一种车载边缘计算中基于匹配算法的任务分配策略制造技术

本发明专利技术涉及一种应用在车联网领域的车载边缘计算场景，通过车辆对边缘服务器的选择并进行任务卸载，以实现在资源约束与延迟约束条件下的系统总体延时的优化。本文所提出的优化问题并分别从匀速模型、车辆跟随模型及行驶时间统计模型出发，推导出任务卸载延迟模型，并进一步通过基于价格的一对一、一对多匹配算法进行求解，获得约束条件下的最优任务分配方案。此算法有效整合了车辆、路边单元及道路信息，在保证QoS需求的条件下显著降低系统的时延。

A Task Allocation Strategy Based on Matching Algorithms in Vehicle Edge Computing

The present invention relates to an on-board edge computing scenario applied in the field of vehicular networking. By selecting the edge servers and unloading tasks, the overall delay of the system under resource and delay constraints can be optimized. Based on the uniform speed model, vehicle following model and travel time statistical model, the task unloading delay model is deduced and solved by price-based one-to-one and one-to-many matching algorithm to obtain the optimal task allocation scheme under constraints. This algorithm effectively integrates vehicle, roadside unit and road information, and significantly reduces the system delay under the condition of guaranteeing the demand of QoS.

【技术实现步骤摘要】
一种车载边缘计算中基于匹配算法的任务分配策略
本专利技术属于边缘计算领域，具体涉及一种应用在车联网场景中对路边单元的选择与待卸载任务的分配，能够保证车辆及边缘服务器的延时阈值、计算能力约束的基础上对车辆与边缘服务器之间的匹配进行优化，获得更小的时延，有效的解决和车辆与路边单元的计算资源分配问题。
技术介绍
：随着无线通信技术和车联网技术的迅猛发展，自动驾驶、车载视频等智能交通应用不断增多。这些应用程序的成功实现需要处理大量计算复杂度高、延迟敏感性严格的任务。由于车辆的处理能力有限，任务必须通过蜂窝网络从车辆上卸载到远程云服务器进行处理。然而这种方法不仅给已经拥挤不堪的蜂窝网络带来了更沉重的负担，而且由于车辆与云之间过远的距离造成了较高的计算延迟。为了应对这一挑战，将边缘计算与车联网相结合的车载边缘计算已经成为一种有效的解决方案。在移动边缘计算中，任务卸载是最重要的问题之一。在网络边缘处理任务具有以下优点：首先，它可以减轻网络负载。这是因为大量的数据不需要通过整个网络，并且避免了任务的重复卸载，有效提高了服务质量。其次，由于车辆和边缘服务器之间的距离较近，可以减少计算延迟。最后，它可以本文档来自技高网...

【技术保护点】
1.一种应用在车载边缘计算场景中的对路边单元选择及任务卸载的计算任务分配策略，其特征在于所考虑的三层车载边缘计算构架包括中心控制层、分布式车载边缘计算层与车联网层：①中心控制层负责任务分配与跨区管理，设置一个通信范围足够大的宏基站位于路段的中央以确保可以与所有车辆通信，且宏基站与云服务器相连并获得计算资源；②分布式边缘计算层沿单行路部署M个不同覆盖半径的路边单元并将其集合及索引分别定义为

