CN116830662A - 交通工具移动性、通信网络和计算资源的联合优化 - Google Patents
交通工具移动性、通信网络和计算资源的联合优化 Download PDFInfo
- Publication number
- CN116830662A CN116830662A CN202280015779.7A CN202280015779A CN116830662A CN 116830662 A CN116830662 A CN 116830662A CN 202280015779 A CN202280015779 A CN 202280015779A CN 116830662 A CN116830662 A CN 116830662A
- Authority
- CN
- China
- Prior art keywords
- applications
- qos
- computer
- mobility
- networks
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 35
- 238000004891 communication Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000004590 computer program Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000003860 storage Methods 0.000 claims description 38
- 230000007613 environmental effect Effects 0.000 claims description 25
- 230000004931 aggregating effect Effects 0.000 claims description 5
- 239000000446 fuel Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000003466 anti-cipated effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009172 bursting Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000036962 time dependent Effects 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
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3476—Special cost functions, i.e. other than distance or default speed limit of road segments using point of interest [POI] information, e.g. a route passing visible POIs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/24—Negotiating SLA [Service Level Agreement]; Negotiating QoS [Quality of Service]
-
- 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]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/50—Service provisioning or reconfiguring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/26—Resource reservation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Social Psychology (AREA)
- Navigation (AREA)
Abstract
一种用于优化连接的交通工具的交通工具移动性、通信网络和所需的计算资源的计算机实现方法、计算机程序产品和计算机系统。计算机应用用户定义的设置来配置相关联的优化算法。计算机针对连接的交通工具中的一个或多个应用，聚合与行进距离、移动性度量和预期服务质量(QoS)水平相关的数据结构。给定包括兴趣点和一个或多个应用的QoS要求的施加的约束，计算机计算最优路线。计算机准备一个或多个应用的预期QoS、一个或多个应用的推荐配置以及沿着最优路线的一个或多个网络的推荐配置。计算机向连接的交通工具提供最优路线、一个或多个应用的推荐配置以及一个或多个网络的推荐配置。
Description
背景技术
本发明总体上涉及交通工具(vehicle)路线选择(routing)服务，并且更具体地涉及交通工具移动性、通信网络和用于连接的交通工具的所需的计算资源的联合优化。
存在连接到网络并运行需要连接的应用的连接的交通工具(例如，汽车、卡车或无人机)的激增。连接的交通工具利用移动网络和云服务，这将从即将到来的5G边缘计算资源中受益很多。连接的交通工具运行用于许多不同目的的应用，包括自主驾驶、驾驶辅助或无人机导航系统。连接的交通工具上的应用是可能需要或受益于使用网络资源或因特网资源的软件。
在连接的交通工具上的应用的性能取决于沿着连接的交通工具的路线的移动网络覆盖、部署和能力。因此，在为连接的交通工具规划路线时考虑这些上述因素可以减少连接的交通工具上的应用的性能的不确定性，并且有助于选择高质量的路线。
现有的交通工具路线选择服务基于交通状况、驾驶偏好等为交通工具提供路线。迄今为止，不存在也考虑在连接的交通工具中运行的应用的通信要求的移动性路线选择服务。
发明内容
在一个方面，提供了一种用于优化连接的交通工具的交通工具移动性、通信网络和所需的计算资源的计算机实现的方法。该计算机实现的方法包括应用用户定义的设置来配置相关联的优化算法。该计算机实现的方法还包括针对连接的交通工具中的一个或多个应用，聚合与行进距离、移动性度量和预期服务质量(QoS)水平有关的数据结构。该计算机实现的方法还包括在给定包括兴趣点和一个或多个应用的QoS要求的所施加的约束的情况下计算最优路线。该计算机实现的方法还包括准备一个或多个应用的预期QoS、一个或多个应用的推荐配置以及沿着最优路线的一个或多个网络的推荐配置。计算机实现的方法还包括向连接的交通工具提供最优路线、一个或多个应用的推荐配置以及一个或多个网络的推荐配置。
在另一方面，提供了一种用于优化连接的交通工具的交通工具移动性、通信网络和所需的计算资源的计算机程序产品。该计算机程序产品包括计算机可读存储介质，该计算机可读存储介质具有随其体现的程序指令，并且该程序指令可由一个或多个处理器执行。程序指令可执行以：应用用户定义的设置来配置相关联的优化算法；针对连接的交通工具中的一个或多个应用，聚合与行进距离、移动性度量和预期服务质量(QoS)水平有关的数据结构；在给定包括兴趣点和一个或多个应用的QoS要求的所施加的约束的情况下，计算最优路线；准备一个或多个应用的预期QoS、一个或多个应用的推荐配置以及沿着最优路线的一个或多个网络的推荐配置；以及向连接的交通工具提供最优路线、一个或多个应用的推荐配置以及一个或多个网络的推荐配置。
