CN110928658A - 一种车边云协同架构的协同任务迁移***及算法 - Google Patents
一种车边云协同架构的协同任务迁移***及算法 Download PDFInfo
- Publication number
- CN110928658A CN110928658A CN201911138877.6A CN201911138877A CN110928658A CN 110928658 A CN110928658 A CN 110928658A CN 201911138877 A CN201911138877 A CN 201911138877A CN 110928658 A CN110928658 A CN 110928658A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- mounted terminal
- task
- server
- edge
- 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.)
- Granted
Links
- 230000005012 migration Effects 0.000 title claims abstract description 68
- 238000013508 migration Methods 0.000 title claims abstract description 68
- 238000004891 communication Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000005265 energy consumption Methods 0.000 claims abstract description 10
- 238000013500 data storage Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000008447 perception Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000001413 cellular effect Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 abstract description 3
- 230000009471 action Effects 0.000 abstract description 2
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 10
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
- G06F9/4856—Task life-cycle, e.g. stopping, restarting, resuming execution resumption being on a different machine, e.g. task migration, virtual machine migration
- G06F9/4862—Task life-cycle, e.g. stopping, restarting, resuming execution resumption being on a different machine, e.g. task migration, virtual machine migration the task being a mobile agent, i.e. specifically designed to migrate
- G06F9/4875—Task life-cycle, e.g. stopping, restarting, resuming execution resumption being on a different machine, e.g. task migration, virtual machine migration the task being a mobile agent, i.e. specifically designed to migrate with migration policy, e.g. auction, contract negotiation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5066—Algorithms for mapping a plurality of inter-dependent sub-tasks onto a plurality of physical CPUs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种车边云协同架构的协同任务迁移***及算法,包括:车载终端集群,该车载终端集群用于采集车辆信息和输出车辆信息至边缘服务器及远程云服务器;边缘服务器,设置于路侧边缘,与车载终端集群通信连接,以接收并处理车载终端集群采集处理的车辆信息和输出信号指令至车载终端集群内;远程云服务器,与车载终端集群通信连接,与车载终端集群之间进行身份认证、数据存储和数据收发。本发明的车边云协同架构的协同任务迁移***,通过车载终端、边缘计算服务器和远程云服务器的组合作用,便可实现从传统的车‑边协同架构、车‑云协同架构到车边云协同架构的演进,选择最优的任务迁移机制,实现车载的能耗最小,可有效延长车辆的续航里程。
Description
技术领域
本发明属于智能网联汽车技术领域,更具体的说是涉及一种车边云协同架构的协同任务迁移***及算法。
背景技术
汽车智能化的关键在于构建具有数据融合、高速计算、智能决策、协同控制能力的智能计算平台,以完成汽车行驶和信息交互过程中海量多源异构数据的高速计算处理。现今,车载终端及云服务器的计算能力和硬件配置虽正在逐步增强,但随着车载终端设备的日益增加、无线网络的大规模接入以及车载计算任务应用要求的提升,基站无线总带宽的需求不断增加,继而引发网络传输不稳定、云服务器负载过高等问题,使得计算平台难以在短时间内完成计算资源密集型计算,这对智能网联汽车计算平台的处理能力提出了严峻挑战。
