，判断车辆
Figure SMS_239
与智慧灯杆网络的通信时延是否小于车辆
Figure SMS_240
向云中心发送请求的时间，若是，则车辆
Figure SMS_241
向智慧灯杆卸载任务，反之，则向云中心卸载任务。
车辆向智慧灯杆网络发起请求时，多个缓存的请求是同时进行的，因此车辆
Figure SMS_242
的与智慧灯杆网络的通信时延即为全部缓存中最大的通信时延。
S33：动态调整每个车辆通信范围内智慧灯杆的缓存配置，当缓存
Figure SMS_243
的通信时延
Figure SMS_244
大于向云中心请求的时间，则将该智慧灯杆上的缓存
Figure SMS_245
卸载，并重新装载车辆向云中心请求的缓存群中的一种。
当缓存
Figure SMS_246
的请求时间过长时，车辆直接向运中心发送请求，可以缩短请求的时间，但是此时缓存
Figure SMS_247
就会成为冗余的缓存，如果继续装载于智慧灯杆上，会占据智慧灯杆上的缓存空间，影响智慧灯杆上缓存的利用率，因此卸载后装载新的缓存，可以降低对云中心的依赖，同时提高智慧灯杆上缓存的利用率，并且新装载的缓存由云中心下放到智慧灯杆，缩短了通信距离，可以缩短请求的时间。
S4：以智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆组成进行优化，输出最优的联盟组合；所述步骤S4具体包括如下步骤：
S41：以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟；
S42：假设智慧灯杆
Figure SMS_248
加入联盟
Figure SMS_249
，计算加入联盟
Figure SMS_250
后智慧灯杆
Figure SMS_251
的利润，计算过程表示为：
Figure SMS_252
；
式中，
Figure SMS_254
表示智慧灯杆
Figure SMS_258
加入联盟
Figure SMS_260
后，智慧灯杆
Figure SMS_255
的利润；
Figure SMS_257
表示智慧灯杆
Figure SMS_259
所能获得的收入；
Figure SMS_262
表示智慧灯杆
Figure SMS_253
装载缓存所需要的成本；
Figure SMS_256
表示智慧灯杆
Figure SMS_261
与其他智慧灯杆协作时产生的通信成本；其中：
Figure SMS_263
，式中，
Figure SMS_264
表示街道内车辆的总数；
Figure SMS_265
表示智慧灯杆
Figure SMS_266
中缓存
Figure SMS_267
所能获得的收入；
Figure SMS_268
，式中，
Figure SMS_269
表示智慧灯杆
Figure SMS_270
装载缓存
Figure SMS_271
所需要的成本；
Figure SMS_272
，式中，
Figure SMS_273
表示通信成本权重；
S43: 若加入联盟
Figure SMS_274
后智慧灯杆
Figure SMS_275
的利润大于0，则智慧灯杆
Figure SMS_276
可加入联盟
Figure SMS_277
，反之，智慧灯杆
Figure SMS_278
不可加入联盟
Figure SMS_279
；
S44：构建优化模型，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆成员进行优化，输出最优的联盟组合，所述优化模型表示为：
Figure SMS_280
。
对智慧灯杆端而言，其向车辆端提供缓存并向车辆端收取一定的费用，因此，智慧灯杆端的核心诉求在于利润的最大化。
所述步骤S4还包括如下步骤：
S45：动态调整每个车辆通信范围内内智慧灯杆的缓存配置，当缓存
Figure SMS_281
的请求时间间隔大于向云中心请求的时间，则卸载该缓存，并重新装载车辆向云中心请求的缓存群中的一种。
在联盟优化过程中，联盟不断的合并分裂，最终将能生成一个整体利润最大的联盟群体。在形成联盟过程中，由于单个智慧灯杆具备的缓存有多种，且可以服务于多辆车，再加上，可能存在某些联盟范围间车辆请求过于频繁。故可能会出现需要一个智慧灯杆既需要与a范围内智慧灯杆形成一个联盟A，又需要与b范围内智慧灯杆合作形成另一个联盟B，对于这种情况，将智慧灯杆的计算资源根据需要进行分割，使其同时存在于两个联盟中，将其在几个联盟中占据的资源进行累加，确保该智慧灯杆的计算资源不溢出。
本申请还提供一种基于智慧灯杆的车载异构网络协同任务卸载系统，包括：
第一信息收集模块：获取街道内有任务卸载需求车辆的坐标及其任务卸载所需的缓存；
第二信息收集模块：获取街道内智慧灯杆的坐标，为每个所述智慧灯杆随机预装载车辆任务卸载所需的缓存；
车辆端：计算车辆
Figure SMS_283
从智慧灯杆
Figure SMS_290
请求缓存
Figure SMS_293
的通信时延
Figure SMS_285
，
Figure SMS_288
，式中，
Figure SMS_291
为缓存
Figure SMS_294
的通信时间，
Figure SMS_282
为缓存
Figure SMS_287
的排队延迟；遍历车辆
Figure SMS_292
