CN118234045A - 服务资源的调度方法、装置、电子设备和计算机程序产品 - Google Patents

Abstract

本公开涉及服务资源的调度方法、装置、电子设备和计算机程序产品。该服务资源的调度方法包括：获取车机所需调用的多个待调度服务，并分别获取各待调度服务的服务资源和服务权重；基于各待调度服务的服务资源和服务权重，确定多个待调度服务的初始调度策略；其中，初始调度策略用于确定各待调度服务的初始调度顺序；获取各待调度服务的调度属性，并利用各待调度服务的调度属性对初始调度策略进行调整，得到多个待调度服务的目标调度策略；利用目标调度策略对多个待调度服务的服务资源进行调度。本公开能够动态调整多个待调度服务的目标调度策略，以满足车机多样化服务的调度需求，提高服务资源的调度效率。

Description

服务资源的调度方法、装置、电子设备和计算机程序产品

技术领域

本公开涉及计算机技术领域，尤其涉及服务资源的调度方法、装置、电子设备和计算机程序产品。

背景技术

随着车联网应用服务的快速发展，车联网服务的调度应用也是当前汽车和交通技术发展的重要方向之一，对于支撑汽车产业升级转型具有重要意义。

相关技术中，通常是按照用户定义的业务流程实现车联网服务调度，在一些复杂场景下常需要人工维护车联网服务调度的整个流程，使得相关技术中的服务调度效率较低。

发明内容

有鉴于此，本公开实施例提供了一种服务资源的调度方法、装置、电子设备和计算机程序产品，以解决相关技术中存在的问题。

本公开实施例的第一方面，提供了一种服务资源的调度方法，包括：

获取车机所需调用的多个待调度服务，并分别获取各待调度服务的服务资源和服务权重；

基于各待调度服务的服务资源和服务权重，确定多个待调度服务的初始调度策略；其中，初始调度策略用于确定各待调度服务的初始调度顺序；

获取各待调度服务的调度属性，并利用各待调度服务的调度属性对初始调度策略进行调整，得到多个待调度服务的目标调度策略；

利用目标调度策略对多个待调度服务的服务资源进行调度。

本公开实施例的第二方面，提供了一种服务资源的调度装置，包括：

获取模块，用于获取车机所需调用的多个待调度服务，并分别获取各待调度服务的服务资源和服务权重；

处理模块，用于基于各待调度服务的服务资源和服务权重，确定多个待调度服务的初始调度策略；其中，初始调度策略用于确定各待调度服务的初始调度顺序；

获取模块还用于获取各待调度服务的调度属性；

处理模块还用于利用各待调度服务的调度属性对初始调度策略进行调整，得到多个待调度服务的目标调度策略；

调度模块，用于利用目标调度策略对多个待调度服务的服务资源进行调度。

本公开实施例的第三方面，提供了一种电子设备，包括：

至少一个处理器；

用于存储至少一个处理器可执行指令的存储器；

其中，至少一个处理器用于执行指令，以实现上述方法的步骤。

本公开实施例的第四方面，提供了一种计算机程序产品，包括计算机程序，其中，该计算机程序被处理器执行时实现上述所述的方法的步骤。

本公开实施例采用的上述至少一个技术方案能够达到以下有益效果：通过获取车机所需调用的多个待调度服务；并分别获取各待调度服务的服务资源和服务权重；基于各待调度服务的服务资源和服务权重，确定多个待调度服务的初始调度策略；其中，初始调度策略用于确定各待调度服务的初始调度顺序；获取各待调度服务的调度属性；利用各待调度服务的调度属性对初始调度策略进行调整，得到多个待调度服务的目标调度策略；利用目标调度策略对多个待调度服务的服务资源进行调度，能够在对多个待调度服务进行调度时，结合各待调度服务的服务资源、服务权重和调度属性，动态调整多个待调度服务的目标调度策略，以满足车机多样化服务的调度需求，提高服务资源的调度效率。

附图说明

为了更清楚地说明本公开实施例中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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的附图。

图1示出了本公开示例性实施例提供的车联网服务的调度方法的模块结构示意图；

图2示出了本公开示例性实施例提供的保养维修场景的示意图；

图3示出了本公开示例性实施例提供的车联网服务的服务资源的预分配场景的示意图；

图4示出了本公开示例性实施例提供的服务调度特征预测模型的网络架构示意图；

图5示出了本公开示例性实施例提供的服务调度特征预测模型的结构示意图；

图6示出了本公开示例性实施例提供的车联网服务调度策略的生成示意图；

图7示出了本公开示例性实施例提供的多个待调度服务的初始调度策略的示意图；

图8示出了本公开示例性实施例提供的服务调用链路的示意图；

图9示出了本公开示例性实施例提供的车联网调度执行器获取服务资源的示意图；

图10示出了本公开示例性实施例提供的服务资源的调度方法的流程示意图；

图11示出了本公开示例性实施例提供的服务资源的调度装置的结构示意图；

图12示出了本公开示例性实施例提供的电子设备的结构示意图；

图13示出了本公开示例性实施例提供的计算机系统的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

车联网服务调度的研发是软件企业解决和适配车企行业软件服务的复杂场景技术之一，同时，也是支撑业务领域模型的重要切入点。随着车联网应用服务的快速发展，车联网服务的调度应用也是当前汽车和交通技术发展的重要方向之一，对于支撑汽车产业升级转型具有重要意义。由于车联网行业涉及到车载终端、驾驶员、车企、流量通信、4S店售后等一系列的流程，为此，如何建立车联网行业之间应用服务的调度逻辑，成为了本领域技术的一个重点问题。

相关技术中，在面向车联网服务调度优化流程的服务调度方案中，通常是按照用户定义的业务流程实现车联网服务调度，使用领域特定语言(Domain Specific Language，DSL)或可扩展标记语言(Extensible Markup Language，XML)语言预编排服务调度的业务流程，根据固定的业务流程执行相应的调度逻辑；在复杂场景下，还需要人工维护车联网服务调度的整个流程。可见，这种调度方法无法自动预测服务调度所需资源和业务流程。

因此，为了解决上述问题，本公开实施例提供了一种服务资源的调度方法，能够根据车主的用车习惯、车辆品牌、车辆价格、车主信息、车辆保险信息、车辆加油记录、车辆定位信息、是否营运车、车辆类型、车辆早高峰和晚高峰期的用车时间以及服务器资源预测的估算方式，自动预测服务调度所需资源和业务流程。

本公开实施例提供的服务资源的调度方法，其可以由终端执行，也可以由应用于终端的芯片执行。

示例性的，上述终端可以包括手机、平板电脑、可穿戴设备、车载设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、掌上电脑(Personal Digital Assistant，PDA)、以及基于增强现实(augmented reality，AR)和/或虚拟现实(virtual reality，VR)技术的可穿戴设备等中的一种或多种，本公开示例性实施例对此不作具体限制。