为解决上述问题,CN110134507提出了一种适用于车边协同架构的边缘计算***下的合作计算方法,利用在边缘服务器侧与众多终端合作计算的方案达到计算资源的最优配置,但边缘服务器的存储和计算能力有限,不可能部署所有类型的服务,不合理的任务迁移策略会导致边缘计算任务处理时间延长,车载终端体验变差,还会导致边缘服务器因过载而不稳定。CN110197339提出了一种适用于车云协同架构的基于大数据云计算服务平台及运行方法,可实现后台计算及交互式大数据信息查询,但由于网络带宽限制及海量计算密集型任务的涌现,不能满足智能网联汽车实时响应的需求。
上述技术对于提高车载计算任务及实现交互式的信息查询具有积极意义,但车辆在行驶过程中需要面对复杂的环境,需要与同区域内的其他设备竞争网络资源和计算资源。网络状态和计算资源的不确定性,很容易造成通信不稳定,进而产生数据拥堵,无法满足低时延的要求。尤其,对于电动车辆而言,上述问题还会引发车载能耗过高进而影响续航里程,因此,如何实现实时性和能耗的平衡是一个亟待解决的问题。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种车边云协同架构的协同任务迁移***及算法,将任务特性、任务迁移策略、计算资源、网络状态等综合建模为一个***能耗最小优化问题,并以任务计算时延为约束、以***能耗最低为目标,设计高效的任务迁移机制,从而降低车载计算负荷,显著提升用户体验,同时为远程云计算平台的大数据分析提供基础数据。
为实现上述目的,本发明提供了如下技术方案:一种车边云协同架构的协同任务迁移***,包括:
车载终端集群,该车载终端集群用于采集车辆信息和输出车辆信息至边缘服务器及远程云服务器;
边缘服务器,设置于路侧边缘,与车载终端集群通信连接,以接收并处理车载终端集群采集处理的车辆信息和输出信号指令至车载终端集群内;
远程云服务器,与车载终端集群通信连接,与车载终端集群之间进行身份认证、数据存储和数据收发。
作为本发明的进一步改进,所述车载终端集群由一定区域内的所有的车载终端和路侧通信基础设施构成,内部采用mm-ware、802.11p、蜂窝网络相互通信,其中,路侧通信基础设施包括路边基站、信号灯,车载终端包括全球导航卫星***、信息分析模块、信息感知模块、任务迁移决策模块、迁移执行模块、通信模块。
作为本发明的进一步改进,所述边缘服务器由路侧边缘设备搭建,其中,路侧边缘设备包括工控机、路由器等。
作为本发明的进一步改进,所述远程云服务器包括身份认证模块、监控模块、存储模块、任务调度模块、数据收发模块。
本发明另一方面提供了一种算法,包括如下步骤:
步骤1,构建车边云协同迁移***变量模型;
步骤2,确定车载终端的任务特性,令车载终端VTi中有实时响应要求的任务由四元组(Ii,Oi,Ci,Ti)描述,其中,Ii表示车载终端VTi任务的总输入数据量,Oi表示车载终端VTi的任务计算结果的总输出数据量,Ci表示车载终端VTi的任务执行所需的CPU的周期数,Ti表示车载终端VTi任务完成限制时间;
步骤3,基于步骤2中的车载终端的任务特性,确定车载终端任务迁移策略Yi;
步骤4,以满足计算时延约束、***能耗最低为目标,建立目标函数E选择最佳任务迁移矩阵,确定车载终端任务调度条件,其中任务迁移矩阵如下:
s.t max(Tlocal,i,Tedge,i,Tremote,i)-Ti≤0
其中,函数max()表示取所有元素的最大值,Elocal、Eup、Edown分别表示选择任务迁移策略后车载终端执行本地任务的总功耗、车载终端上传数据的总功耗、车载终端的下载数据总功耗,Tlocal,i、Tedge,i、Tremote,i分别表示选择任务迁移策略后车载终端VTi本地执行任务总执行时间、边缘服务器执行任务的总计算时延、远程云服务器执行任务的总计算时延。
作为算法的进一步改进,所述步骤1中的变量模型构建为:假设把时间划分为无数个时间间隙,在某段给定时间间隙Δ内,令车载终端集群中车载终端的集合为VT={VTi},其中VTi表示车载终端集群中第i辆车载终端,i=1,2,…,M,M为当前车载终端集群中车载终端的总数,然后依次构建车载终端模型、边缘服务器模型、远程云服务器模型和数据通信环境模型。
作为算法的进一步改进,所述车载终端模型通过以下步骤构建:
步骤(1),令车载终端VTi由六元组VTi=(Clocal,i,Ei,Eup,i,Edown,i,Li[t],Nlocal,i)描述;
其中,Clocal,i表示车载终端VTi的CPU计算能力,Ei表示车载终端VTi执行本地任务时单位时间间隙内的功耗,Eup,i、Edown,i表示车载终端VTi上传/下载数据时单位时间间隙内的功耗,Li[t]∈{0,1,…,n-1}表示车载终端VTi本地计算任务的处理进度状态,n表示车载终端能容纳的最大计算子任务数,Nlocal,i表示当前车载终端VTi处理未完成的计算任务所需的时间间隙个数,Li[t]=0时表示车载终端当前无本地计算任务,可接受任务迁移。
作为算法的进一步改进,所述边缘服务器模型通过以下步骤构建:
步骤(2),令边缘服务器由三元组(Cedge,LE[t],Nedge)描述;
其中,Cedge表示边缘服务器的CPU计算能力,LE[t]∈{0,1,…,n}-1}表示边缘服务器计算任务的处理进度状态,n表示边缘服务器能容纳的最大计算子任务数,Nedge表示当前处理未完成的计算任务所需的时间间隙个数,LE[t]=0时表示边缘服务器当前无计算任务正在执行,可接受任务迁移。
作为算法的进一步改进,所述远程云服务器模型通过以下步骤构建:
步骤(3),令远程云服务器由二元组(β,q)描述;
其中,β为单核串行处理子任务所需要的时间,q表示并行计算使用的计算核心数量。
作为算法的进一步改进,所述数据通信环境模型通过以下步骤构建:
