一种基于多源任务线的智能城市运行的方法和系统技术方案

本发明专利技术公开了一种基于多源任务线的智能城市运行的方法和系统，方法主要包括对于智能城市运行中的任一个数据分析运算需求，拆分为一个本地计算任务线，以及一个或者多个云端计算任务线；按照效用最优的原则，确定云端服务器的数据计算量和计算线程数，进而确定云端服务器可承担的任务线数以及任务线的预期完成时间；按照使得一个数据分析运算需求的所述本地计算任务线和云端计算任务线最大化并行的方式，将拆分的所述云端计算任务线分配给适当的云端服务器。系统主要包括云端服务器、本地终端、任务调度控制器和协调器。通过该系统和方法，实现多任务线计算执行计算任务，提高计算和传输效率，使得整体效益达到最大化。

【技术实现步骤摘要】
一种基于多源任务线的智能城市运行的方法和系统
本专利技术涉及智能城市多源任务线
，特别涉及一种基于多源任务线的智能城市运行的方法和系统。
技术介绍
智能城市是以无线物联网为媒介并且覆盖整个城市范围的智能化系统，城市中各类的传感设施、监控设施、门禁刷卡设施、交通设施、照明设施、多媒体设施等，均可以利用无线物联网进行数据的上传和下载，从而在数据采集和分析的基础上，实现自身预定的智能化功能，例如，传感设施对城市区域的温度、湿度、光照度等状况进行分析，监控设施和门禁刷卡设施在人脸等人体特征量识别的基础上进行身份验证、通行控制和可疑报警等，交通设施实现交通限流和通行指挥等等，从而支撑整个智能城市的运行。如上文所述，智能城市的运行离不开数据的分析运算，其中大部分数据分析运算具有较大的运算量和数据处理量，随着智能化向深度方向发展，数据分析运算的运算量和数据量的量级显著加大，单个智能设施本地计算的处理能力、数据存储能力、电池待机等方面都已经逐步无法胜任。云计算提出前端的智能设施只负责基本的数据采集和结果反馈、动作执行等，将数据分析运算上移到云端的服务器，利用服务器强大的运算能力加以执行。但是，在智能城市的规模和数据量级下，云计算会增加中间环节，导致通信负荷增大，数据运算的开销增大，同时智能设施的响应速度下降。可见，对于智能城市运行来说，数据分析运算需要在本地计算和云端计算之间实现最优化的平衡，将运算任务在本地和云端进行拆解和分配，使得整体效益达到最优化。另外，智能城市物联网的覆盖空间和网络规模庞大，导致数据分析运算任务的源头众多，呈现出多源任务线并行的特征。对涉及数据分析运算的多源、并发的任务线，如何实现在本地计算和云端计算之间实现有效动态管理，保持任务线整体的平滑，避免过多的停滞中断，也是需要解决的问题。
技术实现思路
(一)专利技术目的为克服上述现有技术存在的至少一种缺陷，通过一种基于多源任务线的智能城市运行的方法和系统，将计算任务分配到本地计算任务线和云端任务线上再进行计算，实现多源任务线的计算和处理，数据分析运算在本地计算和云端计算之间实现最优化的平衡，将运算任务在本地和云端进行拆解和分配，使得整体效益达到最优化。(二)技术方案作为本专利技术的第一方面，本专利技术公开了一种基于多源任务线的智能城市运行的方法，包括以下步骤：对于智能城市运行中的任一个数据分析运算需求，拆分为一个本地计算任务线，以及一个或者多个云端计算任务线；按照效用最优的原则，确定云端服务器的数据计算量和计算线程数，进而确定云端服务器可承担的任务线数以及任务线的预期完成时间；按照使得一个数据分析运算需求的所述本地计算任务线和云端计算任务线最大化并行的方式，将拆分的所述云端计算任务线分配给适当的云端服务器。在一种可能的实施方式中，所述将任一个数据分析运算需求拆分为一个本地计算任务线，以及一个或者多个云端计算任务线的具体方式，包括：将该数据分析运算需求拆分为一个本地计算的任务线MkL，以及一个或者多个云端计算任务线MkC1,MkC2...MkCn...