在又一方面，提供了一种用于优化连接的交通工具的交通工具移动性、通信网络和所需的计算资源的计算机系统。该计算机系统包括一个或多个处理器、一个或多个计算机可读有形存储设备、以及存储在一个或多个计算机可读有形存储设备中的至少一个上的用于由一个或多个处理器中的至少一个执行的程序指令。程序指令可执行以应用用户定义的设置来配置相关联的优化算法。程序指令进一步可执行以针对连接的交通工具中的一个或多个应用，聚合与行进距离、移动性度量和预期服务质量(QoS)水平相关的数据结构。程序指令还可执行以在给定包括一个或一个以上应用程序的关注点和QoS要求的所强加约束的情况下计算最优路线。程序指令还可执行以准备一个或多个应用的预期QoS、一个或多个应用的推荐配置以及沿最优路线的一个或多个网络的推荐配置。程序指令进一步可执行以向连接的交通工具提供最优路线、一个或多个应用的推荐配置和网络的推荐配置。
在又一方面，提供了一种用于优化连接的交通工具的交通工具移动性、通信网络和所需的计算资源的计算机实现的方法。该计算机实现的方法包括基于地图和环境条件计算连接的交通工具的一组路线。该计算机实现的方法还包括基于移动网络模型，针对路线中的相应路线，估计连接的交通工具中的一个或多个应用的服务质量(QoS)性能。该计算机实现的方法还包括通过考虑移动性度量、用户偏好以及一个或多个应用和一个或多个网络的度量来评估各个路线。该计算机实现的方法还包括从一组路线中选择伴随有一个或多个应用的建议配置的最优路线以及沿着该最优路线的一个或多个网络的建议配置。计算机实现的方法还包括向连接的交通工具提供最优路线、一个或多个应用的建议配置以及一个或多个网络的建议配置。
在又一方面，提供了一种用于优化连接的交通工具的交通工具移动性、通信网络和所需的计算资源的计算机程序产品。程序指令可执行以基于地图和环境条件计算连接的交通工具的一组路线。程序指令还可执行以基于移动网络模型，针对路线中的相应路线，估计交通工具中的一个或多个应用的服务质量(QoS)性能。程序指令还可被执行以通过考虑移动性度量、用户偏好以及一个或多个应用和一个或多个网络的度量来评估路线中的相应路线。程序指令还可执行以从一组路线中选择伴随有一个或多个应用的建议配置的最优路线以及沿着最优路线的一个或多个网络的建议配置。程序指令进一步可执行以向连接的交通工具提供最优路线、一个或多个应用的建议配置以及一个或多个网络的建议配置。
附图说明
图1是示出根据本发明的一个实施例的用于连接的交通工具的交通工具移动性、通信网络和所需的计算资源的联合优化的系统图。
图2是示出根据本发明的一个实施例的移动网络模型的图形表示的示例的图。
图3是示出根据本发明的一个实施例的在使用多目标优化确定最优路线时考虑网络连接性的示例的图。
图4示出了根据本发明的一个实施例的用于交通工具移动性、通信网络和连接的交通工具所需的计算资源的联合优化的操作步骤的流程图。
图5是根据本发明的一个实施例的系统图的示出了具有较低计算复杂度的次优解决方案的系统。
图6呈现了示出根据本发明的一个实施例的具有较低计算复杂度的次优解决方案的操作步骤的流程图。
图7是示出根据本发明的一个实施例的计算设备或服务器的组件的图。
图8描述了根据本发明的一个实施例的云计算环境。
图9示出了根据本发明的一个实施例的云计算环境中的抽象模型层。
具体实施方式
在本文档中，连接的交通工具是连接到一个或多个网络并且运行需要连接性的一个或多个应用的交通工具(诸如汽车、卡车或无人机)。一个或多个应用中的相应的一个应用是在连接的交通工具中运行的软件；它可能需要或受益于一个或多个网络的资源。QoS(服务质量)是定义一个或多个应用和一个或多个网络的性能的一组测量或要求。移动网络模型是针对给定位置和时间的模型，其提供针对一个或多个网络和/或使用一个或多个网络的一个或多个应用的QoS性能度量(例如，延迟、比特率等)的估计或预测。
本发明的实施例公开了一种根据用户偏好和移动网络可用性来选择最优路线的方法，该最优路线最佳地符合移动性、连接性和计算要求的集合。本发明的实施例将移动性路线和移动网络管理方法和技术相结合。在本发明的实施例中，生成与应用的配置和网络的配置相结合的交通工具路线，并且它们响应于移动性对现代软件应用的性能的影响的现实。
移动性和通信工业中的最新发展和预期的未来进展主张采用本发明。依赖于分布式计算和网络连接性能力的移动性前景中的趋势包括但不限于：(1)在连接和自动驾驶(CAD)领域的进步，诸如商用交通工具中的更高的自动化水平；(2)新型连接和自动化交通工具(CAV)，诸如无人机、无人驾驶飞行器(UAV)、卡车、运送机器人和工厂机器人；以及(3)部署移动性IoT基础设施，诸如交通相机、光检测和测距(LIDAR)、停车传感器、以及路边单元(RSU)。
此外，不断部署数量增加的5G技术。5G技术将为移动性空间中的一个或多个应用添加一些感兴趣的特征，包括但不限于：(1)新的无线接口，其允许更高的比特率和更低的延迟；(2)网络(边缘)中的计算和存储，其提供较低的延迟和带宽的节省；以及(3)动态网络资源配置(软件定义网络/无线电、切片)，其使得能够进行有效的资源管理和更稳定的QoS；例如，网络可以移动资源以跟随交通工具，并且应用QoS或网络拥塞的预测更容易。
图1是示出根据本发明的一个实施例的用于交通工具移动性、通信网络和连接的交通工具所需的计算资源的联合优化的“系统”100的系统图。在一些实施例中，“系统”100可以驻留在连接的交通工具中的一个或多个计算设备上。在其它实施例中，“系统”100可以驻留在网络中的一个或多个计算设备或服务器上。在稍后的段落中参考图7更详细地描述计算设备或服务器。
“系统”100可以在网络中实现，该网络可以是支持一个或多个计算设备或服务器之间的通信的连接和协议的任意组合。例如，网络可以是因特网，其表示全世界的网络和网关的集合，以支持连接到因特网的设备之间的通信；网络可以被实现为内联网、局域网(LAN)、广域网(WAN)和/或无线网络。“系统”100可以在云计算环境中实现。稍后的段落参考图8和图9详细描述云计算环境。
参考图1，“系统”100包括“路线服务”110和“应用和网络配置规划”120。“路线选择服务”110包括“行进距离估计”111、“环境估计”112、“应用QoS(服务质量)估计”113、“设置和配置”114、“约束”115和“多目标优化”116的模块。“系统”100接收“输入”130并提供“输出”140。在“系统”100、“行进距离估计”111、“环境估计”112、“应用QoS(服务质量)估计”113、“多目标优化”116和“网络配置规划”120中，对“输入”130或其他模块的输出执行分析。
“输入”130包括“地图”131。“地图”131提供交通工具将行进的区域的2D和/或3D地理表征。“输入”130还包括“环境条件”132，其可以包括影响交通工具的移动性或与移动性相关的用户体验的变量。例如，环境条件是交通信息，诸如道路封闭、交通堵塞、预定事件和当前天气，并且环境条件还可以包括预报的交通情况、天气预报或其他环境条件。
