CN109756386B - 基于云网车协同的通信优化方法、装置 - Google Patents
基于云网车协同的通信优化方法、装置 Download PDFInfo
- Publication number
- CN109756386B CN109756386B CN201811041455.2A CN201811041455A CN109756386B CN 109756386 B CN109756386 B CN 109756386B CN 201811041455 A CN201811041455 A CN 201811041455A CN 109756386 B CN109756386 B CN 109756386B
- Authority
- CN
- China
- Prior art keywords
- data
- communication
- performance
- filtering
- client
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本说明书实施例公开了基于云网车协同的通信优化方法、装置。所述方法包括:根据服务器连接到各客户端的实时状态数据,确定通信性能指标;根据每组待发送数据在对应客户端进行滤波的结果,确定滤波性能指标;根据所述通信性能指标和所述滤波性能指标,对数据传输过程进行优化。调控服务器上各数据包的发送方式及网络中数据包的传输方式,使得客户端收到数据并进行滤波后能减小通信时延与丢包对数据实时性与精度的影响,同时减小数据噪声对数据精度的影响。
Description
技术领域
本说明书涉及物联网领域,尤其涉及基于云网车协同的通信优化方法、装置。
背景技术
智能网联汽车需要利用与云平台或移动边缘计算(MEC)等的数据交互,实现协同感知、协同决策和协同控制,在单车能力的基础上进一步提升性能。其中,通信通常由有线通信与无线通信共同完成。智能网联汽车的各类应用及其大量部署对通信有高要求,体现在连接数、传输速率、时延、丢包率等指标上。
虽然最新通信技术(比如,5G)的时延和丢包等性能指标在理论能满足很多智能网联汽车应用的需求,但无线传输决定了在实际使用中很难稳定达到理论性能,通信性能甚至可能出现难以预测的突然衰减。这给智能网联汽车的安全应用提出了挑战。虽然移动通信技术难以保证空口性能(移动端与基站之间的接口性能),但是可以通过控制特定传输所用的通信资源的方式提高关键应用的通信性能,例如5G切片技术提供的通信调控能力,及软件定义网络(SDN)下有线网络的调控能力。
同时,在智能网联应用上,有诸如滤波、估计和预测等算法,在一定程度上能够弥补对输入信息实时性不足,提高应用的鲁棒性。但是,这类算法的性能在不同工况下一般是不同,例如对高动态信号的预测性能相对较弱。
单独利用通信调控能力或车端滤波能力提升应用端感受到的通信性能,其适应工况都较有限。
基于此,有必要在服务器的统一调配下,综合利用通信的调控能力及客户端的信息处理能力,在不稳定通信条件与动态数据传输需求下对通信性能进行优化。
发明内容
本说明书实施例提供基于云网车协同的通信优化方法、装置,用于解决如下问题:基于云网车协同在不稳定通信条件与动态数据传输需求下对通信性能进行优化的方案。
基于此,本说明书实施例提供的一种基于云网车协同的通信优化方法,包括:
根据服务器连接到各客户端的实时状态数据,确定通信性能指标;
根据每组待发送数据在对应客户端进行滤波的性能分析,确定滤波性能指标;
根据所述通信性能指标和所述滤波性能指标,对数据传输过程进行优化。
进一步地,所述根据服务器连接到各客户端的实时状态数据,确定通信性能指标,具体包括:
获取服务器连接到客户端的有线或无线通信网络的实时状态数据,针对各个路由器、链路与子网的性能余量及通信性能输出评价结果,确定所述通信性能指标。
进一步地,所述根据所述通信性能指标和所述滤波性能指标,对数据传输过程进行优化,具体包括:
根据通信性能指标与滤波性能指标,利用服务器发送能力、可用网络通信能力与客户端滤波能力,对数据传输过程进行优化。
进一步地,所述对数据传输过程进行优化,具体包括:
提高滤波后数据的实时性与精度为目标,确定数据包中附加的网络调控指令、服务器发送数据包方式、滤波辅助数据中的一种或几种。
进一步地,所述网络调控指令,具体用于:
通信网络传输相关设备根据服务器或数据包的调控指令,调节该数据包的路由路径、处理与传输优先级。
