空地一体化车联网中基于意图感知的任务卸载方法技术

本发明专利技术提供一种空地一体化车联网中基于意图感知的任务卸载方法，包括构建系统模型；模型的细化；高可靠低时延约束与优化问题的提出；优化问题的转化与轨迹相似度估计；基于意图的任务卸载方法。本发明专利技术将用户体验质量模型、高可靠低时延约束和轨迹相似度估计与强化学习结合起来用于选择边缘服务器，实现了用户体验质量感知、高可靠低时延感知和轨迹相似度感知的三维用户意图感知。还考虑了队列长度的尾部分布，对极端事件的发生概率、长期平均时间下超额积压的条件均值以及方差进行约束，减少了队列时延，提升了队列稳定性并且不需要经过多跳转发，显著地降低了端到端时延，提高了任务卸载成功的次数。

【技术实现步骤摘要】
空地一体化车联网中基于意图感知的任务卸载方法
本专利技术属于智能交通
，具体涉及一种空地一体化车联网中基于意图感知的任务卸载方法。
技术介绍
空地一体化车辆边缘计算(Air-groundIntegratedVehicularEdgeComputing，AGI-VEC)作为下一代智能交通系统(IntelligentTransportationSystems，ITS)的关键技术之一，整合了空基网络和地基网络中的通信、计算和存储资源，满足了车联网设备不断增长的计算需求，并且提供了一种新的车辆边缘计算架构。在该架构的空基网络中，无人机(UnmannedAerialVehicles，UAVs)可以作为边缘服务器，灵活地为用户车辆(UserVehicle，UV)提供通信和计算服务；在地基网络中，配备有边缘计算基础设施的地面基站(BaseStation，BS)，可以为用户车辆提供无线电接入和计算服务。因此，用户车辆可以接入大量密集部署的边缘服务器，并且可以将其任务卸载到附近的边缘服务器中进行计算。与传统的云计算架构相比，空地一体化车辆边缘计算架构具有无本文档来自技高网...

【技术保护点】
1.空地一体化车联网中基于意图感知的任务卸载方法，其特征在于，包括五个步骤：/nS1.构建系统模型；/nS2.模型的细化；/nS3.高可靠低时延约束与优化问题的提出；/nS4.优化问题的转化与轨迹相似度估计；/nS5.基于意图的任务卸载方法。/n

【技术特征摘要】
1.空地一体化车联网中基于意图感知的任务卸载方法，其特征在于，包括五个步骤：
S1.构建系统模型；
S2.模型的细化；
S3.高可靠低时延约束与优化问题的提出；
S4.优化问题的转化与轨迹相似度估计；
S5.基于意图的任务卸载方法。


2.根据权利要求1所述的空地一体化车联网中基于意图感知的任务卸载方法，其特征在于，具体的包括以下步骤：
S1.构建系统模型
在一个空地一体化车联网中，作为边缘服务器的无人机s1、s2、s3和配备有边缘计算基础设施的基站s4、s5、s6、s7组成了空基和地基两张网络，为用户车辆提供通信和计算资源；其中，N个无人机和M个基站可以作为N+M个边缘服务器，其集合被定义为S＝{s1,…,sN,sN+1,…,sN+M}；
采用时隙模型，将整个优化时间划分为T个时隙，其集合定义为T＝{1,…,t,…,T}；在每一个时隙内，信道状态信息CSI保持不变；而在不同的时隙之间，信道状态信息会发生改变；
S2.模型的细化
(1)任务数据传输
采用任务划分模型，将用户车辆产生的任务划分为大小为ρ的A(t)个子任务；这些子任务暂时存储在用户车辆的本地缓冲区，然后被卸载到边缘服务器中进行计算，用户车辆的本地缓冲区形成了一个数据队列，其公式为：
Q(t+1)＝max{Q(t)+ρA(t)-U(t),0}+Y(t+1)(1)
其中Q(t)表示第t个时隙存储在用户车辆本地缓冲区上的数据量，U(t)表示第t个时隙卸载到边缘服务器上的数据量，ρA(t)表示新产生的数据量，Y(t+1)表示由于任务卸载失败而需要在第(t+1)个时隙重传的数据量；
当用户车辆选择不同的边缘服务器时，路径损耗和信噪比是不同的：
1)若用户车辆在第t个时隙选择无人机sn进行任务卸载，即xn,t＝1,sn∈St,n＝1,...,N，则用户车辆与无人机通信链路的信噪比为：