图1示出了本公开示例性实施例提供的车联网服务的调度方法的模块结构示意图。如图1所示，针对面向车联网服务调度的应用场景，车联网服务的调度方法的模块结构100可以包括：车联网服务数据存储模块101、服务调度引擎模块102、动态调度规划模块103和车联网调度执行器104。各个模块各司其职，本公开示例性实施例的核心模块为服务调度引擎模块102。

(1)针对车联网服务数据存储模块

在车联网服务调度的应用场景下，首先需要分析和确认服务于车企的车联网平台的车联网服务和车联网服务的相关数据。其中，车联网服务可以包括但不仅限于音乐服务、视频服务、语音服务、娱乐服务、定位服务和导航服务等中的一种或多种；车联网服务的相关数据可以包括车联网服务的数量、车联网服务的能力和车联网服务的分类。车联网服务的能力是指每种车联网服务的使用功能，车联网服务的能力在现有车联网中表示对外提供的软件服务功能，比如车机APN流量服务订购、驾驶员活体识别、车机流量卡查询、服务权益购买、高精定位服务、车辆超速通知等功能；车联网服务的分类大致可以分为车主服务类(也可称为应用类服务或车主权益类，包括车主线上服务和车主线下服务的权益)、汽车网络连接类和感知识别类(人脸识别、疲劳驾驶识别、车辆状态识别、路况识别)。

本公开示例性实施例提供的服务的能力属于车主服务类，由服务调度引擎模块评估权重，其车联网服务的相关数据可以来源于车联网服务数据存储模型。车联网服务数据存储模型中存储的车联网服务的相关数据需要经过如下加工：

由于每个车企都有对应的车联网平台，不同车企的车联网平台不同，且一个车企可以有多个子品牌，每个子品牌对应一个车联网平台，本公开示例性实施例设计了如下数据存储结构模型用于存储车联网服务的相关数据。

定义车联网平台的集合为S，车联网服务调度所提供的车联网服务的能力的集合为C，车联网服务调度所提供的车联网服务的分类的集合为Q，则有：

其中，s_ij表示第i个车联网平台的第j个车联网服务，车辆网平台的总数量为n+1，第i个车联网平台的车联网服务的总数量为m+1。

C|s_ij＝{c_j1，c_j2，…}|s_ij (2)

其中，C|s_ij表示第i个车联网平台的第j个车联网服务提供的车联网服务的能力的列表，c_jk表示第j个车联网服务的第k个车联网服务的能力，k＝1、2、3、…。

Q|c_jk＝{q₁，q₂，…} (3)

其中，Q|c_jk表示第i个车联网平台的第j个车联网服务提供的车联网服务的分类的列表，q_t表示第j个车联网服务的第k个车联网服务的能力的第t个车联网服务的分类，t＝1、2、3、…，0＜q_t＜1。

基于此，本公开示例性实施例构建的车联网服务的数据存储模型可以通过下述公式(4)进行表示：

其中，[]中存储的q_t的数量可以为单数，也可以为双数，本公开示例性实施例对此不作具体限定。

(2)针对服务调度引擎模块

在车联网服务调度场景下，服务选择器(也即服务调度引擎)是用于解决某种业务场景的逻辑模块，其可以用于决策调度服务应该选择哪种服务满足当前的业务场景。和传统调度选择器不一样的地方，本公开示例性实施例采用服务特征预测模型选择器实现调度选择单元逻辑。

图2示出了本公开示例性实施例提供的保养维修场景的示意图。如图2所示，在没有进行车联网服务调度预测之前，车主在从导航应用切换至音乐应用时，发现导航和音乐应用出现了故障(也就是车机娱乐失灵)，车主只能去经销商解决这个问题。如果这个问题很严重，比如车机娱乐系统失灵导致发动机故障，从而引起驾驶安全问题，就有可能导致问题车辆召回，汽车厂商将承担巨额成本，也给消费者带来不便和失望。

车联网服务调度平台可以根据车辆问题发生的区域、品牌、设备供应商、车机应用和车主使用的服务等数据，预测该故障是普遍问题还是特定问题，同时调度服务调度引擎模块执行汽车的自检程序对导航应用和音乐应用升级软件排查应用的冲突。

图3示出了本公开示例性实施例提供的车联网服务的服务资源的预分配场景的示意图。如图3所示，可以收集不同汽车品牌的车主的用车习惯，根据车主的用车习惯精准定位该车辆服务的服务资源，并利用服务调度引擎模块对服务资源进行分配。此处，服务资源可以包括服务带宽资源和服务计算资源。车主在用车过程中，有些车联网服务的能力可能从来都没有使用过，而有些车联网服务的能力被频繁使用。通过服务调度引擎模块，预测车主对车联网服务的偏好，从此改进产品，同时将更多的服务资源分配给这些用户。

本公开示例性实施例可以以某一服务的历史运行数据为样本数据，构建服务调度特征预测模型，利用该服务调度特征预测模型对该服务的服务调度特征值进行预测。其中，某一服务的历史运行数据可以包括但不限于服务执行时延、CPU占用率、内存占用率、网络带宽、运行环境的剩余算力和运行环境的网络状态等；服务调度特征值可以包括但不仅限于执行时间的特征值、资源算力的特征值和网络带宽的特征值。

此处，某一服务的历史运行数据可以通过该服务的服务标签进行获取。在本公开示例性实施例的方法中，将服务标签定义为：E＝[e₁|订购类，e₂|音乐类，e₃|实名，e₄|视频类，e₅|阅读，e₆|优惠券，e₇|业务服务标签，…]。

图4示出了本公开示例性实施例提供的服务调度特征预测模型的网络架构示意图。如图4所示，服务调度特征预测模型可以包括多个不同时间维度的时序特征预测模型和多维特征融合层，每个时序特征预测模型均可以包括时序处理模块和全连接层，时序处理模块均可以包括多组子时序处理模块和注意力机制模块。

其中，多个不同时间维度的时序特征预测模型可以包括短期时序特征预测模型、中期时序特征预测模型和长期时序特征预测模型。其中，短期时序特征预测模型可以包括短期时序处理模块和短期全连接层，短期时序处理模块可以包括多组子短期时序处理模块和注意力机制模块；中期时序特征预测模型可以包括中期时序处理模块和中期全连接层，中期时序处理模块可以包括多组子中期时序处理模块和注意力机制模块；长期时序特征预测模型可以包括长期时序处理模块和长期全连接层，长期时序处理模块可以包括多组子长期时序处理模块和注意力机制模块。