进一步地,所述客户端进行滤波的方式,包括:
根据数据包中的时间戳和/或滤波辅助数据,对数据包中的主体数据进行滤波。
进一步地,滤波性能指标的评价方式,包括:
根据待发送数据及其历史发送数据的特性和/或滤波器性能的理论评价函数,和/或滤波性能仿真分析,和/或客户端反馈的滤波结果或性能分析,给出客户端的滤波器在待发送数据到达客户端的可能时间段内对该数据进行滤波的性能评价。
进一步地,所述滤波辅助数据,包括:
滤波器参数、模型参数、额外的量测、量测属性中的至少一种。
本说明书实施例提供的一种基于云网车协同的通信优化装置,包括:
通信状态确定模块,根据服务器连接到各客户端的实时状态数据,确定通信性能指标;
滤波性能确定模块,根据每组待发送数据在对应客户端进行滤波的性能分析,确定滤波性能指标;
优化模块,根据所述通信性能指标和所述滤波性能指标,对数据传输过程进行优化。
进一步地,所述通信状态确定模块,获取服务器连接到客户端的有线或无线通信网络的实时状态数据,针对各个路由器、链路与子网的性能余量及通信性能输出评价结果,确定所述通信性能指标。
进一步地,所述优化模块,根据通信性能指标与滤波性能指标,利用服务器发送能力、可用网络通信能力与客户端滤波能力,对数据传输过程进行优化。
进一步地,所述对数据传输过程进行优化,具体包括:
提高滤波后数据的实时性与精度为目标,确定数据包中附加的网络调控指令、服务器发送数据包方式、滤波辅助数据中的一种或几种。
进一步地,所述网络调控指令,具体用于:
通信网络传输相关设备根据服务器或数据包的调控指令,调节该数据包的路由路径、处理与传输优先级。
进一步地,所述客户端进行滤波的方式,包括:
根据数据包中的时间戳和/或滤波辅助数据,对数据包中的主体数据进行滤波。
进一步地,滤波性能指标的评价方式,包括:
根据待发送数据及其历史发送数据的特性和/或滤波器性能的理论评价函数,和/或滤波性能仿真分析,和/或客户端反馈的滤波结果或性能分析,给出客户端的滤波器在待发送数据到达客户端的可能时间段内对该数据进行滤波的性能评价。
进一步地,所述滤波辅助数据,包括:
滤波器参数、模型参数、额外的量测、量测属性中的至少一种。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
通过综合利用服务器、网络与客户端能力进行协同的通信优化,服务器根据对可用网络通信能力及目标客户端滤波性能的评价,确定最佳的数据发送方式、数据包的网络传输调控方式、及客户端滤波方式,进而调控服务器发送过程、网络传输过程和/或客户端滤波过程,使得客户端收到数据并进行滤波后能减小通信时延与丢包对数据实时性与精度的影响,同时减小数据噪声对数据精度的影响。
附图说明
图1为本说明书实施例提供的基于云网车协同的通信优化方法的流程示意图;
图2为本说明书实施例提供的基于云网车协同的通信优化装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本说明书实施例提供的一种基于云网车协同的通信优化方法,如图1所示,具体步骤如下:
步骤S102:根据服务器连接到各客户端的实时状态数据,确定通信性能指标。
这里所说的实时状态数据包括服务器与客户端连接和数据传输过程中,服务器与客户端之间实时连接状态与网络可用性能状态数据。通信性能指标描述整个通信网络的实时通信性能,包括通信网络各链路上的带宽利用率、时延等,及各节点的交换机/路由器的工作状态,如处理器占用率、缓存使用量、缓存中各数据包长度、排队时长等。通信性能指标可以通过服务器与客户端的通信状态反馈或网络设备的状态反馈等方式获取。
步骤S104:根据每组待发送数据在对应客户端进行滤波的结果,确定滤波性能指标。
不同客户端对相同或者不同数据的滤波能力也是不同的,为了更好的实现数据传输,需要针对不同的客户端进行数据滤波能力的评估,从而确定客户端对应的滤波性能指标。一般来说,滤波器的收敛性能越好,滤波器参数与实际匹配越好,数据动态特性越弱,滤波效果越好。这里所说的滤波方法包括卡尔曼滤波、粒子滤波、贝叶斯估计、最大似然估计等。
步骤S106:根据所述通信性能指标和所述滤波性能指标,对数据传输过程进行优化。