作为算法的进一步改进,所述车载终端任务迁移策略包括全部本地执行、本地与边缘服务器协作、全部边缘服务器执行、边缘服务器与远程云协作、本地与远程云协作、全部远程云执行和本地、边缘服务器与远程云协作。
本发明的有益效果,通过车载终端集群、边缘服务器和远程云服务器的组合作用,可以在保障***任务有效执行的情况下,实现从传统的车边协同架构、车云协同架构到车边云协同架构的演进,***选择最优的任务迁移机制,实现车载的能耗最小,可有效延长车辆的续航里程。并且算法考虑车载终端的任务特性、车载终端需求、车载***负载平衡、资源利用率、通信延迟等,实现远程通过网络将计算密集型任务自动拆分成多个子任务,再交由多台服务器所组成的庞大***。经搜索、计算分析之后将处理结果回传给车载终端,智能协调车载***、边缘服务器和远程云服务器间的车边云协作,可有效降低车载负荷,显著提升用户服务质量,短时间内完成计算密集型任务,有效提高智能网联车辆行驶安全性。
附图说明
图1为本发明车边云协同任务迁移***示意图;
图2为本发明车边云协同架构的协同任务迁移***的框架图;
图3为本发明车边云协同架构的协同任务迁移算法的流程图。
具体实施方式
下面将结合附图所给出的实施例对本发明做进一步的详述。
本实施例的一种车边云协同架构的协同任务迁移算法及***,假设车载终端需执行一定计算任务,边缘服务器及车载终端具有一定的任务计算及处理能力,远程云服务器允许并行计算及串行计算,计算资源可动态拓展,满足计算需求。***中任务的车载终端任务请求可通过7种方式执行,(1)“全部本地执行”;(2)“本地与边缘服务器协作”;(3)“全部边缘服务器执行”;(4)“边缘服务器与远程云协作”;(5)“本地与远程云协作”;(6)“全部远程云执行”;(7)“本地、边缘服务器与远程云协作”。
如图1所示,车边云协同任务迁移算法及***由车载终端集群、边缘服务器、远程云服务器组成,通过基站采用无线等方式通信。如图2所示,***主要功能模块作用及功能如下:
车载终端集群,由一定区域内的所有的车载终端和路侧通信基础设施构成,车载终端集群内部采用mm-ware、802.11p、蜂窝网络等通信方式。其中,路侧通信基础设施包括路边基站、信号灯等;车载终端包括全球导航卫星***、信息分析模块、信息感知模块、任务迁移模块、迁移执行模块、通信模块。其中,全球导航卫星***定位车辆位置,选择相邻最近的边缘服务器;信息分析模块分析车载终端任务特性并接受协同***处理后的计算结果,并汇总;信息感知模块感知车边云协同迁移***变量;任务迁移决策模块执行协同任务迁移算法,选择最佳任务迁移策略,输入迁移执行模块;迁移执行模块按照最佳任务迁移策略发送子任务;通信模块为车载终端提供网络接入功能。
边缘服务器,在某个邻近区域内组成的通信网络中,由路侧边缘设备搭建的边缘服务器,其中的路侧设备,包括工控机、路由器等。工控机提供计算能力,路由器提供网络接入功能。
远程云服务器,包括数据收发模块、身份认证模块、监控模块、任务调度模块、存储模块。其中,数据收发模块获取车载终端的请求;身份认证模块连接在数据收发模块与远程云服务器之间,用于识别车载终端信息;监控模块用于监控远程云服务器的各服务器、文件***和数据使用情况,如果使用率(例如CPU使用率、内存使用率、存储空间使用率等)超过某个阈值,则自动增加相关资源;如果使用率低于某个阈值,则减少相关资源,提升物理资源利用率;任务调度模块,用于远程云服务器计算资源的调度;存储模块用于存储数据,便于后台计算及交互式大数据信息查询。
如图3所示,本发明所述的车边云协同架构的协同迁移任务算法及***的方法具体包括以下步骤:
1、车载终端全球导航卫星***定位车辆位置,车辆选择所在区域相邻最近的边缘服务器。
本发明实施例中,若有任务迁移到边缘服务器,车辆已行驶至另一个相邻最近的不同边缘服务器时,未接收到边缘服务器的计算结果,则采用边缘服务器间的任务迁移,计算结束后,将计算结果发送给车载终端。
假设把时间划分为无数个时间间隙,在某段给定时间间隙Δ内,令车载终端集群中任务的车载终端(Vehicle Terminal)的集合为VT={VTi},其中VTi表示车载终端集群中第i辆车载终端,i=1,2,...,M,M为当前车载终端集群中车载终端的总数。
2、车载终端信息感知模块感知车边云协同迁移***变量。
(1)感知车载终端参数,VTi=(Clocal,i,Ei,Eup,i,Edown,i,Li[t],Nlocal,i)。其中,Clocal,i表示车载终端VTi的CPU计算能力,Ei表示车载终端VTi执行本地任务时单位时间间隙内的功耗,Eup,i、Edown,i表示车载终端上传数据的总功耗、车载终端的下载数据总功耗,Li[t]∈{0,1,…,n-1}表示车载终端VTi本地计算任务的处理进度状态,n表示车载终端能容纳的最大计算子任务数,Nlocal,i表示当前车载终端VTi处理未完成的计算任务所需的时间间隙个数,Li[t]=0时表示车载终端当前无本地计算任务,可接受任务迁移。
(2)感知边缘服务器参数,(Cedge,LE[t],Nedge)。若有任务迁移到边缘服务器,车辆已行驶至另一个相邻最近的不同边缘服务器时,未接收到边缘服务器的计算结果,则车载终端信息感知模块需重新感知边缘服务器参数。其中,Cedge表示边缘服务器的CPU计算能力,LE[t]∈{0,1,…,n-1}表示边缘服务器计算任务的处理进度状态,n表示边缘服务器能容纳的最大计算子任务数,Nedge表示当前处理未完成的计算任务所需的时间间隙个数,LE[t]=0时表示边缘服务器当前无计算任务正在执行,可接受任务迁移。
(3)感知数据通信环境参数, 其中,ri表示车载终端集群内车载终端VTi的任务通过无线信道传输至服务器间的传输速率,w和σ2指信道的带宽及信道噪声功率,pi表示车载终端VTi的任务迁移所采用的发送功率,表示车载终端VTi与服务器之间链路的信道增益,ro表示服务器通过无线信道将数据结果反馈至车载终端的传输速率,w′和σ′2指信道的带宽及信道噪声功率,p′i表示服务器发送数据采用的发送功率,表示服务器与车载终端间链路的信道增益,R为当前环境的总带宽。