；其中本地计算任务线MkL对应的运算数据量为DkL，一个或者多个云端计算任务线MkC1,MkC2...MkCn...总体对应的运算数据量为DkC；其中Dk＝εDkL+(1-ε)DkC；ε表示为本地计算和云端计算的拆分比例，0≤ε≤1；其中本地计算任务线MkL的计算时延为tkL，云端计算任务线MkC1,MkC2...MkCn...的计算时延分别为tkC1,tkC2...tkCn...；则计算所述拆分比例ε的方式为：在满足约束条件即0≤tkL,tkC1,tkC2...tkCn...≤tmax的前提下，使得max(tkL,tkC1,tkC2...tkCn)最小的ε；其中tmax为最大允许的时延；在确定了ε的基础上，根据可用的云端服务器的数量，决定云端计算拆分的任务线MkC1,MkC2...MkCn...的数量。在一种可能的实施方式中，所述确定云端服务器的数据计算量和计算线程数，进而确定云端服务器可承担的任务线数以及任务线的预期完成时间的具体方式，包括：定义本地计算的开销为其中n为本地终端的编号，表示第n个本地终端的总开销，表示时间开销权重，表示时间开销，其中是本地终端本地单位时间可启用的计算线程数，dn表示本地终端的任务线成功完成计算所开启的计算线程数，表示运算资源开销权重，是运算资源开销，其中是每个计算线程的运算资源开销，为单位数据量的运算资源开销；云端服务器针对第n台本地终端上传的计算任务进行云端计算的开销为其中，表示将计算任务从本地终端上传到云端服务器的时间，表示云端服务器的计算时间，其中C是云端服务器单位时间可启用的计算线程数，πn表示云端服务器在完成计算任务后获得的收益值；云端服务器的综合效用为其中R表示云端服务器的综合效用，k为该云端服务器所对应的任务线，共K个任务线利用云端服务器执行计算；Nk为第k个任务线中在效用统计窗口内成功完成计算的数量，πk表示第k个任务线每次成功完成计算后云端服务器获得的收益值，prb表示云端服务器的单位数据计算量的成本，prd表示云端服务器的单位计算线程数的成本，bk表示第k个任务线每次成功完成计算所承担的数据计算量，dk表示第k个任务线每次成功完成计算所开启的计算线程数；进而，设置本地终端开销大于云端服务器的开销为约束条件，以云端服务器的综合效用R最大化为目标，求解bk，dk以及πk；参照bk，dk以及πk，将计算任务分配给云端服务器，即根据云端服务器的综合效用R最大化，获得对于第k个任务线，云端服务器所承担的数据计算量和计算线程数，根据该数据计算量和计算线程数决定云端服务器承担的计算。在一种可能的实施方式中，所述将任一个数据分析运算需求拆分为一个本地计算任务线，以及一个或者多个云端计算任务线，确定云端服务器的数据计算量和计算线程数，进而确定云端服务器可承担的任务线数以及任务线的预期完成时间的具体方式，包括：在为云端服务器确定了其所承担的数据计算量和计算线程数之后，则针对每个数据分析运算需求拆分出来的云端任务线，根据云端服务器的承担的所承担的数据计算量和计算线程数，确定将任务线分配给云端服务器面临的排队周期，进而本地计算任务线和云端计算任务线最大化并行的条件下，将云端任务线分配给适当的云端服务器。作为本专利技术的第二方面，本专利技术还公开了一种基于多源任务线的智能城市运行的系统，包括：云端服务器，本地终端，任务调度控制器，协调器。所述任务调度控制器为整个网络的中心计算设备，下面连接着所述协调器，所述协调器将任务分配给云端计算任务线和本地计算任务线，云端计算任务线上有所述云端服务器，本地计算任务线上有所述本地终端。所述本地终端承担本地任务的计算，所述云端服务器承担云端任务的计算。云端计算任务线和本地计算任务线进行边缘计算，并将计算后的数据传递给所述任务调度控制器。所述任务调度本文档来自技高网...