任务卸载所需的全部缓存，将全部缓存中最大的通信时延作为车辆
Figure SMS_295
的与智慧灯杆网络的通信时延，判断车辆
Figure SMS_284
与智慧灯杆网络的通信时延是否小于车辆
Figure SMS_286
向云中心发送请求的时间，若是，则车辆
Figure SMS_289
向智慧灯杆卸载任务，反之，则向云中心卸载任务；
智慧灯杆端：以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆组成进行优化，输出最优的联盟组合，优化的过程包括如下步骤：
S41：以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟；
S42：假设智慧灯杆
Figure SMS_296
加入联盟
Figure SMS_297
，计算加入联盟
Figure SMS_298
后智慧灯杆
Figure SMS_299
的利润，计算过程表示为：
Figure SMS_300
；
式中，
Figure SMS_302
表示智慧灯杆
Figure SMS_305
加入联盟
Figure SMS_308
后，智慧灯杆
Figure SMS_303
的利润；
Figure SMS_304
表示智慧灯杆
Figure SMS_307
所能获得的收入；
Figure SMS_310
表示智慧灯杆
Figure SMS_301
装载缓存所需要的成本；
Figure SMS_306
表示智慧灯杆
Figure SMS_309
与其他智慧灯杆协作时产生的通信成本；其中：
Figure SMS_311
，式中，
Figure SMS_312
表示街道内车辆的总数；
Figure SMS_313
表示智慧灯杆
Figure SMS_314
中缓存
Figure SMS_315
所能获得的收入；
Figure SMS_316
，式中，
Figure SMS_317
表示智慧灯杆
Figure SMS_318
装载缓存
Figure SMS_319
所需要的成本；
Figure SMS_320
，式中，
Figure SMS_321
表示通信成本权重；
S43: 若加入联盟
Figure SMS_322
后智慧灯杆
Figure SMS_323
的利润大于0，则智慧灯杆
Figure SMS_324
可加入联盟
Figure SMS_325
，反之，智慧灯杆
Figure SMS_326
不可加入联盟
Figure SMS_327
；
S44：构建优化模型，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆成员进行优化，输出最优的联盟组合，所述优化模型表示为：
Figure SMS_328
。
上面对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (6)

1.一种基于智慧灯杆的车载异构网络协同任务卸载方法，其特征在于，包括如下步骤：
S1：获取街道内有任务卸载需求车辆的坐标及其任务卸载所需的缓存；
S2：获取街道内智慧灯杆的坐标，为每个所述智慧灯杆随机预装载车辆任务卸载所需的缓存；
S3：计算车辆
Figure QLYQS_2
从智慧灯杆
Figure QLYQS_8
请求缓存
Figure QLYQS_11
的通信时延
Figure QLYQS_3
，
Figure QLYQS_6
，式中，
Figure QLYQS_12
为缓存
Figure QLYQS_14
的通信时间，
Figure QLYQS_1
为缓存
Figure QLYQS_5
的排队延迟；遍历车辆
Figure QLYQS_10
任务卸载所需的全部缓存，将全部缓存中最大的通信时延作为车辆
Figure QLYQS_13
的与智慧灯杆网络的通信时延，判断车辆
Figure QLYQS_4
与智慧灯杆网络的通信时延是否小于车辆
Figure QLYQS_7
向云中心发送请求的时间，若是，则车辆
Figure QLYQS_9
向智慧灯杆网络卸载任务，反之，则向云中心卸载任务；
S4：以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆组成进行优化，输出最优的联盟组合；所述步骤S4具体包括如下步骤：
S41：以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟；
S42：假设智慧灯杆
Figure QLYQS_15
加入联盟
Figure QLYQS_16
，计算加入联盟
Figure QLYQS_17
后智慧灯杆
Figure QLYQS_18
的利润，计算过程表示为：
Figure QLYQS_19
；
式中，
Figure QLYQS_21
表示智慧灯杆
Figure QLYQS_23
加入联盟
Figure QLYQS_26
后，智慧灯杆
Figure QLYQS_22
的利润；
Figure QLYQS_25
表示智慧灯杆
Figure QLYQS_28
所能获得的收入；
Figure QLYQS_29
表示智慧灯杆
Figure QLYQS_20
装载缓存所需要的成本；
Figure QLYQS_24
表示智慧灯杆
Figure QLYQS_27