3、车载终端信息分析模块分析车载终端任务特性(Ii,Oi,Ci,Ti),其中,Ii表示车载终端VTi任务的总输入数据量,Oi表示车载终端VTi的任务计算结果的总输出数据量,Ci为该车载终端VTi的任务执行所需的CPU周期数,Ti表示车载终端VTi任务完成限制时间。
本发明实施例中车载终端VTi的任务分割为ni个固定数据量大小的子任务,i=1,2,…,M,固定数据量的大小由当前环境网络的数据链路的吞吐量决定,令车载终端VTi的子任务由三元组(Ii,j,Oi,j,Ci,j)描述,各子任务可分别迁移执行或在车载终端本地执行。其中,表示车载终端VTi的第j个子任务的输入数据量,各子任务的Ii,j组成车载终端VTi的输入数据量矩阵Oi,j表示车载终端VTi的第j个子任务计算结果的输出数据量,各子任务的Oi,j组成车载终端VTi的输出数据量矩阵Ci,j表示车载终端VTi的第j个子任务执行所需的CPU周期数,各子任务的Ci,j组成车载终端VTi的所需CPU周期数的矩阵
4、判断任务的实时需求。若是需实时响应的任务,执行5~7,无实时需求的任务,执行8~9。
任务迁移决策模块执行协同任务迁移算法,选择最佳任务迁移策略输入迁移执行模块,其中,ni是车载终端VTi的任务分割的子任务的数量,分别为1×3的行向量,i=1,2,…,M,j=1,2,…,ni,行向量yi,j=[1 0 0]表示车载终端VTi的第j个子任务必须在本地执行,行向量yi,j=[01 0]表示车载终端VTi的第j个子任务迁移到边缘服务器,行向量yi,j=[0 0 1]表示车载终端VTi的第j个子任务迁移到远程云服务器。根据步骤2、3,可计算如下:
(1)计算车载终端本地任务计算总执行时间,Tlocal,i=max{TL(x),TL}+Nlocal。其中,表示理论状态下任务的执行时间,TL(x)为车载终端信息分析模块建立的本地执行任务计算时间与子任务输入数据量x相关的历史数据的关系数学模型,其计算时间用多项式回归处理,可估计求得表示选择任务迁移策略后,子任务输入数据量为Ii,j时的车载终端的总执行任务时间由描述,函数sum()表示对矩阵所有元素求和,n为建立关系数学模型的历史数据量的大小,A0为初始值,可采用经验值。
(2)边缘服务器执行任务的总时延,Tedge,i=(tde+tpe)·(Yi·[0 0 1]T)。其中,tde表示时延tde=ds+RTT,tpe表示执行任务的计算时间, 表示理论状态下执行任务时间 为车载终端信息分析模块建立的边缘服务器执行任务计算时间与子任务输入数据量x相关的历史数据的关系数学模型,其计算时间用多项式回归处理,可估计求得表示选择任务迁移策略后,子任务输入数据量为Ii,j时边缘服务器的总执行任务时间由描述,函数sum()表示对矩阵所有元素求和,n为建立关系数学模型的历史数据量的大小,A0为初始值,可采用经验值。
(3)远程云服务器执行任务的总时延,Tremote,i=(tdr+tpr)·(Yi·[0 0 1]T),tpr表示计算时间tpr=tpp+tps,tdr表示时延tdr=ds+RTT。其中,tpp表示云平台并行处理时间,tpp=β/q,其中β为单核串行处理子任务所需要的时间,q表示并行计算使用的计算核心数量,tps表示云平台串行处理时间,其值采用本次计算之前的k次计算所用时间的平均值,其中k为经验值。
(2)、(3)中,ds表示发送时延,RTT表示传播时延,表示数据帧从发出到边缘服务器或者远程云服务器确认的时间差,每测量到一个RTT,就重新计算一次RTTs,RTTs=(1-α)·RTTs+α·RTT,0≤α≤1,其中,RTTs为加权平均往返时间,α可采用经验值,一般取0.125。
(5)本发明算法以满足计算时延、***能耗最低为目标,建立目标函数E,选择最佳任务迁移策略。
5、迁移执行模块按照最佳任务迁移策略发送子任务至边缘服务器及远程服务器。
6、本地、边缘服务器、远程云服务器分别计算子任务,并发送计算结果至车载终端信息分析模块,若有任务迁移到边缘服务器,车辆已行驶至另一个相邻最近的不同边缘服务器时,未接收到边缘服务器的计算结果,则采用边缘服务器间的任务迁移,计算结束后,发送给车载终端信息分析模块。
7、车载终端集群中无实时响应需求的任务,在车载终端空闲且联网的状态下直接传入远程云服务器,如车辆的行驶状态信息、用户信息、***日志等。
8、远程云服务器数据接受模块接受信息并储存,为远程云服务器的大数据分析提供基础数据,并提供给智能网联车辆开发商等,实现交互式的信息查询。
在本发明实施例中,当邻近区域的汽车VT={VTi}拥有大量相同或相似的计算任务,比如摄像头采集到的相同的图片感知信息,利用协同的方式削减冗余的任务。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种车边云协同架构的协同任务迁移***,其特征在于:包括:
车载终端集群(1),该车载终端集群(1)用于采集车辆信息和输出车辆信息至边缘服务器及远程云服务器;
边缘服务器(2),设置于路侧边缘,与车载终端集群(1)通信连接,以接收并处理车载终端集群(1)采集处理的车辆信息和输出信号指令至车载终端集群(1)内;
远程云服务器(3),与车载终端集群(1)通信连接,与车载终端集群之间进行身份认证、数据存储和数据收发。
2.根据权利要求1所述的车边云协同架构的协同任务迁移***,其特征在于:所述车载终端集群(1)由一定局域内的所有的车载终端和路侧通信基础设施构成,内部采用mm-ware、802.11p、蜂窝网络相互通信,其中,路侧通信基础设施包括路边基站、信号灯,车载终端包括全球导航卫星***、信息分析模块、信息感知模块、任务迁移决策模块、迁移执行模块、通信模块。
3.根据权利要求1或2所述的车边云协同架构的协同任务迁移***,其特征在于:所述边缘计算服务器(2)由路侧边缘设备搭建,其中,路侧边缘设备包括工控机、路由器,所述远程云服务器(3)包括身份认证模块、监控模块、存储模块、任务调度模块、数据收发模块。
4.一种应用权利要求1至3中所述***的算法,其特征在于:包括如下步骤:
步骤1,构建车边云协同迁移***变量模型;
