一种车联网中基于处理跃迁的5GMEC任务卸载方法技术

本发明专利技术一种车联网中基于处理跃迁的5G MEC任务卸载方法。解决现有技术中未综合考虑卸载方法和能耗，不能将任务卸载到不同链路MEC服务器中的问题。方法包括计算任务本地时延和MEC时延，根据车辆与路边单元的距离计算MEC卸载链路质量状态，结合MEC卸载链路信噪比计算各链路传输速率；筛选轻载链路，计算任务在各轻载链路中总传输时间，根据链路任务排队等候时延计算任务在各轻载链路中总时延，确定可卸载链路；对可卸载链路总时延和负载归一处理，计算判决因子；选取初始卸载链路，根据已上传任务大小计算任务在可卸载链路上的剩余总时延，确定跃迁卸载链路，进行跃迁处理。本发明专利技术在减少5G网络能耗的同时最大化提升车联网任务卸载的效率和效益。务卸载的效率和效益。务卸载的效率和效益。

【技术实现步骤摘要】
一种车联网中基于处理跃迁的5G MEC任务卸载方法


[0001]本专利技术涉及5G通讯
，尤其是涉及一种车联网中基于处理跃迁的5G MEC任务卸载方法。

技术介绍

[0002]移动边缘计算MEC(Mobile Edge Computation)源于计算服务平台，是一种新的网络体系结构，其基本思想是将云计算资源从远程数据中心迁移到移动访问网络的边缘，从而提高计算和存储资源的利用率。MEC将计算资源更贴近移动用户，具有距离近、时延低和位置感知等特征。这实现了移动服务供应的本地化，提高了它们的业务能力，优化了网络性能。
[0003]MEC在当今移动通信领域有着非常广泛的应用，比如协作运算，视频缓存，大数据分析等。而在车联网中，由于车辆移动方向和速度的随机性使得动态资源调度变得非常复杂和具有挑战性，因此，在车联网中，卸载和缓存决策的制定以及计算和缓存资源的优化分配至关重要。
[0004]目前已经有不少的研究集中在车联网的任务卸载策略上。比如Mao Y等人提出了一种完全卸载优化算法，Lyu X等人提出了一种考虑多用户系统中联合任务卸载和资源优化方法。这两类方法都是目前车联网中比较典型的任务卸载算法，但Mao Y算法过多考虑了任务卸载本身，没有解决时延和能耗优化的问题，Lyu X算法则鉴于操作的复杂度，只能应用于单个MEC服务器中。因此，需要研究如何综合考虑卸载方法及能耗，甚至解决如何将不同任务卸载到不同链路的MEC服务器中，从而使得卸载过程变得更稳定。

