【技术实现步骤摘要】
本专利技术涉及医疗车辆移动边缘计算的，尤其是指一种面向移动医疗的车联网计算服务系统，结合多目标优化建模及算法对医疗车辆移动计算的任务卸载策略进行优化，最终提供高质量高效的任务计算服务。
技术介绍
1、随着5g技术的蓬勃发展和广泛应用，各种移动终端接入互联网，网内数据量出现井喷式增长，随之而来的各种计算任务对计算资源的部署和使用造成极大的挑战。为了给人们提供更为便捷的医疗服务，医疗车辆也接入车联网，随时随地利用网内资源，查询相关数据，即时处理病人的医疗数据，包括病人影像学图像分析、病例查询、相关案例对比、病症分析、医疗文献相关信息提取等。由于医疗救助应用场景的特殊性，病人救治需要快速、准确，对计算任务有很高的时效和可靠性要求。同时，考虑到受众群体的普适性，计算成本不易过高。因此，医疗领域的车联网计算服务对系统的实时性、可用性和可靠性有更高的要求。
2、为解决车联网中的计算问题，通常利用边缘计算的服务架构，在道路一侧或两侧部署路边单元(rsu)，包括具有通信功能的微基站(mibs)和具有计算功能的边缘服务器(en)，另外，根据需要放置各类传感器，获取相应信息。通过卫星无线通信或移动蜂窝等无线通信技术，车辆与位于远处的云数据中心取得通信，得以访问云平台的海量数据库，使用云平台充足的计算资源，实现信息交互和共享。车联网中车辆间通信(v2v)技术建立了车辆与车辆之间的通信渠道，使得车辆间的信息交互更为便捷。针对计算型服务密集的应用场景，也可以在道路上部署移动的服务车辆，为用户车辆提供计算资源，处理用户车辆产生的计算任务。路边边
3、为用户车辆提供计算服务，不仅需要提供硬件上的计算资源，还需要将任务合理地卸载到计算资源上，才能完成任务处理过程。任务卸载策略的优劣关乎到用户的服务质量(qos)、计算服务提供商的利润、能源问题及碳排放等等。因此，优化任务卸载策略是车联网计算服务中至关重要的一环。在实际移动医疗服务场景中，通常会权衡各方重要性，选择最为关注的某个目标或某些目标，建立单目标或多目标优化问题模型，对任务卸载策略进行优化。常见的优化目标有：用户关注的任务完成时间、货币开销、服务可靠性、用户车辆能耗等；服务提供商关注的资源利用率、利润、维护成本等；第三方相关的系统总能耗、碳排放、网络链路内带宽、传输功耗等。除了需要优化的目标，优化问题还需要考虑系统中存在的约束条件，例如，车辆能源有限、用户预期的任务最大完成时间、最大预算、边缘节点资源有限、数据冲突，以及网络中其他限制。
4、随着优化技术的不断发展，优化问题逐渐复杂化，考虑有多方参与的多目标优化问题是当前的研究重点和工作转移中心。常见的优化方法有以下几种：基于数值计算求解的数学规划方法，以群智能算法和遗传算法为主的启发式算法，以及基于机器学习的优化方法。在求解复杂的优化问题时，数学规划方法表现出了效率上的局限性，特别是对于非凸问题、多目标问题和高维度问题，计算效率和效果都不尽如人意。启发式算法在全局范围内表现出良好的搜索效果，对于不规则区域、高维问题都具有普适性，其强大的搜索能力对于优化多个目标也游刃有余。但是这类算法对算法设计的要求较高，需要灵活地规避陷入局部最优，特别是对于优化多个目标，在多样性和收敛性上存在较大的挑战。在解决具体的多目标优化问题上，例如车联网的任务卸载优化问题，需要分析实际问题，对搜索策略进行优化。强化学习(rl)作为基于机器学习的一种新的学习方法，近期也被广泛地研究和使用。在任务卸载优化领域，强化学习多与深度神经网络(dnn)结合，即深度强化学习(drl)，常见的方法是深度q学习(dql)，其中，马尔科夫决策过程(mdp)、时序差分算法(td)、深度确定策略性梯度算法(ddpg)是drl的关键技术。强化学习的奖励机制和网络设计直接影响学习效果，对于多目标优化，目前主要还是利用权重系数转化为单目标问题，在多个目标的权衡和共同优化上仍存在一些挑战。另外，强化学习的计算效率也是其应用到工业领域的一大阻碍。