目的是提高客户端接收并滤波后数据的实时性与精度。对数据传输过程进行优化时,需要综合考虑服务器发送能力、当前网络通信性能、各个客户端滤波后信息质量及客户端优先级,以确定网络调控指令、服务器发送数据包方式、滤波辅助数据中的一种或几种。滤波辅助数据为滤波器参数、模型参数、额外的量测、量测属性中的至少一种,数据包发送方式为针对每组数据指定的发送时刻与频率,网络调控方式为指定每组数据的通信路由及优先级。优化方法为基于规则和流程的方法、求解优化问题的方法与人工智能方法中的一种或几种。
优化算法所求解的优化问题构建如下:定义路由通信性能指标,根据某服务器与某客户端间路由路径上的链路与节点的通信性能指标,按某函数关系计算得到,该服务器与该客户端的通信性能越好该指标越大。路由通信性能指标与路由路径及数据包在路由节点交换机或路由器上被处理和被传输的优先级有关。根据该客户端滤波性能指标与该服务器与该客户端的路由通信性能指标,按某函数关系计算通信优化指标。优化目标是最大化各客户端的通信优化指标加权和,待优化变量是各客户端通信路由路径及其数据包在路由各节点上的被下处理与被传输的优先级、以及服务器给各客户端发送数据的方式,约束条件是通信网络结构、链路与节点的通信性能限制与各客户端通信优化指标的最小值(下限阈值)。
求解上述优化问题可得到保证各客户端滤波后数据质量下限的条件下,最(次)优的综合通信调度方案,给出向各客户端传输数据用的网络调控指令与服务器发送数据包方式。服务器按确定发送方式发送数据包,网络调控指令随数据包发送,通信网络按网络调控指令处理并传输对应数据包。
在本说明书一个或者多个实施例中,所述根据服务器连接到各客户端的实时状态数据,确定通信性能指标,具体可以包括:获取服务器连接到客户端的有线或无线通信网络的实时状态数据,针对各个路由器/交换机、链路与子网的性能余量及通信性能输出评价结果,确定所述通信性能指标。
在实际应用中,服务器可以有多个,比如,可以是一个服务器群组。同理,客户端的数量可以有很多,一般来说一个服务器可以对应多个客户端。为了满足客户端移动应用需求,越来越多的客户端与服务器之间采用无线通信网络实现实时状态数据的传输。在数据传输过程中,可能对数据传输产生影响的环节包括路由器/交换机、链路和子网的性能余量等等。
在评估通信性能指标时,可以基于路由器/交换机、链路和子网的性能余量等各装置的性能指标,通过加权的方式进行计算获得;具体加权计算的系数可以根据实际情况进行设定。当然,也可以通过其他方法对通信性能指标进行计算,这里所说的加权算法仅作为举例说明,并不构成对本发明技术方案的限制。
在本说明书一个或者多个实施例中,所述根据所述通信性能指标和所述滤波性能指标,对数据传输过程进行优化,具体可以包括:根据通信性能指标与滤波性能指标,利用服务器发送能力、可用网络通信能力与客户端滤波能力,对数据传输过程进行优化。
在实际应用中,对数据传输过程的优化,是一个比较复杂的过程,因为数据传输过程,不仅仅涉及到对数据发送端、数据接收端的设备性能和数据处理能力,还受到网络通信能力的影响。因此,为了能够实现比较全面的对数据传输过程进行优化,基于上述的通信性能指标与滤波性能指标,通过优化实现服务器发送能力、可用网络通信能力以及各客户端滤波能力的综合合理利用。需要说明的是,由于客户端的数量比较多,而且各个客户端的滤波能力不尽相同,因此,所采用的优化方法和优化效果的评估指标可能需要分组进行。
在本说明书一个或者多个实施例中,所述对数据传输过程进行优化,具体包括:提高滤波后数据的实时性与精度为目标,确定数据包中附加的网络调控指令、服务器发送数据包方式、滤波辅助数据中的一种或几种。
容易理解,在实际对数据进行传输的过程中,数据传输的实时性和数据传输精度是用户比较关注的指标,尤其是对数据传输的及时性和数据精度效果有要求的应用场景中,例如,在车联网场景中,为了***关联的所有车辆的安全行驶,需要确保服务器与各个终端车辆(比如,客户端设备)之间,能够准确的进行实时数据传输。数据传输过程优化是通过滤波辅助数据、服务器发送数据包方式及网络调控指令实现的。
具体来说,网络调控指令,具体可以用于通信网络传输相关设备根据服务器或数据包的调控指令,调节该数据包的路由路径、处理与传输优先级。具体来说,该调控指令可以实现对某数据包的路由选择、处理与传输阶段优先级的干预,以提高数据包传输的实时性。
服务器发送数据包方式可以包括以下一种或多种,比如,限定服务器发送每个数据包的次数与时刻,或限定向每个客户端发送数据的频率,或限定各个数据包在服务器发送的优先级。