与其他智慧灯杆协作时产生的通信成本；其中：
Figure QLYQS_30
，式中，
Figure QLYQS_31
表示街道内车辆的总数；
Figure QLYQS_32
表示智慧灯杆
Figure QLYQS_33
中缓存
Figure QLYQS_34
所能获得的收入；
Figure QLYQS_35
，式中，
Figure QLYQS_36
表示智慧灯杆
Figure QLYQS_37
装载缓存
Figure QLYQS_38
所需要的成本；
Figure QLYQS_39
，式中，
Figure QLYQS_40
表示通信成本权重；
S43: 若加入联盟
Figure QLYQS_41
后智慧灯杆
Figure QLYQS_42
的利润大于0，则智慧灯杆
Figure QLYQS_43
可加入联盟
Figure QLYQS_44
，反之，智慧灯杆
Figure QLYQS_45
不可加入联盟
Figure QLYQS_46
；
S44：构建优化模型，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆成员进行优化，输出最优的联盟组合，所述优化模型表示为：
Figure QLYQS_47
。
2.根据权利要求1所述的基于智慧灯杆的车载异构网络协同任务卸载方法，其特征在于，车辆任务卸载所需的缓存包括缓存的种类和缓存所需占据的空间。
3.根据权利要求1所述的基于智慧灯杆的车载异构网络协同任务卸载方法，其特征在于，每个所述智慧灯杆上预装载的缓存数量等于每个所述智慧灯杆上缓存的最大装载量。
4.根据权利要求1所述的基于智慧灯杆的车载异构网络协同任务卸载方法，其特征在于，所述步骤S3具体包括如下步骤：
S31：计算车辆
Figure QLYQS_48
从智慧灯杆
Figure QLYQS_51
请求到缓存
Figure QLYQS_53
的通信时延
Figure QLYQS_49
，计算过程表示为：
Figure QLYQS_54
，式中，
Figure QLYQS_55
为缓存
Figure QLYQS_56
的通信时间，
Figure QLYQS_50
为缓存
Figure QLYQS_52
的排队延迟；
其中，
Figure QLYQS_58
，式中，
Figure QLYQS_60
表示车辆
Figure QLYQS_64
与距离最近的智慧灯杆
Figure QLYQS_61
的距离，
Figure QLYQS_63
表示智慧灯杆
Figure QLYQS_66
与临近的智慧灯杆
Figure QLYQS_68
的距离，
Figure QLYQS_57
表示智慧灯杆
Figure QLYQS_62
与拥有缓存
Figure QLYQS_65
的智慧灯杆
Figure QLYQS_67
的距离；
Figure QLYQS_59
表示通信常数，根据信道情况预设；
其中，
Figure QLYQS_69
，式中，
Figure QLYQS_74
为缓存
Figure QLYQS_76
的通信权重，
Figure QLYQS_71
为智慧灯杆
Figure QLYQS_72
所能服务的最大车辆数；
Figure QLYQS_75
为缓存的总种类；
Figure QLYQS_78
为
Figure QLYQS_70
时刻智慧灯杆
Figure QLYQS_73
搭载的缓存
Figure QLYQS_77
所服务的车辆数量；
S32：遍历车辆
Figure QLYQS_79
任务卸载所需的全部缓存，将全部缓存中最大的通信时延作为车辆
Figure QLYQS_80
的通信时延，将全部缓存中最大的通信时延作为车辆
Figure QLYQS_81
的与智慧灯杆网络的通信时延，判断车辆
Figure QLYQS_82
与智慧灯杆网络的通信时延是否小于车辆
Figure QLYQS_83
向云中心发送请求的时间，若是，则车辆
Figure QLYQS_84
向智慧灯杆卸载任务，反之，则向云中心卸载任务；
S33：动态调整每个车辆通信范围内智慧灯杆的缓存配置，当缓存
Figure QLYQS_85
的通信时延
Figure QLYQS_86
大于向云中心请求的时间，则将该智慧灯杆上的缓存
Figure QLYQS_87
卸载，并重新装载车辆向云中心请求的缓存群中的一种。
5.根据权利要求4所述的基于智慧灯杆的车载异构网络协同任务卸载方法，其特征在于，所述步骤S4还包括如下步骤：
S45：动态调整每个车辆通信范围内智慧灯杆的缓存配置，当缓存
Figure QLYQS_88
的请求时间间隔大于向云中心请求的时间，则卸载该缓存，并重新装载车辆向云中心请求的缓存群中的一种。
6.一种基于智慧灯杆的车载异构网络协同任务卸载系统，其特征在于，包括：
第一信息收集模块：获取街道内有任务卸载需求车辆的坐标及其任务卸载所需的缓存；
第二信息收集模块：获取街道内智慧灯杆的坐标，为每个所述智慧灯杆随机预装载车辆任务卸载所需的缓存；
车辆端：计算车辆
Figure QLYQS_90
从智慧灯杆
Figure QLYQS_93
请求缓存
Figure QLYQS_97
的通信时延
Figure QLYQS_91
，
Figure QLYQS_95
，式中，
Figure QLYQS_99
为缓存
Figure QLYQS_101