其中δ2是噪声功率，是传输功率，Ln,t为用户车辆与无人机间的路径损耗；
2)若用户车辆选择基站作为边缘服务器进行任务卸载，其通信链路的信噪比为：



其中G0,n,t代表用户车辆与基站通信链路的信道增益；
根据信噪比可以得出数据的传输速率Rn,t，从而进一步得到卸载到边缘服务器的数据量un,t，其公式如下：
Rn,t＝B0log2(1+γ0,n,t)(5)
un,t＝min{Q(t)+ρA(t),τRn,t}(6)
其中τ为固定的传输时间，则用户车辆的吞吐量为：



其中xn,t表示用户车辆在第t个时隙对边缘服务器sn的选择情况，当xn,t＝1时，代表用户车辆在第t个时隙选择sn进行任务卸载；传输时延为：



(2)任务数据计算
边缘服务器在第t个时隙的计算时延为：



其中λ表示计算复杂度，即处理1bit任务数据所需的CPU周期数，表示每秒可用于数据计算的CPU周期数；
(3)结果回传
选定的边缘服务器sn在完成数据计算后，会将计算结果回传给用户车辆；根据比较sn的通信半径与传输距离r′n,t的大小，回传时延表示为：



其中wn,t表示在第t个时隙结果数据大小与任务数据大小之间的比值，表示计算结果需要在其它基站或无人机的辅助下以多跳的方式回传给用户车辆的时延，比直接回传时延大；
(4)切换时延
当任务数据在两个连续的时隙中被卸载到不同的边缘服务器时，则产生切换时延：



其中是用户车辆切换一次边缘服务器的时延，ψ(t)表示用户车辆在第t个时隙选择的边缘服务器，ψ(t)＝sn等价于xn,t＝1；I{x}是一个示性函数，当事件x为真时，I{x}＝1，否则I{x}＝0；
(5)端到端时延
第t个时隙的端到端时延包含：切换时延、传输时延、计算时延和回传时延，表示为：



其中τmax为特定的任务卸载时延需求；若无法在指定的时延需求内将结果回传给用户车辆，则任务卸载失败，因此，第(t+1)个时隙需要重传的数据量为：



(6)用户体验质量模型
用户体验质量由用户车辆在任务卸载过程中的端到端时延和吞吐量共同决定，具体模型如下：



其中α代表位移以及端到端时延与吞吐量的加权比值，即β代表函数的斜率，ζ是一个正数，用于调整数量级；
S3.高可靠低时延约束与优化问题的提出
(1)高可靠低时延约束
根据里特定律，将平均数据队列积压与平均数据到达率之比定义为平均排队时延，则本地缓冲区的排队时延为：



其中是本地缓冲区的平均数据到达率，计算公式如下：



为了保证数据任务高可靠低时延的需求，除了考虑平均排队时延以外，同时还要考虑队列长度的尾部分布；定义极端事件的概念为用户车辆的本地缓冲区任务积压超过本地数据队列的长度，可以得出用户车辆本地缓冲区的队列超额积压为：



其中为队列时延约束；极端事件的发生概率、长期平均时间的条件均值和方差应该被限定在一定的范围内；
根据Pickands-Balkema-deHaan定理，超额数据...

【专利技术属性】
技术研发人员：周振宇，杨秀敏，陈心怡，廖海君，汪中原，张磊，赵雄文，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11