【技术实现步骤摘要】
本专利技术涉及车联网通信，更具体地，涉及一种基于混合覆盖场景的车联网任务卸载优化方法及系统。
技术介绍
1、随着5g通信技术的大范围应用、车辆数量的增加与车联网的发展，出现了许多可以提高车辆的安全性及行驶乐趣的应用，如，车辆社交网络，模式识别和增强现实等，车辆与乘客对各项应用的需求大幅度增长，任务越发容易出现拥堵的情况，当发生道路拥堵或车祸时，卸载任务的数量的需求量会变得非常大，此时如果没有优化的卸载策略，会导致车辆的卸载任务在多个路边单元或者基站之间来回折返，导致较大的卸载总时延，这将会给人们的出行带来不好的体验。为了提高用户的驾驶体验，现有技术提出任务卸载优化策略来解决这一显著的问题。
2、现有的一种任务卸载优化策略，通过云端接收路边单元覆盖范围内的车辆终端经rsu发送的任务卸载请求，为任务分配权重确定任务优先级，利用任务优先级决定任务卸载的顺序，该方法可以有效减少发生任务拥堵的情况；但，路边单元服务范围有限，车辆通常也处于移动状态，因此，如果车辆在路边单元服务范围内的驻留时间小于卸载任务在二者间的往返时间，该任务结果就会返回失败。
3、现有的另一种任务卸载优化策略，通过构建基于路边单元的任务卸载系统损耗模型，利用整体约束违反度计算任务卸载系统损耗模型的最小的最优可行解，来确定任务卸载优化策略，该方法考虑到用户在路边单元服务范围内的驻留的时间与用户任务卸载的时间，可以有效避免任务结果返回失败的情况，但在道路两侧部署路边单元成本较高，且覆盖范围较小，在车流高峰期或者发生交通事故时，道路车流拥堵，此时道路
技术实现思路
1、本专利技术为克服上述现有技术所述的仅靠路边单元无法满足任务卸载的计算需求，导致任务卸载优化的效果不佳的缺陷，提供一种能够满足任务卸载的计算需求的、基于混合覆盖场景的车联网任务卸载优化方法及系统。
2、为解决上述技术问题，本专利技术的技术方案如下：
3、一种基于混合覆盖场景的车联网任务卸载优化方法，其特征在于，包括以下步骤：
4、s1：将基站历史负载状况表、上一时间段的车辆访问基站结果和车联网数据上传至云计算空间；
5、s2：根据所述基站历史负载状况表与所述上一时间段的车辆访问基站结果，通过所述云计算空间内配置的长短时记忆网络对所述基站的负载状态进行预测，得到基站负载状态预测结果；
6、s3：根据所述基站负载预测结果和所述车联网数据，所述云计算空间通过预设的时延函数t和约束条件获得任务分配系数的解集合；
7、s4：基于所述解集合，利用遗传算法获得任务分配系数的最优值；根据任务分配系数的最优值确定最优比例，按所述最优比例将车辆的任务卸载至路边单元、卸载至基站，和/或留在本地。
8、本专利技术还提出了一种基于混合覆盖场景的车联网任务卸载优化系统用于实现上述的基于混合覆盖场景的车联网任务卸载优化方法。所述系统包括：预测模块，其上配置有长短时记忆网络，用于根据云计算空间内储存的基站历史负载状况表与上一时间段的车辆访问基站结果，对所述基站的负载状态进行预测，并输出基站负载状态预测结果；
9、解集合计算模块，其上预设有时延函数t和约束条件，用于根据云计算空间储存的基站负载预测结果和车联网数据，计算并输出任务分配系数的解集合；
10、决策模块，用于基于任务分配系数的解集合，利用遗传算法计算并输出任务分配系数的最优值，使车辆根据任务分配系数将车辆的任务卸载至路边单元、卸载至基站，和/或留在本地。
11、本专利技术还提出了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，其中所述计算机可读指令被所述处理器执行时，使得所述处理器执行本专利技术提出的车联网任务卸载优化方法的步骤。
12、与现有技术相比，本专利技术技术方案的有益效果是：