5、在针对医疗车辆移动计算进行任务卸载策略优化的领域，合理地对需要优化的多个目标进行分析和建模，形成符合客观规律和科学逻辑的多目标优化问题，设计高效的任务卸载策略优化算法，对提高车联网边缘计算性能和服务质量有重要意义，进而对医疗车辆救治病患、医疗数据分析处理等医疗计算服务的发展有极大的推动左右。因此，本专利技术着重结合医疗车联网的实时性、通用性需求和边缘计算服务的参与各方利益需求，提供一个边缘计算资源部署系统架构，为医疗车辆数据处理、数据分析等计算任务提供高效率、高质量、多样化的任务卸载策略和处理方案，为解决移动医疗服务中的计算问题提供一个高性能、高可用性的车联网计算服务系统。
技术实现思路
1、本专利技术的目的在于对医疗车辆的计算任务进行属性提取，设计一个边缘计算服务架构，综合考虑参与各方的利益需求，为计算任务提供优化的卸载策略和高效的计算服务，形成在数据和应用上易于多样化扩展、在环境和设施上支持异构性部署的面向移动医疗的车联网计算服务系统；一方面，解决优化任务卸载决策中的多个目标的技术性难题，设计多目标优化算法，同时优化任务完成时间、用户开销、边缘服务器负载均衡和系统总能耗这四个优化目标，为任务卸载提供多样化的高质量决策方案；另一方面，利用边缘计算分布式部署资源的灵活性，应对医疗车联网任务实时性要求，提供一个适用于大规模多样化移动任务处理的计算服务系统。系统采用多模块设计方式，通过关键中间服务的统一管理，结合系统架构中的分布式边缘计算和网络传输设施，为移动医疗车辆提供任务及时处理、信息有效交互、多方共同获益的计算服务平台。
2、为实现上述目的，本专利技术所提供的技术方案为：一种面向移动医疗的车联网计算服务系统，包括：
3、任务获取模块，用于医疗车辆产生计算任务，统计其任务的属性，得到待处理的任务数据及任务属性数据，任务属性数据格式具有规范性；
4、环境感知模块，用于统计计算服务系统中的可用资源，得到计算资源状态信息，获取网络环境状态信息，感知医疗车辆的位置、速度，得到车辆状态信息；
5、任务卸载决策模块，根据计算服务用户、提供商、公共资源管理这些参与各方的利益需求，建立多目标优化问题模型，利用任务卸载优化算法，得到基于任务属性数据及计算资源状态和车辆状态信息的任务卸载策略；
6、数据传输模块，基于计算资源位置和车辆位置信息，根据任务卸载策略，利用v2i通信技术，实现计算任务数据上传和下载；
7、计算处理模块，用于提供计算资源，处理到达的任务，提供计算资源的设施包括：车辆本身、部署在道路一侧的边缘服务器，以及在远处的云数据中心；
8、系统管理模块，为计算服务系统对外的功能模块，通过可视化操作，为服务、应用以及对应的数据和任务提供管理能力，包括用户接入、资源管理、参与各方的利益要求管理、信息展示和权限控制。
9、进一步，所述任务获取模块的具体情况如下：<本文档来自技高网...
【技术保护点】
1.一种面向移动医疗的车联网计算服务系统，其特征在于，包括：
2.根据权利要求1所述的一种面向移动医疗的车联网计算服务系统，其特征在于，所述任务获取模块的具体情况如下：
3.根据权利要求1所述的一种面向移动医疗的车联网计算服务系统，其特征在于，所述数据传输模块的具体情况如下：
4.根据权利要求1所述的一种面向移动医疗的车联网计算服务系统，其特征在于，所述任务卸载决策模块的具体情况如下：
5.根据权利要求4所述的一种面向移动医疗的车联网计算服务系统，其特征在于，所述MaOITGO-TO具体步骤描述如下：
6.根据权利要求1所述的一种面向移动医疗的车联网计算服务系统，其特征在于，所述计算处理模块的具体情况如下：
7.根据权利要求1所述的一种面向移动医疗的车联网计算服务系统，其特征在于，所述环境感知模块的具体情况如下：
8.根据权利要求1所述的一种面向移动医疗的车联网计算服务系统，其特征在于，所述系统管理模块的具体情况如下：
【技术特征摘要】
1.一种面向移动医疗的车联网计算服务系统，其特征在于，包括：
2.根据权利要求1所述的一种面向移动医疗的车联网计算服务系统，其特征在于，所述任务获取模块的具体情况如下：
3.根据权利要求1所述的一种面向移动医疗的车联网计算服务系统，其特征在于，所述数据传输模块的具体情况如下：
4.根据权利要求1所述的一种面向移动医疗的车联网计算服务系统，其特征在于，所述任务卸载决策模块的具体情况如下：
5.根据权利要求4所...
【专利技术属性】
技术研发人员：董守斌，吴小菲，胡金龙，
申请(专利权)人：中山依数科技有限公司，
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。