步骤2,确定车载终端的任务特性,令车载终端VTi中有实时响应要求的任务由四元组(Ii,Oi,Ci,Ti)描述,其中,Ii表示车载终端VTi任务的总输入数据量,Oi表示车载终端VTi的任务计算结果的总输出数据量,Ci表示车载终端VTi的任务执行所需的CPU的周期数,Ti表示车载终端VTi任务完成限制时间;
步骤3,基于步骤2中的车载终端的任务特性,确定车载终端任务迁移策略Yi;
步骤4,以满足计算时延约束、***能耗最低为目标,建立目标函数E选择最佳任务迁移矩阵,确定车载终端任务调度条件,其中任务迁移矩阵如下:
s.t max(Tlocal,i,Tedge,i,Tremote,i)-Ti≤0
其中,函数max()表示取所有元素的最大值,Elocal、Eup、Edown分别表示选择任务迁移策略后车载终端执行本地任务的总功耗、车载终端上传数据的总功耗、车载终端的下载数据总功耗,Tlocal,i、Tedge,i、Tremote,i分别表示选择任务迁移策略后车载终端VTi本地执行任务总执行时间、边缘服务器执行任务的总计算时延、远程云服务器执行任务的总计算时延。
5.根据权利要求4所述的算法,其特征在于:所述步骤1中的变量模型构建为:假设把时间划分为无数个时间间隙,在某段给定时间间隙Δ内,令车载终端集群中车载终端的集合为VT={VTi},其中VTi表示车载终端集群中第i辆车载终端,i=1,2,…,M,M为当前车载终端集群中车载终端的总数,然后依次构建车载终端模型、边缘服务器模型、远程云服务器模型和数据通信环境模型。
6.根据权利要求5所述的算法,其特征在于:所述车载终端模型通过以下步骤构建:
步骤(1),令车载终端VTi由六元组VTi=(Clocal,i,Ei,Eup,i,Edown,i,Li[t],Nlocal,i)描述;
其中,Clocal,i表示车载终端VTi的CPU计算能力,Ei表示车载终端VTi执行本地任务时单位时间间隙内的功耗,Eup,i、Edown,i表示车载终端VTi上传/下载数据时单位时间间隙内的功耗,Li[t]∈{0,1,…,n-1}表示车载终端VTi本地计算任务的处理进度状态,n表示车载终端能容纳的最大计算子任务数,Nlocal,i表示当前车载终端VTi处理未完成的计算任务所需的时间间隙个数,Li[t]=0时表示车载终端当前无本地计算任务,可接受任务迁移。
7.根据权利要求5所述的算法,其特征在于:所述边缘服务器模型通过以下步骤构建:
步骤(2),令边缘服务器由三元组(Cedge,LE[t],Nedge)描述;
其中,Cedge表示边缘服务器的CPU计算能力,LE[t]∈{0,1,…,n-1}表示边缘服务器计算任务的处理进度状态,n表示边缘服务器能容纳的最大计算子任务数,Nedge表示当前处理未完成的计算任务所需的时间间隙个数,LE[t]=0时表示边缘服务器当前无计算任务正在执行,可接受任务迁移。
8.根据权利要求5所述的算法,其特征在于:所述远程云服务器模型通过以下步骤构建:
步骤(3),令远程云服务器由二元组(β,q)描述;
其中,β为单核串行处理子任务所需要的时间,q表示并行计算使用的计算核心数量。
10.根据权利要求4所述的算法,其特征在于:所述车载终端任务迁移策略包括全部本地执行、本地与边缘服务器协作、全部边缘服务器执行、边缘服务器与远程云协作、本地与远程云协作、全部远程云执行、本地与边缘服务器与远程云协作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911138877.6A CN110928658B (zh) | 2019-11-20 | 2019-11-20 | 一种车边云协同架构的协同任务迁移***及算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911138877.6A CN110928658B (zh) | 2019-11-20 | 2019-11-20 | 一种车边云协同架构的协同任务迁移***及算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110928658A true CN110928658A (zh) | 2020-03-27 |
CN110928658B CN110928658B (zh) | 2024-03-01 |
Family
ID=69850367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911138877.6A Active CN110928658B (zh) | 2019-11-20 | 2019-11-20 | 一种车边云协同架构的协同任务迁移***及算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110928658B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111601266A (zh) * | 2020-03-31 | 2020-08-28 | 浙江吉利汽车研究院有限公司 | 协同控制方法及*** |
CN111611071A (zh) * | 2020-04-21 | 2020-09-01 | 中国人民解放军军事科学院国防科技创新研究院 | 星-云-边-端架构的卫星***及其数据处理方法 |
CN111754082A (zh) * | 2020-06-01 | 2020-10-09 | 湖南大学 | 智能运载*** |
CN111932687A (zh) * | 2020-10-13 | 2020-11-13 | 宁波均联智行科技有限公司 | 车内混合现实显示方法及装置 |
CN113064731A (zh) * | 2021-06-03 | 2021-07-02 | 明品云(北京)数据科技有限公司 | 基于云边端架构的大数据处理终端设备、处理方法和介质 |
CN113327442A (zh) * | 2021-04-30 | 2021-08-31 | 广州中国科学院软件应用技术研究所 | 一种基于端云融合的协同控制***及方法 |
