【技术实现步骤摘要】
本专利技术涉及边缘计算服务迁移领域，特别是涉及一种基于路径规划的移动边缘计算服务迁移方法。
技术介绍
1、边缘计算在网络边缘部署边缘服务器，以支持高宽带低延迟的服务。然而，这种服务面临覆盖范围有限和服务资源的限制问题。当车辆远离边缘服务器时，与服务器的距离增大会导致用户服务质量急剧下降，甚至服务失效。由于边缘服务片区范围较小，车辆在行驶过程中会频繁穿越片区，边缘服务需要随着车辆的高速行驶在不同片区之间进行迁移。这种迁移会导致较高的时延，甚至可能导致服务中断，从而影响服务质量。
2、公开号为cn108616816a，名称为一种基于极限学习的车辆轨迹预测和mec应用迁移方法的专利文献，通过车辆的定位信息，构建车辆轨迹数据库，结合边缘网络收集数据，形成样本集；通过极限学习机预测算法预测车辆的移动方向，确定车辆将接入mec服务器，进行迁移。该方法仅通过历史车辆轨迹数据选择接入的边缘服务器，忽略了接入的边缘服务器可能由于车辆轨迹改变而相应改变问题。
3、公开号为cn114650515a，名称为一种应用于车联网的移动边缘计算服务动态迁移方法的专利文献，该方法在当智能网联车辆在服务接续里程内行驶并穿越边缘服务片区时，会通过智能网联车辆的行为数据，计算智能网联车辆在多个路边单元中的目标路边单元能够获得的服务质量，并采用基于强化学习的移动边缘计算服务动态迁移方法判断服务迁移的必要性，当智能网联车辆在目标路边单元能够获得的服务质量更优，则确定服务需要迁移， 并选取目标路边单元作为迁移边缘节点。该方法仅对服务质量进行考虑，忽略
技术实现思路
1、本专利技术主要解决的技术问题是提供一种基于路径规划的移动边缘计算服务迁移方法，能够解决车辆在行驶过程中边缘服务需要频繁迁移带来的对网络资源和服务器计算资源的浪费问题。
2、为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种基于路径规划的移动边缘计算服务迁移方法，其特征在于，包括：
3、s100：获取城市路网数据，起始路口位置信息，目标路口位置信息，边缘服务器信息和车辆服务信息；
4、s200：根据所述城市路网数据，计算路口的拥挤度、当日路口平均车流量和路口风险率，得到路口特征；
5、s300：根据所述路口特征，构建马尔可夫决策过程模型对车辆从所述起始路口到所述目标路口进行路径规划，获得路口队列；
6、s400：根据所述路口队列，结合所述边缘服务器信息，得到途经边缘服务器集合；
7、s500：根据所述边缘服务器信息和所述路网数据，计算所述途经边缘服务器集合中边缘服务器的服务器适应性指标，从所述途经边缘服务器集合中选择最佳边缘服务器；
8、s600：构建服务迁移规则，结合所述最佳边缘服务器获得当前车辆请求服务迁移的目标边缘服务器；
9、s700：判断车辆是否超过当前通信的边缘服务器的服务范围，若是，将当前车辆请求服务迁移至目标边缘服务器；
10、所述城市路网数据包括：城市道路数据、交通流量数据、路口限行速度、路口车道数量、道路宽度、路口位置信息；
11、所述边缘服务器信息包括：边缘服务器的覆盖范围，边缘服务器带宽，边缘服务器位置信息，边缘服务器发送功率，边缘服务器路径损耗和边缘服务器信道噪声功率；
12、所述车辆服务信息包括：车辆当前位置信息，车辆行驶速度，车辆请求服务大小。
13、进一步地，所述路口特征，包括：路口的拥挤度，路口风险率和当日路口平均车流量；
14、所述路口的拥挤度，根据所述城市路网数据对路口拥挤度进行计算得到，其中，路口拥挤度计算公式为：
15、；
16、其中，是指t时刻路口的拥挤度，是指t时刻路口经过的车辆数量，是指路口限行速度，d是指道路宽度，是指路口车道数量，是指当前路口车辆平均速度；
17、所述当日路口平均车流量，通过对每小时路口车流量进行加权计算得到，当日路口平均车流量计算公式为：
18、；
19、其中，为当日每小时平均车流量，t是指时间, 是指t时刻经过路口的车辆数量，是指车流量权重系数且；
20、所述路口风险率，计算公式为：
21、；
22、；
23、；
24、其中，是指t时刻路口的风险率，是指t时刻经过路口的车辆数量，为当前路口到下一路口的车辆速度标准差，是指当前路口车辆平均速度，是指第辆车经过路口的行驶速度，是指当前路口到下一路口的距离，是指异常车辆，是指异常车辆权重系数，是指车辆密集度权重系数；
25、所述异常车辆，是指车辆行驶速度与当前路口车辆平均速度差值大于车辆速度标准差的车辆。
26、进一步地，所述s300，包括：