“输入”130还包括“移动网络模型”133。“移动网络模型”133是如果“移动网络模型”133预测未来QoS(服务质量)度量，则在给定位置和可选地给定时间的情况下提供对一个或多个QoS度量的估计的函数。一个或多个QoS度量的估计对于经由网络运行的任何应用可以是通用的(例如，每个用户可用的比特率)，而一个或多个QoS度量的估计可以是特定于不同应用的(例如，每个用户可用的用于在一个应用中流式传输视频的比特率和到服务的应用服务器的延迟)。在网络部署是公知的情况下，移动网络模型可以通过将这种部署与用于网络覆盖的现有模型(信号传播模型)组合来构建，例如基于仿真/仿真。在网络部署的全部或部分未知的情况下，可以通过使用网络的主动或被动测量，即基于轨迹的测量，来建立移动网络模型。移动网络模型可以被表示为图形或者使用更适合于该目的的数据结构。图2是示出根据本发明的一个实施例的移动网络模型的图形表示200的图。
“输入”130还包括“用户偏好”134。例如，“用户偏好”134包括但不限于自主驾驶的水平、交通工具类型(例如，自行车、个人交通工具或公共交通工具)、优选的到达/离开时间、过路费、优选的交通工具应用。
“输入”130还包括“起点、目的地和路点”135，其可以提供交通工具行进的初始位置和目的地位置，并且还可以提供交通工具进行中要访问的兴趣点(有序或无序)。可以提供路点作为对起点和目的地对的替代或附加输入。
“输入”130还包括“应用的QoS要求”136。QoS(服务质量)要求根据应用的类型而变化，并且QoS要求包括但不限于延迟、恒定或可变的比特率、所需的GPU(图形处理单元)或CPU(中央处理单元)计算时间和存储。在自适应应用的情况下，可以请求需求集合；例如，最佳性能QoS约束可以是带宽＞1Mbps和延迟＜30ms，并且可接受的性能QoS约束可以是带宽＞500Kbps和延迟＜50ms。这些偏好可以在多目标优化算法中相应地加权。
“输出”140包括“路线”141，其是交通工具的最佳路线并由“系统”100推荐。“输出”140还包括“预期应用QoS(服务质量)”142，它是应用中的相应应用的预期性能，并且由“系统”100预测。“输出”140还包括“应用的配置”143，其是一个或多个应用中的相应应用的所需配置，以获得预期性能。“输出”140还包括“网络配置”144，其是一个或多个网络中的相应网络的所需配置，以获得沿着最佳路线的一个或多个应用的预期性能。
“行进距离估计”111(包括在“系统”100的“路线选择服务”110中)使用来自“地图”131(包括在“输入”130中)的信息来计算交通工具经由可能的路线中的相应路线行进的距离。“行进距离估计”111的计算结果可以是加权有向图形，其中权重表示道路网络中的行进距离。
“环境估计”112(包括在“系统”100的“路线选择服务”110中)使用“环境条件”132(包括在“输入”130中)来计算与交通工具的移动性路线选择相关的度量。“环境估计”112的输出可以是反映影响移动性的不同变量的一个或多个加权有向图形。例如，变量可以是与道路相关联的行进时间和风险水平。变量可以是能够与用户的偏好相比较的任何环境条件；例如，在狭窄车道上，对较宽的车道给予较大的权重。
“应用QoS估计”113使用“移动网络模型”133(包括在“输入”130中)和“应用的QoS要求”136(包括在“输入”130中)来估计可以在包含所有潜在交通工具路线的区域上为应用中的相应应用获得的QoS水平。例如，“应用QoS估计”113生成具有表示道路网络的二进制权重的有向图形，其中“1”和“0”权重分别表示对于相应的链路(道路)是否保证应用所需的最小比特率。在另一示例中，“应用QoS估计”113生成热图，其将该图划分为针对不同应用具有不同延迟水平的区域。
基于“行进距离估计”111、“环境估计”112、“应用QoS估计”113和“用户偏好”134(包括在“输入”130中)来确定“设置和配置”114。这些设置是可以设置的参数、属性和/或特征，而配置通常是模块的特定布置或互连。“约束”115是从“起点、目的地和路点”135(包括在“输入”130中)和“应用的QoS要求”136(包括在“输入”130中)导出的。
给定“约束”115和“设置和配置”114两者，“多目标优化”116计算为交通工具的用户建议的最优路线(即，“输出”140中的“路线”141)。通过组合包含移动性度量、应用QoS度量和用户偏好的传入数据结构来定义用于优化算法的“多目标优化”116和“约束”115。在多目标优化中应用了若干优化范例。在一些实施例中，可使用数学编程方法，且其目标在于最大化路线质量(例如，最小化行进时间及/或最小化行进距离)。数学编程方法包括但不限于精确方法(例如，列生成和拉格朗日分解)、启发式算法(例如，遗传算法、蚁群优化、禁忌搜索和模拟退火)或机器学习方法(例如，强化学习)。在其它实施例中，当交通状况的统计特征可用时，数学编程方法可以是时间相关的优化。在其它实施例中，数学编程方法可以是路点路线选择。
图3是示出根据本发明的一个实施例的在使用多目标优化确定最优路线时考虑网络连接性的示例的图。图示310示出了两个点(起点和目的地)之间的三个可能的路线(路线1、路线2和路线3)。图320示出了具有诸如网络连接性或服务可用性等某些环境条件的相同的三个路线。如图320所示，路线1具有拥塞网络的部分，路线2具有无连接性的部分，并且整个路线3提供网络连接性。在确定从路线1、路线2和路线3中选择的最优路线时，如果仅考虑移动性，则选择路线2；然而，如果考虑除了移动性之外的网络连接性，则选择路线3。
在由“多目标优化”116计算最优路线之后，对于由“多目标优化”116提供的给定最优路线以及包括在“输入”130中的给定“应用的QoS要求”136，“应用和“网络配置规划”120生成“预期应用QoS”142、“应用的配置”143以及“网络的配置”144。例如，“应用和网络配置规划”120确定应用将在最优路线的每个部分中实现的预期延迟。在另一示例中，“应用和网络配置规划”120确定用于应用的推荐最大流比特率。在另一示例中，“应用和网络配置规划”120确定移动网络为在不同区域的交通工具中运行的应用预留资源的需要。
图4示出了根据本发明的一个实施例的用于连接的交通的工具的交通工具移动性、通信网络和所需的计算资源的联合优化的操作步骤的流程图。在步骤410，一个或多个计算设备或服务器基于地图计算连接的交通工具的行进距离，并且一个或多个计算设备或服务器使用第一数据结构编码行进距离。在图1所示的实施例中，“系统”100中包括的“行进距离估计”111根据“输入”130中包括的“地图”131计算连接的交通工具的行进距离，并且“行进距离估计”111使用诸如加权有向图形的第一数据结构编码行进距离，在加权有向图形中，权重表示道路网络中的行进距离。
在步骤420，一个或多个计算设备或服务器基于环境条件估计连接的交通工具的移动性度量，并且一个或多个计算设备或服务器使用第二数据结构编码移动性度量。在图1所示的实施例中，“系统”100中的“环境估计”112基于包括在“输入”130中的“环境条件”132估计交通工具的移动性度量并使用第二数据结构编码移动性度量。第二数据结构可以是反映影响移动性的不同变量(诸如与道路相关联的行进时间和风险水平)的一个或多个加权有向图形。
在步骤430，一个或多个计算设备或服务器基于移动网络模型和交通工具中的一个或多个应用的QoS要求来估计在地理位置处针对一个或多个应用的QoS度量的预期水平，并且一个或多个计算设备或服务器使用第三数据结构来编码QoS度量的预期水平。在图1所示的实施例中，“系统”100中的“应用QoS估计”113实现步骤420。“系统”100中的“应用QoS估计”113使用“移动网络模型”133和“应用的QoS要求”136来估计QoS度量的预期水平；“应用QoS估计”113生成例如具有表示道路网络的二进制权重的有向图形。
