CN112153728B - 一种基站关联和模块休眠的优化方法 - Google Patents
一种基站关联和模块休眠的优化方法 Download PDFInfo
- Publication number
- CN112153728B CN112153728B CN202011141390.6A CN202011141390A CN112153728B CN 112153728 B CN112153728 B CN 112153728B CN 202011141390 A CN202011141390 A CN 202011141390A CN 112153728 B CN112153728 B CN 112153728B
- Authority
- CN
- China
- Prior art keywords
- base station
- vehicle
- module
- association
- algorithm
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
- H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基站关联和模块休眠的优化方法,以最大化传输速率同时最小化能耗开销为基准,在机会网络环境中首先动态构建节点初始信息,节点包括集中控制器、基站和车辆三类;车辆通过传感器收集车内外信息,并将该信息上传给基站;基站将收集到的车辆信息通过前端链路上传给集中控制器;集中控制器基于全局信息执行算法得到基站模块休眠决策和基站与车辆的关联决策,然后下发给基站;基站根据决策执行模块休眠或启动操作,完成与车辆的关联并给车辆分配传输功率。车辆可将计算任务通过基站上行链路卸载到边缘服务器进行计算,边缘服务器再将计算结果通过基站下行链路发送给车辆。本发明使得车辆通信中获得最大的传输速率并且消耗最少能耗。
Description
技术领域
本发明属于数据传输技术领域,更具体的说是涉及一种基站关联和模块休眠的优化方法。
背景技术
随着物联网技术的蓬勃发展,车联网作为物联网的典型应用,利用车载传感装置获取车辆运行参数和道路等交通基础设施的使用状态,实时感知交通路况,并且通过网络完成信息的互联互通,为用户提供更加丰富、智能和安全的出行服务。其中,车辆需迅速将通过传感器采集到的车内、外海量信息进行分析和处理,然后根据计算结果辅助用户驾驶,比如规避行人、减速慢行等。以上应用都是计算密集和延迟敏感的,由于车辆本身有限的计算能力和电量能源,其不能很好地满足这些应用的计算资源和延时需求。
移动边缘计算的出现旨在使得移动计算更加高效和环保。移动边缘计算在网络边缘提供了计算资源,提供低延迟、可靠的、高效的计算服务。车辆可以将传感器采集到的信息和计算密集型任务通过无线接入网络上行链路卸载到边缘服务器上,利用边缘服务器强大的计算能力完成海量信息的整合和处理,并通过下行链路将计算结果发送给车辆。基于边缘计算,大多数计算负荷从车辆转换到边缘服务器,显著降低车辆的能量消耗和计算延迟。然而,车辆每次卸载计算任务的同时,需要将大量的状态信息数据上传,这样不仅浪费大量的移动带宽,同时增大了计算延迟。
数字孪生是终端用户或终端设备的数字表示,位于边缘云的虚拟网络中。车辆通过无线接入网络将车辆当前状态信息上传到边缘服务器,边缘服务器根据接收到的数据创建一个车辆的虚拟对象;接下来,边缘服务器根据该对象拥有的信息进行融合、分析和处理;最后,边缘服务器将计算结果通过基无线接入网发送回车辆。基于数字孪生技术,车辆只需将当前时刻发生变化的状态信息进行上传,从而降低了数据传输的带宽需求。尽管如此,由于车辆的移动性和复杂的行驶环境,现有无线接入网络架构为延迟敏感***提供可靠的卸载服务仍然具有挑战性。同时,如果太多的车辆选择同时将任务卸载,则有可能产生严重的计算延迟,从而降低服务质量。