多个不同时间维度的时序特征预测模型均可以为长短期记忆模型(Long Short-Term Memory，LSTM)，多维特征融合层可以为全连接层。

本公开示例性实施例可以以不同的等时间间隔，将某一服务的历史运行数据的时序划分为多个时段，提取多维时间序列的历史运行数据的服务调度特征值。示例性的，可以分别以某一时间段为步长对历史运行数据进行划分，得到短期历史运行数据序列；以“天”为步长对历史运行数据进行划分，得到中期历史运行数据序列；以“周”为步长对历史运行数据进行划分，得到长期历史运行数据序列。然后，分别将短期历史运行数据序列输入至短期时序特征预测模型，将中期历史运行数据序列输入至中期时序特征预测模型，将长期历史运行数据序列输入至长期时序特征预测模型。同时，在多维的时序处理模块之间添加注意力机制模块(如图4所示，在各个子短期时序处理模块、各个子中期时序处理模块和各子长期时序处理模块之间添加注意力机制模块)，通过注意力机制模块学习各个时间维度之间的动态相关性。最后，利用多维特征融合层对短期时序特征预测模型的预测特征输出、中期时序特征预测模型的预测特征输出和长期时序特征预测模型的预测特征输出进行融合，得到当前的预测服务调度特征值。

由于在多维的时序处理模块之间添加了注意力机制模块，使得时序处理模块不仅可以学习本时间维度的数据特征，还可以学习其他时间维度的数据特征，因此，每个时间维度的时序处理模块均可以输出多个时间维度的融合数据特征，该融合数据特征增强了各个时间维度之间的动态相关性。

然后，每个时间维度的全连接层对该时间维度的时序处理模块输出的融合数据特征进行特征融合，得到该时间维度的预测服务调度特征值。如图4所示，短期全连接层对短期时序处理模块输出的融合数据特征进行特征融合，得到短期预测服务调度特征值；中期全连接层对中期时序处理模块输出的融合数据特征进行特征融合，得到中期预测服务调度特征值；长期全连接层对长期时序处理模块输出的融合数据特征进行特征融合，得到长期预测服务调度特征值。此时，利用多维特征融合层对短期预测服务调度特征值、中期预测服务调度特征值和长期预测服务调度特征值进行再次融合，得到当前的预测服务调度特征值。

预测服务调度特征值可以表示为Y＝{f_t,f_m,f_b}，其中，f_t表示短期预测服务调度特征值，f_m表示中期预测服务调度特征值，f_b表示长期预测服务调度特征值。该预测服务调度特征值是在短期、中期和长期这三个时间维度上的融合输出值。

图5示出了本公开示例性实施例提供的服务调度特征预测模型的结构示意图。如图5所示，X₁为短期历史运行数据序列，其可以表示为X₁＝(x_1,t’-1,x_1,t’-2,...,x_1,t’-n’)，其中，t’表示短期历史运行数据序列的当前时刻，x_1,t’-n’表示在当前时刻t’之前的n’个短期历史运行数据序列；X₂为中期历史运行数据序列，其可以表示为X₂＝(x_2,t”-1,x_2,t”-2,...,x_2,t”-n”)，其中，t”表示中期历史运行数据序列的当前时刻，x_2,t”-n”表示当前时刻t”之前的n”个中期历史运行数据序列；X₃为长期历史运行数据序列，其可以表示为X₃＝(x_3,t”’-1,x_3,t”’-2,...,x_{3,t”’-n”’})，其中，t”’表示长期历史运行数据序列的当前时刻，x_{3,t”’-n”’}表示当前时刻t”’之前的n”’个长期历史运行数据序列。需要说明的是，t’、t”和t”’不同，n’、n”和n”’不同。

本公开示例性实施例可以使用多个不同时间维度的时序特征预测模型提取连续时间片段的数据特征，使用注意力模块提取各维时序之间的相关依赖性，则有：

a_i,j＝softmax(d_i·k_j) (6)

d_i＝w_d·o_i (7)

k_i＝w_k·o_i (8)

v_i＝w_v·h_i (9)

其中，d_i表示第i个时间维度的历史运行数据序列中注意力权重向量的查询矩阵(query)；k_i表示第i个时间维度的历史运行数据序列的键矩阵(key)；v_i表示第i个时间维度的历史运行数据序列中注意力权重向量的值矩阵(value)，v_i可以通过第i个时间维度的时序特征预测模型的隐藏状态h_i经过线性变换得到；a_i,j表示第i个时间维度的历史运行数据序列中注意力权重向量的查询矩阵d_i与第j个时间维度的历史运行数据序列的键矩阵k_j的相似系数，用于表征第i个时间维度的数据特征对第j个时间维度的数据特征的影响；o_i表示第i个时间维度的每个子时序处理模块(包括子短期时序处理模块、子中期时序处理模块和子长期时序处理模块)的输出值，用于表征第i个时间维度的预测服务调度特征值；h_i表示第i个时间维度的时序特征预测模型的隐藏状态，用于表征第i个时间维度输入数据特征；w_d表示第i个时间维度的查询矩阵的权重，w_k表示第i个时间维度的键矩阵的权重，w_v表示第i个时间维度的值矩阵的权重，w_d、w_k和w_v均可以通过网络训练得到，不同时间维度下的权重共享；b_i表示第i个时间维度的添加注意力机制模块的时序处理模块(包括短期时序处理模块、中期时序处理模块和长期时序处理模块)的输出值；此处，i和j均为大于或等于1且小于或等于3的整数。

在实际应用中，在车主执行某一操作后，从公式(4)所示的车联网服务的数据存储模型存储的多个车联网服务中确定该操作对应的待调度服务，然后通过待调度服务的服务标签获取待调度服务的历史运行数据，在服务调度特征预测模型训练完成后，将待调度服务的历史运行数据输入至服务调度特征预测模型，得到待调度服务的预测服务调度特征值。

为了进一步提高服务资源的精准调度，本公开示例性实施例在获得待调度服务的预测服务调度特征值后，还需要获取待调度服务的服务标签对应的多个预设服务调度特征值，从多个预设服务调度特征值中确定出与预测服务调度特征值匹配的目标服务调度特征值。

待调度服务的服务标签对应的多个预设服务调度特征值可以是预先确定的，预设服务调度特征值与当前用车环境数据相关。当前用车环境数据可以包括车辆特征、车主特征和用车时段特征。首先，分别对车辆特征、车主特征和用车时段特征进行如下定义：

车辆特征可以表示为：P＝[p₁|车辆品牌，p₂|车辆型号，p₃|车辆价格，p₄|车辆状态，p₅|车辆标签，…]；

车主特征可以表示为：G＝[g₁|车主年龄，g₂|车主性别，g₃|车主购买商品数，g₄|车主购买商品时间，g₅|车主标签，…]；

用车时段特征可以表示为：M＝[m₁|普通时段，m₂|早高峰(7:00-10:00)，m₃|晚高峰(6:00-9:00)]。

基于此，待调度服务的服务标签对应的预设服务调度特征值可以通过下述公式(10)进行计算：

F_Map|e_i＝{P|e_i，G|e_i，M|e_i} (10)

