一种基于MEC的软件定义车联网服务迁移方法技术

本发明专利技术属于车联网无线短距离通信技术领域，具体涉及一种基于MEC的软件定义车联网服务迁移方法，该方法包括：根据车联网服务迁移的优化目标确定车辆用户的时延函数；采用Dijkstra路由算法确定车辆任务的最优路径，并采用Q‑learning算法优化车辆任务迁移时延函数，得到车辆用户时延函数的最优值，采用时延函数最优值的服务器进行任务的迁移；本发明专利技术结合SDN,虚拟机和车联网确定车联网服务迁移方法，实现了车联网服务迁移的最优迁移方式。

【技术实现步骤摘要】
一种基于MEC的软件定义车联网服务迁移方法
本专利技术属于车联网无线短距离通信
，具体涉及一种基于MEC的软件定义车联网服务迁移方法。
技术介绍
车联网作为物联网理论在智能交通系统最有潜力的发展和应用，己经得到了国内外的广泛关注和研究。在过去的十年中，汽车行业硬件和软件技术发展迅速，大量的服务和应用程序，各种先进的通信技术，使驾驶更安全、更舒适。汽车行业已经投入了大量的资源来实现车辆自动化，汽车自动驾驶技术得到了快速发展。这些自动驾驶的智能汽车运行着大量的计算密集型应用程序，这些应用程序需要云辅助来进行数据处理和存储。然而，汽车终端的计算能力是有限的。移动边缘计算(MEC)被认为是一种很有前途的解决方案，它将云服务推向无线接入网络的边缘，并在接近移动车辆终端的地方提供基于云的计算卸载。软件定义网络(SDN)的概念在促进数据调度、提高车辆网络的资源利用率和增强服务管理方面显示出巨大潜力。SDN的核心思想是控制平面和数据平面的分离。具有全局网络知识的SDN控制器通过控制平面为路边单元(RSU)、基站(BS)和车辆等网络节点制定数据广播和转发规则。结果，SDN控制器可以通过基于全局视图制定调度决策来定义单个车辆、RSU和BS的行为。资源虚拟化是云资源分配和管理的关键支持技术之一。它允许以虚拟机(VM)的形式在共享的硬件平台上同时执行各种租户的任务。为了促进负载平衡、故障管理、服务器维护等，传统的云数据中心倡导实时VM迁移。但是，基于路边云(RSC)的车辆云计算(VCC)与传统云计算平台的主要区别在于云资源高度分散和用户高度动态。这使基于RSC的VCC中的VM迁移更具挑战性，且用户服务体验较差。
技术实现思路
为解决以上现有技术存在的问题，本专利技术提出了一种基于MEC的软件定义车联网服务迁移方法，该方法包括：车辆用户在行驶过程中将产生的计算任务输入到车联网；车联网根据计算任务进行任务迁移；采用Dijkstra路由算法对任务迁移路径进行选取，得到最优路径；根据最优路径确定车辆用户的优化目标，根据优化目标计算车辆用户的时延函数；采用Q-learning算法对时延函数进行优化，得到最优时延函数；根据最优时延函数计算迁移的奖励函数，当奖励函数最大时，为该任务迁移路径为最优迁移方案；其中，MEC表示移动边缘计算，Dijkstra路由算法表示迪杰斯特拉路由算法，Q-learning表示强化学习算法。优选的，车辆用户产生的计算任务包括本地执行、原始路边单元执行和目标路边单元执行三部分；车辆用户在进行移动时，任务从原始路边单元迁移到目的路边单元，使得虚拟机VM发生迁移；虚拟机在进行迁移过程中从原始路边单元到目的路边单元的多条迁移路径中选择一条最优的路径进行迁移，在最优路径下优化虚拟机的迁移时间。