CN111142883B - 基于sdn架构的车辆计算任务卸载方法 - Google Patents

基于sdn架构的车辆计算任务卸载方法 Download PDF

Info

Publication number
CN111142883B
CN111142883B CN201911218131.6A CN201911218131A CN111142883B CN 111142883 B CN111142883 B CN 111142883B CN 201911218131 A CN201911218131 A CN 201911218131A CN 111142883 B CN111142883 B CN 111142883B
Authority
CN
China
Prior art keywords
vehicle
uav
representing
mec server
computing task
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
Application number
CN201911218131.6A
Other languages
English (en)
Other versions
CN111142883A (zh
Inventor
赵亮
杨凯淇
刘羽霏
石峻岭
孟桂英
林娜
关云冲
拱长青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Aerospace University
Original Assignee
Shenyang Aerospace University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenyang Aerospace University filed Critical Shenyang Aerospace University
Priority to CN201911218131.6A priority Critical patent/CN111142883B/zh
Publication of CN111142883A publication Critical patent/CN111142883A/zh
Application granted granted Critical
Publication of CN111142883B publication Critical patent/CN111142883B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/60—Software deployment
    • G06F8/61—Installation
    • G06F8/62—Uninstallation

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于SDN架构的车辆计算任务卸载方法，包括如下步骤：步骤1：构建基于SDN架构的车辆计算任务卸载***；步骤2：判断车辆是否能够与UAV或MEC服务器建立通信链路，并根据判断结果制定策略集；步骤3：车辆收集由SDN控制器发来的***中的全局信息；步骤4：根据SDN控制器提供的全局信息及步骤2中判断车辆是否能够与UAV或MEC服务器建立通信链路的结果，计算当前情况下的策略集中各种决策的支付函数值，并选取支付函数值最小的策略作为当前最优策略。该基于SDN架构的车辆计算任务卸载方法利用博弈论思想，最小化执行计算任务成本的同时还能保证通信的服务质量。

