【技术实现步骤摘要】
本专利技术属于车联网、边缘计算领域，具体涉及一种基于v2x的加权轮询调度计算卸载方法。
技术介绍
1、车联网基于无线通信技术，将车辆、路边单元(road-side unit，rsu)以及服务提供商连接为一个有机的网络整体，实现了他们之间的全方位通信。
2、通过车联网，服务提供商能够获取用户服务需求和道路环境信息，基于这些数据为车载用户提供例如自动驾驶、路径规划、碰撞预警、车载娱乐等多种服务，提高了驾驶安全性和旅途舒适性，用户体验(quality of experience，qoe)也因此以提高。
3、一般而言，搭载在车辆上的计算设备的计算能力有限，目前最常见的解决方案是将车联网用户的服务需求卸载到云端进行处理，云端处理完成后将结果回传给用户。出于云端和用户之间地理距离较远的原因，这个过程通常会产生很高的时延。
4、边缘计算作为解决该矛盾的可行方案之一，通过rsu连接到多个边缘服务器(edgeserver，es)，将原来集中在云端的计算资源分布到靠近车联网用户一侧，通过缩短车联网和计算之间的距离，降低获取服务的时延。
5、现有车联网任务卸载方案都是基于单个边缘服务器的资源状态去对计算任务进行卸载，不仅过程繁琐，而且难以根据不同车联网任务的特性去保证qos。随着神经网络和深度学习的不断发展，人们在v2x的计算卸载中也做了很多改进，例如引入深度强化学习算法计算任务卸载方案。然而这些方案通常是把任务卸载到某一个边缘节点，未充分利用各边缘计算节点资源来提供更高质量的服务，从而满足更多自动驾驶
6、因此本专利技术提出了一种基于v2x的加权轮询调度计算卸载方法，通过充分利用邻接边缘服务器资源并将任务拆分为dag任务流通过把非关联任务并行计算卸载，同时根据当前边缘服务器的任务队列状态应用加权轮询调度算法分配执行任务时间片，进一步降低任务平均时延。
技术实现思路
1、针对现有技术存在的不足，本专利技术提出了一种基于v2x的加权轮询调度计算卸载方法，该方法包括：实时根据当前边缘请求情况和rsu上的边缘服务器状态卸载车联网计算任务，得到边缘服务器选择策略和边缘服务器上的任务调度方案；
2、基于v2x的加权轮询调度计算卸载方法过程包括：
3、s1：车辆将需要卸载执行的任务通过v2x车载模块传输到rsu，rsu根据任务类型和应用程序功能依赖图，得到dag任务流，并根据任务特征信息计算任务优先级；
4、s2：根据被卸载任务的dag任务流信息，计算得到任务平均计算时延，并采用heft算法，将子任务卸载到各邻接边缘服务器队列；
5、s3：对边缘服务器队列的任务，根据任务优先级、等待时间、上行秩等，采用深度强化学习dqn算法，得到各任务本次调度的执行时间片权重；
6、s4：根据步骤s3中得到的任务执行时间片权重计算其时间片，使用轮询调度算法，调度待执行队列中的任务；任务分配时间片耗尽后，继续回到待执行队列，跳转到步骤s3；
7、进一步地，所述步骤s1具体包括以下步骤：
8、s11：车辆将需要卸载执行的任务发送到rsu，rsu根据任务请求类型和应用程序功能依赖图，得到抽象的有向无环图gk(vk，ek，wk)(vk是gk中子任务节点的集合，集合ek描述了任务间的依赖关系，集合wk表示从父节点到子节点需要传输数据的大小)；
9、进一步地，车辆产生的任务请求将判断本地计算时延是否满足其最大时延限制，不满足则将任务卸载到rsu，否则在车辆本地进行计算。本地处理时延的计算公式为：
10、
11、其中，表示车辆m在本地处理任务请求rk产生的时延，ck表示任务rk计算所需要的cpu周期数，fm表示车辆用户m的计算能力(单位时间内的cpu周期数)；
12、s12：根据请求任务的任务类型、计算资源需求、最大时延限制等特征信息，计算任务优先级如下式：
13、