的通信时间，
Figure QLYQS_89
为缓存
Figure QLYQS_96
的排队延迟；遍历车辆
Figure QLYQS_100
任务卸载所需的全部缓存，将全部缓存中最大的通信时延作为车辆
Figure QLYQS_102
的与智慧灯杆网络的通信时延，判断车辆
Figure QLYQS_92
与智慧灯杆网络的通信时延是否小于车辆
Figure QLYQS_94
向云中心发送请求的时间，若是，则车辆
Figure QLYQS_98
向智慧灯杆卸载任务，反之，则向云中心卸载任务；
智慧灯杆端：以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆组成进行优化，输出最优的联盟组合，优化的过程包括如下步骤：
S41：以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟；
S42：假设智慧灯杆
Figure QLYQS_103
加入联盟
Figure QLYQS_104
，计算加入联盟
Figure QLYQS_105
后智慧灯杆
Figure QLYQS_106
的利润，计算过程表示为：
Figure QLYQS_107
；
式中，
Figure QLYQS_110
表示智慧灯杆
Figure QLYQS_111
加入联盟
Figure QLYQS_115
后，智慧灯杆
Figure QLYQS_109
的利润；
Figure QLYQS_113
表示智慧灯杆
Figure QLYQS_116
所能获得的收入；
Figure QLYQS_117
表示智慧灯杆
Figure QLYQS_108
装载缓存所需要的成本；
Figure QLYQS_112
表示智慧灯杆
Figure QLYQS_114
与其他智慧灯杆协作时产生的通信成本；其中：
Figure QLYQS_118
，式中，
Figure QLYQS_119
表示街道内车辆的总数；
Figure QLYQS_120
表示智慧灯杆
Figure QLYQS_121
中缓存
Figure QLYQS_122
所能获得的收入；
Figure QLYQS_123
，式中，
Figure QLYQS_124
表示智慧灯杆
Figure QLYQS_125
装载缓存
Figure QLYQS_126
所需要的成本；
Figure QLYQS_127
，式中，
Figure QLYQS_128
表示通信成本权重；
S43: 若加入联盟
Figure QLYQS_129
后智慧灯杆
Figure QLYQS_130
的利润大于0，则智慧灯杆
Figure QLYQS_131
可加入联盟
Figure QLYQS_132
，反之，智慧灯杆
Figure QLYQS_133
不可加入联盟
Figure QLYQS_134
；
S44：构建优化模型，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆成员进行优化，输出最优的联盟组合，所述优化模型表示为：
Figure QLYQS_135
。
CN202310472858.7A 2023-04-28 2023-04-28 基于智慧灯杆的车载异构网络协同任务卸载方法及系统 Active CN116208669B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310472858.7A CN116208669B (zh) 2023-04-28 2023-04-28 基于智慧灯杆的车载异构网络协同任务卸载方法及系统
US18/486,693 US11930080B1 (en) 2023-04-28 2023-10-13 Vehicle-mounted heterogeneous network collaborative task unloading method and system based on smart lamp posts

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310472858.7A CN116208669B (zh) 2023-04-28 2023-04-28 基于智慧灯杆的车载异构网络协同任务卸载方法及系统

Publications (2)

Publication Number Publication Date
CN116208669A true CN116208669A (zh) 2023-06-02
CN116208669B CN116208669B (zh) 2023-06-30

Family

ID=86519497

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310472858.7A Active CN116208669B (zh) 2023-04-28 2023-04-28 基于智慧灯杆的车载异构网络协同任务卸载方法及系统

Country Status (2)

Country Link
US (1) US11930080B1 (zh)
