CN116389256A - 基于边缘计算的新能源汽车车联网系统 - Google Patents

Abstract

本发明涉及边缘计算及车联网领域，具体涉及基于边缘计算的新能源汽车车联网系统，所述系统包括数据统计模块、数据分析模块和结果分配模块，数据统计模块：获取边缘服务器以及新能源汽车的信息；数据分析模块：建立分配模型；根据对各个边缘服务器运算能力、存储能力以及车载任务由所有边缘服务器完成的约束得到限定函数；根据运算损耗模型、时延模型以及传输损耗模型得到多车车载系统安装损失函数；结果分配模块：通过智能优化算法根据限定函数以及多车车载系统安装损失函数，获取分配模型对应的最佳分配结果，完成对每辆新能源汽车车载系统的下载。从而实现对多车车载系统的高效、高速协同下载安装。

Description

基于边缘计算的新能源汽车车联网系统

技术领域

本申请涉及边缘计算及车联网领域，具体涉及基于边缘计算的新能源汽车车联网系统。

背景技术

车辆在出厂之前都需要安装各种车载系统，以便后期车辆的联网使用。但是，一般车厂在把整车出厂的时候，都要通过无线网络来给车辆组装车载系统等，一同批次的车辆同时安装出厂。但是这种情况下，车辆安装车载系统的过程中将会出现网络拥堵、下载缓慢以及耗费流量等问题，导致多车在车载系统下载安装效率低。

随着边缘计算的不断发展，边缘计算算法应用在各个行业领域。通边缘服务器来独立发送车载系统给各辆新能源汽车，边缘计算能够实现更加实时快速的对数据进行处理分析，保证数据处理分析更加靠近源，降低数据处理过程中的延迟时间。而当多车车载系统的多下载任务同时进行时，由于不同的边缘服务器处理可以处理不同车辆的不同下载任务，对于参与边缘计算的服务器的任务分配成为边缘计算过程中的一个关键问题。当边缘计算服务器的下载任务出现分配问题时，将出现时间以及资源的浪费。

发明内容

为了解决上述技术问题，本发明提供基于边缘计算的新能源汽车车联网系统，所述系统包括：

数据统计模块、数据分析模块和结果分配模块；

数据统计模块：

统计待安装车载系统的新能源汽车数量；统计边缘服务器数量以及各个边缘服务器的最大运算能力、最大存储能力信息；统计车载系统所包含的下载任务数量；

数据分析模块：

根据每辆新能源汽车车载系统的各个下载任务均应有对应的边缘服务器得到分配模型；根据对每辆新能源汽车车载系统的各个下载任务所运行的边缘服务器进行约束，并同时根据各个边缘服务器运算能力、存储能力得到限定函数；

根据各个边缘服务器运算过程中的运行代价得到运算损耗模型；根据分配模型中每辆新能源汽车对应的每个下载任务的数据发送时延、数据运算时延、运算结果汇聚时延以及数据返回时延现象得到时延模型；根据分配模型中每辆新能源汽车与对应的各个边缘服务器之间的信号强度以及距离得到传输效率因子；根据各个边缘服务器和每辆新能源汽车间的距离以及传输效率因子得到传输损耗模型；

根据运算损耗模型、时延模型以及传输损耗模型得到多车车载系统安装损失函数；

结果分配模块：

通过智能优化算法根据限定函数以及多车车载系统安装损失函数，对各个边缘服务器的下载任务进行分配，完成对每辆新能源汽车车载系统的下载。

进一步，所述根据每辆新能源汽车车载系统的各个下载任务均应有对应的边缘服务器得到分配模型具体为：

X＝{x_n,y,m,＝1,2,…,,＝1,2,…,,＝1,2,…,}

其中，X表示分配模型，包含了每辆新能源汽车的各个下载任务对应的边缘服务器信息集合；x_n,y,m表示新能源汽车n的下载任务y对应的边缘服务器m；N表示新能源车辆数量；M表示边缘服务器数量；Y表示车载系统包含的下载任务数量。