Description

基于SDN架构的车辆计算任务卸载方法
技术领域
本发明提供了一种基于SDN架构的车辆计算任务卸载方法，可最小化***成本，同时保证通信的服务质量。
背景技术
第二次工业革命后，内燃机的发明解决了各类交通工具发动机的问题，而发电机的问世也使得人类进入了电气时代。工业技术和生产水平巨大的提升，使汽车行业蓬勃发展。现如今，汽车已成为我们日常生活必不可少的一部分。汽车的数量无比庞大且与日俱增，必须有合理的检测管理措施加以引导。据估计，到2020年联网车辆将达到2.5亿，如此庞大复杂而又实时变化的车辆交通，人力指挥调度是不现实的，人们希望有智能的方式进行管理。这一***的理念也促使了以路侧单元(RSU)、基站(BS)、车辆(Vehicles)组成的车辆网络(Vehicular Networks)的产生。通过车辆网络，智能交通***对城市中整体交通情况有一个整体的认知，从而在宏观上实施对城市交通的管理引导。
随着车联网的发展，众多车辆应用应运而生。比较流行的车辆应用主要包含路况预警、碰撞避免、智能调速、无人驾驶等。然而实现这些应用需要机器视觉、高精度数字地图或GPS***、雷达***等多项技术支持。这些技术会产生大量的数据以及计算任务，而且这些任务许多都是延迟敏感的。目前存在大量传统车辆，这些车辆不具备较强的计算能力，也就不能在时延允许范围内执行完计算任务。因此，这些新兴应用的实施面临着许多挑战。
传统车辆计算任务卸载是解决当自身资源及计算性能有限时，传统车辆在处理计算密集型和延迟敏感型应用时面临的能力不足问题的有效办法。移动边缘计算作为新兴的计算方式，具有靠近移动终端，做出快速反应的优势。传统车辆可以将计算任务卸载到边缘云上执行来提升车辆解决资源密集的计算任务的能力和提升计算效率。
在一些建筑物密集和基础设施较少的场景，由于建筑物遮挡，车辆与云或边缘云建立连接十分困难，影响通信质量以及计算效率。凭借UAV无视地形的特点，将其部署于这样的区域上空，辅助车辆通信和计算是一个优秀的解决办法。
计算任务卸载决策的制定是计算任务卸载问题中的关键，因此，提出一套有效的计算任务卸载方法是本领域亟待解决的问题。
发明内容
鉴于此，本发明的目的在于提供一种基于SDN(软件定义网络，Software DefinedNetwork)架构的车辆计算任务卸载方法，以优化计算任务执行时间和***能耗，生成用户之间相互满意的卸载决策。
本发明提供的技术方案是：基于SDN架构的车辆计算任务卸载方法，包括如下步骤：
步骤1：构建基于SDN架构的车辆计算任务卸载***，所述***包括UAV、MEC服务器、车辆和SDN控制器，所述SDN控制器与UAV、MEC服务器和车辆信号连接；
步骤2：判断车辆是否能够与UAV或MEC服务器建立通信链路，并根据判断结果制定策略集；
步骤3：车辆收集由SDN控制器发来的***中的全局信息，所述全局信息包含：UAV和MEC服务器的位置、UAV和MEC服务器等待队列中的计算任务数量、UAV和MEC服务器的计算能力和有多少车辆正在向UAV或MEC服务器发送卸载数据的信息；
步骤4：根据SDN控制器提供的全局信息及步骤2中判断车辆是否能够与UAV或MEC服务器建立通信链路的结果，计算当前情况下的策略集中各种决策的支付函数值，并选取支付函数值最小的策略作为当前最优策略。
优选，UAV和MEC服务器分别设置一个等待队列，用来暂时存放卸载过来的计算任务。
进一步优选，步骤1中，UAV的飞行高度固定且沿固定轨迹匀速飞行，UAV的巡航轨迹根据UAV的通信覆盖范围，以最大化UAV在该范围内的覆盖率为目标。
进一步优选，步骤2中判断车辆是否能够与UAV建立通信链路即判断车辆是否在UAV的通信覆盖范围内，具体步骤如下：车辆首先广播请求信号，若车辆在UAV通信覆盖范围内，则UAV返回给请求者一个应答信号，证明通信链路可以被建立，若超过预定时间未收到应答信号，车辆判定超时即当前不在UAV覆盖范围内；判断车辆是否能够与MEC服务器建立通信链路的步骤如下：车辆向MEC服务器发送请求信号，若MEC服务器收到请求，则返回给请求者一个应答信号，证明通信链路可以建立；若超过预定时间未收到应答信号，则车辆判定请求超时，即当前车辆由于信号遮挡导致不能与MEC服务器建立通信链路。
进一步优选，步骤2中，根据判断结果制定策略集的步骤如下：
1)若车辆能够与UAV和MEC服务器建立通信链路，则策略集包含如下决策：车辆本地执行计算、卸载计算任务到UAV、卸载计算任务到MEC服务器、卸载计算任务到UAV并由UAV中继到MEC服务器；
2)若车辆能够与UAV建立通信链路，但不能与MEC服务器建立连接，则策略集包含如下决策：车辆本地执行计算、卸载计算任务到UAV、卸载计算任务到UAV并由UAV中继到MEC服务器；
3)若车辆能够与MEC服务器建立通信链路，但不能与UAV建立连接，则策略集包含如下决策：车辆本地执行计算、卸载计算任务到MEC服务器；
