【技术实现步骤摘要】
一种适用于协同自动驾驶的多任务分配方法
[0001]本专利技术涉及一种适用于协同自动驾驶中车辆雾计算的多任务分配方法，属于协同自动驾驶领域。
技术介绍
[0002]近年来，在汽车协同自动驾驶领域，全球各大公司不断提高协同自动驾驶水平，逐步尝试将L2,L3,L4级别的协同自动驾驶汽车带进消费市场。对于协同自动驾驶来说，如果说算法能力决定协同自动驾驶能力的上限的话，那么车规芯片就决定着下限。L5级别协同自动驾驶的最低算力标准是500+TOPS，而目前最顶尖的车规芯片英伟达Orin x算力仅达到254TOPS，国内最顶尖芯片算力只有72TOPS，且供不应求。所以对于大多数车辆来说，算力远远满足不了需求。例如2019年第四季度乘用车自动泊车方案中，92.8％的车辆选择超声波方案，7.2％的车辆选择超声波+摄像头方案。虽然明显后者的效果更好，但因为芯片算力无法支持全车8颗摄像头全频36帧/秒，共计288帧/秒的图像处理，而不得不被放弃。与此同时，协同自动驾驶所需的高性能芯片，冗余的传感器，也大大增加了能耗。云计算是目前车联网大数据分析...
【技术保护点】
【技术特征摘要】
1.一种适用于协同自动驾驶中车辆雾计算的多任务分配方法，其特征在于：包括如下步骤，步骤1：将求任务分配方案的非凸非凹优化问题建模为一个可求解的近似优化问题，通过求解近似最优任务分配方案实现能耗与延迟的有效减少；步骤2：针对不同数据不同的计算需求，车辆产生多任务数据流，开始向通信范围内的管理节点发送任务卸载需求信息，包含延迟要求，数据量，数据类型；步骤3：车辆运行地域分为六边形网格，每个网格中最靠近中心的基站作为管理节点，管理节点通过广播获得范围内服务车辆的信息；步骤4：管理节点引用步骤1中所建立模型，通过综合任务信息和服务车辆信息进行任务卸载决策；步骤5：按照步骤4，求得最优任务分配决定集，并将该集发送至客户车辆；步骤6：客户车辆将任务数据流进行串并转换成并行信号向量；步骤7：对并行信号向量进行数字预编码，模拟预编码，生成传输信号向量并通过多天线开始传输；步骤8：传输信号向量通过波束赋形技术传输到服务车辆，服务车辆经过解码接收到指定任务数据开始计算任务；步骤9：经过计算得到的决策方案传输回客户车辆，客户车辆开始决策执行，实现具备多天线的车辆协同自动驾驶时高效地并行卸载任务，提高数据传输速率、降低能量消耗。2.如权利要求1所述的一种适用于协同自动驾驶的多任务分配方法，其特征在于：步骤1的实现方法为，步骤1.1，单客户车辆产生的多个任务数据流经过串并转换转换为并行信号向量s
i
，由即并行信号向量通过数字预编码矩阵和模拟预编码矩阵获得传输向量x
i
，I＝{i}表示客户端车辆，J＝{j}表示服务端车辆集，K
i
＝{k}表示由客户车辆i产生的任务，a
ij
＝{0，1}表示客户车辆i和服务车辆j的地理关联，如果j在i的通信范围则值为1，表示任务k是否会分配给服务车辆j，值为1时分配，为0不分配，G
i
为车辆i的数字预编码矩阵，B
i
为车辆i的模拟预编码矩阵，s
i
＝[s1，s2，
···
，s|K
i
|]表示车辆i产生的并行信号向量，s
k
表示任务k的信号，g
k
表示任务k的数字预编码向量，x
i
表示车辆i的传输信号向量；步骤1.2：传输向量x
i
通过信道矩阵变换可以得到服务车辆接收到的信号向量通过信道矩阵变换可以得到服务车辆接收到的信号向量经过解码得到信号向量过解码得到信号向量由服务车辆的预期信号、其他干扰信号和噪声干扰三部分组成；根据客户车辆i和服务车辆j之间任务k的天线阵列信道容量可以计算为其中σ2为高斯白噪声的方差，为一个常数；带
’
的k
’
指移除第i个任务之后的K的集合K
’
i
中的任务；设置对每个生成的任务使用统一的数字预编码方法，即g
k
＝g，令h
ij
＝|f
j
·
H
ij
·
g
·
B
i
|2，则简化...
【专利技术属性】
技术研发人员：王玉环，马杰，谢鑫磊，朱超，卜祥元，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
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。