CN (1) CN116208669B (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111355779A (zh) * 2020-02-18 2020-06-30 湖南大学 基于服务的车联网任务卸载方法及其卸载装置
CN111953759A (zh) * 2020-08-04 2020-11-17 国网河南省电力公司信息通信公司 基于强化学习的协同计算任务卸载和迁移的方法及装置
CN112379999A (zh) * 2020-10-20 2021-02-19 广东工业大学 一种基于联盟博弈的雾节点任务卸载方法
CN112804361A (zh) * 2021-03-31 2021-05-14 中国人民解放军国防科技大学 一种面向内容协作缓存的边缘联盟博弈方法
CN113709698A (zh) * 2021-09-08 2021-11-26 同济大学 一种基于任务块的车联网雾计算协作任务卸载控制方法
US11201794B1 (en) * 2021-06-04 2021-12-14 National University Of Defense Technology Edge federation system for an integrated service provisioning model and method thereof
CN113961266A (zh) * 2021-10-14 2022-01-21 湘潭大学 一种边云协同下基于双边匹配的任务卸载方法
CN113992673A (zh) * 2021-10-26 2022-01-28 金华职业技术学院 一种缓存卸载与计算卸载的联合移动边缘计算方法和系统
CN114138466A (zh) * 2021-11-11 2022-03-04 北京邮电大学 面向智慧公路的任务协同处理方法、装置及存储介质
US20220210686A1 (en) * 2020-07-15 2022-06-30 Nantong University Energy-efficient optimized computing offloading method for vehicular edge computing network and system thereof
WO2022152871A1 (en) * 2021-01-15 2022-07-21 Commissariat A L'energie Atomique Et Method of managing a vehicle internet service in a cellular network of at least fourth generation 4g
CN114897307A (zh) * 2022-04-13 2022-08-12 重庆交通大学 一种基于合作的物流集配网络联盟优化方法
CN115002212A (zh) * 2022-04-12 2022-09-02 广州大学 基于交叉熵优化算法的联合缓存和卸载方法及系统
CN115103313A (zh) * 2022-05-18 2022-09-23 北京邮电大学 基于位置预测的智慧公路任务协同处理方法、系统
CN115185600A (zh) * 2022-07-01 2022-10-14 湖南大学 一种个性化车路云协同任务卸载分配方法及系统
CN115297171A (zh) * 2022-07-08 2022-11-04 南京邮电大学 一种蜂窝车联网分级决策的边缘计算卸载方法及系统
CN115604853A (zh) * 2022-09-30 2023-01-13 山东师范大学（Cn） 边缘计算的车辆依赖任务卸载方法及系统
WO2023024219A1 (zh) * 2021-08-24 2023-03-02 苏州大学 云边协同网络中时延和频谱占用联合优化方法及系统
US20230081937A1 (en) * 2020-05-22 2023-03-16 Huawei Technologies Co., Ltd. Computation offloading method and communication apparatus

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11751123B2 (en) * 2013-05-08 2023-09-05 Cellcontrol, Inc. Context-aware mobile device management
EP3433809A4 (en) * 2016-03-23 2019-10-02 Fedex Corporate Services, Inc. SYSTEMS, APPARATUS AND METHODS FOR AUTOMATIC ADJUSTMENT OF BROADCAST ADJUSTMENT OF A NODE IN A WIRELESS NODE NETWORK
US11026072B2 (en) * 2016-11-01 2021-06-01 Xuemin Shen System and method for automotive Wi-Fi access and connection