4)若车辆不能够与UAV和MEC服务器建立通信链路，则策略集包含如下决策：车辆本地执行计算任务。
进一步优选，步骤4中，假设计算任务为In＝(Ci,Oi,Di)，其中，Ci代表执行计算任务In所需的CPU周期，Oi代表卸载计算任务的数据大小，Di代表返回执行计算的结果的数据大小，每种决策的支付函数值的计算方法如下：
1)车辆n本地执行计算任务对应的支付函数值的计算方法如下：
执行时间成本：
Figure GDA0004133632810000031
能量消耗成本：
Figure GDA0004133632810000032
支付函数为：
Figure GDA0004133632810000033
式中，Loc代表本地执行计算任务，
Figure GDA0004133632810000034
代表车辆n的计算能力，即：每秒钟CPU的周期，
Figure GDA0004133632810000035
表示车辆执行计算的每个CPU单位周期所消耗的能量，
Figure GDA0004133632810000036
表示执行时间成本的权重，
Figure GDA0004133632810000037
表示能量消耗成本的权重，且
Figure GDA0004133632810000038
2)车辆n将计算任务卸载到MEC服务器对应的支付函数值的计算方法如下：
执行时间成本：
Figure GDA0004133632810000039
能量消耗成本：
Figure GDA00041336328100000310
支付函数为：
Figure GDA00041336328100000311
式中，V-M代表车辆将计算任务卸载到MEC服务器执行，
Figure GDA00041336328100000312
代表MEC服务器的计算能力，RLTE代表通过LTE接入的数据传输速率，
Figure GDA00041336328100000313
代表车辆发送一个单位的数据所消耗的能量，
Figure GDA00041336328100000314
表示执行时间成本的权重，
Figure GDA00041336328100000315
表示能量消耗成本的权重，且
Figure GDA0004133632810000041
Rn,M表示车辆发送数据给MEC服务器的传输速率，Rn,M通过如下公式计算：
Figure GDA0004133632810000042
式中，W代表信道带宽，PV是车辆传输功率，N0是背景噪声，∑s∈I,s≠nPsHs,M代表除了车辆n以外的同时在向MEC服务器发送数据的其他车辆的数量，Hn,M代表车辆和MEC服务器之间的信道增益，通过如下公式计算：
Figure GDA0004133632810000043
式中，ρv,M表示小规模衰减指数，dn,M表示车辆n和MEC服务器的距离，αV表示信道衰减指数；
3)车辆n卸载计算任务到UAV对应的支付函数值的计算方法如下：
执行时间成本：
Figure GDA0004133632810000044
能量消耗成本：
Figure GDA0004133632810000045
支付函数为：
Figure GDA0004133632810000046
式中，V-U代表车辆将计算任务卸载到UAV执行，
Figure GDA0004133632810000047
代表UAV的计算能力，RWiFi代表通过无线网络(Wifi)接入的数据传输速率，
Figure GDA0004133632810000048
代表车辆发送一个单位的数据所消耗的能量，
Figure GDA0004133632810000049
表示UAV执行计算的每个CPU单位周期所消耗的能量，
Figure GDA00041336328100000410
表示UAV发送一单位数据所消耗的能量，
Figure GDA00041336328100000411
表示执行时间成本的权重，
Figure GDA00041336328100000412
表示能量消耗成本的权重，且
Figure GDA00041336328100000413
Rn,u表示车辆发送数据给UAV的传输速率，Rn,u通过如下公式计算：
Figure GDA00041336328100000414
式中，W代表信道带宽，PV代表车辆传输功率，N0表示背景噪声，∑s∈I,s≠nPsHs,u代表除了车辆n以外的同时在向无人机发送数据的其他车辆的数量，Hn,u表示车辆与UAV之间的信道增益，通过如下公式计算：
Figure GDA00041336328100000415
式中，ρLoS代表视距范围的阴影衰落指数，dn,u代表车辆n与无人机之间的距离，αV代表信道衰减指数；
4)车辆n卸载计算任务到UAV且UAV作为中继节点转发到MEC服务器对应的支付函数值的计算方法如下：