27、s310：构建路口状态空间，用于存储从所述起始路口到达目标路口可能途经路口的状态；
28、s320：构建驾驶动作空间，用于存储车辆的驾驶行为；
29、s330：根据所述驾驶动作空间以及所述路口状态空间，构建车辆驾驶路径策略；
30、s340：定义状态转移矩阵，存储车辆在驾驶中发生的状态转移概率；
31、s350：根据所述路口特征，构建路口即时奖励函数；
32、s360：根据所述路口即时奖励函数和所述状态转移矩阵，构建驾驶动作奖励函数和路口状态价值函数，得到策略价值函数，通过对策略价值函数进行迭代计算，获取最佳迭代策略，得到路口队列；
33、所述路口状态空间，表示为：，其中是指目标路口所对应的终止状态；
34、所述驾驶动作空间，表示为：，其中分别表示车辆在路口进行左转，直行和右转驾驶行为；
35、所述车辆驾驶路径策略，是指存储车辆在路口状态采用驾驶动作的概率值，计算公式为：
36、；
37、其中，是指车辆驾驶路径策略，是指车辆在路口状态采用驾驶动作的概率值，为t时刻下车辆的驾驶行为；
38、所述状态转移矩阵，存储车辆从当前路口转移到下一路口的概率，表示为：
39、；
40、其中，是指状态转移矩阵，是指在路口状态采用驾驶动作转移到其后续状态的概率，即当前路口转移到下一路口采用驾驶动作的概率，为t时刻车辆的路口状态，是指状态的后续状态，为t时刻下车辆的驾驶行为；
41、所述路口即时奖励函数，计算公式为：
42、；
43、其中，是指t时刻路口的即时奖励值，是指t时刻路口的拥挤度，是指t时刻路口的平均车流量，是指t时刻路口的风险率，为路口即时奖励函数参数，且。
44、进一步地，所述s360，包括：
45、s361：根据所述路口即时奖励函数，计算路口长期回报价值；
46、s362：通过所述路口长期回报价值，构建路口状态价值函数；
47、s363：根据本文档来自技高网...
【技术保护点】
1.一种基于路径规划的移动边缘计算服务迁移方法，其特征在于，包括：
2.如权利要求1所述的一种基于路径规划的移动边缘计算服务迁移方法，其特征在于，所述路口特征，包括：路口的拥挤度，路口风险率和当日路口平均车流量；
3.如权利要求1所述的一种基于路径规划的移动边缘计算服务迁移方法，其特征在于，所述S300，包括：
4.如权利要求3所述的一种基于路径规划的移动边缘计算服务迁移方法，其特征在于，所述S360，包括：
5.如权利要求1所述的一种基于路径规划的移动边缘计算服务迁移方法，其特征在于，所述途经边缘服务器集合，包含多个路口边缘服务器队列，途经边缘服务器集合表示为，，其中，为第m个路口边缘服务器队列，所述路口边缘服务器队列，包含路口能够访问的所有边缘服务器，路口边缘服务器队列表示为，，其中是指第m个路口边缘服务器队列所包含的边缘服务器数量。
6.如权利要求1所述的一种基于路径规划的移动边缘计算服务迁移方法，其特征在于，所述服务器适应性指标，是根据路口与边缘服务器距离以及边缘服务器通信时延进行计算，用于对路口边缘服务器进行评
7.如权利要求1所述的一种基于路径规划的移动边缘计算服务迁移方法，其特征在于，所述服务迁移规则，是指在即将进行服务迁移时判断下一路口的最佳边缘服务器的故障概率是否大于阈值，如果故障概率大于阈值，则在下一路口的路口边缘服务器队列中选择服务器适应性指标高且故障概率低的边缘服务器，作为目标边缘服务器，如果故障概率小于阈值，则将下一路口的最佳边缘服务器，作为目标边缘服务器；
...【技术特征摘要】
1.一种基于路径规划的移动边缘计算服务迁移方法，其特征在于，包括：
2.如权利要求1所述的一种基于路径规划的移动边缘计算服务迁移方法，其特征在于，所述路口特征，包括：路口的拥挤度，路口风险率和当日路口平均车流量；
3.如权利要求1所述的一种基于路径规划的移动边缘计算服务迁移方法，其特征在于，所述s300，包括：
4.如权利要求3所述的一种基于路径规划的移动边缘计算服务迁移方法，其特征在于，所述s360，包括：
5.如权利要求1所述的一种基于路径规划的移动边缘计算服务迁移方法，其特征在于，所述途经边缘服务器集合，包含多个路口边缘服务器队列，途经边缘服务器集合表示为，，其中，为第m个路口边缘服务器队列，所述路口边缘服务器队列，包含路口能够访问的...
【专利技术属性】
技术研发人员：马勇，郑文胜，叶礼斌，曹远龙，简雯欣，夏云霓，牛新征，何美斌，
申请(专利权)人：江西师范大学，
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。