US10854985B2 (en) * 2017-08-29 2020-12-01 Metawave Corporation Smart infrastructure sensing and communication system
KR102536118B1 (ko) * 2017-12-30 2023-05-23 인텔 코포레이션 차량 무선 통신을 위한 방법 및 디바이스
US11218553B2 (en) * 2018-03-05 2022-01-04 Intel Corporation Inter-MEC system communication for V2X services
CN108462947B (zh) * 2018-03-13 2020-11-27 长安大学 一种基于lte-v的车联网通信测试系统及测试方法
CN111919506A (zh) * 2018-06-06 2020-11-10 英特尔公司 汽车边缘计算系统中的交通工具对外界会话和服务连续性
WO2020227435A1 (en) * 2019-05-07 2020-11-12 Intel Corporation V2x services for providing journey-specific qos predictions
CN111107566B (zh) * 2019-12-25 2023-09-26 国网冀北电力有限公司唐山供电公司 一种电力物联网场景中基于协同内容缓存的卸载方法
US11614962B2 (en) * 2020-06-25 2023-03-28 Toyota Motor Engineering & Manufacturing North America, Inc. Scheduling vehicle task offloading and triggering a backoff period
US11743808B2 (en) * 2020-07-13 2023-08-29 Qualcomm Incorporated User equipment (UE) triggered edge computing application context relocation
US11593150B2 (en) * 2020-10-05 2023-02-28 Tencent America LLC Method and apparatus for cloud service
US20230362129A1 (en) * 2020-11-09 2023-11-09 Qualcomm Incorporated User equipment cache modification for edge computing
WO2022221719A2 (en) * 2021-04-16 2022-10-20 Strong Force Vcn Portfolio 2019, Llc Systems, methods, kits, and apparatuses for digital product network systems and biology-based value chain networks
US11657591B2 (en) * 2021-01-15 2023-05-23 Argo AI, LLC Autonomous vehicle system for intelligent on-board selection of data for building a remote machine learning model
US20230222531A1 (en) * 2021-04-16 2023-07-13 Strong Force Vcn Portfolio 2019, Llc Autonomous Contingency-Responsive Smart Contract Configuration System
CN113542351B (zh) * 2021-06-07 2022-11-25 北京邮电大学 一种基于车载网络的内容缓存方法及装置
US11997590B2 (en) * 2021-08-16 2024-05-28 Qualcomm Incorporated Application client and edge application server discovery with service authorization and location service
US20230284178A1 (en) * 2021-09-02 2023-09-07 Valerie Parker Systems, apparatus, and methods for triggerable data driven location determination
CN113810233B (zh) * 2021-09-17 2022-10-18 重庆邮电大学 一种在随机网络中基于算网协同的分布式计算卸载方法
US12003803B2 (en) * 2021-11-11 2024-06-04 Nanjing University Of Posts And Telecommunications Content delivery method and system through in-vehicle network based on regional content popularity
