车载边缘服务器协同固定边缘服务器的边缘动态集成方法技术

本发明专利技术属于无线通信网络领域，其目的在于提供一种车载边缘服务器协同固定边缘服务器的边缘动态集成方法，包括：将待研究区域的地图划分为至少2个网格，并在任一所述网格中部署用户终端，将所述用户终端产生的任务转移至车载边缘服务器；通过预测模型，对任一所述网格的交通流量进行预测，得到车流量预测数据；根据所述车流量预测数据，得到所述网格在设定时间内的车载边缘服务器计算容量；在所述网格满足车载边缘服务器计算容量的前提下，使至少2辆车载边缘服务器在不同所述网格之间的移动路径最短，以得到车载边缘服务器的最优调度结果

【技术实现步骤摘要】
车载边缘服务器协同固定边缘服务器的边缘动态集成方法


[0001]本专利技术涉及无线通信网络技术，具体涉及一种车载边缘服务器协同固定边缘服务器的边缘动态集成方法
。

技术介绍

[0002]众所周知的，车联网是以车内网
、
车际网和车云网组成，进行无线电通信和信息交互的大系统网络
。
[0003]现有的，针对车联网中的车载边缘服务器与固定边缘服务器在进行通信部署的过程中，移动单元搭载边缘服务器可以解决固定边缘服务器不能解决的时空变化问题，但如何选择合适的移动单元载体与优化移动单元的部署仍是领域内一个开放问题
。
[0004]已知的技术方案，有的在车辆网络和边缘计算领域引入了一种分布式的车辆边缘计算解决方案，称为自动驾驶车辆边缘（
AVE
）；该解决方案的关键在于通过车对车（
V2V
）通信，并在相邻车辆之间共享可用资源，基于此提出了一种更通用的在线解决方案，即混合动力汽车边缘云（
HVC
）；
HVC
使用多访问网络有效地共享所有可访问的计算资源，包括路边单元（
RSU
）和云
。
这种架构允许车辆之间的资源共享，但是其在访问的过程中，仅仅进行车辆间的资源共享，仅仅能够对静态负载进行设计；再有的，通过构建由多架无人机（
UAV
）辅助的移动边缘计算（
MEC
）系统，可以通过无人机作为
MEC
节点，向本地计算能力有限的地面物联网节点提供计算卸载服务，但是无人机承载的计算资源有限，也存在着续航与一些安全性问题
。
[0005]可见，现有的技术主要针对静态负载进行设计，且在地图上的各个区域的负载基本恒定，难以迅速适应动态负载变化的同时，也难以找到合适的载体，搭载边缘服务器适应动态负载变化；尤其在城市中，由于车辆的快速流动，负载可能出现时空上的波动，从而引发不均衡的负载分布，导致不必要的计算资源的能耗
。
[0006]基于此，一种充分考虑负载的时空动态性，考虑车辆位置
、
移动距离
、
边缘服务器的计算力和负载状况等多方面因素的边缘动态集成方法亟待研发
。

