基于集群的车载任务卸载的方法、装置及存储介质制造方法及图纸

本申请公开了一种基于集群的车载任务卸载的方法、装置及存储介质。该方法包括：构建系统模型，包括任务产生和卸载模型以及集群产生模型；获取预设范围内的所有车辆的运行数据；将所有车辆划分为多台任务车和多台集群头；根据集群产生模型分别确定每台任务车对应的集群头；根据运行数据通过任务产生和卸载模型确定每台任务车的执行成本，以得到系统执行成本，进而确定最优卸载策略；最优卸载策略为使系统执行成本最小化的目标集群选择决策、目标卸载比例决策和目标传输功率决策。本申请以预设范围内所有任务车的任务卸载性能为导向构建集群，同时确定系统的最优卸载策略，系统的任务卸载性能较强，且集群的稳定性较高，保证了车辆间的稳定通信。了车辆间的稳定通信。了车辆间的稳定通信。

【技术实现步骤摘要】
基于集群的车载任务卸载的方法、装置及存储介质


[0001]本申请涉及车载边缘计算
，具体地涉及一种基于集群的车载任务卸载的方法、装置及存储介质。

技术介绍

[0002]近年来，自动驾驶(Self
‑
Driving)和自动导航(Auto Navigation)等计算密集和时延敏感的新型车载应用不断涌现，这些应用通常需要大量的计算资源和实时的响应，这给计算能力受限的车辆提出了严峻的挑战。为了应对这一挑战，车载边缘计算(Vehicular Edge Computing,VEC)通过将计算密集或时延敏感型车载任务卸载至具有空闲计算资源的周边车辆执行，以满足大量新型车载应用对时延、计算能力等需求，从而降低了车辆对任务的执行时延。然而，在车辆移动速度快、分布不均匀以及网络拓扑不断变化的车联网场景中实现任务卸载是一项具有挑战性的工作。针对上述问题，集群被认为是一个有效的解决方案。
[0003]当前，国内外相关研究人员对车辆集群方面和基于集群的车载任务卸载方面都做了大量研究。针对车辆集群方面的研究，现有的集群生成标准有多种。例如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于集群的车载任务卸载的方法，其特征在于，包括：构建系统模型，所述系统模型包括任务产生和卸载模型以及集群产生模型；获取预设范围内的所有车辆的运行数据；根据所述运行数据将所述预设范围内的所有车辆划分为多台任务车和多台集群头；根据所述运行数据和所述集群产生模型分别确定每台任务车对应的集群头；分别根据所述每台任务车和与所述每台任务车对应的集群头的运行数据，通过所述任务产生和卸载模型确定所述每台任务车的执行成本；根据所述每台任务车的执行成本确定系统执行成本；根据所述系统执行成本确定最优卸载策略；其中，所述最优卸载策略为在所述系统执行成本最小的情况下的目标集群选择决策、目标卸载比例决策和目标传输功率决策。2.根据权利要求1所述的方法，其特征在于，所述运行数据包括车辆的速度数据和位置数据，所述根据所述运行数据和所述集群产生模型分别确定每台任务车对应的集群头包括：根据所述任务车的位置数据和所述多台集群头的位置数据确定所述任务车分别与所述多台集群头之间的距离；根据所述任务车的速度数据和所述多台集群头的速度数据确定所述任务车分别与所述多台集群头的速度差；将与所述任务车之间的距离满足预设距离条件，且速度差满足预设速度条件的集群头作为所述任务车对应的集群头。3.根据权利要求1所述的方法，其特征在于，所述通过所述任务产生和卸载模型确定所述每台任务车的执行成本包括：根据所述任务产生和卸载模型确定所述任务车在本地执行车载任务产生的本地时延和本地能耗；根据所述任务产生和卸载模型确定所述任务车在边缘端执行车载任务产生的卸载时延和卸载能耗；根据所述本地时延、所述本地能耗、所述卸载时延和所述卸载能耗确定所述任务车的执行成本。4.根据权利要求3所述的方法，其特征在于，所述系统执行成本满足公式(1)：其中，U为所述系统执行成本，η1为执行时延的...

【专利技术属性】
技术研发人员：曹旭东，李伟，沈茹婧，高明晋，吉莉，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：