技术实现思路

[0005]本专利技术主要是解决现有技术中未综合考虑卸载方法和能耗，不能将任务卸载到不同链路的MEC服务器中的问题，提供了一种车联网中基于处理跃迁的5G MEC任务卸载方法。
[0006]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种车联网中基于处理跃迁的5G MEC任务卸载方法，MEC包括设置在车辆行驶区域内的路边单元，路边单元上配置有MEC边缘计算服务器，车联网包括车载终端，包括以下步骤：计算获取车载任务本地时延和MEC时延；车辆伴随产生车载任务，车载任务包括任务大小、计算复杂度信息。
[0007]根据车辆与路边单元的距离，计算MEC卸载链路质量状态，结合MEC卸载链路信噪比计算各链路传输速率；筛选轻载链路，计算车载任务在各轻载链路中总传输时间，根据链路任务排队等候时延计算车载任务在各轻载链路中总时延，通过与本地时延的比较确定可卸载链路；对可卸载链路总时延和负载归一处理，计算判决因子；基于判决因子选取初始卸载链路，根据已上传任务大小计算车载任务在可卸载链路上的剩余总时延，确定跃迁卸载链路，进行跃迁处理。
[0008]本专利技术从分析车载终端的本地和卸载时延入手，借助车辆与路边单元的相对位置，折算卸载链路上的路径损耗，确定卸载链路质量状态；根据链路的排队长度折算出各链路处理任务的总时延，进而可以判断该链路是否具备卸载的可行性；对链路的负载及总时延进行归一化处理，能够明确任务卸载的初始链路；在获取已上传MEC服务器任务大小的前提下，计算任务所需的剩余时延，从而确定任务最终的跃迁链路，本专利技术能够在减少5G网络能耗的同时最大化提升车联网任务卸载的效率和效益。保证车辆始终处于较好的卸载质量环境下，为提升任务卸载的成功率提供实时保障。
[0009]本方法基于通行车辆Vhc
tar
，车辆在其行驶区域内安装有路边单元RSU＝{Rsu1,Rsu2,
…
,Rsu
m
}，路边单元相应的负载RLD＝{Rld1,Rld2,
…
,Rld
m
}，以及当前路边单元的任务排队需等候时延RDY＝{Rdy1,Rdy2,
…
,Rdy
m
}(ms)，车辆Vhc
tar
距离各路边单元的距离RDD＝{Rdd1,Rdd2,
…
,Rdd
m
}(m)；车辆Vhc
tar
伴随产生车载任务Tsl，任务大小Tkm(kB)，计算复杂度(CPU消耗量)Tcp(Cycles)。
[0010]作为一种优选方案，所述的计算获取车载任务本地时延和MEC时延，具体包括：基于车载任务计算复杂度、车载终端计算能力和MEC边缘计算服务器计算能力，车载任务本地时延为车载任务计算复杂度与车载终端计算能力之比乘以power(10,6)，其中power()表示幂函数；车载任务MEC时延为车载任务计算复杂度与MEC边缘计算服务器计算能力之比乘以power(10,6)。
[0011]车载任务Tsl包括计算复杂度(CPU消耗量)Tcp(Cycles)，设定车载终端计算能力Ac
vhc
(Cycles/s)和MEC边缘计算服务器计算能力Ac
MEC
(Cycles/s)。计算车载任务Tsl本地时延Dly
l
ocal＝Tcp/Ac
vhc
*power(10,6)(ms)，计算车载任务Tsl的MEC时延Dly
MEC
＝Tcp/Ac
MEC
*power(10,6)(ms)。
[0012]作为一种优选方案，所述的计算MEC卸载链路质量状态，具体包括：设定MEC卸载链路的路损常量和路损系数，车载终端发射功率；根据当前车辆到各路边单元的距离，计算车辆与各路边单元的链路路径损耗，链路路径损耗为路损常量加上路损系数与当前车辆到路边单元的距离/1000的对数函数的乘积；计算车辆的MEC卸载链路信道增益，为车载终端发射功率与链路路径损耗的差值。
[0013]设定MEC卸载链路的路损常量Ct
dd
和路损系数Cf
dd
，车载终端发射功率Pwr
snd
(dBm)；根据当前车辆到各路边单元的距离RDD＝{Rdd1,Rdd2,
…
,Rdd
m
}(m)，计算车辆与各路边单元的链路路径损耗PdLos
i
＝Ct
dd
+Cf
dd
*log(Rdd
i
/1000)(dB)；其中log()表示常用对数函数。
[0014]计算车辆的MEC卸载链路信道增益即MEC卸载链路质量状态Glink
i
＝Pwr
snd
‑
PdLos
i
(dB)。
[0015]作为一种优选方案，所述的结合MEC卸载链路信噪比计算各链路传输速率，具体包括：
设定玻尔兹曼常数、开氏温度、单资源块占用子载波数、子载波带宽、路边单元的载波带宽，将玻尔兹曼常数、开氏温度、单资源块占用子载波数、子载波带宽、1024的乘积进行信号强度转换，获得高斯白噪声功率谱密度；将各MEC卸载链路质量状态与高斯白噪声功率谱密度相差获得各MEC卸载链路信噪比；根据MEC卸载链路信噪比和载波带宽计算各MEC卸载链路的传输速率。
[0016]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车联网中基于处理跃迁的5G MEC任务卸载方法，MEC包括设置在车辆行驶区域内的路边单元，路边单元上配置有MEC边缘计算服务器，车联网包括车载终端，其特征在于，包括以下步骤：计算获取车载任务本地时延和MEC时延；根据车辆与路边单元的距离，计算MEC卸载链路质量状态，结合MEC卸载链路信噪比计算各链路传输速率；筛选轻载链路，计算车载任务在各轻载链路中总传输时间，根据链路任务排队等候时延计算车载任务在各轻载链路中总时延，通过与本地时延的比较确定可卸载链路；对可卸载链路总时延和负载归一处理，计算判决因子；基于判决因子选取初始卸载链路，根据已上传任务大小计算车载任务在可卸载链路上的剩余总时延，确定跃迁卸载链路，进行跃迁处理。2.根据权利要求1所述的一种车联网中基于处理跃迁的5G MEC任务卸载方法，其特征是，所述的计算获取车载任务本地时延和MEC时延，具体包括：基于车载任务计算复杂度、车载终端计算能力和MEC边缘计算服务器计算能力，车载任务本地时延为车载任务计算复杂度与车载终端计算能力之比乘以power(10,6)，其中power()表示幂函数；车载任务MEC时延为车载任务计算复杂度与MEC边缘计算服务器计算能力之比乘以power(10,6)。3.根据权利要求1所述的一种车联网中基于处理跃迁的5G MEC任务卸载方法，其特征是，所述的计算MEC卸载链路质量状态，具体包括：设定MEC卸载链路的路损常量和路损系数，车载终端发射功率；根据当前车辆到各路边单元的距离，计算车辆与各路边单元的链路路径损耗，链路路径损耗为路损常量加上路损系数与当前车辆到路边单元的距离/1000的对数函数的乘积；计算车辆的MEC卸载链路信道增益，为车载终端发射功率与链路路径损耗的差值。4.根据权利要求3所述的一种车联网中基于处理跃迁的5G MEC任务卸载方法，其特征是，所述的结合MEC卸载链路信噪比计算各链路传输速率，具体包括：设定玻尔兹曼常数、开氏温度、单资源块占用子载波数、子载波带宽、路边单元的载波带宽，将玻尔兹曼常数、开氏温度、单资源块占用子载波数、子载波带宽、1024的乘积进行信号强度转换，获得高斯白噪声功率谱密度；将各MEC卸载链...

【专利技术属性】
技术研发人员：陈明华，肖清华，
申请(专利权)人：华信咨询设计研究院有限公司，
类型：发明
国别省市：