在步骤440，一个或多个计算设备或服务器应用用户定义的设置来配置相关联的优化算法。在图1所示的实施例中，除了从“约束”115获得的约束之外，用户定义的设置还指从“设置和配置”114获得的设置。这些包括存储在“用户偏好”134和“起点、目的地和路点”135中的用户输入。在图1所示的实施例中，“多目标优化”116负责将用户定义的设置结合到优化过程中。应当提到的是，“约束”115在一些实施例中可以是用户定义的，而在一些其它实施例中不是用户定义的。
在步骤450，一个或多个计算设备或服务器聚合第一、第二和第三数据结构。在步骤410使用第一数据结构来编码行进距离，在步骤420使用第二数据结构来编码移动性度量，并且在步骤430使用第三数据结构来编码QoS度量的预期水平。在图1所示的实施例中，“多目标优化”116负责第一、第二和第三数据结构的聚集。
在步骤460，给定包括兴趣点和一个或多个应用的QoS要求的所施加的约束，一个或多个计算设备或服务器计算最优路线。在图1所示的实施例中，“多目标优化”116在给定“约束”115和“设置和配置”114的情况下计算最优路线。
在步骤470，一个或多个计算设备或服务器准备一个或多个应用的预期QoS、一个或多个应用的推荐配置以及沿着最优路线的一个或多个网络的推荐配置。在图1所示的实施例中，“应用和“网络配置规划”120负责准备一个或多个应用的预期QoS、一个或多个应用的推荐配置以及沿着最优路线的一个或多个网络的推荐配置。
在步骤480，一个或多个计算设备或服务器向交通工具提供最优路线、一个或多个应用的预期QoS、应用的推荐配置和一个或多个网络的推荐配置。在图1所示的实施例中，“多目标优化”116提供“路线”141(包括在“输出”140中)，并且“应用和“网络配置规划”120提供“预期应用QoS142”、“应用的配置”143和“网络的配置”144。
图5是根据本发明的一个实施例的系统图的示出了用于具有较低计算复杂度的次优解决方案的“系统”500。取决于具体的输入和约束，图1中呈现的实施例可能在计算上是昂贵的。图1所示的实施例中的复杂性可以通过使用类似的步骤来降低，但是将它们菊花链而不是同时执行它们。这是通过计算仅考虑移动性约束的一组路线，然后选择最佳符合一个或多个移动网络和一个或多个应用的约束的最优路线来实现的。图5所示的实施例的结果不再是全局最优的，但是它是该问题的实际解决方案。“系统”500包括“移动性路线”510、“应用QoS估计”520和“路线选择”530。“系统”500接收“输入”560并提供“输出”570。
“输入”560包括“地图”561、“环境条件”562、“移动网络模型”563、“用户偏好”564、“起点、目的地和路点”565以及“应用的QoS要求”566。所有“输入”560的项类似于图1所示的“输入”130的项，为了简洁起见，在图1所示的“输入”130的项的详细描述中可以找到对“输入”560的项的详细描述。
“输出”570包括“路线”571，其是连接的交通工具的最佳路线并由“系统”500推荐。“输出”570还包括“预期应用QoS(服务质量)”572，其是连接的交通工具中的一个或多个应用中的相应应用的预期性能，并且由“系统”500预测。“输出”570还包括“应用配置”573，其是一个或多个应用的所需配置，以获得期望的性能。“输出”570还包括“网络的配置”574，其是一个或多个网络的所需配置，以获得沿着最佳路线的一个或多个应用的预期性能。“输出”570的项类似于图1所示的“输出”140的项。
参考图5，给定起点、目的地、路点(如果有的话)、地图和环境条件，“系统”500中的“移动性路线选择”510计算用于连接的交通工具的一组可能路线。如图5所示，“移动性路线选择”510生成“路线”540。使用移动网络模型、应用的QoS要求、用户偏好等，“应用QoS估计”520估计在该组可能路线的每个路线中的每个应用的QoS性能。如图5所示，“应用QoS估计”520生成“应用的QoS评估”550。利用由“移动性路线选择”510和“应用QoS估计”520生成的信息，路线选择“530从可能的一组路线中选择最优路线。最优路线可以伴随有针对连接的交通工具的用户的一个或多个应用的建议配置以及针对网络或服务运营商的一个或多个网络的配置。
图6呈现了示出根据本发明的一个实施例的具有较低计算复杂度的次优解决方案的操作步骤的流程图。在步骤610，一个或多个计算设备或服务器基于地图和环境条件计算连接的交通工具的一组路线。该组路线是用于连接的交通工具从起点行进到目的地(可能通过路点)的可行或期望路线。在图5所示的实施例中，“系统”500中的“移动性路线”510计算一组路线。在一些实施例中，一个或多个计算设备或服务器可以读取由用户或第三方给出或输入的一组路线。
在步骤620，一个或多个计算设备或服务器基于移动网络模型来估计连接的交通工具中的一个或多个应用针对路线中的相应路线的QoS性能。在图5所示的实施例中，“系统”500中的“应用QoS估计”520估计在相应的路线中的一个或多个应用的QoS性能。
在步骤630，一个或多个计算设备或服务器通过考虑移动性度量、用户偏好以及一个或多个应用和一个或多个网络的度量来评估各个路线。在图5所示的实施例中，“系统”500中的“路线选择”530处理路线中的相应路线的评估。在对路线中的相应路线的评估中，移动性度量包括但不限于距离、时间、交通和燃料或电池消耗；用户偏好包括但不限于优选的应用和优选的驾驶风格；并且应用和网络的度量包括但不限于每个应用的估计QoS。
在步骤640，一个或多个计算设备或服务器从路线中选择伴随有一个或多个应用的建议配置的最优路线，以及沿着最优路线的一个或多个网络的建议配置。在图5所示的实施例中，“系统”500中的“路线选择”530实现步骤640。在步骤650，一个或多个计算设备或服务器向交通工具提供最优路线、一个或多个应用的建议配置以及一个或多个网络的建议配置。
图7是示出根据本发明的一个实施例的计算设备或服务器700的组件的示图，其遵照本发明的一个实施例。应当理解，图7仅提供了一种实现的说明，而不暗示对其中可实现不同实施例的环境的任何限制。
参考图7，计算设备或服务器700包括(一个或多个)处理器720、存储器710和(一个或多个)有形存储设备730。在图7中，计算设备或服务器700的上述组件之间的通信由标号790表示。存储器710包括ROM(只读存储器)711、RAM(随机存取存储器)713和高速缓存715。一个或多个操作系统731和一个或多个计算机程序733驻留在一个或多个计算机可读有形存储设备730上。
计算设备或服务器700还包括I/O接口750。(一个或多个)I/O接口750允许与可以连接到计算设备或服务器700的(一个或多个)外部设备760输入和输出数据。计算设备或服务器700还包括用于计算设备或服务器700与计算机网络之间的通信的网络接口740。
本发明可以是任何可能的技术细节集成水平的系统、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或多个介质)，所述计算机可读程序指令用于使处理器执行本发明的各方面。