US20230153174A1 (en) * 2021-11-17 2023-05-18 Intel Corporation Device selection for workload execution
DE102022200253A1 (de) * 2022-01-12 2023-07-13 Robert Bosch Gesellschaft mit beschränkter Haftung Fahrzeug-Berechnungsaufgabenvergabe
US20230110467A1 (en) * 2022-02-11 2023-04-13 Satish C. Jha Collective perception service reporting techniques and technologies
US20230300579A1 (en) * 2022-02-25 2023-09-21 Intel Corporation Edge-centric techniques and technologies for monitoring electric vehicles
US11638133B1 (en) * 2022-05-12 2023-04-25 Rivian Ip Holdings, Llc Distributed processing system for vehicles
US20230362683A1 (en) * 2022-07-15 2023-11-09 Intel Corporation Operator platform instance for mec federation to support network-as-a-service
US20230370416A1 (en) * 2022-07-29 2023-11-16 Intel Corporation Exposure of ue id and related service continuity with ue and service mobility
CN115297595B (zh) * 2022-09-29 2023-02-28 成都秦川物联网科技股份有限公司 一种基于物联网的智慧城市路灯智能控制方法和系统
US20230137879A1 (en) * 2022-11-16 2023-05-04 S M Iftekharul Alam In-flight incremental processing
US20230318932A1 (en) * 2023-06-02 2023-10-05 Intel Corporation Methods and apparatus to direct transmission of data between network-connected devices

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111355779A (zh) * 2020-02-18 2020-06-30 湖南大学 基于服务的车联网任务卸载方法及其卸载装置
US20230081937A1 (en) * 2020-05-22 2023-03-16 Huawei Technologies Co., Ltd. Computation offloading method and communication apparatus
US20220210686A1 (en) * 2020-07-15 2022-06-30 Nantong University Energy-efficient optimized computing offloading method for vehicular edge computing network and system thereof
CN111953759A (zh) * 2020-08-04 2020-11-17 国网河南省电力公司信息通信公司 基于强化学习的协同计算任务卸载和迁移的方法及装置
CN112379999A (zh) * 2020-10-20 2021-02-19 广东工业大学 一种基于联盟博弈的雾节点任务卸载方法
WO2022152871A1 (en) * 2021-01-15 2022-07-21 Commissariat A L'energie Atomique Et Method of managing a vehicle internet service in a cellular network of at least fourth generation 4g
CN112804361A (zh) * 2021-03-31 2021-05-14 中国人民解放军国防科技大学 一种面向内容协作缓存的边缘联盟博弈方法
US11201794B1 (en) * 2021-06-04 2021-12-14 National University Of Defense Technology Edge federation system for an integrated service provisioning model and method thereof