14、其中，priorityk表示任务k的优先级，pk表示根据子任务类型对应的重要度缩放系数，通常对于例如像自动驾驶、碰撞预测等重要程度高的任务会有更大的缩放系数，ck表示任务的计算资源需求，表示完成任务的最大时延限制，表示任务时延及所需资源量的权衡因子；
15、进一步地，所述步骤s2具体包括以下步骤：
16、s21：计算dag中的子任务在rsu各邻接边缘服务器上的计算时延，并得到平均计算时延；
17、进一步地，路段ls的rsu上配备了r个边缘服务器其中每个边缘服务器都有不同的计算能力fr，因此可以得到子任务的平均处理时延：
18、
19、其中，ets，k，i表示子任务在路段ls的rsu上配备的边缘服务器的平均处理时延迟，ets，k，i，r表示第r个边缘服务器对子任务的处理时延，r是该rsu配备的边缘服务器数量；
20、进一步地，ets，k，i，r的计算公式为：
21、
22、其中，bk，i表示子任务所需的计算资源量，fs，r表示路段δ上rsu配备的边缘服务器r的计算能力。
23、s22：根据平均计算时延、优先级和后继子任务等信息进行计算，得到所有子任务的上行秩；并对其上行秩降序排序后得到子任务调度表；
24、进一步地，在得到所有子任务的平均处理时延后，会从出口任务开始遍历，计算得到所有子任务的上行秩；
25、子任务的上行秩取决于优先级、平均计算时延、后继任务中通信成本和上行秩之和的最大值，计算公式为：
26、
27、其中，priorityk表示请求rk的优先级系数，ets，k，i表示rsu上的边缘服务器对子任务的平均处理时延，表示子任务的所有后继子任务，表示的数据从任务传递到任务的数据大小，表示邻接边缘服务器相连的平均带宽。
28、进一步地，将所有求出上行秩的子任务按照上行秩降序排序得到子任务调度表，并从队首开始检测任务是否为可执行状态(所有前驱任务均已被完成)，如果可执行即对任务进行调度。
29、s23：采用最短时限调度策略，选择步骤s22中的子任务卸载到连接rsu的边缘服务器的队列；选择步骤s22中的子任务卸载到连接rsu的边缘服务器的队列；
30、进一步地，最短时限调度算法基于子任务在各个边缘服务器预估排队时延和计算时延，评估出任务预期完成时间最早的边缘服务器，并将任务调度到该服务器上；
31、进一步地，所述步骤s3具体包括以下步骤：
32、s31：对边缘服务器队列的任务，采用深度强化学习dqn算法，得到各任务本次调度的执行时间片权重；
33、进一步地，在边缘服务器中，存在一个待执行队列、处理池、任务完成队列；待执行队列中存放待执行的子任务，通常会存放一个时隙t内到达的所有任务；处理池存放至多一个正在执行的任务；任务完成队列中存放各个已经完成任本文档来自技高网...
【技术保护点】
1.根据权利要求1所述的一种基于V2X的加权轮询调度计算卸载方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于V2X的加权轮询调度计算卸载方法，其特征在于，步骤S1具体包括：
3.根据权利要求1所述的一种基于V2X的加权轮询调度计算卸载方法，其特征在于，步骤S2具体包括：
4.根据权利要求1所述的一种基于V2X的加权轮询调度计算卸载方法，其特征在于，步骤S3具体包括：
5.根据权利要求1所述的一种基于V2X的加权轮询调度计算卸载方法，其特征在于，步骤S4具体包括：
【技术特征摘要】
1.根据权利要求1所述的一种基于v2x的加权轮询调度计算卸载方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于v2x的加权轮询调度计算卸载方法，其特征在于，步骤s1具体包括：
3.根据权利要求1所述的一种基于v2x的加权轮询...
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。