车载边缘网络计算资源和通信资源的联合分配优化方法技术

本发明专利技术公开了一种车载边缘网络计算资源和通信资源的联合分配优化方法，构建一个基于移动边缘计算MEC的卸载框架，建模该框架为组合拍卖模式，在计算资源和通信资源有限的情况下，最大化边缘计算服务器提供商的利益。将车联网中的计算资源和通信资源进行组合拍卖，卖家为拥有有限计算和通信资源的MEC服务器，买家为购买计算和通信资源的任务车辆，通过将计算任务耗能多的应用程序卸载到MEC服务器，让MEC服务器运行新的复杂程序。首先用k

【技术实现步骤摘要】
车载边缘网络计算资源和通信资源的联合分配优化方法


[0001]本专利技术涉及车联网
，特别是一种车载边缘网络计算资源和通信资源的联合分配优化方法。

技术介绍

[0002]联网的车辆通过车辆
‑
基础设施(Vehicle
‑
to
‑
Infrastructure，V2I)链路与车辆
‑
车辆(Vehicle
‑
to
‑
Vehicle，V2V)链路组成车辆自组织网络。由于车载单元带来的移动应用的大幅度增长给这项技术带来了新的挑战，将计算任务卸载到云被认为是一种很有前景的方法，但远距离部署带来的骨干网络与回程网络的容量限制和延迟波动，导致车辆QoS(Quality of Service)严重下降。移动边缘计算(Mobile Edge Computing，MEC)通过在移动网络边缘提供了计算和通信服务，既满足车辆计算能力的扩展需求，也弥补了云计算时延较长的缺点。但是MEC有限的计算资源与MEC卸载系统的成本问题，会严重限制任务卸载带来的效益，而且本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车载边缘网络计算资源和通信资源的联合分配优化方法，其特征在于，车联网的体系包括车辆和MEC服务器，所述车辆在拍卖模型中充当购买计算资源和通信资源的买家，MEC服务器在拍卖模型中充当拍卖决策者和卖家，拍卖决策者由MEC服务器充当；采用MEC机器学习分类算法将车辆进行分类，根据分类后的车辆，MEC服务器将计算资源和通信资源联合拍卖；具体步骤如下：步骤S1、针对车辆的任务中不同安全等级的任务，提取车辆的任务的三个特征：可靠性要求、最低时延要求和需求的服务类型，这三个特征组成特征向量；根据车辆的任务的特征向量，通过机器学习分类算法，将车辆分为具有安全任务等级的车辆和具有非安全任务等级的车辆，MEC服务器优先为具有安全任务等级的车辆提供服务，当MEC服务器优先为具有安全任务等级的M个车辆提供服务后，才会接收非安全任务等级车辆为其提供服务，M为车联网中车辆总数目的一半；所述服务是指分配计算资源和通信资源以及对车辆的任务进行卸载；步骤S2、统计MEC服务器的计算资源和通信资源；步骤S3、车辆为任务构造出价矩阵，MEC服务器的运营商向拍卖者提供要价向量；步骤S4、拍卖者收集车辆和MEC服务器的运营商的投标信息后，投标信息包括出价矩阵和要价向量，以完成MEC服务器和车辆之间的匹配。2.根据权利要求1所述的一种车载边缘网络计算资源和通信资源的联合分配优化方法，其特征在于，步骤S1
‑
S4过程如下：步骤1、假设整个车联网中有2M个车辆，N个MEC服务器，拍卖决策者提取车辆的任务的特征：可靠性要求、最低时延要求、需求的服务类型，这三个特征组成特征向量，根据特征向量，通过k
‑
means算法，将车辆分为具有安全服务任务的车辆和具有非安全服务任务的车辆；步骤2、第j个车辆的第k个任务记为T
j，k
；其中0≤j≤2M；首先，具有安全服务任务的第j个车辆为T
j,k
构建出价矩阵B
j,k
，记为B
j,k
＝(b
j,k,1
,...,...,b
j,k,i
,...,b
j，k，N
)，其中b
j，k，i
表示T
j，k
对第i个MEC服务器的出价向量，i＝1,2
…
N，N，表示单位计算资源的出价,表示单位通信资源的出价，表示T
j,k
需要的计算资源，表示T
j,k
需要的通信资源；令其中v
j，k,i
表示第j个车辆的第k个任务对第i个MEC服务器的计算资源和通信资源的加权出价，α是权重因子；每个MEC服务器的运营商根据运营成本向拍卖者提...

【专利技术属性】
技术研发人员：封钦竞，田峰，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：