【技术实现步骤摘要】
本专利技术属于自动驾驶协同感知，具体涉及一种用于协同感知的联合通感算资源分配方法。
技术介绍
1、自动驾驶车辆技术已经在交通领域取得了显著的进展，并在提高交通安全性、减少拥堵、提高出行效率等方面产生了深远的影响。自动驾驶车辆的核心任务之一是感知周围环境，以便做出智能决策并实现车辆控制。为了实现更高的自动驾驶性能，协同感知技术成为了关键因素。
2、协同感知技术要求自动驾驶车辆与其他车辆、行人、道路基础设施等进行实时通信和协同工作，以获取有关周围环境的关键信息。然而，该技术在如何高效利用有限的通信和计算资源方面面临重大挑战。在交通高峰时段，数千辆车辆可能在道路段上交换信息，对通信和计算资源都造成了相当大的负担。因此，设计满足协作感知严格要求的数据传输和处理的高效可靠方法至关重要。
3、结合不同感知设备的感知数据质量差异，来指导感知数据的选择，以提高感知、通信和计算之间的协作效率，从而提高资源分配效率，是未来协作感知技术的一个重要发展方向。
4、现有技术中，最近的研究重点放在减少感知数据冗余或分配通信-计算资源以实现网络中有限通信和计算资源与大量感知数据之间的权衡。
5、具体而言，一些研究致力于通过最小化冗余数据来减轻网络负担。thandavarayan等人改进了集体感知消息的生成规则以减少网络负担；而张等人提出了在减少冗余的同时考虑感知数据价值的方法，并实现了网络流量的自适应传输。
6、大量的研究也侧重于优化资源分配策略，以增强数据传输和处理的效率。例如，luo等人提出了一
7、然而，上述技术方案没有结合不同感知设备的数据质量差异，来指导感知数据的选择，致使感知、通信和计算之间的低效协作，从而导致资源分配效率低下。
技术实现思路
1、为了解决现有技术中存在的上述问题，本专利技术提供了一种用于协同感知的联合通感算资源分配方法。本专利技术要解决的技术问题通过以下技术方案实现：
2、本专利技术实施例提供了一种用于协同感知的联合通感算资源分配方法，包括步骤：
3、基于感知范围、遮挡情况、信息的距离和信息的年龄构建信息价值模型；
4、基于服务车辆的本地计算延迟和卸载延迟计算延迟建立延迟模型，并基于服务车辆的本地计算能耗、传输能耗和边缘服务器计算能耗建立能耗模型，其中，所述卸载延迟包括传输延迟和边缘服务器计算延迟；
5、基于所述信息价值模型、所述延迟模型和所述能耗模型，制定关于感知任务分配比率、无线带宽分配比率、边缘服务器计算频率分配比率和任务卸载比率的多目标优化问题；
6、基于所述多目标优化问题，以最大化信息价值为目标进行感知任务分配方案的优化，得到最佳感知任务分配方案；
7、基于所述多目标优化问题，以最小化任务执行延迟和任务执行能耗为目标进行无线带宽分配比率、边缘服务器计算频率分配比率和任务卸载比率的优化，得到最佳边缘服务器计算频率分配比率、最佳任务卸载比率和最佳无线带宽分配比率。
8、在本专利技术的一个实施例中，基于感知范围、遮挡情况、信息的距离和信息的年龄构建信息价值模型，包括：
9、基于所述感知范围和遮挡情况定义信息质量值：
10、
11、其中，i表示第i个服务车辆，bj表示感兴趣区域中的第j个块，k∈(0.5,1)，known表示单车辆感知未遮挡且在范围内，unknown表示单车辆感知遮挡或超出范围；
12、基于所述信息的距离定义任务车辆到感兴趣区域中块的需求值为：
13、
14、其中，dneed表示感兴趣区域的长度，表示感兴趣区域中第j个块到服务车辆之间的距离；
15、基于所述信息的年龄定义感知信息的重要性：
16、
17、其中，表示感知数据生成的时间，t表示接收端接收到最新的更新消息的时间；
18、基于所述信息质量值、所述需求值和所述感知信息的重要性定义服务车辆的总价值：
19、
20、其中，参数μ＝0.5，n表示感兴趣区域中的块数；
21、基于所述服务车辆的总价值定义信息价值模型：
22、
23、其中，v表示总车辆数，i∈v，表示所有i∈v和j∈n的感知任务分配决策变量。
24、在本专利技术的一个实施例中，所述传输延迟为：
25、
26、
27、其中，oi表示服务车辆i到边缘服务器的任务卸载比例，oi∈[0,1]，si表示服务车辆i的感知任务的总大小，x表示每个块数据的大小，bj表示第j个块，n表示感兴趣区域中的块数，表示服务车辆i到第j个块的感知任务，γi表示服务车辆i与路侧单元之间的传输速率，βi表示分配给服务车辆i的无线带宽比例，βi∈[0,1]，b表示总的无线带宽，hi表示信道衰落系数，p表示车辆的传输功率，n0表示噪声功率，di表示服务车辆i与路侧单元之间的距离，ν表示路径损耗指数，ν＝4；