执行时间成本：
Figure GDA0004133632810000051
能量消耗成本：
Figure GDA0004133632810000052
支付函数为：
Figure GDA0004133632810000053
式中，V-U-M是指车辆通过UAV的中继，将计算任务卸载在MEC服务器执行，Rn,u表示车辆发送数据给UAV的传输速率，Rn,M表示车辆发送数据给MEC服务器的传输速率，
Figure GDA0004133632810000054
代表MEC服务器的计算能力，RLTE代表通过LTE接入的数据传输速率，RWiFi代表通过无线网络接入的数据传输速率，
Figure GDA0004133632810000055
代表车辆发送一个单位的数据所消耗的能量，
Figure GDA0004133632810000056
表示UAV发送一单位数据所消耗的能量，
Figure GDA0004133632810000057
表示执行时间成本的权重，
Figure GDA0004133632810000058
表示能量消耗成本的权重，且
Figure GDA0004133632810000059
进一步优选，任务被执行的优先级越高，执行时间成本的权重
Figure GDA00041336328100000510
越大。
本发明提供的基于SDN架构的车辆计算任务卸载方法，在保证信道通信质量的同时，可最小化执行计算任务所产生的成本，UAV的部署使车辆在建筑物密集且基础设施较少的场景中能够完成卸载计算任务，使得传统车辆执行计算复杂且时延敏感的计算任务成为可能。本发明提供的方法不仅适用于静态场景，还适用于全局车辆和UAV可以动态移动的场景，更加贴近现实生活。本发明采用博弈论思想设计的车辆计算任务卸载方法，使得每一辆车辆独立且理智的以最小化***成本为目标制定出最优的卸载决策，不仅可以保证在最大时延允许内执行完计算任务，还可以最小化全局的能耗，符合绿色交通的思想。本发明创新的为UAV和MEC服务器分别设置了等待队列，有效的节省了计算资源且提升了计算效率。
附图说明
下面结合附图及实施方式对本发明作进一步详细的说明：
图1为本发明提供的基于SDN架构的车辆计算任务卸载方法采用的***架构；
图2为四种场景在其他参数条件相同的情况下平均***成本的比较图；
图3为改变卸载数据大小的情况下平均***成本的变化图；
图4为改变执行计算任务所需CPU周期的情况下平均***成本的变化图；
图5为改变卸载数据大小且固定执行计算所需CPU周期的情况下平均***成本的变化图；
图6为改变执行计算任务所需CPU周期且固定卸载数据大小的情况下平均***成本的变化图；
图7为其他参数均相同的条件下，相关方法与本发明提供的方法的平均***成本的比较图；
图8为其他参数均相同的条件下，相关方法与本发明提供的方法的***平均吞吐量的比较图。
具体实施方式
下面将结合具体的实施方案对本发明进行进一步的解释，但并不局限本发明。
本发明提供了一种基于SDN架构的车辆计算任务卸载方法，包括如下步骤：
步骤1：构建基于SDN架构的车辆计算任务卸载***，所述***包括UAV(无人机，Unmanned Aerial Vehicle)、MEC服务器(移动边缘计算服务器，Mobile Edge Computing服务器)、车辆和SDN控制器，所述SDN控制器与UAV、MEC服务器和车辆信号连接，优选，UAV和MEC服务器分别设置一个等待队列，用来暂时存放卸载过来的计算任务，这样做可以使得这些智能设备的资源不会浪费且可以提升执行计算任务的效率；
优选，UAV的飞行高度固定且沿固定轨迹匀速飞行，UAV的巡航轨迹根据UAV的通信覆盖范围，以最大化UAV在该范围内的覆盖率为目标。
步骤2：判断车辆是否能够与UAV或MEC服务器建立通信链路，并根据判断结果制定策略集；
其中，判断车辆是否能够与UAV建立通信链路即判断车辆是否在UAV的通信覆盖范围内，具体步骤如下：车辆首先广播请求信号，若车辆在UAV通信覆盖范围内，则UAV返回给请求者一个应答信号，证明通信链路可以被建立，若超过预定时间未收到应答信号，车辆判定超时即当前不在UAV覆盖范围内；
判断车辆是否能够与MEC服务器建立通信链路的步骤如下：车辆向MEC服务器发送请求信号，若MEC服务器收到请求，则返回给请求者一个应答信号，证明通信链路可以建立；若超过预定时间未收到应答信号，则车辆判定请求超时，即当前车辆由于信号遮挡导致不能与MEC服务器建立通信链路；
根据判断结果制定策略集的步骤如下：
1)若车辆能够与UAV和MEC服务器建立通信链路，则策略集包含如下决策：车辆本地执行计算、卸载计算任务到UAV、卸载计算任务到MEC服务器、卸载计算任务到UAV并由UAV中继到MEC服务器；