WO2023024219A1 (zh) * 2021-08-24 2023-03-02 苏州大学 云边协同网络中时延和频谱占用联合优化方法及系统
CN113709698A (zh) * 2021-09-08 2021-11-26 同济大学 一种基于任务块的车联网雾计算协作任务卸载控制方法
CN113961266A (zh) * 2021-10-14 2022-01-21 湘潭大学 一种边云协同下基于双边匹配的任务卸载方法
CN113992673A (zh) * 2021-10-26 2022-01-28 金华职业技术学院 一种缓存卸载与计算卸载的联合移动边缘计算方法和系统
CN114138466A (zh) * 2021-11-11 2022-03-04 北京邮电大学 面向智慧公路的任务协同处理方法、装置及存储介质
CN115002212A (zh) * 2022-04-12 2022-09-02 广州大学 基于交叉熵优化算法的联合缓存和卸载方法及系统
CN114897307A (zh) * 2022-04-13 2022-08-12 重庆交通大学 一种基于合作的物流集配网络联盟优化方法
CN115103313A (zh) * 2022-05-18 2022-09-23 北京邮电大学 基于位置预测的智慧公路任务协同处理方法、系统
CN115185600A (zh) * 2022-07-01 2022-10-14 湖南大学 一种个性化车路云协同任务卸载分配方法及系统
CN115297171A (zh) * 2022-07-08 2022-11-04 南京邮电大学 一种蜂窝车联网分级决策的边缘计算卸载方法及系统
CN115604853A (zh) * 2022-09-30 2023-01-13 山东师范大学（Cn） 边缘计算的车辆依赖任务卸载方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
卢海峰;顾春华;罗飞;丁炜超;杨婷;郑帅;: "基于深度强化学习的移动边缘计算任务卸载研究", 计算机研究与发展, no. 07 *

Also Published As

Publication number Publication date
US11930080B1 (en) 2024-03-12
CN116208669B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN111010684B (zh) 一种基于mec缓存服务的车联网资源分配方法
Zeng et al. Volunteer assisted collaborative offloading and resource allocation in vehicular edge computing
CN110312231B (zh) 车联网中基于mec的内容缓存决策和资源分配优化方法
CN111405527B (zh) 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
CN110213627B (zh) 一种基于多小区用户移动性的流媒体缓存分配方法
CN110650457B (zh) 一种车联网中任务卸载计算成本与时延的联合优化方法
CN112328397B (zh) 5g异构网络系统及其协同车辆计算任务卸载方法
CN113344255B (zh) 基于移动边缘计算和区块链的车载网络应用数据传输和计费优化方法
Huang et al. Delay-aware caching in internet-of-vehicles networks
CN106888257A (zh) 无线通信中雾节点的存储资源分配方法
CN115002113A (zh) 一种移动基站边缘计算力资源调度方法、系统、电子设备
CN114143346A (zh) 一种车联网任务卸载和服务缓存的联合优化方法及系统
CN113905354B (zh) 一种基于区域内容流行度的车载网络内容传递方法及系统
CN115297171B (zh) 一种蜂窝车联网分级决策的边缘计算卸载方法及系统
CN115665804B (zh) 一种协同无人机-智能车群的缓存优化方法
CN108521640B (zh) 一种蜂窝网络中的内容分发方法
CN115169800A (zh) 一种基于博弈论的车辆边缘计算资源分配激励方法及系统
CN116208669B (zh) 基于智慧灯杆的车载异构网络协同任务卸载方法及系统
CN110062356B (zh) 一种d2d网络中的缓存副本布设方法
CN112887314B (zh) 一种时延感知的云雾协作视频分发方法
CN109874154B (zh) 一种基于深度强化学习的c-ran用户关联和计算资源分配方法
CN111447506B (zh) 云边环境下基于延迟和成本均衡的流媒体内容放置方法
CN116600345A (zh) 一种基于博弈的车联网v2v计算卸载系统及方法
CN116362500A (zh) 基于强化学习的停放车辆子任务卸载决策方法
CN116483585A (zh) 一种基于边缘计算的多服务预部署方法

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