滤波辅助数据,具体包括滤波器参数、模型参数、额外的量测、量测属性中的至少一种。其中,额外的量测指采样频率比服务器发送数据频率更高的量测等,量测属性是指量测的质量等信息。
在本说明书一个或者多个实施例中,所述客户端进行滤波的方式,具体可以包括:根据数据包中的时间戳和/或滤波辅助数据,对数据包中的主体数据进行滤波。
在采集信号的同时,还获取该信号采集的时刻(即,时间戳)。在后续的数据分析处理处理时可以利用时间戳做很多运算。比如一个信号的变化速度,频率分析,时域分析,傅里叶变换等等。可支持确定滤波辅助数据中的额外的量测、量测属性等。
在本说明书一个或者多个实施例中,滤波性能指标的评价方式,具体可以包括:根据待发送数据及其历史发送数据的特性和/或滤波器性能的理论评价函数,和/或滤波性能仿真分析,和/或客户端反馈的滤波结果或性能分析结果,给出客户端的滤波器在待发送数据到达客户端的可能时间段内对该数据进行滤波的性能评价。
在实际应用中,对滤波性能的评价方法可以有多种,具体可以包括但不限于数据特性、通过评价函数、仿真分析以及客户端反馈的滤波结果或性能分析结果等。具体选用哪种滤波评价方式,可以根据实际应用需求进行选择。当然,也可以综合上述多种评价方式作出性能评价。
给出附加在发送给该客户端的数据包中的滤波辅助数据的一种方法是,在服务器上利用大数据对各客户端滤波器性能进行自适应优化,进而确定各滤波器参数、各模型参数等信息。
基于同样的思路,本说明书实施例还提供一种基于云网车协同的通信优化装置,如图2所示,该装置包括:
通信状态确定模块201,根据服务器连接到各客户端的实时状态数据,确定通信性能指标;
滤波性能确定模块202,根据每组待发送数据在对应客户端进行滤波的性能分析,确定滤波性能指标。
所述滤波性能确定模块202,根据待发送数据及其历史发送数据的特性和/或滤波器性能的理论评价函数,和/或滤波性能仿真分析,给出滤波器在待发送数据到达客户端的可能时间段内对该数据进行滤波的性能评价。例如,客户端使用标准卡尔曼滤波器
滤波器主要性能之一的收敛速度可通过Fk-KkH′k的最大特征值的幅值来描述,此幅值称为收敛性能指标。
由待发送给各客户端的数据及其历史数据,计算数据动态特性指标。如对时序数据进行傅里叶变换后可得频率分量的最高频率或主要频率,将此频率作为数据动态特性指标。
滤波性能确定模块202通过对收敛性能指标与数据动态特性指标进行函数计算,分别计算各个客户端滤波器的滤波性能指标。滤波器收敛性能越好,数据动态特性越弱,滤波效果越好,滤波性能指标越大。
优化模块203,根据所述通信性能指标和所述滤波性能指标,对数据传输过程进行优化。所述优化模块203,以提高滤波后数据的实时性与精度为目标,确定数据包中附加的网络调控指令、服务器发送数据包方式、滤波辅助数据中的一种或几种。
进一步地,所述通信状态确定模块201,获取服务器连接到客户端的有线或无线通信网络的实时状态数据,针对各个路由器、链路与子网的性能余量及通信性能输出评价结果,确定所述通信性能指标。
所述通信状态确定模块201,实时采集连接到各客户端的通信网络(由有线与无线网络组成)上各链路的使用状态,包括带宽利用率、时延等,及各节点的交换机/路由器的工作状态,包括处理器占用率、缓存使用量、缓存中各数据包长度、排队时长等。进而实时确定每个链路及节点上可用的通信性能,表示为通信性能指标。
进一步地,所述优化模块203,根据通信性能指标与滤波性能指标,利用服务器发送能力、可用网络通信能力与客户端滤波能力,对数据传输过程进行优化。
进一步地,所述网络调控指令,具体用于:通信网络传输相关设备根据服务器或数据包的调控指令,调节该数据包的路由路径、处理与传输优先级。
进一步地,所述客户端进行滤波的方式,包括:根据数据包中的时间戳和/或滤波辅助数据,对数据包中的主体数据进行滤波。
进一步地,滤波性能指标的评价方式,还可以包括:根据待发送数据及其历史发送数据的特性和/或滤波器性能的理论评价函数,和/或滤波性能仿真分析,和/或客户端反馈的滤波结果或性能分析,给出客户端的滤波器在待发送数据到达客户端的可能时间段内对该数据进行滤波的性能评价。
进一步地,所述滤波辅助数据,包括:滤波器参数、模型参数、额外的量测、量测属性中的至少一种。