进一步，所述根据对每辆新能源汽车车载系统的各个下载任务所运行的边缘服务器进行约束，并同时根据各个边缘服务器运算能力、存储能力得到限定函数具体为：

其中，

为边缘服务器m的最大运算能力；/>

为边缘服务器m的最大存储能力；w_n,y,m表示新能源车辆n的下载任务y对应边缘服务器m的分配因子；x_n,y,m表示新能源汽车n的下载任务y对应的边缘服务器m；N表示新能源车辆数量；M表示边缘服务器数量；Y表示车载系统包含的下载任务数量。

进一步，所述根据各个边缘服务器运算过程中的运行代价得到运算损耗模型具体为：

其中，RS为运算损耗模型；M表示边缘服务器数量；R_m表示边缘服务器m的运行代价；∑为相加符号。

进一步，所述根据分配模型中每辆新能源汽车对应的每个下载任务的数据发送时延、数据运算时延、运算结果汇聚时延以及数据返回时延现象得到时延模型具体表达式为：

其中，TD表示时延模型；TD_n表示新能源汽车n的时延因子；max为取最大值操作；N表示新能源车辆数量；表示车载系统包含的下载任务数量；TD_n,y ^send表示新能源汽车n的下载任务y所对应的数据发送时延；TD_n,y ^run示新能源汽车n的下载任务y所对应的数据运算时延；TD_n,y ^merge示新能源汽车n的下载任务y所对应的运算结果汇聚时延；TD_n,y ^return示新能源汽车n的下载任务y所对应的数据返回时延；∑为相加符号。

进一步，所述根据各个边缘服务器的信号强度以及各个边缘服务器和每辆新能源汽车间的距离得到传输效率因子具体表达式为：

Q_m,n＝Sig_m,n×d_m,n

其中，Q_m,n表示新能源汽车n对应边缘服务器m时的传输效率因子；Sig_m,n表示新能源汽车n对应边缘服务器m的信号强度；d_m,n表示新能源汽车n的质心到边缘服务器m质心的欧式距离。

进一步，所述根据各个边缘服务器和每辆新能源汽车间的距离以及传输效率因子得到传输损耗模型，具体表达式为：

其中，SS表示传输损耗模型；N表示新能源车辆数量；M表示边缘服务器数量；d_m,n表示新能源汽车n的质心到边缘服务器m质心的欧式距离；Q_m,n新能源汽车n对应边缘服务器m时的传输效率因子；ε为避免分母为零的参数；∑为相加符号。

进一步，所述根据运算损耗模型、时延模型以及传输损耗模型得到多车车载系统安装损失函数，具体表达式为：

L＝min(a×RS+β×TD+γ×SS)

其中，RS为运算损耗模型；TD表示时延模型；SS表示传输损耗模型；min()为取最小值操作；α为运算损耗权值因子；β为时延权值因子；γ为传输损耗权值因子。

本发明实施例至少具有如下有益效果：通过边缘计算对新能源汽车的车载系统下载进行分析，边缘计算靠近用户端/数据端，节省带宽成本，减少传输延迟，实现在网络边缘侧对数据的处理，减少请求响应时间、提升电池续航能力、减少网络带宽同时保证数据的安全性和私密性；结合各个边缘服务器以及新能源汽车之间的相互关系构建多车车载系统安装损失函数，以保证每辆新能源汽车的车载系统均能够有对应的边缘服务器来运算，解决了时间以及资源的浪费问题，防止大量下载任务积压情况下而出现资源空闲现象，提高了多车车载系统同时进行的安装效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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它附图。

图1为本发明提供的基于边缘计算的新能源汽车车联网系统的流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于边缘计算的新能源汽车车联网系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的基于边缘计算的新能源汽车车联网系统的具体方案。

本发明一个实施例提供的基于边缘计算的新能源汽车车联网系统，该系统包含数据统计模块、数据分析模块和结果分配模块；其中数据统计模型：主要统计待安装车载系统的新能源汽车数量；统计边缘服务器数量以及各个边缘服务器的最大运算能力、最大存储能力信息；统计车载系统所包含的下载任务数量；数据分析模块：构建限定函数以及多车车载系统安装损失函数；结果分配模块：通过智能优化算法根据限定函数以及多车车载系统安装损失函数，对边缘服务器和新能源汽车车载系统的下载任务进行最优匹配。