CN113419867A (zh) * | 2021-08-23 | 2021-09-21 | 浙大城市学院 | 一种面向边云协同计算环境中节能的服务供应方法 |
CN113452751A (zh) * | 2021-05-20 | 2021-09-28 | 国网江苏省电力有限公司信息通信分公司 | 基于云边协同的电力物联网任务安全迁移***及方法 |
CN113992713A (zh) * | 2021-10-21 | 2022-01-28 | 国汽智控(北京)科技有限公司 | 车云通信方法、装置、电子设备及存储介质 |
CN114202821A (zh) * | 2020-09-02 | 2022-03-18 | 上海汽车集团股份有限公司 | 一种车辆数据处理方法及装置 |
CN115243222A (zh) * | 2022-06-23 | 2022-10-25 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 动车组车地协同任务处理方法及其***、设备及存储介质 |
US11670120B2 (en) | 2020-08-31 | 2023-06-06 | Toyota Research Institute, Inc. | System and method for monitoring test data for autonomous operation of self-driving vehicles |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015023192A1 (en) * | 2013-08-14 | 2015-02-19 | Intel Corporation | Manageability redundancy for micro server and clustered system-on-a-chip deployments |
WO2015075799A1 (ja) * | 2013-11-21 | 2015-05-28 | 三菱電機株式会社 | 車載器、クラウドサーバ、車車間通信システムおよび車車間通信方法 |
CN106844051A (zh) * | 2017-01-19 | 2017-06-13 | 河海大学 | 一种边缘计算环境中功耗优化的负载任务迁移算法 |
WO2018028025A1 (zh) * | 2016-08-11 | 2018-02-15 | 江苏大学 | 车联网环境下行车服务主动感知***及方法 |
CN107851040A (zh) * | 2015-07-23 | 2018-03-27 | 高通股份有限公司 | 用于使用高速缓存需求监视在异构处理器簇架构中调度任务的***和方法 |
CN107959708A (zh) * | 2017-10-24 | 2018-04-24 | 北京邮电大学 | 一种基于云端-边缘端-车端的车联网服务协同计算方法与*** |
EP3328035A1 (en) * | 2016-11-28 | 2018-05-30 | Tata Consultancy Services Limited | System and method for offloading robotic functions to network edge augmented clouds |
CN109413615A (zh) * | 2018-09-14 | 2019-03-01 | 重庆邮电大学 | 车联网下基于mec的能量感知卸载的能量延迟折衷方案 |
CN109591804A (zh) * | 2018-11-22 | 2019-04-09 | 湖南大学 | 考虑通信时延的车辆队列稳定性控制方法 |
CN109714730A (zh) * | 2019-02-01 | 2019-05-03 | 清华大学 | 用于车车及车路协同的云控平台***及协同***和方法 |
CN109714421A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于车路协同的智能网联汽车运行*** |
US20190205115A1 (en) * | 2017-12-31 | 2019-07-04 | Veniam, Inc. | Systems and methods for secure and safety software updates in the context of moving things, in particular a network of autonomous vehicles |
CN110035410A (zh) * | 2019-03-07 | 2019-07-19 | 中南大学 | 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法及*** |
US20190347695A1 (en) * | 2018-05-14 | 2019-11-14 | Veniam, Inc. | Systems and methods for captive portal control and management in a network of moving things that may include, for example, autonomous vehicles |
CN110456745A (zh) * | 2019-07-29 | 2019-11-15 | 湖南大学 | 一种全自动地下采矿运输*** |
-
2019
- 2019-11-20 CN CN201911138877.6A patent/CN110928658B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015023192A1 (en) * | 2013-08-14 | 2015-02-19 | Intel Corporation | Manageability redundancy for micro server and clustered system-on-a-chip deployments |