其中，e_i表示待调度服务的服务标签，F_Map|e_i表示待调度服务的服务标签为e_i时对应的预设服务调度特征值，P|e_i表示待调度服务的服务标签为e_i时对应的车辆特征，G|e_i表示待调度服务的服务标签为e_i时对应的车主特征，M|e_i表示待调度服务的服务标签为e_i时对应的用车时段特征。当待调度服务的服务标签确定后，P、G和M的取值可能不同，因此可以获得该服务标签对应的多个预设服务调度特征值。然后，对预测服务调度特征值与多个预设服务调度特征值进行相似度计算，将相似度最高的预设服务调度特征值确定为与预测服务调度特征值匹配的目标服务调度特征值。

(3)针对动态调度规划模块

动态调度规划模块可以根据待调度服务的目标服务调度特征值和服务权重，形成车联网服务调度策略。

待调度服务的服务权重可以表示为：U＝[u₀|服务稳定性权重，u₁|服务稳定性权重，u₂|服务扩展性权重，u₄|服务保密性权重，…]。

图6示出了本公开示例性实施例提供的车联网服务调度策略的生成示意图。如图6所示，本公开示例性实施例可以利用服务调度特征预测模型预测某一待调度服务的预测服务调度特征值，然后与车辆特征、车主特征和用车时段特征相结合，确定该待调度服务的目标服务调度特征值。将目标服务调度特征值输入至服务调度解析器中，确定多个待调度服务的服务调用链，然后分别结合各待调度服务的服务权重，确定各待调度服务的调度优先值，以确定各待调度服务的初始调度顺序，得到多个待调度服务的初始调度策略；并结合待调度服务的调度属性，最终确定多个待调度服务的目标调度策略。

具体地，本公开示例性实施例可以通过下述公式(11)计算各待调度服务的调度优先值：

其中，r_i表示第i个待调度服务的调度优先值，F_i表示第i个待调度服务的目标服务调度特征值，u_i表示第i个待调度服务的服务权重。

此时，本公开示例性实施例还可以从车联网服务调度平台获取各待调度服务的调度属性(以z值表示)，用于确定某个待调度服务的调用方式，待调度服务的调用方式包括串行调用和并行调用。当z_i＝0时，表示第i个待调度服务只能串行调用，在前一个待调度服务运行完成后才能执行第i个待调度服务；当z_i＝1时，表示第i个待调度服务可以并行调用，也就是第i个待调度服务与其他待调度服务可以同时执行。

基于此，可以将待调度服务的集合表示为：R₀＝{r₀，z₀＝0}，R₁＝{r₁，z₁＝1}，R₂＝{r₂，z₂＝0}，R₃＝{r₃，z₃＝0}，R₄＝{r₄，z₄＝1}，…。其中，R_i表示第i个待执行任务，i＝0、1、2、…、N，N+1表示待调度服务的总数量。

在实际应用中，在获取待调度服务的集合后，首先，从待调度服务的集合中获取各待调度服务的调度优先值；按照待调度服务的调度优先值从大到小的顺序，对各待调度服务进行排序，得到多个待调度服务的初始调度策略，初始调度策略包括各待调度服务的排序结果，用于确定各待调度服务的初始调度顺序；并将多个待调度服务的初始调度策略保存到有序数组中。图7示出了本公开示例性实施例提供的多个待调度服务的初始调度策略的示意图。如图7所示，若r₃＞r₁＞r₄＞r₀＞r₂，按照待调度服务的调度优先值从大到小的顺序，对R₀、R₁、R₂、R₃和R₄这5个待调度服务进行排序后，得到的多个待调度服务的初始调度顺序依次为R₃、R₁、R₄、R₀和R₂。

然后，从待调度服务的集合中获取各待调度服务的调度属性，利用各待调度服务的调度属性对初始调度策略进行调整，得到多个待调度服务的目标调度策略(即服务调用链路)。从图7可以看出，R₃为动态路由规则需要调度的第一个待调度服务，且z₃＝0，因此R₃只能是串行执行；R₁为动态路由规划需要调度的第二个待调度服务，且z₁＝1，因此R₁可以并行执行；R₄为动态路由规划需要调度的第三个待调度服务，且z₄＝1，因此R₄可以并行执行；R₀为路由规划需要调度的第四个待调度服务，且z₀＝0，因此R₀只能串行执行；R₂为路由规划需要调度的第五个待调度服务，且z₂＝0，等待第四个待调度服务完成后才能执行。

图8示出了本公开示例性实施例提供的服务调用链路的示意图。如图8所示，首先调用R₃，在R₃执行完成后，并行调用R₁和R₄；在R₁和R₄执行完成后，串行调用R₀；在R₀执行完成后，串行调用R₂。

(4)针对车联网调度执行器

在多个待调度服务的目标调度策略(即服务调用链路)确定后，车联网调度执行器负责各待调度服务对应的服务资源的调度。图9示出了本公开示例性实施例提供的车联网调度执行器获取服务资源的示意图。如图9所示，车联网调度执行器可以根据服务调用链路包括的各待调度服务的类型和执行方式获取服务资源，服务资源可以包括但不仅限于计算资源、存储资源、图形渲染资源和网络资源等中的一种或多种。

若待调度服务为订购服务，订购服务需要的服务资源可以包括计算资源和网络资源，由于订购服务更关注服务的稳定性，因此，计算资源和网络资源的占比趋近于平稳，如50％的计算资源和50％的网络资源。若待调度服务为视频服务或语音服务，视频服务或语音服务需要的服务资源可以包括计算资源和网络资源，由于视频服务或语音服务更专注于网络资源，需要更多的带宽，因此网络资源的占比更多，如20％的计算资源和80％的网络资源。若待调度服务为定位服务，定位服务则需要更多的计算资源(如60％)和图形渲染资源(40％)，以实现高精度定位。

综上，本公开示例性实施例能够面向车联网服务的调度，利用机器学习、数据挖掘等技术，对采集的车联网服务的历史运行数据进行分析和挖掘，构建服务调度特征预测模型，通过该服务调度特征预测模型输出待调度服务的预测服务调度特征值；同时获取待调度服务的服务标签对应的多个预设服务调度特征值，预设服务调度特征值与车辆特征、车主特征和用车时段特征相关，并从多个预设服务调度特征值确定出与预测服务调度特征值匹配的目标服务调度特征值。因此，基于目标服务调度特征值确定的服务调度链路能够为车主提供个性化服务。

由于服务调度链路可以根据目标服务调度特征值、服务权重和调度属性进行动态调整，因此该服务调用链路能够满足车联网多样性业务对调度的需求，提高车联网服务的调度效率，提升服务资源的利用率。

