一种车联网计算任务自适应卸载方法技术

本发明专利技术提供了一种车联网计算任务自适应卸载方法，基础计算模块202对车载终端10不同情况的处理时延进行量化，确定影响处理时延的因素，制定服务缓存决策；时延预测模块204建立时延预测神经网络模型，预测车载终端10任务的总处理时延，并根据处理时延确定任务的优先级，得出最优卸载策略。解决了由于不同终端携带的任务可能具有不同的优先级需求，如果不进行预处理直接对所有任务制定同样的卸载决策，最终会影响用户的使用体验的问题。最终会影响用户的使用体验的问题。最终会影响用户的使用体验的问题。

【技术实现步骤摘要】
一种车联网计算任务自适应卸载方法


[0001]本专利技术涉及计算机领域，特别是涉及一种车联网计算任务自适应卸载方法。

技术介绍

[0002]车联网是智能交通系统中的一个新兴概念，有助于解决各种交通和驾驶问题，从而在安全、高效的交通系统中起着至关重要的作用。物联网和无线技术的发展也进一步推动了具有先进功能的新兴车载应用的实现，然而，这些计算密集、时延敏感型车载应用的出现，可能会对资源有限的车辆造成很大的压力，使得车辆难以保证应用所需的服务质量。
[0003]不同终端携带的任务可能具有不同的优先级需求，如果不进行预处理直接对所有任务制定同样的卸载决策，最终会影响用户的使用体验。
[0004]鉴于此，需要提供一种车联网计算任务自适应卸载方法，能够解决上述问题。