WO2015075799A1 (ja) * | 2013-11-21 | 2015-05-28 | 三菱電機株式会社 | 車載器、クラウドサーバ、車車間通信システムおよび車車間通信方法 |
CN107851040A (zh) * | 2015-07-23 | 2018-03-27 | 高通股份有限公司 | 用于使用高速缓存需求监视在异构处理器簇架构中调度任务的***和方法 |
WO2018028025A1 (zh) * | 2016-08-11 | 2018-02-15 | 江苏大学 | 车联网环境下行车服务主动感知***及方法 |
EP3328035A1 (en) * | 2016-11-28 | 2018-05-30 | Tata Consultancy Services Limited | System and method for offloading robotic functions to network edge augmented clouds |
CN106844051A (zh) * | 2017-01-19 | 2017-06-13 | 河海大学 | 一种边缘计算环境中功耗优化的负载任务迁移算法 |
CN107959708A (zh) * | 2017-10-24 | 2018-04-24 | 北京邮电大学 | 一种基于云端-边缘端-车端的车联网服务协同计算方法与*** |
US20190205115A1 (en) * | 2017-12-31 | 2019-07-04 | Veniam, Inc. | Systems and methods for secure and safety software updates in the context of moving things, in particular a network of autonomous vehicles |
US20190347695A1 (en) * | 2018-05-14 | 2019-11-14 | Veniam, Inc. | Systems and methods for captive portal control and management in a network of moving things that may include, for example, autonomous vehicles |
CN109413615A (zh) * | 2018-09-14 | 2019-03-01 | 重庆邮电大学 | 车联网下基于mec的能量感知卸载的能量延迟折衷方案 |
CN109591804A (zh) * | 2018-11-22 | 2019-04-09 | 湖南大学 | 考虑通信时延的车辆队列稳定性控制方法 |
CN109714421A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于车路协同的智能网联汽车运行*** |
CN109714730A (zh) * | 2019-02-01 | 2019-05-03 | 清华大学 | 用于车车及车路协同的云控平台***及协同***和方法 |
CN110035410A (zh) * | 2019-03-07 | 2019-07-19 | 中南大学 | 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法及*** |
CN110456745A (zh) * | 2019-07-29 | 2019-11-15 | 湖南大学 | 一种全自动地下采矿运输*** |
Non-Patent Citations (3)
Title |
---|
DATTA, SK等: "VEHICLES AS CONNECTED RESOURCES Opportunities and Challenges for the Future", vol. 12, no. 2, XP011649770, DOI: 10.1109/MVT.2017.2670859 * |
乔冠华等: "面向车辆多址接入边缘计算网络的任务协同计算迁移策略", vol. 3, no. 1 * |
谢伯元等: "基于车路协同的车辆状态估计方法", vol. 36, no. 8 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111601266B (zh) * | 2020-03-31 | 2022-11-22 | 浙江吉利汽车研究院有限公司 | 协同控制方法及*** |
CN111601266A (zh) * | 2020-03-31 | 2020-08-28 | 浙江吉利汽车研究院有限公司 | 协同控制方法及*** |
CN111611071A (zh) * | 2020-04-21 | 2020-09-01 | 中国人民解放军军事科学院国防科技创新研究院 | 星-云-边-端架构的卫星***及其数据处理方法 |
CN111611071B (zh) * | 2020-04-21 | 2021-09-07 | 中国人民解放军军事科学院国防科技创新研究院 | 星-云-边-端架构的卫星***及其数据处理方法 |
CN111754082A (zh) * | 2020-06-01 | 2020-10-09 | 湖南大学 | 智能运载*** |
US11670120B2 (en) | 2020-08-31 | 2023-06-06 | Toyota Research Institute, Inc. | System and method for monitoring test data for autonomous operation of self-driving vehicles |
CN114202821A (zh) * | 2020-09-02 | 2022-03-18 | 上海汽车集团股份有限公司 | 一种车辆数据处理方法及装置 |