5G移动通信时代的到来,无线接入网络正逐步步入密集化时代,各种基站密集部署为移动用户提供高带宽、低延迟服务。其中,全双工通信和协调多点联合传输是5G实现方案中的关键技术。全双工通信已经成为无线通信数据传输***的解决方法方案之一,相比与半双工通信,全双工通信技术使得通信节点能够在相同的频率资源上同时发送和接收信号,具有更大的***吞吐量。协调多点联合传输是超密集网络中一种很有前景的方法,它可以充分利用一组附近的基站来联合向移动用户传输数据,以功率放大的方式显著提高用户数据速率。由于实时数据传输量是动态的,以上两种技术的关键问题在于如何进行合理的无线资源分配以提供高带宽、低延迟服务,以及进行能耗优化——密集部署的基站所有功能模块都处于活跃状态是耗费能源的。
因此,提供一种基站关联和模块休眠的优化方法是本领域技术人员亟待解决的技术问题。
发明内容
本发明针对上述研究现状和存在的问题,提供了一种基站关联和模块休眠的优化方法,最大化传输速率以便于提供可靠、低延迟通信,同时最小化基站能耗开销,节省能源。
为了实现上述目的,本发明采用如下技术方案:
一种基站关联和模块休眠的优化方法,包括如下步骤:
(1)任务卸载通信过程:
a)由车辆发起任务卸载请求,通过上行共享信道将车辆信息和上行控制信息发送给基站;
b)基站接收到车辆的上传数据请求和车辆信息、上行控制信息后,将该信息和基站本身的信息通过前端链路发送给部署在边缘服务器中的集中控制器;
c)集中控制器基于当前的全局信息执行单基站关联和模块休眠算法,得到基站上行链路功能模块休眠决策和基站与车辆关联的决策;
d)集中控制器将决策下发给基站,基站对上行链路功能模块执行启动或休眠操作,完成与车辆的关联并分配传输功率;
e)车辆将计算任务通过关联基站上行链路卸载到边缘服务器上,边缘服务器分配计算资源并执行计算任务,等运行结束即将计算结果通过基站下发给车辆;
(2)发送计算结果通信过程:
a)集中控制器基于当前的全局信息执行多基站关联和模块休眠算法,得到基站下行链路功能模块休眠决策和基站与车辆关联的决策;
b)集中控制器将决策下发给基站,基站对下行链路功能模块执行启动或休眠操作,完成与目标车辆的关联并分配传输功率;
c)边缘服务器的计算结果通过基站的下行链路发送给车辆。
优选的,当车辆存在计算任务卸载请求时或者需要将计算任务结果下发给车辆时,集中控制器执行基站关联和模块休眠优化方法,具体步骤如下:
①初始化所有基站的传输功能模块为休眠状态,即休眠集合S包含所有基站,活跃集合A为空集;
②对于集合S中的每一个基站j,假设开启基站j并求得能分配给车辆的最大传输速率和对应的模块开销,由此得到一个序列L;
③将序列L中的值从高到低进行排序,存在排序为第一的基站j,假设将j加入集合A中,通过求解单基站关联和模块休眠问题或者多基站关联和模块休眠问题计算得到能给车辆提供的传输速率及造成能源开销;如果开启基站j模块获得增益,则将基站j加入集合A,并重复步骤②③,否则,结束求解过程。
优选的,在边缘云服务器集群中部署集中控制器,其维护基站和车辆的位置信息,基于这些信息执行优化方法得到基站模块休眠和基站关联决策,使得车辆能够得到最大传输速率的同时最小化基站能耗开销;
根据集中控制器下发的决策,基站对相应功能模块执行启动或休眠操作,然后与车辆进行关联并分配传输功率。
优选的,集中控制器维护所有基站和车辆的信息,包括基站的位置、链路带宽、能量供应功率、最大传输功率、需传输数据量大小、车辆的位置、车辆的速度。
优选的,优化方法涉及任务卸载的基站上行链路资源分配和回送计算结果的基站下行链路资源分配两部分,对于上行链路,设计单基站关联和模块休眠算法,对于下行链路,设计多基站关联和模块休眠算法。
优选的,基站和车辆配置全双工通信技术,同时基站配置协调多点联合传输技术,并且各个功能模块可以处于活跃和休眠两种状态:
如果基站传输功能模块决策为休眠状态,则该模块进入轻度休眠状态,以节省能源;
如果基站传输功能模块决策为活跃状态,则基站开启该模块,根据总关联车辆的个数,采用分时方法进行无线资源的分配。