技术实现思路

[0005]本专利技术所要解决的技术问题是：由于不同终端携带的任务可能具有不同的优先级需求，如果不进行预处理直接对所有任务制定同样的卸载决策，最终会影响用户的使用体验。因此，提供一种车联网计算任务自适应卸载方法。
[0006]本专利技术的技术方案如下：
[0007]一种车联网计算任务自适应卸载系统，包括以下部分：
[0008]车载终端、路侧单元设备、边缘服务器；
[0009]所述路侧单元设备用于作为无线接入点将接收到的任务根据不同的优先级转发给所述边缘服务器，具有计算功能；
[0010]所述路侧单元设备包括通信模块、基础计算模块、缓存模块、时延预测模块和排序模块；所述无线通信模块用于接收所述车载终端的计算任务，发送给预处理模块，所述无线通信模块还与所述边缘服务器连接，将预处理计算任务发送给所述边缘服务器；所述基础计算模块用于计算车辆n从起点移动到所述路侧单元设备的覆盖范围内产生的移动时延车辆n的任务从车辆到所述路侧单元设备的传输时延车辆n的任务从所述路侧单元设备到所述边缘服务器的传输时延车辆n的任务在所述路侧单元设备上本地处理产生的计算时延车辆n的任务在所述边缘服务器上处理产生的计算时延并根据所述缓存模块的容量制定服务缓存决策，将上述时延数据发送给所述时延预测模块；所述时延预测模块通过建立时延预测神经网络对任务的处理时延进行预测，将预测结果发送给所述排序模块；所述排序模块对任务的预测处理时延进行排序，按从小到大的顺序发送给所述通信模块。
[0011]一种车联网计算任务自适应卸载方法，包括以下步骤：
[0012]步骤S1.所述基础计算模块对所述车载终端不同情况的处理时延进行量化，确定影响处理时延的因素，制定服务缓存决策；
[0013]步骤S2.所述时延预测模块建立时延预测神经网络模型，预测车载终端任务的总
处理时延，并根据处理时延确定任务的优先级，得出最优卸载策略。
[0014]优选的，所述步骤S1包括：
[0015]对所述车载终端不同情况的处理时延进行量化，影响车辆n任务的总处理时延T
n
的因素主要有：车辆n从起点移动到路侧单元设备的覆盖范围内产生的移动时延车辆n的任务从车辆到路侧单元设备的传输时延车辆n的任务从路侧单元设备到边缘服务器的传输时延车辆n的任务在路侧单元设备上本地处理产生的计算时延车辆n的任务在边缘服务器上处理产生的计算时延其计算过程为：
[0016][0017]其中，V为车辆行驶速度；s
n，k
为车辆n的任务决策；d
n，k
为车辆n任务的大小；w
n，b
为分配给车辆n与路侧单元设备之间的上行带宽；a
b，k
为路侧单元设备的服务缓存决策；w
b，c
为从路侧单元设备到边缘服务器的上行带宽；f
b，n
为路侧单元设备分配给车辆n的计算资源；f
c，b
为路侧单元设备计算任务的计算资源。
[0018]优选的，所述步骤S1包括：
[0019]使用一个二进制决策变量a
b,k
∈{0,1}表示路侧单元设备是否缓存任务k，若路侧单元设备上缓存服务k，则有a
b,k
＝1，否则，a
b,k
＝0；从而路侧单元设备的服务缓存决策为:
[0020][0021]且每个路侧单元设备的服务缓存决策满足以下约束条件：
[0022]每个路侧单元设备上缓存的所有服务所需的存储空间之和不能超过该路侧单元设备所述缓存模块的容量；每个路侧单元设备内设有N个缓存模块，用于分别缓存每个任务，每个计算任务的请求在一个时间周期内到达路侧单元设备的不同缓存模块，则路侧单元设备能接受k个任务请求的概率为：
[0023][0024]其中，是k个任务请求对应N个模块的种类，N
k
是k个任务请求映射到N个缓存模块的路径数；一个缓存模块被访问请求的概率为：
[0025][0026]其中，T是时间周期，μ(s)是访问请求的平均速率，s是时间的积分；
[0027]若某一时间周期T内有k个任务请求，路侧单元设备接收任务请求的平均概率为：若某一时间周期T内有k个任务请求，路侧单元设备接收任务请求的平均概率为：则路侧单元设备接收输出请求的平均概率为：因此，路侧单元设备的输入输出比为：
[0028][0029]当路侧单元设备的任务请求数大于输出请求时，会引发网络拥塞，因此路侧单元设备的服务缓存决策为：τ≤1。
[0030]优选的，所述步骤S2包括：
[0031]在输入层与第1隐含层中间引入阈值机制，所述阈值机制用于为每个输入层神经元分别设定对应的时延阈值ε，当时，将数据传递给下一层；否则，算法中止；不同输入层神经元对应不同的时延阈值，所述时延阈值根据实际需求设定；对于不符合时延阈值要求的时延数据，其对应的任务无法卸载到该路侧单元设备。
[0032]本专利技术的有益效果是：
[0033](1)通过对缓冲区进行资源分配，从而预防网络发生拥塞，使车辆可以及时接收消息，实时了解路况信息，提高智能交通系统的安全性；
[0034](2)保证路侧单元设备20能自适应卸载合适的计算任务给终端服务器，减少计算复杂度。
附图说明
[0035]图1本专利技术所述的一种车联网系统结构图；
[0036]图2本专利技术所述的路侧单元设备内部结构图；
[0037]图3本专利技术所述的时延预测神经网络结果流程图。
具体实施方式
[0038]以下将结合本实施例中的附图来详细说明本专利技术的实施方式，借此对本专利技术如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本专利技术中的各个实施例中的各个特征可以相互结合，所形成的技术方案均在本专利技术的保护范围之内。
[0039]本专利技术所述的一种车联网计算任务自适应卸载方法包括以下部分：
[0040]车载终端10、若干个路侧单元设备20、边缘服务器30
[0041]所述车载终端10，具有十分有限的计算能力和大量的计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车联网计算任务自适应卸载系统，其特征在于，包括以下部分：车载终端、路侧单元设备、边缘服务器；所述路侧单元设备用于作为无线接入点将接收到的任务根据不同的优先级转发给所述边缘服务器，具有计算功能；所述路侧单元设备包括通信模块、基础计算模块、缓存模块、时延预测模块和排序模块；所述无线通信模块用于接收所述车载终端的计算任务，发送给预处理模块，所述无线通信模块还与所述边缘服务器连接，将预处理计算任务发送给所述边缘服务器；所述基础计算模块用于计算车辆n从起点移动到所述路侧单元设备的覆盖范围内产生的移动时延车辆n的任务从车辆到所述路侧单元设备的传输时延车辆n的任务从所述路侧单元设备到所述边缘服务器的传输时延车辆n的任务在所述路侧单元设备上本地处理产生的计算时延车辆n的任务在所述边缘服务器上处理产生的计算时延并根据所述缓存模块的容量制定服务缓存决策，将上述时延数据发送给所述时延预测模块；所述时延预测模块通过建立时延预测神经网络对任务的处理时延进行预测，将预测结果发送给所述排序模块；所述排序模块对任务的预测处理时延进行排序，按从小到大的顺序发送给所述通信模块。2.一种车联网计算任务自适应卸载方法，其特征在于，包括以下步骤：步骤S1.所述基础计算模块对所述车载终端不同情况的处理时延进行量化，确定影响处理时延的因素，制定服务缓存决策；步骤S2.所述时延预测模块建立时延预测神经网络模型，预测车载终端任务的总处理时延，并根据处理时延确定任务的优先级，得出最优卸载策略。3.如权利要求2所述的一种车联网计算任务自适应卸载方法，其特征在于，所述步骤S1包括：对所述车载终端不同情况的处理时延进行量化，影响车辆n任务的总处理时延T
n
的因素主要有：车辆n从起点移动到路侧单元设备的覆盖范围内产生的移动时延车辆n的任务从车辆到路侧单元设备的传输时延车辆n的任务从路侧单元设备到边缘服务器的传输时延车辆n的任务在路侧单元设备上本地处理产生的计算时延车辆n的任务在边缘服务器上处理产生的计算时延其计算过程为：
其中，V为车辆行驶速度；s
n，k
为车辆n的任务决策；d
n，k
为车辆n任务的大小；w
n，b
为分配给车辆n与路侧单元设备之间的上行带宽；a...

【专利技术属性】
技术研发人员：王聿隽，文强，孙彤，
申请(专利权)人：山东衡昊信息技术有限公司，
类型：发明
国别省市：