2)若车辆能够与UAV建立通信链路，但不能与MEC服务器建立连接，则策略集包含如下决策：车辆本地执行计算、卸载计算任务到UAV、卸载计算任务到UAV并由UAV中继到MEC服务器；
3)若车辆能够与MEC服务器建立通信链路，但不能与UAV建立连接，则策略集包含如下决策：车辆本地执行计算、卸载计算任务到MEC服务器；
4)若车辆不能够与UAV和MEC服务器建立通信链路，则策略集包含如下决策：车辆本地执行计算任务；
步骤3：车辆收集由SDN控制器发来的***中的全局信息，所述全局信息包含：UAV和MEC服务器的位置、UAV和MEC服务器等待队列中的计算任务数量、UAV和MEC服务器的计算能力和有多少车辆正在向UAV或MEC服务器发送卸载数据的信息；
步骤4：根据SDN控制器提供的全局信息及步骤2中判断车辆是否能够与UAV或MEC服务器建立通信链路的结果，计算当前情况下的策略集中各种决策的支付函数值，并选取支付函数值最小的策略作为当前最优策略；
假设计算任务为In＝(Ci,Oi,Di)，其中，Ci代表执行计算任务In所需的中央处理器(Central processing unit,CPU)周期，Oi代表卸载计算任务的数据大小，Di代表返回执行计算的结果的数据大小，则每种决策的支付函数值的计算方法如下：
1)车辆n本地执行计算任务对应的支付函数值的计算方法如下：
执行时间成本：
Figure GDA0004133632810000071
能量消耗成本：
Figure GDA0004133632810000072
支付函数为：
Figure GDA0004133632810000073
式中，Loc代表本地执行计算任务，
Figure GDA0004133632810000074
代表车辆n的计算能力，即：每秒钟CPU的周期，
Figure GDA0004133632810000075
表示车辆执行计算的每个CPU单位周期所消耗的能量，
Figure GDA0004133632810000076
表示执行时间成本的权重，
Figure GDA0004133632810000077
表示能量消耗成本的权重，且
Figure GDA0004133632810000078
2)车辆n将计算任务卸载到MEC服务器对应的支付函数值的计算方法如下：
执行时间成本：
Figure GDA0004133632810000081
能量消耗成本：
Figure GDA0004133632810000082
支付函数为：
Figure GDA0004133632810000083
式中，V-M代表车辆将计算任务卸载到MEC服务器执行，
Figure GDA0004133632810000084
代表MEC服务器的计算能力，RLTE代表通过LTE接入的数据传输速率，
Figure GDA0004133632810000085
代表车辆发送一个单位的数据所消耗的能量，
Figure GDA0004133632810000086
表示执行时间成本的权重，
Figure GDA0004133632810000087
表示能量消耗成本的权重，且
Figure GDA0004133632810000088
Rn,M表示车辆发送数据给MEC服务器的传输速率，Rn,M通过如下公式计算：
Figure GDA0004133632810000089
式中，W代表信道带宽，PV是车辆传输功率，N0是背景噪声，∑s∈I,s≠nPsHs,M代表除了车辆n以外的同时在向MEC服务器发送数据的其他车辆的数量，Hn,M代表车辆和MEC服务器之间的信道增益，通过如下公式计算：
Figure GDA00041336328100000810
式中，ρv,M表示小规模衰减指数，dn,M表示车辆n和MEC服务器的距离，αV表示信道衰减指数；
3)车辆n卸载计算任务到UAV对应的支付函数值的计算方法如下：
执行时间成本：
Figure GDA00041336328100000811
能量消耗成本：
Figure GDA00041336328100000812
支付函数为：
Figure GDA00041336328100000813
式中，V-U代表车辆将计算任务卸载到UAV执行，
Figure GDA00041336328100000814
代表UAV的计算能力，RWiFi代表通过无线网络(Wifi)接入的数据传输速率，
Figure GDA00041336328100000815
代表车辆发送一个单位的数据所消耗的能量，
Figure GDA00041336328100000816
表示UAV执行计算的每个CPU单位周期所消耗的能量，
Figure GDA00041336328100000817
表示UAV发送一单位数据所消耗的能量，
Figure GDA00041336328100000818
表示执行时间成本的权重，