具体的，本实施例的基于边缘计算的新能源汽车车联网系统提供了如下的基于边缘计算的新能源汽车车联网方法，请参阅图1，该方法包括以下步骤：

步骤S001，对边缘计算的新能源汽车车辆网系统进行分析，获取各个边缘服务器以及新能源汽车的信息。

在新能源汽车车辆出厂的停车场附近建立多个独立基站，每个独立基站分别对应一个边缘服务器，多个独立基站具有一个共同的公共通信基站。将停车场附近的边缘服务器数量记为M，边缘服务器集合为：{m＝1,2,…,M}，m为边缘服务器m，停车场中待安装车载系统的新能源汽车数量记为N，新能源汽车集合为：{n＝1,2,…,N}，n为新能源汽车n，车载系统中所包含的下载任务数量记为Y，下载任务集合为：{y＝1,2,…,Y}，y为下载任务y。同时，对各个边缘服务器的最大运算能力、最大存储能力进行预先统计，后续可通过每个边缘服务器的编号对每个边缘服务器的最大计算能力、最大存储能力信息进行提取。需要说明的是，具体独立基站数量以及位置部署等实施者根据实际情况自行设定。所述公共基站用于网络数据的集中管理、存储、读取等操作，属于数据管理的中心。

至此，得到边缘服务器集合、新能源汽车集合以及车载系统的下载任务集合以及各个边缘服务器的信息，作为后续数据分析的基础。

步骤S002，通过对各个边缘服务器的分析，得到多车车载系统安装损失函数。

上面步骤边缘服务器集合、新能源汽车集合以及车载系统的下载任务集合以及各个边缘服务器的信息，为实现基于边缘计算的多车车载系统的高效同时下载安装，本实施例将构建多车车载系统安装损失函数，以便对每辆新能源汽车的车载系统下载任务的边缘计算过程进行分配，具体过程如下：

对于停车场的各辆待安装车载系统的新能源汽车，需要保证各辆新能源汽车的各个下载任务均应有所对应的边缘服务器来进行运算，为便于分析描述，本实施例中新能源汽车n的下载任务y分配给边缘服务器m记为x_n,y,m，并进一步建立分配模型＝：

X＝{x_n,y,m,＝1,2,…,,＝1,2,…,,＝1,2,…,}

其中，X表示分配模型，包含了每辆新能源汽车的各个下载任务对应的边缘服务器信息集合；x_n,y,m表示新能源汽车n的下载任务y对应的边缘服务器m；N表示新能源车辆数量；M表示边缘服务器数量；Y表示车载系统包含的下载任务数量。

本实施例考虑到对于分配模型中每辆新能源汽车的下载任务均应当被至少任意一个边缘服务器来运算，为避免出现新能源汽车的下载任务没有边缘服务器来计算的问题，同时保证每个边缘服务器的计算效率以及系统的安全性，保证在每台边缘服务器上必须有足够的存储空间来存储已处理的任务，避免任务数据的丢失，本实施例根据对各个边缘服务器运算能力、存储能力以及车载系统下载任务由边缘服务器完成的约束，建立限定函数：

其中，

为边缘服务器m的最大运算能力；/>

为边缘服务器m的最大存储能力；w_n,y,m表示新能源车辆n的下载任务y对应边缘服务器m的分配因子；x_n,y,m表示新能源汽车n的下载任务y对应的边缘服务器m；N表示新能源车辆数量；M表示边缘服务器数量；Y表示车载系统包含的下载任务数量。

需要说明的是，本实施例中分配因子为：

d_m,n为新能源汽车n的质心到边缘服务器m质心的欧式距离，e为自然常数。距离越远，新能源汽车n的下载任务y分配给边缘服务器m的分配因子越小。限定函数的第一个式子是为了保证对边缘服务器m在分配模型中具有的运算能力的约束限定，表示保证所有新能源汽车在边缘服务器m上的所有下载任务的运算量不能超过边缘服务器m的最大运算能力，避免则由于运算能力不足导致的数据库卡死的隐患问题；第二个式子是为了保证对边缘服务器m在分配模型中具有的存储能力的约束限定，表示所有新能源汽车在边缘服务器m中的所有下载任务所对应的存储量不能超过边缘服务器m的最大存储能力，防止边缘服务器内存资源紧张，边缘服务器无响应等情况；第三个式子主要是对下载任务由边缘服务器完成的限定，表示新能源汽车n的下载任务y只能从M个边缘服务器中的其中一个进行下载。