基于上述实施例可以了解到,通过综合利用服务器发送能力、通信网络性能与客户端滤波能力进行协同的通信优化,服务器根据对可用网络通信能力及目标客户端滤波性能的评价,确定最佳的数据发送方式、数据包的网络传输调控方式、及客户端滤波方式,进而调控服务器发送过程、网络传输过程和/或客户端滤波过程,使得客户端收到数据并进行滤波后能减小通信时延与丢包对数据实时性与精度的影响,同时减小数据噪声对数据精度的影响。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备和介质类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可,这里就不再一一赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤或模块可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书的实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信编号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书中一个或多个的实施例可提供为方法、***或计算机程序产品。因此,本说明书的实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的形式。而且,本说明书的实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书的实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定事务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行事务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本说明书的实施例可以有各种更改和变化。凡在本说明书的实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利范围之中。
Claims (16)
1.基于云网车协同的通信优化方法,其特征在于,包括:
根据服务器连接到各客户端的实时状态数据,确定通信性能指标,具体包括:
实时采集连接到各客户端的通信网络上各链路的使用状态和各节点的交换机/路由器的工作状态,其中,所述使用状态包括带宽利用率和时延;所述工作状态包括处理器占用率、缓存使用量、缓存中各数据包长度和排队时长;
根据所述路由器、链路与子网的性能余量及通信性能输出评价结果,确定所述通信性能指标;
根据每组待发送数据在对应客户端进行滤波的性能分析,确定滤波性能指标,具体包括:
根据待发送数据及其历史发送数据的特性和/或滤波器性能的理论评价函数,和/或滤波性能仿真分析,给出滤波器在待发送数据到达客户端的可能时间段内对所述待发送数据进行滤波的性能评价;
所述滤波器包括标准卡尔曼滤波器,所述标准卡尔曼滤波器以收敛速度作为收敛性能指标;
其中,是估计的k+1时刻***状态,是估计的k时刻***状态,是k时刻离散***状态方程中***状态的系数矩阵,是k时刻离散***输出方程中***状态的系数矩阵,是k时刻离散***输出状态,是k时刻卡尔曼滤波增益与***系数矩阵之积;
根据所述通信性能指标和所述滤波性能指标,利用服务器发送能力、可用网络通信能力与客户端滤波能力,对数据传输过程进行优化,包括:
综合利用服务器发送能力、通信网络性能与客户端滤波能力进行协同的通信优化,服务器根据对可用网络通信能力及目标客户端滤波性能的评价,确定最佳的数据发送方式、数据包的网络传输调控方式、及客户端滤波方式,进而调控服务器发送过程、网络传输过程和/或客户端滤波过程,使得客户端收到数据并进行滤波后减小通信时延与丢包对数据实时性与精度的影响,同时减小数据噪声对数据精度的影响。
2.如权利要求1所述的基于云网车协同的通信优化方法,其特征在于,所述根据服务器连接到各客户端的实时状态数据,确定通信性能指标,具体包括:
获取服务器连接到客户端的有线或无线通信网络的实时状态数据,针对各个路由器、链路与子网的性能余量及通信性能输出评价结果,确定所述通信性能指标。
3.如权利要求1所述的基于云网车协同的通信优化方法,其特征在于,所述根据所述通信性能指标和所述滤波性能指标,对数据传输过程进行优化,具体包括:
根据通信性能指标与滤波性能指标,利用服务器发送能力、可用网络通信能力与客户端滤波能力,对数据传输过程进行优化。
