基于车载云及无人机的高速公路任务检测调度方法及系统技术方案

本发明专利技术提供了一种基于车载云及无人机的高速公路任务检测调度方法及其系统，本发明专利技术将无人机设置在高速公路的基站覆盖盲区，使无人机的通信区域覆盖基站覆盖盲区得到全覆盖通信区域；智能车接收来自全覆盖通信区域发送的任务；利用车载云对任务分配和计算，并将计算结果进行反馈。本发明专利技术无人机辅助VCC在高速公路上进行道路检测的方法，解决了无基站覆盖的盲区带来的问题；本发明专利技术在无人机辅助VCC的背景下设计了任务分配算法，以保证在无人机辅助VCC下任务的分配、计算和反馈的正常进行。

Highway task detection and scheduling method and system based on vehicle cloud and UAV

【技术实现步骤摘要】
基于车载云及无人机的高速公路任务检测调度方法及系统
本专利技术涉及数据分配调度，具体公开了一种基于车载云及无人机的高速公路任务检测调度方法及系统。
技术介绍
车载云计算(VCC)是利用智能车(smartvehicles,SV)的通信、存储和计算能力来实现高效的交通管理、提升道路安全。在这种情况下，每个SV可以被视为可移动的服务器，并且它们之间可以通过车载自组织网络(VANETs)进行通信。此外，多个智能车还可以协作为工作量大的服务进行计算。目前，VCC不仅能高效地完成计算密集型任务，还能增强5G和边缘计算的能力。因此，智能汽车将会被更多地应用于提高交通系统的安全性，促进智能交通系统的发展。虽然未来的SVs可以通过许多传感器对交通环境做出判断并进行自主驾驶，但交通部门仍然需要监控交通信息和控制整条公路的路况。采集的交通信息可以有效地为智能智能车决策提供帮助。尤其是在高速公路上，智能车高速行驶，任何异常因素都可能导致致命事故。因此，应该有一个监控平台来实时检测高速公路上的异常情况(例如突然出现的障碍物和突发事故等)。然后，平台可以与高速公路上即将经过该路段的SVs进行通信，对这些异常情况做出一些预防和处理措施。图1表示了用于高速公路交通监控的道路检测系统的典型部署场景。整个系统由监控平台、基站和智能车组成。基站与监控系统通信连通，监控系统作为集中式调度程序。基站覆盖区域内的智能车可以由监控系统进行调度。此外，智能车能够通过车联网(车载自组织网络)相互通信。当接收到基站对覆盖区域的检测请求时，监控系统将检测作业分成几个独立的任务，并将其分配给该区域中的那些智能车。每辆智能车将根据接收到的任务采集数据和计算任务。一旦任务完成，各个任务的结果将由其中的一辆智能车进行聚合。相应的这辆智能车称为聚合车，它将通过基站将聚合结果传输到监控平台。例如，当监控平台想要知道在图1中基站1覆盖区域下的高速公路中是否有偶然的障碍物出现时，该区域中的四辆智能车(即智能车A、智能车B、智能车C和智能车D)将从高速公路的不同路段采集数据并执行相关分析。最后，将安排一辆智能车(这里是图1中的智能车B)来聚合最终结果并通过基站1将其返回给监控平台。车载云可实时进行交通监控来行异常检测；因此可以帮助驾驶员了解道路状况。然而，两个相邻基站之间可能存在盲区，没有基站能覆盖到，对VCC的应用造成一定问题。如下所示：两辆智能车之间的相对距离是动态的。当从一辆智能车到聚合车的相对距离超出通信范围时，反馈不能被传输到聚合车。聚合车可能在完成某项任务之前驶出了基站的覆盖区域。因此，聚合车无法通过基站向监控平台发送最终反馈。两个基站之间的盲区无法与基站通信。也就是说，监控平台无法对盲区的的道路状况进行任务分发。
技术实现思路
本专利技术目的在提供一种基于车载云及无人机的高速公路任务检测调度方法及系统，以解决现有技术中高速工作上基站存在通信盲区的技术缺陷。为实现上述目的，本专利技术提供了一种基于车载云及无人机的高速公路任务检测调度方法，包括以下步骤：S1：将无人机设置在高速公路的基站覆盖盲区，使无人机的通信区域覆盖基站覆盖盲区得到全覆盖通信区域。S2：智能车接收来自全覆盖通信区域发送的任务。S3：利用车载云对任务分配和计算，并将计算结果进行反馈。进一步地，对智能车发送任务前获取智能车的移动速度，移动速度的模型为：vk(t+Δt)＝vk(t)+ak(t)·Δt其中，vk为k时刻的速度，ak(t)是智能车在k时刻的加速度，ak(t)为：acck+p和deck+p是分别智能车k加速和减速的概率，acck和deck分别表示驾驶员根据个人行为和交通状况加速或减速的概率，p表示所有智能车随机加速或减速的概率，X1、X2、X3和X4是在0和1之间均匀分布的随机变量，每辆智能车的加速度都有一个范围，用[-D，A]表示,A和D都是正数，其中A是最大加速度，D是最大减速度，acck和deck分别为：其中，AGG为常数。进一步地，根据智能车的移动速度，智能车之间的通信限制为：[vmin，vmax]为高速公路上的的速度限制区间，由于车载云之间由通信距离限制R，则：Sk，j(t)表示智能车k和j之间在t时刻的距离，两个智能车只能在Sk，j(t)≤R时能够相互通信，和分别表示为通信的开始时间和结束时间，且当k＝j时，当时，表明智能车k和j之间无法进行直接通信。进一步地，利用车载云对任务分配规则包括以下步骤：任务初始化；获取初始化后任务的子任务集并获取子任务之间的依赖关系；根据子任务的计算负载、输入数据大小、输出数据大小和本地数据大小，将子任务分配给其他智能车，存在依赖关系的子任务之间一个子任务的输出数据为另一个子任务的输入数据。进一步地，子任务之间的依赖关系为：其中，为子任务之间的依赖关系矩阵，为输入数据大小，为输出数据大小，r为任务i的子任务。进一步地，将子任务分配给其他智能车还依赖智能车智能车之间的数据传输速率：其中，W是信道带宽，是智能车k的传输功率，h是路径衰减指数，Pn是环境噪声功率。进一步地，智能车的数据采集时间为：其中，智能车k的采集速度，为本地数据大小。进一步地，为智能车k对任务i的子任务r数据的传输时间为与之依赖关系智能车的发送时间：进一步地，任务分配的模型为：其中，为任务i的子任务r的结束时间，为智能车k对任务i的子任务r的计算时间，Ck为智能车k的计算能力，为计算负载，表示任务i的子任务r是否分配给智能车k，mi为子任务的个数。依托于上述方法，本专利技术还提供了一种基于车载云及无人机的高速公路任务检测调度系统，包括处理器、存储器以及储存与存储器上的计算机程序，处理器执行计算机程序时实现上述任一的方法。本专利技术具有以下有益效果：1、本专利技术无人机辅助VCC在高速公路上进行道路检测的方法，解决了无基站覆盖的盲区带来的问题。2、本专利技术在无人机辅助VCC的背景下设计了任务分配算法，以保证在无人机辅助VCC下任务的分配、计算和反馈的正常进行。下面将参照附图，对本专利技术作进一步详细的说明。附图说明构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术
技术介绍
中提供的传统道路检测监控系统的组成部分结构示意图；图2为本专利技术提供的用于高速公路场景中道路检测的无人机辅助监控系统示意图；图3为本专利技术优选实施例提供的任务之间三种不同依赖关系的任务流图；图4为本专利技术优选实施例提供的任务卸载后的不同任务流图；图5为本专利技术优选实施例提供的通过两跳通信的任务流图；图6为本发本文档来自技高网...