技术实现思路

[0007]本专利技术的目的在于提供一种车载边缘服务器协同固定边缘服务器的边缘动态集成方法，用于至少解决现有技术中的一个技术问题
。
[0008]本专利技术的技术方案是：一种车载边缘服务器协同固定边缘服务器的边缘动态集成方法，包括：将待研究区域的地图划分为至少2个网格，并在任一所述网格中部署用户终端，将所述用户终端产生的任务转移至车载边缘服务器；通过预测模型，对任一所述网格的交通流量进行预测，得到车流量预测数据；根据所述车流量预测数据，得到所述网格在设定时间内的车载边缘服务器计算容量；
在所述网格满足车载边缘服务器计算容量的前提下，使至少2辆车载边缘服务器在不同所述网格之间的移动路径最短，以得到车载边缘服务器的最优调度结果
。
[0009]所述通过预测模型，对所述待研究区域的交通流量进行预测，得到车流量预测数据，包括：构建时间一致性的神经网络模型；使用已知的车流量数据训练所述时间一致性的神经网络模型，得到预测模型；将待预测时间点以前的第一时段中的每天每个时间片对应的所有网格的车流量数据作为输入数据，输入所述预测模型中，得到待预测时间点的第二时段中每天每个时间片的车流量预测数据
。
[0010]所述构建时间一致性的神经网络模型，包括：通过分组卷积和逐点卷积构建特征提取块；通过所述特征提取块构建神经网络模型的编码器和解码器，得到所述神经网络模型
。
[0011]对于神经网络中的任一特征图，卷积核为，输出特征图为，那么标准卷积操作可以被描述为：；其中，表示卷积操作符，和表述特征图的输入和输出通道数，和表示特征图的长和宽，表示卷积核的大小，和输出特征图的长和宽，；其中，表示卷积核移动的步长，表示特征图填充的长度
。
[0012]所述特征提取块表示为：；其中，和分别表示特征提取块的输入和输出
。
[0013]所述将待研究区域的地图划分为至少2个网格，并在任一所述网格中部署用户终端，将所述用户终端产生的任务转移至车载边缘服务器，包括：将待研究区域的地图划分为网格的二维地图，并将网格的索引集记为，其中表示网格的总数；在任一所述网格中部署固定边缘服务器
、
用户终端以及车载边缘服务器，并将所述用户终端产生的任务转移到所述固定边缘服务器和车载边缘服务器中，通过所述固定边缘服务器和
/
或车载边缘服务器来执行任一任务
。
[0014]所述根据所述车流量预测数据，得到所述网格在设定时间内的车载边缘服务器计算容量，包括：根据所述车流量预测数据，得到不同时间段的平均车辆流量和变化系数，并将交通量和变化系数均在前
10
‑
30%
的网格部署固定边缘服务器和车载边缘服务器的主要候选网格，其他网格则仅依赖于固定边缘服务器；使用孤立森林算法来检测任一所述网格内用户需求，得到所述网格内车流量激增时段；以所述网格内车流量激增时段的最小车流量作为需要部署固定边缘服务器的最
大容量，且以所述网格内车流量激增时段的最大车流量与最小车流量之差作为需要部署车载边缘服务器的计算容量
。
[0015]所述在所述网格满足车载边缘服务器计算容量的前提下，使至少2辆车载边缘服务器在不同所述网格之间的移动路径最短，包括：设定一个初始空解作为车载边缘服务器的调度方案，并设置迭代次数；进行聚类，并为每个聚类生成随机的初始解；生成簇内路径，连接簇类路径；通过迭代，最终得到车载边缘服务器在不同所述网格之间的最短移动路径
。
[0016]所述生成簇内路径，连接簇类路径，包括：对于所述聚类中的每一个簇，随机在其内部产生一条路径，并将不同集群之间的路径连接起来，形成一个整体的路线，作为路线规划的初始解决方案；将未被归类到簇的噪声点加入到已有的路径中，或者将未被归类到簇的噪声点独立生成新路径
。
[0017]所述通过迭代，最终得到车载边缘服务器在不同所述网格之间的最短移动路径，包括：利用迭代局部搜索方法来不断改进初始值，直到达到预设的最大迭代计数，生成最终解，输出当前得到的最优车载边缘服务器调度方案；且在迭代局部搜索方法来不断改进初始值的过程中，使用算法随机选择两个节点进行交换，并且引入惩罚矩阵记录频繁的节点对交换
。
[0018]本专利技术的有益效果至少包括：本专利技术所述的方法，通过将待研究区域的地图划分为至少2个网格，并在任一所述网格中部署用户终端，将所述用户终端产生的任务转移至车载边缘服务器；然后，利用预测模型，对所述待预测的交通流量进行预测，得到车流量预测数据；根据所述车流量预测数据，得到所述网格在设定时间内的车载边缘服务器计算容量；在所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
车载边缘服务器协同固定边缘服务器的边缘动态集成方法，其特征在于，包括：将待研究区域的地图划分为至少2个网格，并在任一所述网格中部署用户终端，将所述用户终端产生的任务转移至车载边缘服务器；通过预测模型，对任一所述网格的交通流量进行预测，得到车流量预测数据；根据所述车流量预测数据，得到所述网格在设定时间内的车载边缘服务器计算容量；在所述网格满足车载边缘服务器计算容量的前提下，使至少2辆车载边缘服务器在不同所述网格之间的移动路径最短，以得到车载边缘服务器的最优调度结果
。2.
根据权利要求1所述的车载边缘服务器协同固定边缘服务器的边缘动态集成方法，其特征在于，所述通过预测模型，对所述待研究区域的交通流量进行预测，得到车流量预测数据，包括：构建时间一致性的神经网络模型；使用已知的车流量数据训练所述时间一致性的神经网络模型，得到预测模型；将待预测时间点以前的第一时段中的每天每个时间片对应的所有网格的车流量数据作为输入数据，输入所述预测模型中，得到待预测时间点的第二时段中每天每个时间片的车流量预测数据
。3.
根据权利要求2所述的车载边缘服务器协同固定边缘服务器的边缘动态集成方法，其特征在于，所述构建时间一致性的神经网络模型，包括：通过分组卷积和逐点卷积构建特征提取块；通过所述特征提取块构建神经网络模型
。4.
根据权利要求3所述的车载边缘服务器协同固定边缘服务器的边缘动态集成方法，其特征在于：对于神经网络中的任一特征图，卷积核为，输出特征图为，那么标准卷积操作可以被描述为：；其中，表示卷积操作符，和表述特征图的输入和输出通道数，和表示特征图的长和宽，表示卷积核的大小，和输出特征图的长和宽，且；其中，表示卷积核移动的步长，表示特征图填充的长度
。5.
根据权利要求3所述的车载边缘服务器协同固定边缘服务器的边缘动态集成方法，其特征在于：所述特征提取块表示为：；其中，和分别表示特征提取模块的输入和输出
。6.
根据权利要求1所述的车载边缘服务器协同固定边缘服务器的边缘动态集成方法，其特征在于，所述将待研究区域的地图划分为至少2个网格，并在任一所述网格中部署用户终端，将所述用户终端产生的任务转移至边缘服务器，包括：将待研究区域的地图划分为网格的二维地图，并将网格的索引集记为
，其中表示网格的总数；在任一所述网格中部署固定边缘服务器
、
用户...

【专利技术属性】
技术研发人员：李湘儿，宋维，唐昕怡，唐梽海，常乐，蒋丽，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：