4.如权利要求3所述的基于云网车协同的通信优化方法,其特征在于,所述对数据传输过程进行优化,具体包括:
提高滤波后数据的实时性与精度为目标,确定数据包中附加的网络调控指令、服务器发送数据包方式、滤波辅助数据中的一种或几种。
5.如权利要求4所述的基于云网车协同的通信优化方法,其特征在于,所述网络调控指令,具体用于:
通信网络传输相关设备根据服务器或数据包的调控指令,调节该数据包的路由路径、处理与传输优先级。
6.如权利要求1所述的基于云网车协同的通信优化方法,其特征在于,所述客户端进行滤波的方式,包括:
根据数据包中的时间戳和/或滤波辅助数据,对数据包中的主体数据进行滤波。
7.如权利要求1所述的基于云网车协同的通信优化方法,其特征在于,滤波性能指标的评价方式,包括:
根据待发送数据及其历史发送数据的特性和/或滤波器性能的理论评价函数,和/或滤波性能仿真分析,和/或客户端反馈的滤波结果或性能分析,给出客户端的滤波器在待发送数据到达客户端的可能时间段内对该数据进行滤波的性能评价。
8.如权利要求6所述的基于云网车协同的通信优化方法,其特征在于,所述滤波辅助数据,包括:
滤波器参数、模型参数、额外的量测、量测属性中的至少一种。
9.基于云网车协同的通信优化装置,其特征在于,包括:
通信状态确定模块,根据服务器连接到各客户端的实时状态数据,确定通信性能指标;具体包括:实时采集连接到各客户端的通信网络上各链路的使用状态和各节点的交换机/路由器的工作状态,其中,所述使用状态包括带宽利用率和时延;所述工作状态包括处理器占用率、缓存使用量、缓存中各数据包长度和排队时长;根据所述路由器、链路与子网的性能余量及通信性能输出评价结果,确定所述通信性能指标;
滤波性能确定模块,根据每组待发送数据在对应客户端进行滤波的性能分析,确定滤波性能指标;具体包括:根据待发送数据及其历史发送数据的特性和/或滤波器性能的理论评价函数,和/或滤波性能仿真分析,给出滤波器在待发送数据到达客户端的可能时间段内对所述待发送数据进行滤波的性能评价;所述滤波器包括标准卡尔曼滤波器,所述标准卡尔曼滤波器以收敛速度作为收敛性能指标;所述收敛性能指标为所述标准卡尔曼滤波器的收敛速度的最大特征值的幅值;其中,所述标准卡尔曼滤波器表示为:;其中,是估计的k+1时刻***状态,是估计的k时刻***状态,是k时刻离散***状态方程中***状态的系数矩阵,是k时刻离散***输出方程中***状态的系数矩阵,是k时刻离散***输出状态,是k时刻卡尔曼滤波增益与***系数矩阵之积;
优化模块,根据所述通信性能指标和所述滤波性能指标,利用服务器发送能力、可用网络通信能力与客户端滤波能力,对数据传输过程进行优化,包括:综合利用服务器发送能力、通信网络性能与客户端滤波能力进行协同的通信优化,服务器根据对可用网络通信能力及目标客户端滤波性能的评价,确定最佳的数据发送方式、数据包的网络传输调控方式、及客户端滤波方式,进而调控服务器发送过程、网络传输过程和/或客户端滤波过程,使得客户端收到数据并进行滤波后减小通信时延与丢包对数据实时性与精度的影响,同时减小数据噪声对数据精度的影响。
10.如权利要求9所述的基于云网车协同的通信优化装置,其特征在于,所述通信状态确定模块,获取服务器连接到客户端的有线或无线通信网络的实时状态数据,针对各个路由器、链路与子网的性能余量及通信性能输出评价结果,确定所述通信性能指标。
11.如权利要求9所述的基于云网车协同的通信优化装置,其特征在于,所述优化模块,根据通信性能指标与滤波性能指标,利用服务器发送能力、可用网络通信能力与客户端滤波能力,对数据传输过程进行优化。
12.如权利要求11所述的基于云网车协同的通信优化装置,其特征在于,所述对数据传输过程进行优化,具体包括:
提高滤波后数据的实时性与精度为目标,确定数据包中附加的网络调控指令、服务器发送数据包方式、滤波辅助数据中的一种或几种。
13.如权利要求12所述的基于云网车协同的通信优化装置,其特征在于,所述网络调控指令,具体用于:
通信网络传输相关设备根据服务器或数据包的调控指令,调节该数据包的路由路径、处理与传输优先级。
14.如权利要求9所述的基于云网车协同的通信优化装置,其特征在于,所述客户端进行滤波的方式,包括:
根据数据包中的时间戳和/或滤波辅助数据,对数据包中的主体数据进行滤波。
15.如权利要求9所述的基于云网车协同的通信优化装置,其特征在于,滤波性能指标的评价方式,包括:
根据待发送数据及其历史发送数据的特性和/或滤波器性能的理论评价函数,和/或滤波性能仿真分析,和/或客户端反馈的滤波结果或性能分析,给出客户端的滤波器在待发送数据到达客户端的可能时间段内对该数据进行滤波的性能评价。
16.如权利要求14所述的基于云网车协同的通信优化装置,其特征在于,所述滤波辅助数据,包括:
滤波器参数、模型参数、额外的量测、量测属性中的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811041455.2A CN109756386B (zh) | 2018-09-07 | 2018-09-07 | 基于云网车协同的通信优化方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811041455.2A CN109756386B (zh) | 2018-09-07 | 2018-09-07 | 基于云网车协同的通信优化方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109756386A CN109756386A (zh) | 2019-05-14 |
CN109756386B true CN109756386B (zh) | 2021-09-28 |
Family
ID=66402422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811041455.2A Active CN109756386B (zh) | 2018-09-07 | 2018-09-07 | 基于云网车协同的通信优化方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109756386B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114339833B (zh) * | 2021-12-27 | 2023-10-03 | 上海旷通科技有限公司 | 一种基于无线网络实时信息配置路由的方法及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106572138A (zh) * | 2015-10-13 | 2017-04-19 | 口碑控股有限公司 | 指令发送方法、指令执行方法、客户端及服务器 |
CN107231662A (zh) * | 2016-03-25 | 2017-10-03 | 华为技术有限公司 | 一种sdn网络中多流传输的方法和设备 |
CN107612909A (zh) * | 2017-09-18 | 2018-01-19 | 阿里巴巴集团控股有限公司 | 关于物联网设备的信息交互方法、装置及设备 |
CN108400902A (zh) * | 2018-01-15 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 一种灰度测试的方法、装置及设备 |
CN108427737A (zh) * | 2018-02-28 | 2018-08-21 | 上海连尚网络科技有限公司 | 一种数据清理方法、设备及计算机可读介质 |
-
2018
- 2018-09-07 CN CN201811041455.2A patent/CN109756386B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106572138A (zh) * | 2015-10-13 | 2017-04-19 | 口碑控股有限公司 | 指令发送方法、指令执行方法、客户端及服务器 |
CN107231662A (zh) * | 2016-03-25 | 2017-10-03 | 华为技术有限公司 | 一种sdn网络中多流传输的方法和设备 |
CN107612909A (zh) * | 2017-09-18 | 2018-01-19 | 阿里巴巴集团控股有限公司 | 关于物联网设备的信息交互方法、装置及设备 |
CN108400902A (zh) * | 2018-01-15 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 一种灰度测试的方法、装置及设备 |