基于此，本公开示例性实施例提出了一种服务资源的调度方法，其可以由终端执行，也可以由应用于终端的芯片执行。终端的相关内容可以参见前文，此处不再赘述。

图10示出了本公开示例性实施例提供的服务资源的调度方法的流程示意图。如图10所示，该服务资源的调度方法包括：

S1001，获取车机所需调用的多个待调度服务，并分别获取各待调度服务的服务资源和服务权重；

S1002，基于各待调度服务的服务资源和服务权重，确定多个待调度服务的初始调度策略；其中，初始调度策略用于确定各待调度服务的初始调度顺序；

S1003，获取各待调度服务的调度属性，并利用各待调度服务的调度属性对初始调度策略进行调整，得到多个待调度服务的目标调度策略；

S1004，利用目标调度策略对多个待调度服务的服务资源进行调度。

具体地，上述待调度服务可以为前文中的车联网服务，待调度服务可以包括但不仅限于音乐服务、视频服务、语音服务、娱乐服务、定位服务和导航服务等中的一种或多种。本公开示例性实施例可以利用车联网服务的数据存储模型存储多个待调度服务，车联网服务的数据存储模型的相关内容具体参见前文，此处不再赘述。

当用户针对车机的某些服务执行调度操作时，本公开示例性实施例可以从车联网服务的数据存储模型存储多个车联网服务中，获取该车机所需调用的多个待调度服务。然后，分别获取各待调度服务的服务资源和服务权重。

其中，服务资源可以包括但不仅限于计算资源、存储资源、图形渲染资源和网络资源等中的一种或多种。例如，若待调度服务为订购服务，订购服务的服务资源可以包括50％的计算资源和50％的网络资源。又例如，若待调度服务为视频服务或语音服务，视频服务或语音服务的服务资源可以包括20％的计算资源和80％的网络资源。还例如，若待调度服务为定位服务，定位服务的服务资源可以包括60％的计算资源和40％的图形渲染资源。此处，关于各服务资源的比例划分的相关内容具体参见前文，此处不再赘述。

服务权重可以用于表征对应待调度服务在调度过程中的优先程度占比，其具体取值可以为通过用户进行预先自定义设置，本公开示例性实施例对此不作具体限定。

此时，本公开示例性实施例可以基于各待调度服务的服务资源和服务权重，确定多个待调度服务的初始调度策略；其中，初始调度策略用于确定各待调度服务的初始调度顺序。初始调度策略可以具体参见前文中图7的相关内容，此处不再赘述。例如，针对R₀、R₁、R₂、R₃和R₄这5个待调度服务，初始调度策略包括的多个待调度服务的初始调度顺序依次为R₃、R₁、R₄、R₀和R₂。

然后，可以获取各待调度服务的调度属性，并利用各待调度服务的调度属性对初始调度策略进行调整，得到多个待调度服务的目标调度策略。其中，本公开示例性实施例可以对待调度服务的调度属性进行预先设置，用于确定待调度服务的调度方式，具体可以参见前文，此处不再赘述。目标调度策略可以为前文中图8所示的服务调用链路，相关内容具体参见前文，此处不再赘述。

可见，本公开示例性实施例在对多个待调度服务进行调度时，能够结合各待调度服务的服务资源、服务权重和调度属性，动态调整多个待调度服务的目标调度策略，以满足车机多样化服务的调度需求；在目标调度策略确定后，可以利用目标调度策略对多个待调度服务的服务资源进行调度，能够提高服务资源的调度效率。

根据本公开示例性实施例的技术方案，通过获取车机所需调用的多个待调度服务；并分别获取各待调度服务的服务资源和服务权重；基于各待调度服务的服务资源和服务权重，确定多个待调度服务的初始调度策略；其中，初始调度策略用于确定各待调度服务的初始调度顺序；获取各待调度服务的调度属性；利用各待调度服务的调度属性对初始调度策略进行调整，得到多个待调度服务的目标调度策略；利用目标调度策略对多个待调度服务的服务资源进行调度，能够在对多个待调度服务进行调度时，结合各待调度服务的服务资源、服务权重和调度属性，动态调整多个待调度服务的目标调度策略，以满足车机多样化服务的调度需求，提高服务资源的调度效率。

在一些实施例中，基于各待调度服务的服务资源和服务权重，确定多个待调度服务的初始调度策略，可以包括：

获取待调度服务的服务资源对应的服务调度特征值；基于服务调度特征值和服务权重，计算待调度服务的调度优先值；基于各待调度服务的调度优先值，确定多个待调度服务的初始调度策略。

具体地，服务调度特征值可以为前文中待调度服务的目标服务调度特征值。服务调度特征值可以包括但不仅限于执行时间的特征值、资源算力的特征值和网络带宽的特征值。

首先，本公开示例性实施例可以将获取的目标服务调度特征值和服务权重代入前文中的公式(11)，分别计算各待调度服务的调度优先值。此处，调度优先值可以用于表征对应待调度服务在调度过程中的优先级，调度优先值越大，则对应待调度服务的调度顺序越靠前；调度优先值越小，则对应待调度服务的调度顺序越靠后。

然后，对各待调度服务的调度优先值按照从大到小的顺序进行排序，得到各待调度服务的初始调度顺序。按照各待调度服务的初始调度顺序确定多个待调度服务的初始调度策略。具体内容可以参见前文中图7的相关内容，此处不再赘述。

根据本公开示例性实施例的技术方案，通过获取待调度服务的服务资源对应的服务调度特征值；基于服务调度特征值和服务权重，计算待调度服务的调度优先值；基于各待调度服务的调度优先值，确定多个待调度服务的初始调度策略，能够在对多个待调度服务进行调度时，首先基于各待调度服务的服务资源对应的服务调度特征值和服务权重，初步确定多个待调度服务的初始调度策略，以满足车机多样化服务的调度需求。

在一些实施例中，获取待调度服务的服务资源对应的服务调度特征值，可以包括：

获取待调度服务的历史运行数据和当前用车环境数据；基于历史运行数据，确定待调度服务的预测服务调度特征值；基于当前用车环境数据对预测服务调度特征值进行调整，得到待调度服务的服务资源对应的服务调度特征值。

具体地，历史运行数据可以包括但不限于服务执行时延、CPU占用率、内存占用率、网络带宽、运行环境的剩余算力和运行环境的网络状态等。本公开示例性实施例可以通过服务标签获取待调度服务的历史运行数据。例如，本公开示例性实施例可以利用服务标签，将待调度服务的历史运行数据与车联网服务的数据存储模型存储的多个车联网服务进行关联，当从公式车联网服务的数据存储模型存储的多个车联网服务中确定出待调度服务后，通过服务标签获取待调度服务的历史运行数据。然后，本公开示例性实施例可以基于历史运行数据，确定待调度服务的预测服务调度特征值。

当前用车环境数据可以包括当前车机所处的用车环境数据，本公开示例性实施例可以基于当前用车环境数据对预测服务调度特征值进行调整，得到待调度服务的服务资源对应的服务调度特征值，使得最终获得的服务调度特征值更加贴合当前车机所处的用车环境，以提高服务资源的调度效率。