13、本专利技术同时使用路边单元和基站构建任务卸载优化策略，基于基站的现存部署较路边单元更为完备，覆盖范围更大，计算速度更快的优点，辅助路边单元满足道路车辆的计算需求，能够缓解拥堵状态下路边单元负担过重问题，有效减少计算资源的浪费，且能减少成本较高的路边单元的设置数量，从而达到降低成本和增快计算速度的效果；同时，结合长短期记忆网络和遗传算法优化了任务卸载的比例，求得最短任务卸载时延，约束卸载目标的选择，避免了卸载任务的计算结果传回来而车辆已经离开覆盖范围的资源浪费，实现良好的任务卸载优化效果。
本文档来自技高网...【技术保护点】
1.一种基于混合覆盖场景的车联网任务卸载优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于混合覆盖场景的车联网任务卸载优化方法，其特征在于，所述基站历史负载状况表包括若干时间间隔相同的时间段和每个时间段对应的以百分比形式显示的基站负载状况值，且所述基站历史负载状况表根据时间顺序排序。
3.根据权利要求1或2所述的基于混合覆盖场景的车联网任务卸载优化方法，其特征在于，在对所述基站的负载状态进行预测前，利用所述基站历史负载状况表对所述长短时记忆网络进行优化训练；其步骤包括：
4.根据权利要求3所述的基于混合覆盖场景的车联网任务卸载优化方法，其特征在于，确定长短时记忆网络的损失函数Loss前，将上一时间段车辆访问基站成功或失败的结果B输入长短时记忆网络，根据结果B，在损失函数Loss中加入用于惩罚长短时记忆网络的错误预测的正则化项，获得损失函数Loss′，利用使所述损失函数Loss′最小化的参数对所述长短时记忆网络进行更新，获得优化后的长短时记忆网络；
5.根据权利要求4所述的基于混合覆盖场景的车联网任务卸载优化方法，其特
6.根据权利要求1所述的基于混合覆盖场景的车联网任务卸载优化方法，其特征在于，所述车联网数据包括：车辆与路边单元或基站的位置关系、车辆的任务总量S、任务复杂度k、路边单元实时负载状态和车速。
7.根据权利要求6所述的基于混合覆盖场景的车联网任务卸载优化方法，其特征在于，S3步骤包括：
8.根据权利要求7所述的基于混合覆盖场景的车联网任务卸载优化方法，其特征在于，S4步骤包括：
9.一种基于混合覆盖场景的车联网任务卸载优化系统，用于实现权利要求1～8任一项所述基于混合覆盖场景的车联网任务卸载优化方法，其特征在于，包括：
10.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，其特征在于，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1～8任一项所述基于混合覆盖场景的车联网任务卸载优化方法的步骤。
...【技术特征摘要】
1.一种基于混合覆盖场景的车联网任务卸载优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于混合覆盖场景的车联网任务卸载优化方法，其特征在于，所述基站历史负载状况表包括若干时间间隔相同的时间段和每个时间段对应的以百分比形式显示的基站负载状况值，且所述基站历史负载状况表根据时间顺序排序。
3.根据权利要求1或2所述的基于混合覆盖场景的车联网任务卸载优化方法，其特征在于，在对所述基站的负载状态进行预测前，利用所述基站历史负载状况表对所述长短时记忆网络进行优化训练；其步骤包括：
4.根据权利要求3所述的基于混合覆盖场景的车联网任务卸载优化方法，其特征在于，确定长短时记忆网络的损失函数loss前，将上一时间段车辆访问基站成功或失败的结果b输入长短时记忆网络，根据结果b，在损失函数loss中加入用于惩罚长短时记忆网络的错误预测的正则化项，获得损失函数loss′，利用使所述损失函数loss′最小化的参数对所述长短时记忆网络进行更新，获得优化后的长短时记忆网络；
5.根据权...
【专利技术属性】
技术研发人员：何学文，廖胤升，薛伟政，徐颖，杨超，
申请(专利权)人：广东工业大学，
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。