Figure GDA00041336328100000819
表示能量消耗成本的权重，且
Figure GDA00041336328100000820
Rn,u表示车辆发送数据给UAV的传输速率，Rn,u通过如下公式计算：
Figure GDA0004133632810000091
式中，W代表信道带宽，PV代表车辆传输功率，N0表示背景噪声，∑s∈I,s≠nPsHs,u代表除了车辆n以外的同时在向无人机发送数据的其他车辆的数量，Hn,u表示车辆与UAV之间的信道增益，通过如下公式计算：
Figure GDA0004133632810000092
式中，ρLoS代表视距范围的阴影衰落指数，dn,u代表车辆n与无人机之间的距离，αV代表信道衰减指数；
4)车辆n卸载计算任务到UAV且UAV作为中继节点转发到MEC服务器对应的支付函数值的计算方法如下：
执行时间成本：
Figure GDA0004133632810000093
能量消耗成本：
Figure GDA0004133632810000094
支付函数为：
Figure GDA0004133632810000095
式中，V-U-M是指车辆通过UAV的中继，将计算任务卸载在MEC服务器执行，Rn,u表示车辆发送数据给UAV的传输速率，Rn,M表示车辆发送数据给MEC服务器的传输速率，
Figure GDA0004133632810000096
代表MEC服务器的计算能力，RLTE代表通过LTE接入的数据传输速率，RWiFi代表通过无线网络(Wifi)接入的数据传输速率，
Figure GDA0004133632810000097
代表车辆发送一个单位的数据所消耗的能量，
Figure GDA0004133632810000098
表示UAV发送一单位数据所消耗的能量，
Figure GDA0004133632810000099
表示执行时间成本的权重，
Figure GDA00041336328100000910
表示能量消耗成本的权重，且
Figure GDA00041336328100000911
任务被执行的优先级越高，执行时间成本的权重
Figure GDA00041336328100000912
越大。
该基于SDN架构的车辆计算任务卸载方法，通过在SDN的概念下建立框架，SDN控制器可以通过收集全局信息并发送给每辆车来保证信息交换，采用具有丰富计算资源的UAV和一台移动边缘计算(Mobile Edge Computing,MEC)服务器，可帮助传统车辆在建筑物密集、基础设施较少的区域执行延迟敏感和计算密集型任务，将执行计算任务的时间和***能耗最小化，同时可以保证通信的服务质量。
下面通过具体案例证明采用本发明提供的方法进行车辆计算任务的卸载的可行性，步骤如下：
1、取真实地图(以北京市某区域的道路拓扑为例)，将地图拓扑利用SUMO道路仿真工具生成路网文件，再由SUMO道路仿真工具生成多个车辆的移动轨迹数据；
2、固定UAV的飞行高度，根据UAV的通信覆盖范围，以最大化UAV在该范围内的覆盖率为目标，制定出UAV的巡航轨迹，并且UAV固定其轨迹持续飞行，UAV以匀速进行飞行，通过代码计算出UAV每秒的坐标位置。
3、对建筑物建模，具体步骤如下：
根据地图拓扑，在最左下角作为原点建立直角坐标系，找出无道路空白处放置建筑物的四个点的坐标，此处假设建筑物是规整的长方体，将四个点连接成一个长方形，建筑物的高度统一；
4、建立实验仿真平台，具体步骤如下：
4.1、利用Java搭建实验仿真平台，编写车辆、UAV和MEC服务器线程，这些设备的线程主要包含id号、坐标位置、计算能力、移动速度(MEC服务器除外)、UAV的通信范围半径等参数内容；
4.2、将1、2中生成的车辆移动轨迹和UAV的移动轨迹文件导入各自的线程中，使每个设备都按照文件中的每秒坐标更新自己的位置，实现全局设备动态移动；
5、利用本发明提供的方法得到当前最优卸载策略，并输出该决策的成本大小，执行时间以及执行能耗等数据；
6、处理上述生成的数据，生成***平均成本和吞吐量等数据；
7、仿真全部车辆本地执行计算任务(LC)、可以卸载到MEC服务器和车辆本地执行计算任务(NU)、可以卸载到MEC服务器或UAV和本地执行计算任务，但是UAV不可以作为中继节(UNRD)，对比本发明与LC、NU和UNRD在各种参数变化的情况下，***平均成本和吞吐量的差别，比较结果如图2至8所示。
通过对比可知，本发明提供的车辆计算任务卸载方法可以使***成本最小化，同时，通信的服务质量也能得到保证。
本发明的具体实施方式是按照递进的方式进行撰写的，着重强调各个实施方案的不同之处，其相似部分可以相互参见。
上面结合附图对本发明的实施方式做了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (5)