【技术保护点】
1.基于车载云及无人机的高速公路任务检测调度方法，其特征在于，包括以下步骤：/n将无人机设置在高速公路的基站覆盖盲区，使所述无人机的通信区域覆盖所述基站覆盖盲区得到全覆盖通信区域；/n智能车接收来自全覆盖通信区域发送的任务；/n利用车载云对任务分配和计算，并将计算结果进行反馈。/n

【技术特征摘要】
1.基于车载云及无人机的高速公路任务检测调度方法，其特征在于，包括以下步骤：
将无人机设置在高速公路的基站覆盖盲区，使所述无人机的通信区域覆盖所述基站覆盖盲区得到全覆盖通信区域；
智能车接收来自全覆盖通信区域发送的任务；
利用车载云对任务分配和计算，并将计算结果进行反馈。


2.根据权利要求1所述的基于车载云及无人机的高速公路任务检测调度方法，其特征在于，对所述智能车发送任务前获取所述智能车的移动速度，所述移动速度的模型为：
vk(t+Δt)＝vk(t)+ak(t)·Δt
其中，vk为k时刻的速度，ak(t)是所述智能车在k时刻的加速度，ak(t)为：



acck+p和deck+p是分别智能车k加速和减速的概率，acck和deck分别表示驾驶员根据个人行为和交通状况加速或减速的概率，p表示所有智能车随机加速或减速的概率，X1、X2、X3和X4是在0和1之间均匀分布的随机变量，每辆智能车的加速度都有一个范围，用[-D，A]表示,A和D都是正数，其中A是最大加速度，D是最大减速度，acck和deck分别为：






其中，AGG为常数。


3.根据权利要求2所述的基于车载云及无人机的高速公路任务检测调度方法，其特征在于，根据所述智能车的移动速度，所述智能车之间的通信限制为：



[vmin，vmax]为高速公路上的的速度限制区间，由于车载云之间由通信距离限制R，则：






Sk，j(t)表示智能车k和j之间在t时刻的距离，两个智能车只能在Sk，j(t)≤R时能够相互通信，和分别表示为通信的开始时间和结束时间，且当k＝j时，当时，表明智能车k和j之间无法进行直接通信。


4.根据权利要求1所述的基于车载云及无人机的高速公路任务检测调度方法，其特征在于，利用车载云对任务分配规则包括以下步骤：
任务初始化；
获取初始化后任务的子任务...

【专利技术属性】
技术研发人员：郭得科，李江帆，曹晓丰，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43