【技术特征摘要】
1.一种应用在车载边缘计算场景中的对路边单元选择及任务卸载的计算任务分配策略，其特征在于所考虑的三层车载边缘计算构架包括中心控制层、分布式车载边缘计算层与车联网层：①中心控制层负责任务分配与跨区管理，设置一个通信范围足够大的宏基站位于路段的中央以确保可以与所有车辆通信，且宏基站与云服务器相连并获得计算资源；②分布式边缘计算层沿单行路部署M个不同覆盖半径的路边单元并将其集合及索引分别定义为和将RSUm的覆盖半径定义为rm并基于覆盖半径将路段划分为M段，且只有当车辆驶入RSUm的覆盖范围时才可以与之通信；对于每个RSUm都与一个服务器与之对应，其计算能力为δm；为便于叙述，将宏基站定义为RSU0且其对应的索引与计算能力为m＝0与δ0；③车联网层由N个同向行驶的车辆构成，并将其集合和索引分别定义为及将车速及加速度分别定义为vn与an；对每个Vn，假设其在进入路段时产生一个任务，并用{Dn,Cn,τn}分别代表数据量大小、计算资源需求量与时延容忍阈值；则任务卸载与处理过程进一步包括1)建立任务卸载延迟模型：基于匀速模型、车辆跟随模型及行驶时间统计模型分别得到不同的任务卸载延迟模型，使其适用于多种路段；2)任务分配策略：分别应用一对一与一对多匹配算法对所提出的问题进行求解，得到在约束条件的最佳任务分配方案。2.如权利要求1所述的任务卸载延迟模型，其特征在于总延时为车辆进入路段与接收到结果的时间差，包括等待时延、数据传输时延、任务计算时延和跨区时延，进一步包括：1)等待时延：当车辆Vn进入RSUm的覆盖范围时才可以与之通信，这一进入时间称为等待时延考虑到路边单元按索引从路的最左端到最右端依次排列，并假设车从最左侧进入路段，则车辆进入RSUm覆盖范围之前的距离表示为则在不同的速度模型下，等待时延进一步表示为：①匀速模型：车Vn的速度为vn，则等待时间表示为：②车辆跟随模型：该模型包括减速(以加速度an)、停止与加速(以加速度a′n)三个阶段，则减速阶行驶的路程与时间分别表示为停止阶段为等待红绿灯，这个时间表示为其中Tmax表示红灯的持续时间，βn表示剩余等待红灯的时间与红灯持续时间的比值，这取决于车辆达到红绿灯的时刻；在加速阶段，车辆行驶的路程与时间分别表示为综上所述，车辆Vn的总行驶距离及时间分别表示为考虑到路上共有K个红绿灯，则等待时延表示为其中k′n表示车辆遇到的红绿灯个数，表示匀速行驶距离，表示路过红绿灯的总时间；③行驶时间统计模型：复杂场景中，行驶时间遵从Gamma分布，当车辆行驶距离为dn、行驶时间为tn时，Gamma分布Ga(dn,θ)的概率分布函数表示为其中dn为形状参数，θ为尺度参数，Gamma函数Γ(dn)表示为因此，当车辆运动距离dn＝Sm时，等待时延服从Gamma分布，即tn～Ga(dn,θ)；则等待时延的期望表示为2)数据传输时延：假设每辆车都分配一个正交信道，即车辆之间不存在干扰，则车Vn与路边单元RSUm之间的信噪比表示为其中Pt为车辆的传输功率，可以看作为恒定值；N0为加性高斯白噪声的功率；gn,m为车辆Vn与路边单元RSUm之间的路径增益；由于车辆的移动性，信道状态在迅速变化并且难以获得即时信息，为简化起见，忽略小尺度衰落并将信道增益定义为其中α为路径损耗指数；因此车辆Vn的传输速率表示为Rn,m＝Blog(1+γn,m)其中B为信道带宽，并假设所有车的带宽相同；则数据传输时延为需要注意的是，数据传输时延必须不大于车辆在RSUm覆盖范围的滞留时间匀速模型、车辆跟随模型和行驶时间统计模型的滞留时间分别如下表示特别注意的是，当任务被卸载到了宏基站时，它将会由远端云处理器进行计算，此时需要附加一个宏基站与云服务器之间的额外时延Tloud，则车辆Vn传输任务到宏基站的时延表示为其中Rn,0表示车辆Vn传输任务到宏基站的数据传输速率；3)任务计算时间：当车辆Vn产生的任务被卸载到RSUm...

【专利技术属性】
技术研发人员：周振宇，刘朋矩，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京,11