1.基于SDN架构的车辆计算任务卸载方法，其特征在于，包括如下步骤：
步骤1：构建基于SDN架构的车辆计算任务卸载***，所述***包括UAV、MEC服务器、车辆和SDN控制器，所述SDN控制器与UAV、MEC服务器和车辆信号连接；
步骤2：判断车辆是否能够与UAV或MEC服务器建立通信链路，并根据判断结果制定策略集；
其中，根据判断结果制定策略集的步骤如下：
1)若车辆能够与UAV和MEC服务器建立通信链路，则策略集包含如下决策：车辆本地执行计算、卸载计算任务到UAV、卸载计算任务到MEC服务器、卸载计算任务到UAV并由UAV中继到MEC服务器；
2)若车辆能够与UAV建立通信链路，但不能与MEC服务器建立连接，则策略集包含如下决策：车辆本地执行计算、卸载计算任务到UAV、卸载计算任务到UAV并由UAV中继到MEC服务器；
3)若车辆能够与MEC服务器建立通信链路，但不能与UAV建立连接，则策略集包含如下决策：车辆本地执行计算、卸载计算任务到MEC服务器；
4)若车辆不能够与UAV和MEC服务器建立通信链路，则策略集包含如下决策：车辆本地执行计算任务；
步骤3：车辆收集由SDN控制器发来的***中的全局信息，所述全局信息包含：UAV和MEC服务器的位置、UAV和MEC服务器等待队列中的计算任务数量、UAV和MEC服务器的计算能力和有多少车辆正在向UAV或MEC服务器发送卸载数据的信息；
步骤4：根据SDN控制器提供的全局信息及步骤2中判断车辆是否能够与UAV或MEC服务器建立通信链路的结果，计算当前情况下的策略集中各种决策的支付函数值，并选取支付函数值最小的策略作为当前最优策略；
其中，假设计算任务为In＝(Ci,Oi,Di)，其中，Ci代表执行计算任务In所需的CPU周期，Oi代表卸载计算任务的数据大小，Di代表返回执行计算的结果的数据大小，每种决策的支付函数值的计算方法如下：
1)车辆n本地执行计算任务对应的支付函数值的计算方法如下：
执行时间成本：
Figure FDA0004133601580000011
能量消耗成本：
Figure FDA0004133601580000021
支付函数为：
Figure FDA0004133601580000022
式中，Loc代表本地执行计算任务，
Figure FDA0004133601580000023
代表车辆n的计算能力，即：每秒钟CPU的周期，
Figure FDA0004133601580000024
表示车辆执行计算的每个CPU单位周期所消耗的能量，
Figure FDA0004133601580000025
表示执行时间成本的权重，
Figure FDA0004133601580000026
表示能量消耗成本的权重，且
Figure FDA0004133601580000027
2)车辆n将计算任务卸载到MEC服务器对应的支付函数值的计算方法如下：
执行时间成本：
Figure FDA0004133601580000028
能量消耗成本：
Figure FDA0004133601580000029
支付函数为：
Figure FDA00041336015800000210
式中，V-M代表车辆将计算任务卸载到MEC服务器执行，
Figure FDA00041336015800000211
代表MEC服务器的计算能力，RLTE代表通过LTE接入的数据传输速率，
Figure FDA00041336015800000212
代表车辆发送一个单位的数据所消耗的能量，
Figure FDA00041336015800000213
表示执行时间成本的权重，
Figure FDA00041336015800000214
表示能量消耗成本的权重，且
Figure FDA00041336015800000215
Rn,M表示车辆发送数据给MEC服务器的传输速率，Rn,M通过如下公式计算：
Figure FDA00041336015800000216
式中，W代表信道带宽，PV是车辆传输功率，N0是背景噪声，∑s∈I,s≠nPsHs,M代表除了车辆n以外的同时在向MEC服务器发送数据的其他车辆的数量，Hn,M代表车辆和MEC服务器之间的信道增益，通过如下公式计算：
Figure FDA00041336015800000217
式中，ρv,M表示小规模衰减指数，dn,M表示车辆n和MEC服务器的距离，αV表示信道衰减指数；
3)车辆n卸载计算任务到UAV对应的支付函数值的计算方法如下：
执行时间成本：
Figure FDA00041336015800000218
能量消耗成本：
Figure FDA00041336015800000219
支付函数为：
Figure FDA0004133601580000031
式中，V-U代表车辆将计算任务卸载到UAV执行，
Figure FDA0004133601580000032
代表UAV的计算能力，RWiFi代表通过无线网络接入的数据传输速率，
Figure FDA0004133601580000033
代表车辆发送一个单位的数据所消耗的能量，
Figure FDA0004133601580000034
表示UAV执行计算的每个CPU单位周期所消耗的能量，
Figure FDA0004133601580000035
表示UAV发送一单位数据所消耗的能量，
Figure FDA0004133601580000036
表示执行时间成本的权重，
Figure FDA0004133601580000037
表示能量消耗成本的权重，且
Figure FDA0004133601580000038
Rn,u表示车辆发送数据给UAV的传输速率，Rn,u通过如下公式计算：
Figure FDA0004133601580000039
式中，W代表信道带宽，PV代表车辆传输功率，N0表示背景噪声，∑s∈I,s≠nPsHs,u代表除了车辆n以外的同时在向无人机发送数据的其他车辆的数量，Hn,u表示车辆与UAV之间的信道增益，通过如下公式计算：
Figure FDA00041336015800000310
式中，ρLoS代表视距范围的阴影衰落指数，dn,u代表车辆n与无人机之间的距离，αV代表信道衰减指数；
4)车辆n卸载计算任务到UAV且UAV作为中继节点转发到MEC服务器对应的支付函数值的计算方法如下：
执行时间成本：
Figure FDA00041336015800000311
能量消耗成本：
Figure FDA00041336015800000312
支付函数为：
Figure FDA00041336015800000313
式中，V-U-M是指车辆通过UAV的中继，将计算任务卸载在MEC服务器执行，Rn,u表示车辆发送数据给UAV的传输速率，Rn,M表示车辆发送数据给MEC服务器的传输速率，
Figure FDA00041336015800000314
代表MEC服务器的计算能力，RLTE代表通过LTE接入的数据传输速率，RWiFi代表通过无线网络接入的数据传输速率，
Figure FDA00041336015800000315
代表车辆发送一个单位的数据所消耗的能量，
Figure FDA00041336015800000316
表示UAV发送一单位数据所消耗的能量，
Figure FDA00041336015800000317
表示执行时间成本的权重，
Figure FDA00041336015800000318
表示能量消耗成本的权重，且
Figure FDA00041336015800000319
2.按照权利要求1所述基于SDN架构的车辆计算任务卸载方法，其特征在于：UAV和MEC服务器分别设置一个等待队列，用来暂时存放卸载过来的计算任务。
3.按照权利要求1所述基于SDN架构的车辆计算任务卸载方法，其特征在于：步骤1中，UAV的飞行高度固定且沿固定轨迹匀速飞行，UAV的巡航轨迹根据UAV的通信覆盖范围，以最大化UAV在该范围内的覆盖率为目标。
4.按照权利要求1所述基于SDN架构的车辆计算任务卸载方法，其特征在于：步骤2中判断车辆是否能够与UAV建立通信链路即判断车辆是否在UAV的通信覆盖范围内，具体步骤如下：车辆首先广播请求信号，若车辆在UAV通信覆盖范围内，则UAV返回给请求者一个应答信号，证明通信链路可以被建立，若超过预定时间未收到应答信号，车辆判定超时即当前不在UAV覆盖范围内；判断车辆是否能够与MEC服务器建立通信链路的步骤如下：车辆向MEC服务器发送请求信号，若MEC服务器收到请求，则返回给请求者一个应答信号，证明通信链路可以建立；若超过预定时间未收到应答信号，则车辆判定请求超时，即当前车辆由于信号遮挡导致不能与MEC服务器建立通信链路。
5.按照权利要求1所述基于SDN架构的车辆计算任务卸载方法，其特征在于：任务被执行的优先级越高，执行时间成本的权重
Figure FDA0004133601580000041
越大。
CN201911218131.6A 2019-12-03 2019-12-03 基于sdn架构的车辆计算任务卸载方法 Active CN111142883B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911218131.6A CN111142883B (zh) 2019-12-03 2019-12-03 基于sdn架构的车辆计算任务卸载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911218131.6A CN111142883B (zh) 2019-12-03 2019-12-03 基于sdn架构的车辆计算任务卸载方法

