一种面向交通数据的端边协同计算卸载方法技术

为了解决现有技术中计算卸载的算法不适合智能交通领域的问题，本发明专利技术提供一种面向交通数据的端边协同计算卸载方法，首先为通信时延和计算时延建立系统模型；然后建立以时延和资源为约束条件的系统效用函数；最后设计优化策略在两者之间取得平衡。本发明专利技术在计算卸载过程中综合考虑计算资源和时延，设计优化函数去取得两者之间的平衡。本发明专利技术首先根据通信时间系统模型、边缘侧计算时间系统模型和本地计算时间系统模型，建立总时延系统模型；然后综合考虑资源分配的均衡性，设计系统效用函数；最后研究系统优化策略，完成计算卸载算法的设计。本发明专利技术针对智能交通行业应用的特点，设计过程中兼顾资源分配和时延，性能上优于传统算法。

An end-to-end collaborative computing unloading method for traffic data

【技术实现步骤摘要】
一种面向交通数据的端边协同计算卸载方法
本专利技术涉及物联网任务卸载
，特别涉及一种面向交通数据的端边协同计算卸载方法。
技术介绍
随着智能交通技术的不断发展，交通感知设备和控制系统所产生的数据不断变大，使得对数据计算处理的能力需求不断加大。处理这类需求，首先考虑到的当然是云计算技术，其优势主要是集中式的云服务器提供超强的计算能力和计算资源。然而，在智能交通系统中，处理这些计算密集型和时延敏感性任务时，由于对时延的要求比较高，而边缘计算恰好具有更接近前端设备的计算能力来消除延迟的这一特点，因此更具发展潜力。正是这些需求的不断增长促进了移动/多接入边缘计算(MEC)技术的发展。在如今5G技术兴起的浪潮下，通过移动/多接入边缘计算技术使应用、服务和内容可以实现本地化、近距离、分布式部署，来解决5G网络热点高容量、低功耗大连接以及低时延高可靠等技术场景的业务需求。在交通控制领域中，图像或视频分析大量应用了AI算法，AI算法对GPU等计算资源又有较高的要求，因此就需要研究时延最短的计算卸载算法。计算卸载是边缘计算关键技术之一，是指受资源约本文档来自技高网...

【技术保护点】
1.一种面向交通数据的端边协同计算卸载方法，其特征在于：首先为通信时延和计算时延建立系统模型；然后建立以时延和资源为约束条件的系统效用函数；最后设计优化策略在两者之间取得平衡。/n

【技术特征摘要】
1.一种面向交通数据的端边协同计算卸载方法，其特征在于：首先为通信时延和计算时延建立系统模型；然后建立以时延和资源为约束条件的系统效用函数；最后设计优化策略在两者之间取得平衡。


2.根据权利要求1所述的一种面向交通数据的端边协同计算卸载方法，其特征在于：包括以下步骤：
1)构建通信时延和计算时延模型：
101)进行相关参数进行定义，对计算进行准备，具体为：根据道路的邻近性把城市空间分成m个区域，每个区域部署一个边缘计算节点，边缘计算节点集合定义为M＝{1,…，m}；
假定有n个摄像头设备请求计算服务，每个计算任务表示为i∈N＝{1,…,n}，其中di表示第i个计算任务输入数据大小，ci表示第i个任务所需要计算资源数，Timax表示任务完成所允许的最大时延；
假定每个任务都可以选择一个边缘计算节点去执行，那么，边缘计算节点选择策略变量xij＝1表示为Di任务在第j个边缘计算服务器上执行，xij＝0则表示任务不在第j个边缘计算服务器上执行；
102)构建通信时延计算模型；
2)平衡时延与资源：
采用系统效用函数在资源和时延之间取得平衡：Ui(xij，fij)＝αlog(1+β-Ti)；其中，α是一个满意度参数，α越大，满意度越高；β用于将满意度标准化为非负的参数；整个系统的效用函数可以记为：Ti为任务处理总时延；
优化策略函数：定义x＝{xij}为边缘计算节点选择策略向量；f＝{fij}为计算资源向量，则系统最优函数为：



...

【专利技术属性】
技术研发人员：何琦，刘建圻，尹秀文，辛苗，何威，赵静，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44