优选的，采用Dijkstra路由算法对任务迁移路径进行选取的过程包括：步骤1：获取城市分布模型图G(S,E,W)，在图中确定起点路边单元A和目的路边单元B的位置；步骤2：根据城市分布模型图计算图中不同节点对应的权值矩阵D，并生成初始节点V＝ones(1,n)；步骤3：根据权值矩阵D计算初始节点到下一节点中所有路径的距离，选取最短距离的路径作为两个节点之间的最优子路径；步骤4：以最优子路径的终点作为新的路径的起点，计算下一节点中所有路径的距离，选取最短距离的路径作为这两个节点的最优子路径；步骤5：重复步骤4，直到任务迁移到目的路边单元为止；步骤6：根据所有的最优子路径采用回溯法从目的路边单元到起点路边单元的反向搜索路径，得到通信链路I、路径的服务器数以及最短迁移路径。优选的，车联网服务迁移的优化目标包括：车辆将部分数据传输给路边单元的时延函数tT，车辆本地计算时间函数tl，原始MEC服务器边缘计算时延函数tio，目的MEC服务器边缘计算时延函数tid，虚拟机迁移时间Tmig以及虚拟机宕机时间Tdown。优选的，根据车联网服务迁移的优化目标确定车辆用户的时延函数为：对车联网服务迁移的优化目标进行加权和，得到车辆用户的时延函数，其表达式为：优选的，采用Q-learning算法对时延函数进行优化的具体步骤为：步骤1：根据车辆用户的任务迁移状态和优化目标抽象出目标函数，通过目标函数获取车辆用户的状态集S(R,L)和行为集A(λ,N)；步骤2：根据车辆用户的状态集和行为集构建Q矩阵，对Q矩阵进行初始化；Q-learning算法的Q矩阵是一个以状态为行、动作为列的矩阵，在最初对Q矩阵进行初始化，将其中的值全部置为0；步骤3：车俩用户随机选取状态集中的一个初始状态S，根据初始状态采用贪婪策略得到对应的行为；步骤4：采用Q值公式对选取的行为进行状态更新，即对Q矩阵中不同行为所得奖励进行更新，对应的值为不同状态下采取不同行为所得的奖励；步骤5：将更新后的状态作为当前任务的状态进行下一次任务状态更新；不断重复步骤3、4、5，直至Q矩阵收敛；步骤6：当Q矩阵收敛时，通过Q矩阵得到每个状态的最优奖励r；步骤7：将所有最优奖励相加，得到最终奖励TM；当TM最大时，为该任务迁移路径为最优迁移方案。进一步的，Q值计算公式为：Q(s,a)←Q(s,a)+α[r(s,a)+γmaxQ(s′,a′)-Q(s,a)]进一步的，最终奖励TM的表达式为：本专利技术结合SDN、虚拟机和车联网确定车联网服务迁移方法，实现了车联网服务迁移的最优迁移方式；本专利技术通过通过路由Dijkstra算法在城市基站分布中找到最优迁移路径以减少资源浪费以及时间消耗，之后通过Q学习算法优化本次迁移，从而改善用户体验，降低了时间复杂度，减少了用户的总时延，给用户更好的体验。附图说明图1为本专利技术的车联网中基于MEC的软件定义车联网架构模型图；图2为本专利技术的车联网中基于MEC缓存服务的资源分配实施流程图；图3为本专利技术的车联网中基于MEC软件定义的虚拟机服务迁移实施流程图；图4为本专利技术迁移前后车辆用户任务计算总时延对比图；图5为本专利技术在不同数据量下平均时延的对比图；图6为本专利技术基于路径选择和Q学习的虚拟机迁移算法与MDP、AMEChe和OHBAC等方法在不同迁移数据下迁移时间对比图；图7为本专利技术的迁移算法与AMEChe,MDP和OHBAC等策略的迁移失败率的对比；图8为本专利技术基于路径寻找和Q学习的迁移算法与AEEChe、MDP和OHBAC等策略执行的VM迁移百分比对比图；图9为本专利技术的Q-learning状态过程转化图。具体实施方式为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将结合附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在不付出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。一种基本文档来自技高网...