计算机可读存储介质可以是能够保留和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表包括以下：便携式计算机磁盘、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或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、诸如上面记录有指令的打孔卡或凹槽中的凸起结构的机械编码设备，以及上述的任何适当组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光纤线缆的光脉冲)、或通过导线传输的电信号。
本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备，或者经由网络，例如因特网、局域网、广域网和/或无线网络，下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路线器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据，或者以一种或多种编程语言(包括面向对象的编程语言，例如Smalltalk、C++等)和过程编程语言(例如C编程语言或类似的编程语言)的任意组合编写的源代码或目标代码。计算机可读程序指令可以完全在用户的计算机上执行，部分在用户的计算机上执行，作为独立的软件包执行，部分在用户的计算机上并且部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(LAN)或广域网(WAN)，或者可以连接到外部计算机(例如，使用因特网服务提供商通过因特网)。在一些实施例中，为了执行本发明的各方面，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以使电子电路个性化。
在此参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的各方面。将理解，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。
这些计算机可读程序指令可以被提供给计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中，其可以引导计算机、可编程数据处理装置和/或其他设备以特定方式工作，使得其中存储有指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。
计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。
附图中的流程图和框图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这点上，流程图或框图中的每个框可以表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方案中，框中所注明的功能可不按图中所注明的次序发生。例如，连续示出的两个框实际上可以作为一个步骤来实现，同时、基本同时、以部分或全部时间重叠的方式执行，或者这些框有时可以以相反的顺序执行，这取决于所涉及的功能。还将注意，框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合可以由执行指定功能或动作或执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。
应当理解，尽管本公开包括关于云计算的详细描述，但是本文所陈述的教导的实现不限于云计算环境。相反，本发明的实施例能够结合现在已知或以后开发的任何其它类型的计算环境来实现。
云计算是一种服务递送模型，用于实现对可配置计算资源(例如，网络、网络带宽、服务器、处理、存储器、存储、应用、虚拟机和服务)的共享池的方便的按需网络访问，所述可配置计算资源可以以最小的管理努力或与服务的提供者的交互来快速供应和释放。该云模型可以包括至少五个特性、至少三个服务模型和至少四个部署模型。
特性如下：
按需自助：云消费者可以单方面地自动地根据需要提供计算能力，诸如服务器时间和网络存储，而不需要与服务的提供者进行人工交互。
广域网接入：能力在网络上可用，并且通过促进由异构的薄或厚客户端平台(例如，移动电话、膝上型计算机和PDA)使用的标准机制来访问。
资源池化：供应商的计算资源被集中以使用多租户模型来服务多个消费者，其中不同的物理和虚拟资源根据需求被动态地分配和重新分配。存在位置无关的意义，因为消费者通常不控制或不知道所提供的资源的确切位置，但是能够在较高抽象级别(例如国家、州或数据中心)指定位置。
快速弹性：在一些情况下，可以快速且弹性地提供快速向外扩展的能力和快速向内扩展的能力。对于消费者，可用于提供的能力通常看起来不受限制，并且可以在任何时间以任何数量购买。
测量服务：云系统通过利用在适合于服务类型(例如，存储、处理、带宽和活动用户账户)的某一抽象级别的计量能力来自动地控制和优化资源使用。可以监视、控制和报告资源使用，从而为所利用服务的提供者和消费者两者提供透明性。
服务模型如下：
软件即服务(SaaS)：提供给消费者的能力是使用在云基础设施上运行的提供者的应用。应用程序可通过诸如web浏览器(例如，基于web的电子邮件)等瘦客户机界面从各种客户机设备访问。消费者不管理或控制包括网络、服务器、操作系统、存储、或甚至个别应用能力的底层云基础结构，可能的例外是有限的用户专用应用配置设置。
平台即服务(PaaS)：提供给消费者的能力是将消费者创建或获取的应用部署到云基础设施上，该消费者创建或获取的应用是使用由提供商支持的编程语言和工具创建的。消费者不管理或控制包括网络、服务器、操作系统或存储的底层云基础设施，但具有对部署的应用和可能的应用托管环境配置的控制。
基础设施即服务(IaaS)：提供给消费者的能力是提供处理、存储、网络和消费者能够部署和运行任意软件的其它基本计算资源，所述软件可以包括操作系统和应用。消费者不管理或控制底层云基础设施，但具有对操作系统、存储、部署的应用的控制，以及可能对选择的联网组件(例如，主机防火墙)的有限控制。
部署模型如下：
私有云：云基础设施仅为组织操作。它可以由组织或第三方管理，并且可以存在于建筑物内或建筑物外。
社区云：云基础设施由若干组织共享，并且支持具有共享关注(例如，任务、安全要求、策略和合规性考虑)的特定社区。它可以由组织或第三方管理，并且可以存在于场所内或场所外。
公有云：云基础设施可用于一般公众或大型工业群体，并且由销售云服务的组织拥有。
混合云：云基础设施是两个或更多云(私有、社区或公有)的组合，所述云保持唯一实体，但是通过使数据和应用能够移植的标准化或私有技术(例如，用于云之间的负载平衡的云突发)绑定在一起。
云计算环境是面向服务的，其焦点在于无状态、低耦合、模块性和语义互操作性。在云计算的核心是包括互连节点的网络的基础设施。
现在参考图8，描绘了说明性云计算环境50。如图所示，云计算环境50包括云消费者使用的本地计算设备可以与其通信的一个或多个云计算节点10，本地计算设备诸如移动设备54A、台式计算机54B、膝上型计算机54C和/或汽车计算机系统54N。节点10可以彼此通信。它们可以被物理地或虚拟地分组(未示出)在一个或多个网络中，诸如如上文描述的私有云、社区云、公有云或混合云或其组合。这允许云计算环境50提供基础设施、平台和/或软件作为服务，云消费者不需要为其维护本地计算设备上的资源。应当理解，计算设备54A-N的类型仅旨在说明，并且计算节点10和云计算环境50可以通过任何类型的网络和/或网络可寻址连接(例如，使用web浏览器)与任何类型的计算机化设备通信。