28、所述服务车辆的本地计算延迟为：
29、
30、其中，m表示任务的计算强度，fi表示服务车辆i的计算频率；
31、所述边缘服务器计算延迟为：
32、
33、其中，ηi表示分配给服务车辆i的边缘服务器计算频率比例，f0表示边缘服务器的计算频率；
34、所述延迟模型为：
35、
36、在本专利技术的一个实施例中，所述传输能耗为：
37、
38、所述服务车辆的本地计算能耗为：
39、costi＝κ1m(1-oi)si(fi)2；
40、其中，κ1表示与车辆芯片架构相关的有效开关电容；
41、所述边缘服务器计算能耗为：
42、costes＝κ2m[oisi(ηif0)2]；
43、其中，κ2表示与边缘服务器芯片架构相关的有效开关电容；
44、所述能耗模型为：
45、
46、在本专利技术的一个实施例中，所述多目标优化问题为：
47、
48、其中，θ、λ表示权重参数，val表示信息价值模型，cost表示能耗模型，t表示延迟模型，fmax表示车辆的最大计算能力。
49、在本专利技术的一个实施例中，基于所述多目标优化问题，以最大化信息价值为目标进行感知任务分配方案的优化，得到最佳感知任务分配方案，包括：
50、基于所述多目标优化问题，以最大本文档来自技高网...
【技术保护点】
1.一种用于协同感知的联合通感算资源分配方法，其特征在于，包括步骤：
2.根据权利要求1所述的用于协同感知的联合通感算资源分配方法，其特征在于，基于感知范围、遮挡情况、信息的距离和信息的年龄构建信息价值模型，包括：
3.根据权利要求1所述的用于协同感知的联合通感算资源分配方法，其特征在于，所述传输延迟为：
4.根据权利要求3所述的用于协同感知的联合通感算资源分配方法，其特征在于，所述传输能耗为：
5.根据权利要求1所述的用于协同感知的联合通感算资源分配方法，其特征在于，所述多目标优化问题为：
6.根据权利要求5所述的用于协同感知的联合通感算资源分配方法，其特征在于，基于所述多目标优化问题，以最大化信息价值为目标进行感知任务分配方案的优化，得到最佳感知任务分配方案，包括：
7.根据权利要求5所述的用于协同感知的联合通感算资源分配方法，其特征在于，基于所述多目标优化问题，基于所述多目标优化问题，以最小化任务执行延迟和任务执行能耗为目标进行无线带宽分配比率、边缘服务器计算频率分配比率和任务卸载比率的优化，得到最佳边
8.根据权利要求7所述的用于协同感知的联合通感算资源分配方法，其特征在于，基于所述多目标优化问题，以最小化任务执行延迟为目标建立较低层问题，并根据所述较低层问题进行边缘服务器计算频率分配比率和任务卸载比率的优化，包括：
9.根据权利要求7所述的用于协同感知的联合通感算资源分配方法，其特征在于，基于所述多目标优化问题，以最小化任务执行能耗为目标建立较高层问题，并将优化的边缘服务器计算频率分配比率和优化的任务卸载比率代入所述较高层问题中进行无线带宽分配比率的优化，包括：
...【技术特征摘要】
1.一种用于协同感知的联合通感算资源分配方法，其特征在于，包括步骤：
2.根据权利要求1所述的用于协同感知的联合通感算资源分配方法，其特征在于，基于感知范围、遮挡情况、信息的距离和信息的年龄构建信息价值模型，包括：
3.根据权利要求1所述的用于协同感知的联合通感算资源分配方法，其特征在于，所述传输延迟为：
4.根据权利要求3所述的用于协同感知的联合通感算资源分配方法，其特征在于，所述传输能耗为：
5.根据权利要求1所述的用于协同感知的联合通感算资源分配方法，其特征在于，所述多目标优化问题为：
6.根据权利要求5所述的用于协同感知的联合通感算资源分配方法，其特征在于，基于所述多目标优化问题，以最大化信息价值为目标进行感知任务分配方案的优化，得到最佳感知任务分配方案，包括：
7.根据权利要求5所述的用于协...
【专利技术属性】
技术研发人员：李长乐，牛晓健，董梦圆，付宇钏，
申请(专利权)人：西安电子科技大学，
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。