【技术保护点】
1.一种基于MEC的软件定义车联网服务迁移方法，其特征在于，该方法包括：车辆用户在行驶过程中将产生的计算任务输入到车联网；车联网根据计算任务进行任务迁移；采用Dijkstra路由算法对任务迁移路径进行选取，得到最优路径；根据最优路径确定车辆用户的优化目标，根据优化目标计算车辆用户的时延函数；采用Q-learning算法对时延函数进行优化，得到最优时延函数；根据最优时延函数计算迁移的奖励函数，当奖励函数最大时，为该任务迁移路径为最优迁移方案；其中，MEC表示移动边缘计算，Dijkstra路由算法表示迪杰斯特拉路由算法，Q-learning表示强化学习算法。/n

【技术特征摘要】
1.一种基于MEC的软件定义车联网服务迁移方法，其特征在于，该方法包括：车辆用户在行驶过程中将产生的计算任务输入到车联网；车联网根据计算任务进行任务迁移；采用Dijkstra路由算法对任务迁移路径进行选取，得到最优路径；根据最优路径确定车辆用户的优化目标，根据优化目标计算车辆用户的时延函数；采用Q-learning算法对时延函数进行优化，得到最优时延函数；根据最优时延函数计算迁移的奖励函数，当奖励函数最大时，为该任务迁移路径为最优迁移方案；其中，MEC表示移动边缘计算，Dijkstra路由算法表示迪杰斯特拉路由算法，Q-learning表示强化学习算法。


2.根据权利要求1所述的一种基于MEC的软件定义车联网服务迁移方法，其特征在于，车辆用户产生的计算任务包括本地执行、原始路边单元执行和目标路边单元执行三部分；车辆用户在进行移动时，任务从原始路边单元迁移到目的路边单元，使得虚拟机VM发生迁移；虚拟机在进行迁移过程中从原始路边单元到目的路边单元的多条迁移路径中选择一条最优的路径进行迁移，在最优路径下优化虚拟机的迁移时间。


3.根据权利要求1所述的一种基于MEC的软件定义车联网服务迁移方法，其特征在于，采用Dijkstra路由算法对任务迁移路径进行选取的过程包括：
步骤1：获取城市分布模型图G(S,E,W)，在图中确定起点路边单元A和目的路边单元B的位置；
步骤2：根据城市分布模型图计算图中不同节点对应的权值矩阵D，并生成初始节点V＝ones(1,n)；
步骤3：根据权值矩阵D计算初始节点到下一节点中所有路径的距离，选取最短距离的路径作为两个节点之间的最优子路径；
步骤4：以最优子路径的终点作为新的路径的起点，计算下一节点中所有路径的距离，选取最短距离的路径作为这两个节点的最优子路径；
步骤5：重复步骤4，直到任务迁移到目的路边单元为止；
步骤6：根据所有的最优子路径采用回溯法从目的路边单元到起点路边单元的反向搜索路径，得到通信链路I、路径的服务器数以及最短迁移路径。


4.根据权利要求1所述的一种基于MEC的软件定义车联网服务迁移方法，其特征在于，车联网服务迁移的优化目标包括：车辆将部分数据传输给路边单元的时延函数tT，车辆本地计算时间函数tl，原始MEC服务器边缘计算时延函数tio，目的MEC服务器边缘计算时延函数tid，虚拟机迁移时间Tmig以及虚拟机宕机时间Tdown。


5.根据权利要求1所述的一种基于MEC的软件定义车联网服务迁移方法，其特征在于，根据车联网服务迁移的优化目标确定车辆用户的时延函数为：对车联网服务迁移的优化目标进行加权和，得到车辆...

【专利技术属性】
技术研发人员：刘开健，蔡磊，张海波，张益峰，罗伊娜，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50