现在参考图9，示出了由云计算环境50(图8)提供的一组功能抽象层。应当预先理解，图9中所示的组件、层和功能仅旨在说明，并且本发明的实施例不限于此。如所描绘的，提供了以下层和相应的功能：
硬件和软件层60包括硬件和软件组件。硬件组件的示例包括：主机61；基于RISC(精简指令集计算机)架构的服务器62；服务器63；刀片服务器64；存储装置65；以及网络和网络组件66。在一些实施例中，软件组件包括网络应用服务器软件67和数据库软件68。
虚拟化层70提供抽象层，从该抽象层可以提供虚拟实体的以下示例：虚拟服务器71；虚拟存储器72；虚拟网络73，包括虚拟专用网络；虚拟应用和操作系统74；以及虚拟客户机75。
在一个示例中，管理层80可以提供以下描述的功能。资源供应81提供用于在云计算环境内执行任务的计算资源和其它资源的动态采购。计量和定价82提供了在云计算环境中利用资源时的成本跟踪，以及用于消耗这些资源的开帐单或发票。在一个示例中，这些资源可以包括应用软件许可证。安全性为云消费者和任务提供身份验证，以及为数据和其他资源提供保护。用户门户83为消费者和系统管理员提供对云计算环境的访问。服务级别管理84提供云计算资源分配和管理，使得满足所需的服务级别。服务水平协议(SLA)规划和履行85提供对云计算资源的预安排和采购，其中根据SLA预期未来需求。
工作负载层90提供了可以利用云计算环境的功能的示例。可以从该层提供的工作负载和功能的示例包括：绘图和导航91；软件开发和生命周期管理92；虚拟教室教育传送93；数据分析处理94；交易处理95；以及功能96。本发明中的功能96是用于连接的交通工具移动性、通信网络和计算资源的联合优化的功能。
Claims (25)
1.一种用于优化连接的交通工具的交通工具移动性、通信网络和所需的计算资源的计算机实现的方法，所述方法包括：
应用用户定义的设置来配置相关联的优化算法；
针对连接的交通工具中的一个或多个应用，聚合与行进距离、移动性度量和预期服务质量(QoS)水平有关的数据结构；
在给定包括兴趣点和所述一个或多个应用的QoS要求的所施加的约束的情况下，计算最优路线；
准备所述一个或多个应用的预期QoS、所述一个或多个应用的推荐配置以及沿着所述最优路线的一个或多个网络的推荐配置；以及
向所述连接的交通工具提供所述最优路线、所述一个或多个应用的所述推荐配置以及所述一个或多个网络的所述推荐配置。
2.根据权利要求1所述的计算机实现的方法，还包括：
基于地图，计算所述行进距离，并使用第一数据结构对所述行进距离进行编码；
基于环境条件，估计所述移动性度量，并且使用第二数据结构对所述移动性度量进行编码；以及
基于移动网络模型和所述连接的交通工具中的所述一个或多个应用的QoS要求，估计地理位置处的预期QoS水平，并且使用第三数据结构对预期QoS水平进行编码。
3.根据权利要求2所述的计算机实现的方法，其中，所述环境条件包括影响所述连接的交通工具的移动性的变量。
4.根据权利要求2所述的计算机实现的方法，其中，所述移动网络模型是提供对沿着路线的所述一个或多个网络的一个或多个QoS度量的估计的函数，其中，所述一个或多个应用的所述QoS要求包括延迟、恒定或可变比特率、所需的计算时间和存储。
5.根据权利要求1所述的计算机实现的方法，其中，所述用户定义的设置是基于行进距离估计、环境估计、应用QoS估计和用户偏好来确定的。
6.根据权利要求5所述的计算机实现的方法，其中，所述用户偏好包括所述连接的交通工具中的自主驾驶的水平、交通工具类型、优选的到达和离开时间、以及优选应用中的至少一个。
7.一种用于优化连接的交通工具的交通工具移动性、通信网络和所需的计算资源的计算机程序产品，所述计算机程序产品包括计算机可读存储介质，所述计算机可读存储介质具有随其体现的程序指令，所述程序指令可由一个或多个处理器执行，所述程序指令可执行以：
应用用户定义的设置来配置相关联的优化算法；
针对连接的交通工具中的一个或多个应用，聚合与行进距离、移动性度量和预期服务质量(QoS)水平有关的数据结构；
在给定包括兴趣点和所述一个或多个应用的QoS要求的所施加的约束的情况下，计算最优路线；
准备所述一个或多个应用的预期QoS、所述一个或多个应用的推荐配置以及沿着所述最优路线的一个或多个网络的推荐配置；以及
向所述连接的交通工具提供所述最优路线、所述一个或多个应用的所述推荐配置以及所述一个或多个网络的所述推荐配置。
8.根据权利要求7所述的计算机程序产品，还包括可执行以进行以下操作的程序指令：
基于地图，计算所述行进距离，并使用第一数据结构对所述行进距离进行编码；
基于环境条件，估计所述移动性度量，并且使用第二数据结构对所述移动性度量进行编码；以及
基于移动网络模型和所述连接的交通工具中的所述一个或多个应用的QoS要求，估计地理位置处的预期QoS水平，并且使用第三数据结构对预期QoS水平进行编码。
9.根据权利要求8所述的计算机程序产品，其中，所述环境条件包括影响所述连接的交通工具的移动性的变量。
10.根据权利要求8所述的计算机程序产品，其中，所述移动网络模型是提供对沿着路线的所述一个或多个网络的一个或多个QoS度量的估计的函数，其中，所述一个或多个应用的所述QoS要求包括延迟、恒定或可变比特率、所需的计算时间和存储。
11.根据权利要求7所述的计算机程序产品，其中，所述用户定义的设置是基于行进距离估计、环境估计、应用QoS估计和用户偏好来确定的。
12.根据权利要求11所述的计算机程序产品，其中，所述用户偏好包括所述连接的交通工具中的自主驾驶的水平、交通工具类型、优选的到达和离开时间、以及优选应用中的至少一个。
13.一种用于优化连接的交通工具的交通工具移动性、通信网络和所需的计算资源的计算机系统，所述计算机系统包括一个或多个处理器、一个或多个计算机可读有形存储设备以及存储在所述一个或多个计算机可读有形存储设备中的至少一个上的用于由所述一个或多个处理器中的至少一个执行的程序指令，所述程序指令可执行以：
应用用户定义的设置来配置相关联的优化算法；
针对连接的交通工具中的一个或多个应用，聚合与行进距离、移动性度量和预期服务质量(QoS)水平有关的数据结构；
在给定包括兴趣点和所述一个或多个应用的QoS要求的所施加的约束的情况下，计算最优路线；
准备所述一个或多个应用的预期QoS、所述一个或多个应用的推荐配置以及沿着所述最优路线的一个或多个网络的推荐配置；以及
向所述连接的交通工具提供所述最优路线、所述一个或多个应用的所述推荐配置以及所述一个或多个网络的所述推荐配置。
14.根据权利要求13所述的计算机系统，还包括可执行以进行以下操作的程序指令：
基于地图，计算所述行进距离，并使用第一数据结构对所述行进距离进行编码；
基于环境条件，估计所述移动性度量，并且使用第二数据结构对所述移动性度量进行编码；以及
基于移动网络模型和所述连接的交通工具中的所述一个或多个应用的QoS要求，估计地理位置处的预期QoS水平，并且使用第三数据结构对预期QoS水平进行编码。
15.根据权利要求14所述的计算机系统，其中，所述环境条件包括影响所述连接的交通工具的移动性的变量。
16.根据权利要求14所述的计算机系统，其中，所述移动网络模型是提供对沿着路线的所述一个或多个网络的一个或多个QoS度量的估计的函数，其中，所述一个或多个应用的所述QoS要求包括延迟、恒定或可变比特率、所需的计算时间和存储。