至此，即可得到基于边缘计算的新能源汽车车载系统安装分配模型的限定函数。

进一步将对基于边缘计算的多车车载系统下载安装的损失函数进行构建，以保证各个边缘服务器的高效计算，提高多车车载系统同时下载的速度，降低数据延时，提高边缘计算效率。首先，为降低基于边缘计算的多车车载系统同时下载安装过程中的运行成本，根据各个边缘服务器运算过程中的运行代价得到运算损耗模型具体为：

其中，RS为运算损耗模型；M表示边缘服务器数量；R_m表示边缘服务器m的运行代价；∑为相加符号。需要说明的是，本实施例中边缘服务器m的运行代价R_m为边缘服务器m在分配模型中完成所分配的新能源汽车车载系统下载任务的开销成本，开销成本通过现有技术获取。如果上述的X＝{x_n,y,m,＝1,2,…,,＝1,2,…,,＝1,2,…,}能够让运算损耗模型值越小，则分配模型中各个边缘服务器在完成所分配的新能源汽车的下载任务时的成本消耗越小，系统综合成本越低。

然后，本实施例考虑到一般情况下，数据传输计算过程中存在时延问题，也即在基于边缘服务器的多车车载系统的边缘计算时，数据的发送、运算、运算结果汇聚以及数据返回过程都会出现时延现象，为降低多车车载系统下载任务过程中时延问题的影响，提高多车车载系统的下载安装速度，本实施例将根据各个边缘服务器数据处理过程中的数据时延现象，建立时延模型：

其中，TD表示时延模型；TD_n表示新能源汽车n的时延因子；max为取最大值操作；N表示新能源车辆数量；表示车载系统包含的下载任务数量；TD_n,y ^send表示新能源汽车n的下载任务y所对应的数据发送时延；TD_n,y ^run示新能源汽车n的下载任务y所对应的数据运算时延；TD_n,y ^merge示新能源汽车n的下载任务y所对应的运算结果汇聚时延；TD_n,y ^return示新能源汽车n的下载任务y所对应的数据返回时延；∑为相加符号。在此需要说明，除数据的发送、运算、运算结果汇聚以及数据返回时延现象之外，实施者也可根据实际情况自行加入与车载系统下载任务相关的数据时延项，具体的时延时间根据现有技术可以计算获取。

需要说明的是，如果上述的X＝{x_n,y,m,＝1,2,…,,＝1,2,…,,＝1,2,…,}能够让时延模型值越小，多车车载系统在进行下载安装过程中的时延问题影响越小，则对应分配模型中的各个边缘服务器与新能源汽车之间的匹配效果越佳。

进一步，为保证基于各个边缘服务器对多车车载系统下载安装的高效性，尽量保证信号强度较低的边缘服务器处理距离其近的新能源汽车的车载系统下载任务，提高多车车载系统的安装效率，据此，根据各个边缘服务器的信号强度以及各个边缘服务器和每辆新能源汽车间的距离，建立传输效率因子：

Q_m,n＝Sig_m,n×d_m,n

其中，Q_m,n表示新能源汽车n对应边缘服务器m时的传输效率因子；Sig_m,n表示新能源汽车n对应边缘服务器m的信号强度；d_m,n表示新能源汽车n的质心到边缘服务器m质心的欧式距离。需要说明的是，边缘服务器的信号强度获取方法为现有公知技术，本实施例中不做详细阐述。

本实施例考虑到数据传输过程中，总会出现数据传输的损耗，为降低数据传输损耗，减少数据传输过程中的成本，本发明将基对数据传输损耗进行分析，构建传输损耗函数所述根据各个边缘服务器和每辆新能源汽车间的距离以及传输效率因子得到传输损耗模型，具体表达式为：