根据本公开示例性实施例的技术方案，通过获取待调度服务的历史运行数据和当前用车环境数据；基于历史运行数据，确定待调度服务的预测服务调度特征值；基于当前用车环境数据对预测服务调度特征值进行调整，得到待调度服务的服务资源对应的服务调度特征值，能够将待调度服务的历史运行数据和当前用车环境数据结合，共同确定待调度服务的服务资源对应的服务调度特征值，服务调度特征值对应的服务资源更加贴合当前车机所处的用车环境，从而可以提高服务资源的调度效率。

在一些实施例中，基于历史运行数据，确定待调度服务的预测服务调度特征值，可以包括：

获取预先构建的服务调度特征预测模型；其中，服务调度特征预测模型包括多个不同时间维度的时序特征预测模型和多维特征融合层；将历史运行数据输入至服务调度特征预测模型，得到待调度服务的预测服务调度特征值。

具体地，服务调度特征预测模型的网络架构示意图如图4所示，服务调度特征预测模型可以包括多个不同时间维度的时序特征预测模型和多维特征融合层。

示例性的，多个不同时间维度的时序特征预测模型可以包括短期时序特征预测模型、中期时序特征预测模型和长期时序特征预测模型。其中，短期时序特征预测模型用于输出历史运行数据在“短期”(如“时间段”)时间维度下的短期预测服务调度特征值；中期时序特征预测模型用于输出历史运行数据在“中期”(如“天”)时间维度下的中期预测服务调度特征值；长期时序特征预测模型用于输出历史运行数据在“长期”(如“周”)时间维度下的长期预测服务调度特征值；多维特征融合层对短期预测服务调度特征值、中期预测服务调度特征值和长期预测服务调度特征值进行融合，得到待调度服务的预测服务调度特征值。预测服务调度特征值的确定过程可以参见前文，此处不再赘述。

可见，该预测服务调度特征值同时融合了历史运行数据在多个不同时间维度下的预测特征，提高了预测服务调度特征值的预测准确度，进而在为确定待调度服务的服务资源对应的服务调度特征值提供参考时，可以提高服务资源的调度效率。

根据本公开示例性实施例的技术方案，通过获取预先构建的服务调度特征预测模型；其中，服务调度特征预测模型包括多个不同时间维度的时序特征预测模型和多维特征融合层；将历史运行数据输入至服务调度特征预测模型，得到待调度服务的预测服务调度特征值，能够通过预先构建的服务调度特征预测模型对待调度服务的预测服务调度特征值进行自动预测，可以提高预测服务调度特征值的动态化更新效率，进而提高服务资源的调度效率。

在一些实施例中，每个时序特征预测模型均可以包括时序处理模块和全连接层，时序处理模块均可以包括多组子时序处理模块和注意力机制模块；注意力机制模块用于对多个不同时间维度下的子时序处理模块的输出特征进行融合。

具体地，如图4所示，短期时序特征预测模型可以包括短期时序处理模块和短期全连接层，短期时序处理模块可以包括多组子短期时序处理模块和注意力机制模块；中期时序特征预测模型可以包括中期时序处理模块和中期全连接层，中期时序处理模块可以包括多组子中期时序处理模块和注意力机制模块；长期时序特征预测模型可以包括长期时序处理模块和长期全连接层，长期时序处理模块可以包括多组子长期时序处理模块和注意力机制模块。其中，在多维的时序处理模块之间添加注意力机制模块(如图4所示，在各个子短期时序处理模块、各个子中期时序处理模块和各子长期时序处理模块之间添加注意力机制模块)，通过注意力机制模块对多个不同时间维度下的子时序处理模块的输出特征进行融合，学习各个时间维度之间的动态相关性。

由于在多维的时序处理模块之间添加了注意力机制模块，使得时序处理模块不仅可以学习本时间维度的数据特征，还可以学习其他时间维度的数据特征，因此，每个时间维度的时序处理模块均可以输出多个时间维度的融合数据特征，该融合数据特征增强了各个时间维度之间的动态相关性。

在一些实施例中，当前用车环境数据可以包括车辆特征、车主特征和用车时段特征；基于当前用车环境数据对预测服务调度特征值进行调整，得到待调度服务的服务资源对应的服务调度特征值，可以包括：

基于车辆特征、车主特征和用车时段特征，确定待调度服务的多个预设服务调度特征值；从多个预设服务调度特征值中确定出与预测服务调度特征值匹配的预设服务调度特征值，作为待调度服务的服务资源对应的服务调度特征值。

具体地，当前用车环境数据可以包括车辆特征、车主特征和用车时段特征。车辆特征、车主特征和用车时段特征的相关内容具体可以参见前文，此处不再赘述。

首先，本公开示例性实施例可以基于车辆特征、车主特征和用车时段特征，预先确定待调度服务的多个预设服务调度特征值。示例性的，可以通过前文中的公式(10)计算每个待调度服务的多个预设服务调度特征值。

然后，对预测服务调度特征值与多个预设服务调度特征值进行相似度计算，将相似度最高的预设服务调度特征值确定为与预测服务调度特征值匹配的目标服务调度特征值，即待调度服务的服务资源对应的服务调度特征值。

根据本公开示例性实施例的技术方案，通过基于车辆特征、车主特征和用车时段特征，确定待调度服务的多个预设服务调度特征值；从多个预设服务调度特征值中确定出与预测服务调度特征值匹配的预设服务调度特征值，作为待调度服务的服务资源对应的服务调度特征值，能够将待调度服务的服务资源对应的服务调度特征值与车辆特征、车主特征和用车时段特征关联，使得获得的服务调度特征值对应的服务资源更加贴合当前车机所处的用车环境，从而可以提高服务资源的调度效率。

在一些实施例中，利用各待调度服务的调度属性对初始调度策略进行调整，得到多个待调度服务的目标调度策略，包括：

基于各待调度服务的调度属性，确定各待调度服务的调用方式；利用调用方式对各待调度服务的初始调度顺序进行调整，得到各待调度服务的目标调度顺序；基于各待调度服务的目标调度顺序，确定多个待调度服务的目标调度策略。

具体地，上述待调度服务的调度属性可以用于确定待调度服务的调用方式。在确定待调度服务的调用方式后，可以利用调用方式对各待调度服务的初始调度顺序进行调整，得到各待调度服务的目标调度顺序；然后，基于各待调度服务的目标调度顺序，确定多个待调度服务的目标调度策略。

示例性的，调用方式可以包括串行调用和并行调用；利用调用方式对各待调度服务的初始调度顺序进行调整，得到各待调度服务的目标调度顺序，可以包括：

若待调度服务的调度属性为串行调用，则基于待调度服务的初始调度顺序，确定待调度服务的目标调度顺序；若待调度服务的调度属性为并行调用，且初始调度顺序排在待调度服务前一个的待调度服务的调度属性为并行调用，则基于初始调度顺序排在待调度服务前一个的待调度服务的初始调度顺序，确定待调度服务的目标调度顺序。