CN111932687A (zh) * | 2020-10-13 | 2020-11-13 | 宁波均联智行科技有限公司 | 车内混合现实显示方法及装置 |
CN113327442A (zh) * | 2021-04-30 | 2021-08-31 | 广州中国科学院软件应用技术研究所 | 一种基于端云融合的协同控制***及方法 |
CN113452751A (zh) * | 2021-05-20 | 2021-09-28 | 国网江苏省电力有限公司信息通信分公司 | 基于云边协同的电力物联网任务安全迁移***及方法 |
CN113064731B (zh) * | 2021-06-03 | 2021-11-02 | 明品云(北京)数据科技有限公司 | 基于云边端架构的大数据处理终端设备、处理方法和介质 |
CN113064731A (zh) * | 2021-06-03 | 2021-07-02 | 明品云(北京)数据科技有限公司 | 基于云边端架构的大数据处理终端设备、处理方法和介质 |
CN113419867B (zh) * | 2021-08-23 | 2022-01-18 | 浙大城市学院 | 一种面向边云协同计算环境中节能的服务供应方法 |
CN113419867A (zh) * | 2021-08-23 | 2021-09-21 | 浙大城市学院 | 一种面向边云协同计算环境中节能的服务供应方法 |
CN113992713A (zh) * | 2021-10-21 | 2022-01-28 | 国汽智控(北京)科技有限公司 | 车云通信方法、装置、电子设备及存储介质 |
CN113992713B (zh) * | 2021-10-21 | 2024-02-13 | 国汽智控(北京)科技有限公司 | 车云通信方法、装置、电子设备及存储介质 |
CN115243222A (zh) * | 2022-06-23 | 2022-10-25 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 动车组车地协同任务处理方法及其***、设备及存储介质 |
CN115243222B (zh) * | 2022-06-23 | 2023-12-12 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 动车组车地协同任务处理方法及其***、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110928658B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110928658A (zh) | 一种车边云协同架构的协同任务迁移***及算法 | |
CN110347500B (zh) | 用于边缘计算环境中面向深度学习应用的任务卸载方法 | |
CN112822234B (zh) | 一种车联网中基于深度强化学习的任务卸载方法 | |
Yang et al. | A parallel intelligence-driven resource scheduling scheme for digital twins-based intelligent vehicular systems | |
CN109656703B (zh) | 一种移动边缘计算辅助车辆任务卸载方法 | |
CN111475274B (zh) | 云协同多任务调度方法及装置 | |
CN112737842B (zh) | 空地一体化车联网中基于最小化时延的任务安全卸载方法 | |
CN111831427B (zh) | 一种基于移动边缘计算的分布式车辆间任务卸载方法 | |
Wang et al. | Dynamic offloading scheduling scheme for MEC-enabled vehicular networks | |
CN112188627B (zh) | 一种基于状态预测的动态资源分配策略 | |
CN113961264B (zh) | 一种面向视频监控云边协同的智能卸载算法与*** | |
CN111611062A (zh) | 云边协同分层计算方法及云边协同分层计算*** | |
CN113316116A (zh) | 一种基于多臂***的车辆计算任务卸载方法 | |
CN115629873A (zh) | 车路云协同任务卸载与任务队列稳定性控制***和方法 | |
CN113709249B (zh) | 辅助驾驶业务安全均衡卸载方法及*** | |
CN114928611B (zh) | 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法 | |
CN115964178B (zh) | 一种车联网用户计算任务调度方法、装置及边缘服务网络 | |
CN102774376B (zh) | 一种混合动力车辆的分布式控制***的任务分配方法 | |
CN115134370B (zh) | 一种多无人机辅助的移动边缘计算卸载方法 | |
CN108833486B (zh) | 面向复杂车载雾计算***环境的混合动态任务调度方法 | |
CN111611063A (zh) | 基于802.11p的云感知移动雾计算***任务卸载方法 | |
Zhao et al. | A research of task-offloading algorithm for distributed vehicles | |
CN114138466A (zh) | 面向智慧公路的任务协同处理方法、装置及存储介质 | |
CN113452625B (zh) | 基于深度强化学习的卸载调度与资源分配方法 | |
Pasha et al. | Scalable and energy efficient task offloading schemes for vehicular cloud computing |
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 |