其中，SS表示传输损耗模型；N表示新能源车辆数量；M表示边缘服务器数量；d_m,n表示新能源汽车n的质心到边缘服务器m质心的欧式距离；Q_m,n新能源汽车n对应边缘服务器m时的传输效率因子；ε为避免分母为零的参数，实施者可自行设定，本实施例设置为ε＝0.01；∑为相加符号。需要说明的是，如果上述的X＝{x_n,y,m,＝1,2,…,,＝1,2,…,,＝1,2,…,M}能够让传输损耗模型值越小，则分配模型中对应的多车车载系统下载任务的分配所具有的传输损耗越低，能够满足尽量保证距离新能源汽车较近的边缘服务器完成车载系统下载任务的安装下载，同时，尽量满足信号强度较低的边缘服务器处理距离其较近的新能源汽车车载系统下载任务，保证多车车载系统下载任务下载安装过程中的稳定性，降低传输损耗。

最后，为保证多车车载系统安装过程中的整体高效性，提高多车车载系统安装速度，降低成本，本实施例根据运算损耗模型、时延模型以及传输损耗模型，构建多车车载系统安装损失函数，具体表达式为：

L＝min(α×RS+β×TD+γ×SS)

其中，RS为运算损耗模型；TD表示时延模型；SS表示传输损耗模型；min()为取最小值操作；α为运算损耗权值因子；β为时延权值因子；γ为传输损耗权值因子；实施者可自行设定权值因子大小，本实施例中分别设置为α＝0.3，β＝0.3，γ＝0.4。多车车载系统安装损失函数值越小，则基于边缘计算的多车车载系统安装所对应的分配模型中的各个分配结果越好，边缘服务器与新能源汽车的下载任务之间的匹配效果越佳。

至此，根据上述方法可得到用于分析计算多车车载系统安装分配模型的多车车载系统安装损失函数，通过对多车车载系统安装损失函数的计算，完成对分配模型中各个边缘服务器与新能源汽车下载任务的最佳匹配，得到最佳分配模型。

需要说明的是，上述的L是关于X＝{x_n,y,m,＝1,2,…,,＝1,2,…,,＝1,2,…,}的一个参数模型，X是N个新能源汽车将Y个下载任务分配到M个边缘服务器上的分配模型，那么能够使得L最小的X就是最佳分配模型。

步骤S003，通过智能优化算法，得到边缘服务器与新能源汽车车载系统下载任务间的相互匹配。

上面步骤得到基于边缘服务器进行新能源汽车车载系统下载安装的限定函数以及多车车载系统安装损失函数，本实施例通过智能优化算法对多车车载系统安装损失函数进行优化计算，设置智能优化迭代次数，本实施例中设置为200次，实施者可自行设定。通过智能优化算法迭代计算损失函数，得到损失函数最小时所对应的分配模型，将其作为最佳分配模型，得到多车车载系统安装的最佳匹配结果，通过边缘计算过程实现对每辆新能源汽车车载系统的下载安装。需要说明的是，智能优化算法有很多，包括遗传算法、粒子群算法以及蚁群算法等，智能优化算法以及智能优化算法具体迭代优化过程为现有公知技术，不在本实施例的保护范围内。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于边缘计算的新能源汽车车联网系统，其特征在于，所述系统包括：

数据统计模块、数据分析模块和结果分配模块；

数据统计模块：

统计待安装车载系统的新能源汽车数量；统计边缘服务器数量以及各个边缘服务器的最大运算能力、最大存储能力信息；统计车载系统所包含的下载任务数量；

数据分析模块：

根据每辆新能源汽车车载系统的各个下载任务均应有对应的边缘服务器得到分配模型；根据对每辆新能源汽车车载系统的各个下载任务所运行的边缘服务器进行约束，并同时根据各个边缘服务器运算能力、存储能力得到限定函数；

根据各个边缘服务器运算过程中的运行代价得到运算损耗模型；根据分配模型中每辆新能源汽车对应的每个下载任务的数据发送时延、数据运算时延、运算结果汇聚时延以及数据返回时延现象得到时延模型；根据分配模型中每辆新能源汽车与对应的各个边缘服务器之间的信号强度以及距离得到传输效率因子；根据各个边缘服务器和每辆新能源汽车间的距离以及传输效率因子得到传输损耗模型；