具体地，调度属性可以包括串行调用和并行调用。例如，可以以z值表示待调度服务的调度属性，当z_i＝0时，表示第i个待调度服务只能串行调用，在前一个待调度服务运行完成后才能执行第i个待调度服务；当z_i＝1时，表示第i个待调度服务可以并行调用，也就是第i个待调度服务与其他待调度服务可以同时执行。

从图7可以看出，R₃的初始调度顺序为第一个待调度服务，且z₃＝0(说明R₃只能是串行执行)，此时可以基于R₃的初始调度顺序，确定R₃的目标调度顺序为第一个待调度服务。

从图7还可以看出，R₁的初始调度顺序为第二个待调度服务，且z₁＝1(说明R₁可以并行执行)；R₄的初始调度顺序为第三个待调度服务，且z₄＝1(说明R₄可以并行执行)，此时，可以基于R₁的初始调度顺序，确定R₄的目标调度顺序为第二个待调度服务。

以此类推，可以确定各待调度服务的目标调度顺序，并基于各待调度服务的目标调度顺序，确定多个待调度服务的目标调度策略。如图8所示，在目标调度策略确定的服务调用链路中，首先调用R₃，在R₃执行完成后，并行调用R₁和R₄；在R₁和R₄执行完成后，串行调用R₀；在R₀执行完成后，串行调用R₂。

根据本公开示例实施例的技术方案，通过基于各待调度服务的调度属性，确定各待调度服务的调用方式；利用调用方式对各待调度服务的初始调度顺序进行调整，得到各待调度服务的目标调度顺序；基于各待调度服务的目标调度顺序，确定多个待调度服务的目标调度策略，能够根据待调度服务的调度属性确定待调度服务的调用方式，通过待调度服务的调用方式对多个待调度服务的初始调度顺序进行调整，得到各待调度服务的目标调度顺序，以使得到的目标调度策略与各待调度服务的调度属性匹配，满足车机多样化服务的调度需求，从而能够提高服务资源的调度效率。

本公开实施例采用的上述至少一个技术方案能够达到以下有益效果：通过获取车机所需调用的多个待调度服务；并分别获取各待调度服务的服务资源和服务权重；基于各待调度服务的服务资源和服务权重，确定多个待调度服务的初始调度策略；其中，初始调度策略用于确定各待调度服务的初始调度顺序；获取各待调度服务的调度属性；利用各待调度服务的调度属性对初始调度策略进行调整，得到多个待调度服务的目标调度策略；利用目标调度策略对多个待调度服务的服务资源进行调度，能够在对多个待调度服务进行调度时，结合各待调度服务的服务资源、服务权重和调度属性，动态调整多个待调度服务的目标调度策略，以满足车机多样化服务的调度需求，提高服务资源的调度效率。

上述主要对本公开实施例提供的方案进行了介绍。可以理解的是，为了实现上述功能，电子设备包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本公开能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。

本公开实施例可以根据上述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本公开实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

在采用对应各个功能划分各个功能模块的情况下，本公开示例性实施例提供一种服务资源的调度装置，该服务资源的调度装置可以为终端或应用于终端的芯片。图11示出了本公开示例性实施例提供的服务资源的调度装置的结构示意图。如图11所示，该装置1100包括：

获取模块1101，用于获取车机所需调用的多个待调度服务，并分别获取各待调度服务的服务资源和服务权重；

处理模块1102，用于基于各待调度服务的服务资源和服务权重，确定多个待调度服务的初始调度策略；其中，初始调度策略用于确定各待调度服务的初始调度顺序；

获取模块1101还用于获取各待调度服务的调度属性；

处理模块1102还用于利用各待调度服务的调度属性对初始调度策略进行调整，得到多个待调度服务的目标调度策略；

调度模块1103，用于利用目标调度策略对多个待调度服务的服务资源进行调度。

在一些实施例中，获取模块1101还用于获取待调度服务的服务资源对应的服务调度特征值；

处理模块1102还用于基于服务调度特征值和服务权重，计算待调度服务的调度优先值；基于各待调度服务的调度优先值，确定多个待调度服务的初始调度策略。

在一些实施例中，获取模块1101还用于获取待调度服务的历史运行数据和当前用车环境数据；

处理模块1102还用于基于历史运行数据，确定待调度服务的预测服务调度特征值；基于当前用车环境数据对预测服务调度特征值进行调整，得到待调度服务的服务资源对应的服务调度特征值。

在一些实施例中，处理模块1102还用于获取预先构建的服务调度特征预测模型；其中，服务调度特征预测模型包括多个不同时间维度的时序特征预测模型和多维特征融合层；将历史运行数据输入至服务调度特征预测模型，得到待调度服务的预测服务调度特征值。

在一些实施例中，每个时序特征预测模型均包括时序处理模块和全连接层，时序处理模块均包括多组子时序处理模块和注意力机制模块；注意力机制模块用于对多个不同时间维度下的子时序处理模块的输出特征进行融合。

在一些实施例中，当前用车环境数据包括车辆特征、车主特征和用车时段特征；

处理模块1102还用于基于车辆特征、车主特征和用车时段特征，确定待调度服务的多个预设服务调度特征值；从多个预设服务调度特征值中确定出与预测服务调度特征值匹配的预设服务调度特征值，作为待调度服务的服务资源对应的服务调度特征值。

在一些实施例中，处理模块1102还用于基于各待调度服务的调度属性，确定各待调度服务的调用方式；利用调用方式对各待调度服务的初始调度顺序进行调整，得到各待调度服务的目标调度顺序；基于各待调度服务的目标调度顺序，确定多个待调度服务的目标调度策略。

在一些实施例中，调用方式包括串行调用和并行调用；

处理模块1102还用于若待调度服务的调度属性为串行调用，则基于待调度服务的初始调度顺序，确定待调度服务的目标调度顺序；若待调度服务的调度属性为并行调用，且初始调度顺序排在待调度服务前一个的待调度服务的调度属性为并行调用，则基于初始调度顺序排在待调度服务前一个的待调度服务的初始调度顺序，确定待调度服务的目标调度顺序。

本公开实施例还提供一种电子设备，包括：至少一个处理器；用于存储至少一个处理器可执行指令的存储器；其中，至少一个处理器用于执行指令，以实现本公开实施例公开的上述方法的步骤。

图12示出了本公开示例性实施例提供的电子设备的结构示意图。如图12所示，该电子设备1200包括至少一个处理器1201以及耦接至处理器1201的存储器1202，该处理器1201可以执行本公开实施例公开的上述方法中的相应步骤。

上述处理器1201还可以称为中央处理单元(Central Processing Unit，CPU)，其可以是一种集成电路芯片，具有信号的处理能力。本公开实施例公开的上述方法中的各步骤可以通过处理器1201中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1201可以是通用处理器、数字信号处理器(Digital Signal Processing，DSP)、ASIC、现成可编程门阵列(Field-programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储器1202中，例如随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质。处理器1201读取存储器1202中的信息，结合其硬件完成上述方法的步骤。