Publications (2)

Publication Number Publication Date
CN111142883A CN111142883A (zh) 2020-05-12
CN111142883B true CN111142883B (zh) 2023-04-28

Family

ID=70517527

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911218131.6A Active CN111142883B (zh) 2019-12-03 2019-12-03 基于sdn架构的车辆计算任务卸载方法

Country Status (1)

Country Link
CN (1) CN111142883B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111918245B (zh) * 2020-07-07 2021-11-19 西安交通大学 基于多智能体的车速感知的计算任务卸载和资源分配方法
CN111935677B (zh) * 2020-08-10 2023-05-16 无锡太湖学院 车联网v2i模式任务卸载方法及***
CN112468568B (zh) * 2020-11-23 2024-04-23 南京信息工程大学滨江学院 一种移动边缘计算网络的任务中继卸载方法
KR102417951B1 (ko) * 2020-11-24 2022-07-06 경희대학교 산학협력단 계층 군집 uav 네트워크에서 sdn 기반 슬라이싱 방법
CN113378369B (zh) * 2021-06-04 2023-05-30 重庆邮电大学 一种基于无人机计算卸载的路径规划和任务调度方法
CN113852994B (zh) * 2021-11-18 2023-04-18 南京信息工程大学 一种用于应急通信中的高空基站集群辅助边缘计算方法
CN114172558B (zh) * 2021-11-24 2024-01-19 上海大学 一种车辆网络中基于边缘计算和无人机集群协同的任务卸载方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109302709A (zh) * 2018-09-14 2019-02-01 重庆邮电大学 面向移动边缘计算的车联网任务卸载与资源分配策略
CN109343946A (zh) * 2018-09-19 2019-02-15 长安大学 一种软件定义车联网计算任务迁移和调度方法
CN109951821A (zh) * 2019-02-26 2019-06-28 重庆邮电大学 基于移动边缘计算的最小化车辆能耗任务卸载方案
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***
CN110336861A (zh) * 2019-06-18 2019-10-15 西北工业大学 基于双层无人机的移动边缘计算***的卸载任务分配方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109302709A (zh) * 2018-09-14 2019-02-01 重庆邮电大学 面向移动边缘计算的车联网任务卸载与资源分配策略
CN109343946A (zh) * 2018-09-19 2019-02-15 长安大学 一种软件定义车联网计算任务迁移和调度方法
CN109951821A (zh) * 2019-02-26 2019-06-28 重庆邮电大学 基于移动边缘计算的最小化车辆能耗任务卸载方案
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***
CN110336861A (zh) * 2019-06-18 2019-10-15 西北工业大学 基于双层无人机的移动边缘计算***的卸载任务分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Zhe Wang 等.Vehicle-Based Cloudlet Relaying for Mobile Computation Offloading.IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY.2018,第67卷(第11期),第 11181-11191页. *

Also Published As

Publication number Publication date
CN111142883A (zh) 2020-05-12

Similar Documents

Publication Publication Date Title
CN111142883B (zh) 基于sdn架构的车辆计算任务卸载方法
Feng et al. AVE: Autonomous vehicular edge computing framework with ACO-based scheduling
Peng et al. SDN-based resource management for autonomous vehicular networks: A multi-access edge computing approach
Cha et al. Virtual edge: Exploring computation offloading in collaborative vehicular edge computing
WO2022142664A1 (zh) 交通信息的传输方法、装置、介质、电子设备和程序产品
CN108803667B (zh) 一种无人机协同监测与跟踪方法
CN111294767A (zh) 一种智能网联车辆数据处理方法、***、装置及存储介质
Boukerche et al. An efficient mobility-oriented retrieval protocol for computation offloading in vehicular edge multi-access network
EP4049137A1 (en) Method for service placement in a multi-access/mobile edge computing (mec) system
CN111614745B (zh) 一种基于边缘计算的车辆任务数据调度方法
JP7276432B2 (ja) 通信システム及び端末
CN112153145A (zh) 5g边缘环境下面向车联网的计算任务卸载方法及装置
Lin et al. Low-latency edge video analytics for on-road perception of autonomous ground vehicles
de Souza et al. Exploring computation offloading in vehicular clouds
Lee et al. Design of V2X-based vehicular contents centric networks for autonomous driving
Al Ridhawi et al. Intelligent blockchain-enabled communication and services: Solutions for moving internet of things devices
CN113709249B (zh) 辅助驾驶业务安全均衡卸载方法及***
Cao et al. ETCS: An efficient traffic congestion scheduling scheme combined with edge computing
CN116208968B (zh) 基于联邦学习的轨迹规划方法及装置
CN116781144A (zh) 无人机搭载边缘服务器的方法、装置及存储介质
CN114827946B (zh) 一种车联网场景下基于任务相似度的边缘计算方法及***
CN108833486B (zh) 面向复杂车载雾计算***环境的混合动态任务调度方法
CN114980127B (zh) 雾无线接入网中基于联邦强化学习的计算卸载方法
CN113727278A (zh) 一种路径规划方法、接入网设备及飞行控制设备
CN116709249A (zh) 一种关于车联网中边缘计算的管理方法

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