【技术保护点】
1.一种基于多源任务线的智能城市运行的方法，其特征在于，包括：/n对于智能城市运行中的任一个数据分析运算需求，拆分为一个本地计算任务线，以及一个或者多个云端计算任务线；/n按照效用最优的原则，确定云端服务器的数据计算量和计算线程数，进而确定云端服务器可承担的任务线数以及任务线的预期完成时间；/n按照使得一个数据分析运算需求的所述本地计算任务线和云端计算任务线最大化并行的方式，将拆分的所述云端计算任务线分配给适当的云端服务器。/n

【技术特征摘要】
1.一种基于多源任务线的智能城市运行的方法，其特征在于，包括：
对于智能城市运行中的任一个数据分析运算需求，拆分为一个本地计算任务线，以及一个或者多个云端计算任务线；
按照效用最优的原则，确定云端服务器的数据计算量和计算线程数，进而确定云端服务器可承担的任务线数以及任务线的预期完成时间；
按照使得一个数据分析运算需求的所述本地计算任务线和云端计算任务线最大化并行的方式，将拆分的所述云端计算任务线分配给适当的云端服务器。


2.根据权利要求1所述的方法，其特征在于，将任一个数据分析运算需求拆分为一个本地计算任务线，以及一个或者多个云端计算任务线的具体方式为：
将该数据分析运算需求拆分为一个本地计算任务线MkL，以及一个或者多个云端计算任务线MkC1,MkC2...MkCn...；其中本地计算任务线MkL对应的运算数据量为DkL，一个或者多个云端计算任务线MkC1,MkC2...MkCn...总体对应的运算数据量为DkC；
其中Dk＝εDkL+(1-ε)DkC；
ε表示为本地计算和云端计算的拆分比例，0≤ε≤1；
其中本地计算任务线MkL的计算时延为tkL，云端计算任务线MkC1,MkC2...MkCn...的计算时延分别为tkC1,tkC2...tkCn...；
则计算所述拆分比例ε的方式为：在满足约束条件即0≤tkL,tkC1,tkC2...tkCn...≤tmax的前提下，使得max(tkL,tkC1,tkC2...tkCn)最小的ε；其中tmax为最大允许的时延；
在确定了ε的基础上，根据可用的云端服务器的数量，决定云端计算拆分的任务线MkC1,MkC2...MkCn...的数量。


3.根据权利要求1所述的方法，其特征在于，所述确定云端服务器的数据计算量和计算线程数，进而确定云端服务器可承担的任务线数以及任务线的预期完成时间的具体方式为：
定义本地计算的开销为其中n为本地终端的编号，表示第n个本地终端的总开销，表示时间开销权重，表示时间开销，其中是本地终端本地单位时间可启用的计算线程数，dn可以用单个线程单位时间的计算量为单位表示，表示运算资源开销权重，是运算资源开销，其中是每个计算线程的运算资源开销，为单位数据量的运算资源开销，bn是本地终端的处理数据量；
云端服务器针对第n台本地终端上传的计算任务进行云端计算的开销为其中，表示将计算任务从本地终端上传到云端服务器的时间，表示云端服务器的计算时间，其中C是云端服务器单位时间可启用的计算线程数，πn表示云端服务器在完成计算任务后获得的收益值；
云端服务器的综合效用为
其中R表示云端服务器的综合效用，k为该云端服务器所对应的任务线，共K个任务线利用云端服务器执行计算；Nk为第k个任务线中在效用统计窗口内成功完成计算的数量，πk表示第k个任务线每次成功完成计算后云端服务器获得的收益值，prb表示云端服务器的单位数据计算量的成本，prd表示云端服务器的单位计算线程数的成本，bk表示第k个任务线每次成功完成计算所承担的数据计算量，dk表示第k个任务线每次成功完成计算所开启的计算线程数，gk表示第k个任务线每次成功完成计算后云端服务器的成本；
进而，设置本地终端开销大于云端服务器的开销为约束条件，以云端服务器的综合效用R最大化为目标，求解bk，dk以及πk；
参照bk，dk以及πk，将计算任务分配给云端服务器，即根据云端服务器的综合效用R最大化，获得对于第k个任务线，云端服务器所承担的数据计算量和计算线程数，根据该数据计算量和计算线程数决定云端服务器承担的计算。


4.根据权利要求1-3中任意一项所述的方法，其特征在于，
在为云端服务器确定了其所承担的数据计算量和计算线程数之后，则针对每个数据分析运算需求拆分出来的云端任务线，根据云端服务器的承担的所承担的数据计算量和计算线程数，确定将任务线分配给云端服务器面临的排队周期，进而本地计算任务线和云端计算任务线最大化并行的条件下，将云端任务线分配给适当的云端服务器。


5.一种基于多源任务...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：重庆特斯联智慧科技股份有限公司，
类型：发明
国别省市：重庆;50