根据运算损耗模型、时延模型以及传输损耗模型得到多车车载系统安装损失函数；

结果分配模块：

通过智能优化算法根据限定函数以及多车车载系统安装损失函数，对各个边缘服务器的下载任务进行分配，完成对每辆新能源汽车车载系统的下载。

2.如权利要求1所述的基于边缘计算的新能源汽车车联网系统，其特征在于，所述根据每辆新能源汽车车载系统的各个下载任务均应有对应的边缘服务器得到分配模型具体为：

X＝{x_n，y，m，n＝1，2，...，N，y＝1，2，...，Y，m＝1，2，...，M}

其中，X表示分配模型，包含了每辆新能源汽车的各个下载任务对应的边缘服务器信息集合；x_n，y，m表示新能源汽车n的下载任务y对应的边缘服务器m；N表示新能源车辆数量；M表示边缘服务器数量；Y表示车载系统包含的下载任务数量。

3.如权利要求1所述的基于边缘计算的新能源汽车车联网系统，其特征在于，所述根据对每辆新能源汽车车载系统的各个下载任务所运行的边缘服务器进行约束，并同时根据各个边缘服务器运算能力、存储能力得到限定函数具体为：

其中，

为边缘服务器m的最大运算能力；/>

为边缘服务器m的最大存储能力；w_n，y，m表示新能源车辆n的下载任务y对应边缘服务器m的分配因子；x_n，y，m表示新能源汽车n的下载任务y对应的边缘服务器m；N表示新能源车辆数量；M表示边缘服务器数量；Y表示车载系统包含的下载任务数量。

4.如权利要求1所述的基于边缘计算的新能源汽车车联网系统，其特征在于，所述根据各个边缘服务器运算过程中的运行代价得到运算损耗模型具体为：

其中，RS为运算损耗模型；M表示边缘服务器数量；R_m表示边缘服务器m的运行代价；∑为相加符号。

5.如权利要求1述的基于边缘计算的新能源汽车车联网系统，其特征在于，所述根据分配模型中每辆新能源汽车对应的每个下载任务的数据发送时延、数据运算时延、运算结果汇聚时延以及数据返回时延现象得到时延模型具体表达式为：

其中，TD表示时延模型；TD_n表示新能源汽车n的时延因子；max{}为取最大值操作；N表示新能源车辆数量；Y表示车载系统包含的下载任务数量；TD_n，y ^send表示新能源汽车n的下载任务y所对应的数据发送时延；TD_n，y ^run示新能源汽车n的下载任务y所对应的数据运算时延；TD_n，y ^merge示新能源汽车n的下载任务y所对应的运算结果汇聚时延；TD_n，y ^return示新能源汽车n的下载任务y所对应的数据返回时延；∑为相加符号。

6.如权利要求1所述的基于边缘计算的新能源汽车车联网系统，其特征在于，所述根据分配模型中每辆新能源汽车与对应的各个边缘服务器之间的信号强度以及距离得到传输效率因子具体表达式为：

Q_m，n＝Sig_m，n×d_m，n

其中，Q_m，n表示新能源汽车n对应边缘服务器m时的传输效率因子；Sig_m，n表示新能源汽车n对应边缘服务器m的信号强度；d_m，n表示新能源汽车n的质心到边缘服务器m质心的欧式距离。

7.如权利要求1所述的基于边缘计算的新能源汽车车联网系统，其特征在于，所述根据各个边缘服务器和每辆新能源汽车间的距离以及传输效率因子得到传输损耗模型，具体表达式为：

其中，SS表示传输损耗模型；N表示新能源车辆数量；M表示边缘服务器数量；d_m，n表示新能源汽车n的质心到边缘服务器m质心的欧式距离；Q_m，n新能源汽车n对应边缘服务器m时的传输效率因子；ε为避免分母为零的参数；∑为相加符号。

8.如权利要求1所述的基于边缘计算的新能源汽车车联网系统，其特征在于，所述根据运算损耗模型、时延模型以及传输损耗模型得到多车车载系统安装损失函数，具体表达式为：

L＝min(α×RS+β×TD+γ×SS)

其中，RS为运算损耗模型；TD表示时延模型；SS表示传输损耗模型；min()为取最小值操作；α为运算损耗权值因子；β为时延权值因子；γ为传输损耗权值因子。

Images