17.根据权利要求13所述的计算机系统，其中，所述用户定义的设置是基于行进距离估计、环境估计、应用QoS估计和用户偏好来确定的。
18.根据权利要求17所述的计算机系统，其中，所述用户偏好包括所述连接的交通工具中的自主驾驶的水平、交通工具类型、优选的到达和离开时间、以及优选应用中的至少一个。
19.一种用于优化连接的交通工具的交通工具的移动性、通信网络和所需的计算资源的计算机实现的方法，所述方法包括：
基于地图和环境条件计算连接的交通工具的一组路线；
针对所述路线中的相应路线，基于移动网络模型来估计所述连接的交通工具中的一个或多个应用的服务质量(QoS)性能；
通过考虑移动性度量、用户偏好以及所述一个或多个应用和一个或多个网络的度量来评估所述路线中的相应路线；
从所述一组路线中选择伴随有所述一个或多个应用的建议配置的最优路线以及沿着所述最优路线的所述一个或多个网络的建议配置；以及
向所述连接的交通工具提供所述最优路线、所述一个或多个应用的所述建议配置以及所述一个或多个网络的所述建议配置。
20.根据权利要求19所述的计算机实现的方法，其中，所述环境条件包括影响所述连接的交通工具的移动性的变量。
21.根据权利要求19所述的计算机实现的方法，其中，所述移动网络模型是提供对沿着所述路线的所述一个或多个网络的一个或多个QoS度量的估计的函数。
22.根据权利要求19所述的计算机实现的方法，其中，所述移动性度量包括距离、时间、流量以及燃料或电池消耗，其中，所述用户偏好包括优选应用和优选驾驶风格，其中，所述一个或多个应用和所述一个或多个网络的度量包括针对所述一个或多个应用的估计QoS。
23.一种用于优化连接的交通工具交通工具的移动性、通信网络和所需的计算资源的计算机程序产品，所述计算机程序产品包括计算机可读存储介质，所述计算机可读存储介质具有随其体现的程序指令，所述程序指令可由一个或多个处理器执行，所述程序指令可执行以：
基于地图和环境条件计算连接的交通工具的一组路线；
针对所述路线中的相应路线，基于移动网络模型来估计所述连接的交通工具中的一个或多个应用的服务质量(QoS)性能；
通过考虑移动性度量、用户偏好以及所述一个或多个应用和一个或多个网络的度量来评估所述路线中的相应路线；
从所述一组路线中选择伴随有所述一个或多个应用的建议配置的最优路线以及沿着所述最优路线的所述一个或多个网络的建议配置；以及
向所述连接的交通工具提供所述最优路线、所述一个或多个应用的所述建议配置以及所述一个或多个网络的所述建议配置。
24.根据权利要求23所述的计算机程序产品，其中，所述环境条件包括影响所述连接的交通工具的移动性的变量，其中，所述移动网络模型是提供对沿着所述路线的所述一个或多个网络的一个或多个QoS度量的估计的函数。
25.根据权利要求23所述的计算机程序产品，其中，所述移动性度量包括距离、时间、流量以及燃料或电池消耗，其中，所述用户偏好包括优选应用和优选驾驶风格，其中，所述一个或多个应用和所述一个或多个网络的度量包括针对所述一个或多个应用的估计QoS。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/179,926 | 2021-02-19 | ||
| US17/179,926 US20220268593A1 (en) | 2021-02-19 | 2021-02-19 | Joint optimization of vehicle mobility, communication networks, and computing resources |
| PCT/IB2022/051106 WO2022175783A1 (en) | 2021-02-19 | 2022-02-08 | Joint optimization of vehicle mobility, communication networks, and computing resources |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116830662A true CN116830662A (zh) | 2023-09-29 |
Family
ID=82900480
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280015779.7A Pending CN116830662A (zh) | 2021-02-19 | 2022-02-08 | 交通工具移动性、通信网络和计算资源的联合优化 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20220268593A1 (zh) |
| JP (1) | JP2024507053A (zh) |
| CN (1) | CN116830662A (zh) |
| DE (1) | DE112022000476T5 (zh) |
| GB (1) | GB2619210A (zh) |
| WO (1) | WO2022175783A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020036882A1 (en) * | 2018-08-13 | 2020-02-20 | Intel Corporation | Local area network (lan) service in fifth generation (5g) systems |
| CN116761152B (zh) * | 2023-08-14 | 2023-11-03 | 合肥工业大学 | 路侧单元边缘缓存放置及内容交付方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9832272B2 (en) * | 2014-03-04 | 2017-11-28 | Google Inc. | Dynamically shifting map-related tasks |
| WO2018203106A1 (en) * | 2017-05-02 | 2018-11-08 | Nokia Technologies Oy | Nomadic multi-access device configured to be carried by a vehicle and to obtain updates of services, applications or data based on the location of the vehicle |
| JP6550421B2 (ja) * | 2017-06-12 | 2019-07-24 | 株式会社バンダイ | ゲーム装置、プログラム及びゲームシステム |
| US20190146508A1 (en) * | 2017-11-14 | 2019-05-16 | Uber Technologies, Inc. | Dynamic vehicle routing using annotated maps and profiles |
| CN108811022B (zh) * | 2018-03-20 | 2021-05-25 | 天津理工大学 | 一种面向车辆网应用环境的动态高效路由方法 |