CN108427737A (zh) * | 2018-02-28 | 2018-08-21 | 上海连尚网络科技有限公司 | 一种数据清理方法、设备及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109756386A (zh) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nguyen et al. | Distributed deep deterministic policy gradient for power allocation control in D2D-based V2V communications | |
CN114286413B (zh) | Tsn网络联合路由选择与流分配方法及相关设备 | |
CN111930486B (zh) | 任务选取数据处理方法、装置、设备及存储介质 | |
CN112868265B (zh) | 网络资源的管理方法、管理装置、电子设备及存储介质 | |
US10999348B2 (en) | Method and apparatus for controlling multi-connection for data transmission rate improvement | |
KR20200074431A (ko) | 다매체 다중경로 네트워크의 최적 경로 선택 시스템 및 그 방법 | |
CN111324533B (zh) | A/b测试方法、装置及电子设备 | |
Quwaider et al. | Neural network model as Internet of Things congestion control using PID controller and immune-hill-climbing algorithm | |
CN115665227B (zh) | 一种普适的异构融合算网资源智慧适配网络架构及方法 | |
CN109756386B (zh) | 基于云网车协同的通信优化方法、装置 | |
CN116541106A (zh) | 计算任务卸载方法、计算设备及存储介质 | |
Master et al. | Adaptive prefetching in wireless computing | |
Kahe et al. | AQM controller design for TCP networks based on a new control strategy | |
CN115996403B (zh) | 5g工业时延敏感业务资源调度方法、装置、电子设备 | |
CN114429195A (zh) | 混合专家模型训练的性能优化方法和装置 | |
US10454776B2 (en) | Dynamic computer network classification using machine learning | |
CN109005060B (zh) | 一种基于层级化高度异构分布式***的深度学习应用优化框架 | |
KR102287566B1 (ko) | 분산 시스템 아키텍처에서 애플리케이션을 실행하기 위한 방법 | |
Turan et al. | Zero-attracting function controlled VSSLMS algorithm with analysis | |
CN113543065B (zh) | 一种基于强化学习的通信资源分配方法及其相关设备 | |
CN115935563A (zh) | 一种基于图神经网络的网络带宽预测方法及装置 | |
CN116418808A (zh) | 一种mec的联合计算卸载和资源分配方法及装置 | |
CN109120480B (zh) | 基于数据中心的链路优化方法及装置 | |
CN114302407B (zh) | 网络决策方法及装置、电子设备和存储介质 | |
Son et al. | ANFIS-based rate adaptation scheme for adaptive streaming over HTTP |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |