【技术实现步骤摘要】
本专利技术涉及边缘计算优化，尤其涉及一种基于车辆边缘计算系统的任务卸载方法。
技术介绍
1、随着车联网技术和边缘计算技术的快速发展，车辆产生的数据量持续激增，包括车辆状态、行驶路线、驾驶行为、环境信息等数据信息，需要及时对这些数据进行准确的处理和分析。上述应用通常有大量的需要处理数据，需要非常大的计算资源，因此会产生大量的能耗，但车载设备计算资源有限且能量供应有限，往往无法满足这些应用的需求，边缘计算逐渐成为研究热点。
2、车辆边缘计算利用各种通信、计算和缓存资源，并通过边缘计算将计算迁移到更接近车辆的路边单元，从而更高效地完成车辆任务的卸载计算，高效的卸载决策不仅可以提高用户体验，还可以减少车联网整体系统成本。
3、但是在计算任务卸载过程中，车辆自身的计算能力难以满足对时延敏感型任务的要求，车辆的无规则移动和车速的动态变化也是计算任务卸载的巨大挑战，这将大大增加卸载方案的复杂性并且会造成计算资源和通信资源的极大浪费。
技术实现思路
1、本专利技术旨在至少解决相关技术中存在的技术问题之一。为此，本专利技术提供一种基于车辆边缘计算系统的任务卸载方法。
2、本专利技术提供一种基于车辆边缘计算系统的任务卸载方法，包括：
3、s1：基于rsu区域建立任务队列模型；
4、s2：根据所述任务队列模型的计算方式，建立解算所述任务队列模型所需计算成本和通信成本的目标函数；
5、s3：通过贪婪算法选取多个结点，基于路径构造算法建
6、s4：根据所述结点关系基于模拟退火算法构建邻域结构；
7、s5：通过所述邻域结构对所述目标函数进行求解，获得全局最优解；
8、s6：通过所述全局最优解对待卸载任务进行卸载。
9、根据本专利技术提供的一种基于车辆边缘计算系统的任务卸载方法，步骤s1中的所述任务队列模型符合泊松分布。
10、根据本专利技术提供的一种基于车辆边缘计算系统的任务卸载方法，步骤s1中的所述rsu区域包括边缘服务器和多个车辆设备。
11、根据本专利技术提供的一种基于车辆边缘计算系统的任务卸载方法，步骤s1中的所述任务队列模型的动态变化方程为：
12、qm(t+1)＝max[qm(t)―bi(t),0]+dm(t)；
13、
14、
15、其中，qm(t+1)为在第t+1个时间片内第m个队列的任务量，qm(t)为在第t个时间片内第m个队列的任务量，bi(t)为车辆设备i在第t个时间片内处理计算的任务数据量，dm(t)为第t个时间片内到达第m个队列的数据量，i为车辆设备索引值，n为车辆设备总数，m∈{0,1,…,n}为任务队列索引值，xi,m(t)为卸载决策，ai(t)为车辆设备i在第t个时间片内产生的任务数据量。
16、根据本专利技术提供的一种基于车辆边缘计算系统的任务卸载方法，步骤s2中所述计算方式包括：
17、在本地进行对任务队列模型进行计算；
18、在邻近车辆设备上对任务队列模型进行计算；
19、在所述边缘服务器上对任务队列模型进行计算。
20、根据本专利技术提供的一种基于车辆边缘计算系统的任务卸载方法，步骤s2中所述目标函数中计算成本和通信成本的决策方式包括：
21、在本地进行对任务队列模型进行计算时，所述目标函数中包括第一成本，所述第一成本包括第一计算成本，所述第一成本的表达式为：
22、
23、其中，为第一成本，pm为每个车辆设备和边缘服务器的计算单位数据量的成本；
24、在邻近车辆设备上及在所述边缘服务器上对任务队列模型进行计算，所述目标函数中包括第二成本，所述第二成本包括第二计算成本和通信成本，所述第二成本的表达式为：
25、
26、其中，为第二成本，α为信道传输单位数据量的成本。
27、根据本专利技术提供的一种基于车辆边缘计算系统的任务卸载方法，步骤s2中的所述目标函数的表达式为：
28、
29、其中，x(t)为每个时间片内求解任务卸载决策向量；
30、其中，所述目标函数的约束条件为：
31、
32、xi,m(t)＝{0,1}；
33、其中，的约束条件表示在一个时间片内，一个队列只能接收一个车辆设备任务，xi,m(t)＝{0,1}的约束条件表示每个车辆设备任务只能被单一卸载计算。
34、根据本专利技术提供的一种基于车辆边缘计算系统的任务卸载方法，步骤s4中的所述邻域结构包括交流结构、逆转结构及插入结构，所述邻域结构通过轮盘赌选择法进行选择。
35、根据本专利技术提供的一种基于车辆边缘计算系统的任务卸载方法，步骤s6中进一步包括：
36、s61：获取目标函数当前解及更新解；
37、s62：判断所述更新解的距离是否小于所述当前解的距离；
38、若所述更新解的距离小于所述当前解的距离，则进入步骤s63；
39、若所述更新解的距离大于等于所述当前解的距离，则进入步骤s64；
40、s63：当所述更新解的距离小于所述当前解的距离时，所述目标函数接受更新解；
41、s64：当所述更新解的距离大于等于所述当前解的距离时，所述目标函数概率接受更新解；
42、s65：根据步骤s63及步骤s64迭代目标函数的解，获得全局最优解。
43、根据本专利技术提供的一种基于车辆边缘计算系统的任务卸载方法，步骤s64中进一步包括：
44、s641：计算所述更新解的增量，所述增量的表达式为：
45、
46、其中，df为更新解的增量，f(xnew)为更新解总距离，f(x0)为当前解总距离；
47、s642：根据所述增量计算更新解的接受概率，所述接受概率的表达式为：
48、
49、其中，p为接受概率，t为当前温度；
50、s643：随机产生均匀分布的随机数，比较所述随机数和所述接受概率；
51、若所述随机数大于所述接受概率，则所述目标函数接受更新解；
52、若所述随机数小于等于所述接受概率，则所述目标函数保留当前解。
53、本专利技术提供的一种基于车辆边缘计算系统的任务卸载方法，为形式化车辆边缘计算系统提供了最小化成本的任务卸载方法，通过建立模型为tsp问题，也是np难问题，解决很难在常数时间内求解的问题，采用模拟退火算法在常数时间内求出最优解，实现减小任务卸载成本并保证卸载任务队列的稳定性，不但可以有效保证车辆卸载任务时队列的稳定性，而且还最小化车辆的任务卸载成本。
54、本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种基于车辆边缘计算系统的任务卸载方法，其特征在于，包括：
2.根据权利要求1所述的一种基于车辆边缘计算系统的任务卸载方法，其特征在于，步骤S1中的所述任务队列模型符合泊松分布。
3.根据权利要求1所述的一种基于车辆边缘计算系统的任务卸载方法，其特征在于，步骤S1中的所述RSU区域包括边缘服务器和多个车辆设备。
4.根据权利要求3所述的一种基于车辆边缘计算系统的任务卸载方法，其特征在于，步骤S1中的所述任务队列模型的动态变化方程为：
5.根据权利要求4所述的一种基于车辆边缘计算系统的任务卸载方法，其特征在于，步骤S2中所述计算方式包括：
6.根据权利要求5所述的一种基于车辆边缘计算系统的任务卸载方法，其特征在于，步骤S2中所述目标函数中计算成本和通信成本的决策方式包括：
7.根据权利要求6所述的一种基于车辆边缘计算系统的任务卸载方法，其特征在于，步骤S2中的所述目标函数的表达式为：
8.根据权利要求1所述的一种基于车辆边缘计算系统的任务卸载方法，其特征在于，步骤S4中的所述邻域结构包括交流结构
9.根据权利要求1所述的一种基于车辆边缘计算系统的任务卸载方法，其特征在于，步骤S6中进一步包括：
10.根据权利要求9所述的一种基于车辆边缘计算系统的任务卸载方法，其特征在于，步骤S64中进一步包括：
...【技术特征摘要】
1.一种基于车辆边缘计算系统的任务卸载方法，其特征在于，包括：
2.根据权利要求1所述的一种基于车辆边缘计算系统的任务卸载方法，其特征在于，步骤s1中的所述任务队列模型符合泊松分布。
3.根据权利要求1所述的一种基于车辆边缘计算系统的任务卸载方法，其特征在于，步骤s1中的所述rsu区域包括边缘服务器和多个车辆设备。
4.根据权利要求3所述的一种基于车辆边缘计算系统的任务卸载方法，其特征在于，步骤s1中的所述任务队列模型的动态变化方程为：
5.根据权利要求4所述的一种基于车辆边缘计算系统的任务卸载方法，其特征在于，步骤s2中所述计算方式包括：
6.根据权利要求5所述的一种基于车...
【专利技术属性】
技术研发人员：王忠峰，申佳胤，姜慧良，黄磊，尹利周，高鹏，费汉明，贾建刚，张悠，刘飞，钱知雄，王丹，
申请(专利权)人：中国铁道科学研究院集团有限公司，
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。