【技术实现步骤摘要】
一种MEC辅助的车联网通信系统中智能资源管理方法
[0001]本专利技术涉及一种基于MEC辅助的车联网通信系统中智能资源管理技术，属于通信
技术介绍
[0002]随着社会的发展与科技的进步,机动车保有量正在呈爆炸式增长。日益增长的汽车数量对交通、环境及人身健康等方面问题带来了巨大的挑战。一方面,人们对于行车安全、通行效率、驾驶体验等方面的要求越来越高；另一方面,管理者对于自动化交通管理、交通控制、拥塞疏导、环境保护等方面的需求越来越大。如何在车联网中解决上述问题成为了整个社会高度关注的研究内容。以边缘计算为主的云计算技术的发展,则为车联网实时性以及架构和资源管理等问题提供了更灵活有效的解决思路。如何利用边缘计算技术构建面向车联网应用与典型场景业务需求的架构,以及如何在架构中合理高效地管理车云资源,为车辆用户提供低时延高可靠的服务,是车联网相关研究的关键所在。
[0003]由于通信系统中有限的资源，与之对应的在交通系统中车辆用户的大量增加，针对未来的智能驾驶乃至无人驾驶场景中，车辆用户与路边单元以及边缘云之间...
【技术保护点】
【技术特征摘要】
1.一种MEC辅助的车联网通信系统中智能资源管理方法，其特征包括以下步骤：步骤1：在所述系统中建立通信模型，对车辆用户与路边单元之间的信道，车辆用户与宏基站单元之间的信道进行建模，以系统的任务执行时延作为优化目标，求解最优的系统资源分配策略；步骤2：根据各自的信道增益，确定车辆用户到宏基站的信号传输时间，宏基站到车辆用户的信号回传时间，路边单元到车辆用户的信号传输时间以及任务的运算处理时间，获得系统任务执行时延优化问题；步骤3：根据用户频谱子带数量约束，宏基站计算资源大小约束，车辆用户与基站的关联情况约束，以最小化系统任务执行时延为目标，建立深度强化学习模型；步骤4：使用马尔科夫决策过程刻画深度强化学习模型；步骤5：利用MARL算法优化强化学习模型；根据优化后的强化学习模型求解优化问题。2.根据权利要求1所述的MEC辅助的车联网通信系统中智能资源管理方法，其特征在于，所述宏基站有计算能力能够协同车辆进行数据运算，路边单元没有计算能力只能将收集的数据发送给宏基站或车辆进行处理，所述车辆用户同一时刻只能选择与宏基站相关联或者与路边单元相关联。3.根据权利要求1所述的MEC辅助的车联网通信系统中智能资源管理方法，其特征在于，所述信道之间相互独立没有干扰，多个V2I链路可以占用相同的信道，实现信道复用。4.根据权利要求1所述的MEC辅助的车联网通信系统中智能资源管理方法，其特征在于，所述车辆用户根据信道环境的变化自主选择关联模式，以达到最小化任务执行时延的目标。5.根据权利要求1所述的MEC辅助的车联网通信系统中智能资源管理方法，其特征在于，所述的步骤2中车辆用户与宏基站相关联的关联模式下，即车辆用户将任务上传至宏基站处理，任务的传输时间和处理时间进行如下定义：车辆用户与宏基站相关联的模式下，车辆用户上行链路信道传输速率为：其中f0代表频谱子带的带宽大小，表示车辆用户到宏基站上行链路信道的信噪比，对应的上行链路的传输时间为：车辆用户与宏基站相关联的模式下，宏基站将处理后的任务发送给车辆的下行链路的传输速率为：其中SNR表示宏基站到车辆用户下行链路信道的信噪比。
对应的下行链路传输所耗费的时间为：上行链路与下行链路传输所耗费的总时间为：宏基站计算处理任务所耗费的时间为：其中D
i
为车辆用户产生的任务量大小，Q
k
为路边单元产生的任务量大小，F
i
为处理单位比特任务所需的CPU周期数，为宏基站的计算能力大小，f
ico
为分配给车辆用户的计算资源比例。6.根据权利要求1所述的MEC辅助的车联网通信系统中智能资源管理方法，其特征在于，所述的步骤2中车辆用户与路边单元相关联的关联模式下，即车辆用户将任务在本地处理，任务的传输时间和处理时间进行如下定义：车辆用户与路边单元相关联模式下，由于路边单元没有任务计算能力，路边单元将收集到的数据传输给车辆用户进行处理，路边单元到车辆用户下行链路信道传输速率为：其中f0代表频谱子带的带宽大小，表示路边单元到车辆用户下行链路信道的信噪比，对应的下行链路的传输时间为：车辆用户计算处理任务所耗费的时间为：其中D
i
为车辆用户产生的任务量大小，Q
k
为路边单元产生的任务量大小，F
i
为处理单位比特任务所需的CPU周期数，为车辆用户的计算能...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。