| US20210140777A1 (en) * | 2018-04-16 | 2021-05-13 | Ford Global Technologies, Llc | Routing With Environmental Awareness |
| US10794715B1 (en) * | 2019-07-16 | 2020-10-06 | Capital One Services, Llc | Systems and methods for route mapping with familiar routes |
| CN110381468B (zh) * | 2019-08-08 | 2023-04-07 | 广州小鹏汽车科技有限公司 | 一种车辆网络的配置方法及系统、车辆 |
| WO2021038294A1 (en) * | 2019-08-26 | 2021-03-04 | Mobileye Vision Technologies Ltd. | Systems and methods for identifying potential communication impediments |
| US20220136846A1 (en) * | 2020-10-31 | 2022-05-05 | At&T Intellectual Property I, L.P. | Optimal Routes for Vehicular Communications |
-
2021
- 2021-02-19 US US17/179,926 patent/US20220268593A1/en active Pending
-
2022
- 2022-02-08 GB GB2313626.0A patent/GB2619210A/en active Pending
- 2022-02-08 DE DE112022000476.2T patent/DE112022000476T5/de active Pending
- 2022-02-08 JP JP2023541256A patent/JP2024507053A/ja active Pending
- 2022-02-08 WO PCT/IB2022/051106 patent/WO2022175783A1/en active Application Filing
- 2022-02-08 CN CN202280015779.7A patent/CN116830662A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20220268593A1 (en) | 2022-08-25 |
| GB2619210A (en) | 2023-11-29 |
| WO2022175783A1 (en) | 2022-08-25 |
| JP2024507053A (ja) | 2024-02-16 |
| GB202313626D0 (en) | 2023-10-25 |
| DE112022000476T5 (de) | 2023-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10675939B2 (en) | Pre-cooling and pre-heating transportation vehicles using predictive crowd estimation techniques | |
| CN111656735B (zh) | 使用硬件在环即服务(hilaas)测试嵌入式系统和应用程序 | |
| US10386190B2 (en) | Cognitive guide system for multi-objective excursion | |
| US10988143B2 (en) | Using cloud-based traffic policies to alleviate issues with cross geographic traffic in autonomous vehicles | |
| US11119825B2 (en) | Dynamic task allocation and node reconfiguration in mesh network | |
| US11270583B2 (en) | Traffic control for autonomous vehicles | |
| CN116830662A (zh) | 交通工具移动性、通信网络和计算资源的联合优化 | |
| US11462101B2 (en) | Non-essential autonomous vehicle rerouting | |
| US11537872B2 (en) | Imitation learning by action shaping with antagonist reinforcement learning | |
| US10775178B2 (en) | Spatio-temporal re-routing of navigation | |
| US9816834B2 (en) | Generating a query index and querying on the basis of the query index | |
| Ibn-Khedher et al. | Next-generation edge computing assisted autonomous driving based artificial intelligence algorithms | |
| CN113475107B (zh) | 将云侧角色委派给设备的方法、系统和计算机可读存储介质 | |
| US11702101B2 (en) | Automatic scenario generator using a computer for autonomous driving | |
| US20180109924A1 (en) | Cognitive Based Optimal Grouping of Users and Trip Planning Based on Learned User Skills | |
| US11030890B2 (en) | Local driver pattern based notifications | |
| US20180245930A1 (en) | Power consumption during navigation via smart sleep and wake | |
| US11830371B2 (en) | Traffic management for unmanned aircraft | |
| Boulet et al. | Service-Oriented Architecture for Multiscale Traffic Simulations | |
| US20230408270A1 (en) | Automatic routing optimization | |
| CN114902631A (zh) | 组织临时设备组以进行协作计算 |
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 |