另外，根据本公开的各种操作/处理在通过软件和/或固件实现的情况下，可从存储介质或网络向具有专用硬件结构的计算机系统，例如，图13所示的计算机系统1300安装构成该软件的程序，该计算机系统在安装有各种程序时，能够执行各种功能，包括诸如前文所述的功能等等。图13示出了本公开示例性实施例提供的计算机系统的结构示意图。

计算机系统1300旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图13所示，计算机系统1300包括计算单元1301，该计算单元1301可以根据存储在只读存储器(ROM)1302中的计算机程序或者从存储单元1308加载到随机存取存储器(RAM)1303中的计算机程序，来执行各种适当的动作和处理。在RAM 1303中，还可存储计算机系统1300操作所需的各种程序和数据。计算单元1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出(I/O)接口1305也连接至总线1304。

计算机系统1300中的多个部件连接至I/O接口1305，包括：输入单元1306、输出单元1307、存储单元1308以及通信单元1309。输入单元1306可以是能向计算机系统1300输入信息的任何类型的设备，输入单元1306可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元1307可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1308可以包括但不限于磁盘、光盘。通信单元1309允许计算机系统1300通过网络诸如因特网的与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如，蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元1301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1301执行上文所描述的各个方法和处理。例如，在一些实施例中，本公开实施例公开的上述方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如，存储单元1308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1302和/或通信单元1309而被载入和/或安装到电子设备上。在一些实施例中，计算单元1301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开实施例公开的上述方法。

本公开实施例还提供一种计算机可读存储介质，其中，当计算机可读存储介质中的指令由电子设备的处理器执行时，使得该电子设备能够执行本公开实施例公开的上述方法。

本公开实施例中的计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。上述计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。更具体的，上述计算机可读存储介质可以包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

本公开实施例还提供一种计算机程序产品，包括计算机程序，其中，该计算机程序被处理器执行时实现本公开实施例公开的上述方法。

在本公开的实施例中，可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上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。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机，或者，可以连接到外部计算机。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块、部件或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块、部件或单元的名称在某种情况下并不构成对该模块、部件或单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示例性的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (11)

1.一种服务资源的调度方法，其特征在于，包括：

获取车机所需调用的多个待调度服务，并分别获取各所述待调度服务的服务资源和服务权重；

基于各所述待调度服务的服务资源和服务权重，确定所述多个待调度服务的初始调度策略；其中，所述初始调度策略用于确定各所述待调度服务的初始调度顺序；

获取各所述待调度服务的调度属性，并利用各所述待调度服务的调度属性对初始调度策略进行调整，得到所述多个待调度服务的目标调度策略；

利用所述目标调度策略对所述多个待调度服务的服务资源进行调度。

2.根据权利要求1所述的方法，其特征在于，所述基于各所述待调度服务的服务资源和服务权重，确定所述多个待调度服务的初始调度策略，包括：

获取所述待调度服务的服务资源对应的服务调度特征值；

基于所述服务调度特征值和所述服务权重，计算所述待调度服务的调度优先值；

基于各所述待调度服务的调度优先值，确定所述多个待调度服务的初始调度策略。

3.根据权利要求2所述的方法，其特征在于，所述获取所述待调度服务的服务资源对应的服务调度特征值，包括：

获取所述待调度服务的历史运行数据和当前用车环境数据；

基于所述历史运行数据，确定所述待调度服务的预测服务调度特征值；

基于所述当前用车环境数据对所述预测服务调度特征值进行调整，得到所述待调度服务的服务资源对应的服务调度特征值。

4.根据权利要求3所述的方法，其特征在于，所述基于所述历史运行数据，确定所述待调度服务的预测服务调度特征值，包括：

获取预先构建的服务调度特征预测模型；其中，所述服务调度特征预测模型包括多个不同时间维度的时序特征预测模型和多维特征融合层；

将所述历史运行数据输入至所述服务调度特征预测模型，得到所述待调度服务的预测服务调度特征值。

5.根据权利要求4所述的方法，其特征在于，每个所述时序特征预测模型均包括时序处理模块和全连接层，所述时序处理模块均包括多组子时序处理模块和注意力机制模块；所述注意力机制模块用于对多个不同时间维度下的子时序处理模块的输出特征进行融合。

6.根据权利要求3所述的方法，其特征在于，所述当前用车环境数据包括车辆特征、车主特征和用车时段特征；所述基于所述当前用车环境数据对所述预测服务调度特征值进行调整，得到所述待调度服务的服务资源对应的服务调度特征值，包括：

基于所述车辆特征、所述车主特征和所述用车时段特征，确定所述待调度服务的多个预设服务调度特征值；

从所述多个预设服务调度特征值中确定出与所述预测服务调度特征值匹配的预设服务调度特征值，作为所述待调度服务的服务资源对应的服务调度特征值。

7.根据权利要求1～6中任一项所述的方法，其特征在于，所述利用各所述待调度服务的调度属性对初始调度策略进行调整，得到所述多个待调度服务的目标调度策略，包括：

基于各所述待调度服务的调度属性，确定各所述待调度服务的调用方式；

利用调用方式对各所述待调度服务的初始调度顺序进行调整，得到各所述待调度服务的目标调度顺序；

基于各所述待调度服务的目标调度顺序，确定所述多个待调度服务的目标调度策略。

8.根据权利要求7所述的方法，其特征在于，所述调用方式包括串行调用和并行调用；所述利用调用方式对各所述待调度服务的初始调度顺序进行调整，得到各所述待调度服务的目标调度顺序，包括：

若所述待调度服务的调度属性为串行调用，则基于所述待调度服务的初始调度顺序，确定为所述待调度服务的目标调度顺序；

若所述待调度服务的调度属性为并行调用，且初始调度顺序排在所述待调度服务前一个的待调度服务的调度属性为并行调用，则基于初始调度顺序排在所述待调度服务前一个的待调度服务的初始调度顺序，确定为所述待调度服务的目标调度顺序。

9.一种服务资源的调度装置，其特征在于，包括：

获取模块，用于获取车机所需调用的多个待调度服务，并分别获取各所述待调度服务的服务资源和服务权重；

处理模块，用于基于各所述待调度服务的服务资源和服务权重，确定所述多个待调度服务的初始调度策略；其中，所述初始调度策略用于确定各所述待调度服务的初始调度顺序；

所述获取模块还用于获取各所述待调度服务的调度属性；

所述处理模块还用于利用各所述待调度服务的调度属性对初始调度策略进行调整，得到所述多个待调度服务的目标调度策略；

调度模块，用于利用所述目标调度策略对所述多个待调度服务的服务资源进行调度。

10.一种电子设备，其特征在于，包括：

至少一个处理器；

用于存储所述至少一个处理器可执行指令的存储器；

其中，所述至少一个处理器用于执行所述指令，以实现如权利要求1～8中任一项所述的方法的步骤。

11.一种计算机程序产品，其特征在于，包括计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1～8中任一项所述的方法的步骤。