优选的,基站模块是否开启,用0-1变量y表示,和车辆与基站的关联,用0-1变量x表示,上行链路的单基站关联和模块休眠算法求解方法如下:
(1)算法1:假设基站功能模块休眠状态已知,即变量y值已确定,则目标函数转换为整数线性问题,求解变量x的值;
(2)算法2:基于算法1,设计一个贪心算法对变量x和y进行求解:
a)初始所有基站模块都处于休眠状态,用集合S表示,则集合S包含所有基站;
b)存在基站模块活跃集合A,则集合A为空集;
c)根据单独开启集合S中每个基站模块,基于算法1求得x值,由此可得到目标函数值,形成序列L;选择对应最大值的基站j,将其与活跃集合A中的元素组成临时集合B,分别计算集合A和集合B的目标函数值a和b,如果a>b,则将基站j加入集合A中并重复步骤b)c),否则终止求解;
d)以上步骤决策得到活跃基站集合A,根据算法1可得到车辆与基站关联方案,即最终求解得到变量x和y的值。
优选的,基站模块是否开启,用0-1变量y表示,和基站给车辆分配传输功率的多少,用实数变量x表示,下行链路的多基站关联和模块休眠算法求解过程如下:
(1)算法1:假设基站功能模块休眠状态已知,即变量y值已确定,则目标函数转换为一个凸优化问题,求解最优解;
(2)算法2:基于算法1,设计一个贪心算法对目标函数进行求解:
A)初始所有基站模块都处于休眠状态,用集合S表示,则集合S包含所有基站;
B)存在基站活跃集合A,则集合A为空集;
C)根据单独开启集合S中每个基站模块,基于算法1求得x值,由此可得到目标函数值,形成序列L;选择对应最大值的基站j,将其与活跃集合A中的元素组成临时集合B,分别计算集合A和集合B的目标函数值a和b,如果a>b,则将基站j加入集合A中并重复步骤b)c),否则终止求解;
D)以上步骤决策得到活跃基站集合A,根据算法1可得到车辆与基站关联方案,即最终求解得到变量x和y的值。
本发明的有益效果在于:
本发明由于在决策基站功能休眠状态和无线资源分配时,考虑了车辆通信的数据量大小、车辆与基站间距离以及基站能耗开销的优化,所以本发明既能够最大化车辆与基站的传输速率,同时能够使得基站能耗最小化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1附图为本发明任务卸载通信过程的方法流程图。
图2附图为本发明发送计算结果通信过程的方法流程图。
图3附图为本发明的网络架构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
请参阅附图1-2,本发明提供了一种基站关联和模块休眠的优化方法,包括如下步骤:
(1)任务卸载通信过程:
a)由车辆发起任务卸载请求,通过上行共享信道将车辆信息和上行控制信息发送给基站;
b)基站接收到车辆的上传数据请求和车辆信息、上行控制信息后,将该信息和基站本身的信息通过前端链路发送给部署在边缘服务器中的集中控制器;
c)集中控制器基于当前的全局信息执行单基站关联和模块休眠算法,得到基站上行链路功能模块休眠决策和基站与车辆关联的决策;
d)集中控制器将决策下发给基站,基站对上行链路功能模块执行启动或休眠操作,完成与车辆的关联并分配传输功率;
e)车辆将计算任务通过关联基站上行链路卸载到边缘服务器上,边缘服务器分配计算资源并执行计算任务,等运行结束即将计算结果通过基站下发给车辆;
(2)发送计算结果通信过程:
a)集中控制器基于当前的全局信息执行多基站关联和模块休眠算法,得到基站下行链路功能模块休眠决策和基站与车辆关联的决策;
b)集中控制器将决策下发给基站,基站对下行链路功能模块执行启动或休眠操作,完成与目标车辆的关联并分配传输功率;
c)边缘服务器的计算结果通过基站的下行链路发送给车辆。
本实施例中,当车辆存在计算任务卸载请求时或者需要将计算任务结果下发给车辆时,集中控制器执行基站关联和模块休眠优化方法,具体步骤如下:
①初始化所有基站的传输功能模块为休眠状态,即休眠集合S包含所有基站,活跃集合A为空集;
②对于集合S中的每一个基站j,假设开启基站j并求得能分配给车辆的最大传输速率和对应的模块开销,由此得到一个序列L;
③将序列L中的值从高到低进行排序,存在排序为第一的基站j,假设将j加入集合A中,通过求解单基站关联和模块休眠问题或者多基站关联和模块休眠问题计算得到能给车辆提供的传输速率及造成能源开销;如果开启基站j模块获得增益,则将基站j加入集合A,并重复步骤②③,否则,结束求解过程。
本实施例中,在边缘云服务器集群中部署集中控制器,其维护基站和车辆的位置信息,基于这些信息执行优化方法得到基站模块休眠和基站关联决策,使得车辆能够得到最大传输速率的同时最小化基站能耗开销;
根据集中控制器下发的决策,基站对相应功能模块执行启动或休眠操作,然后与车辆进行关联并分配传输功率。
本实施例中,集中控制器维护所有基站和车辆的信息,包括基站的位置、链路带宽、能量供应功率、最大传输功率、需传输数据量大小、车辆的位置、车辆的速度等信息。根据维护的全局状态信息分别执行上行链路和下行链路的基站关联和模块休眠算法,将决策下发给基站执行。
本实施例中,优化方法涉及任务卸载的基站上行链路资源分配和回送计算结果的基站下行链路资源分配两部分,对于上行链路,设计单基站关联和模块休眠算法,对于下行链路,设计多基站关联和模块休眠算法。
本实施例中,基站和车辆配置全双工通信技术,同时基站配置协调多点联合传输技术,在超密集网络框架中,我们考虑存在一系列基站为车辆提供无线接入服务,每一个基站都通过前端链路和边缘云服务器集群连接,同时,我们考虑基站和车辆都配置全双工通信技术,同时基站配置了协调多点传输技术和模块轻度休眠技术。并且各个功能模块可以处于活跃和休眠两种状态:
如果基站传输功能模块决策为休眠状态,则该模块进入轻度休眠状态,以节省能源;
如果基站传输功能模块决策为活跃状态,则基站开启该模块,根据总关联车辆的个数,采用分时方法进行无线资源的分配。
本实施例中,基站上行链路的单基站关联和模块休眠问题,通过优化方法决策所有基站上行链路功能模块的休眠状态,并决策车辆与单个基站的关联,以期最大化车辆上传车辆状信息以及计算任务的传输速率和降低数据传输延迟,同时最小化基站能耗;
基站下行链路的多基站关联和模块休眠问题,通过优化方法决策所有基站的下行链路功能模块的休眠状态,决策车辆与多个基站的关联以及每个基站分配给关联车辆的传输功率,从而最大化发送计算结果给目标车辆的传输速率,以便降低数据传输延迟,同时最小化基站能耗。
本实施例中,上行链路的单基站关联和模块休眠问题和求解算法定义如下:
根据车辆的上传数据量和车辆与基站间的距离,决策基站上行传输功能的休眠状态;
根据车辆的上传数据量和车辆与基站间的距离,决策基站与车辆的关联。
上行链路的单基站关联和模块休眠问题定义为最大化所有用户的传输速率减去所有基站的能耗开销,求解的变量包括基站模块是否开启,用0-1变量y表示,和车辆与基站的关联,用0-1变量x表示;
其中,该问题的数学公式如下:
xk,j≤yj (1b)
var xk,j,yj∈{0,1}
其中,我们考虑集合{1,2...,K}表示车辆集合,集合{1,2...,J}表示基站集合,xk,j表示车辆k是否与基站j关联,Ck,j表示车辆k关联到j后的可用的数据速率,λ表示速率和能源开销的权衡参数,yj表示基站上行链路传输功能模块的休眠状态,yj=0表示处于休眠状态,yj=1表示处于开启状态,Pj表示基站的能耗开销,由前端链路能耗和传输能耗两部分组成;
其中,约束(1a)表示车辆只能与一个基站关联,约束(1b)表示只有当基站功能模块处于开启状态,车辆才能与该基站关联;
其中,变量xk,j和yj的取值范围是{0,1};
本实施例中,上行链路的单基站关联和模块休眠问题由两部分算法求解:
(1)算法1:假设基站功能模块休眠状态已知,即变量y值已确定,则目标函数转换为整数线性问题,存在很多经典算法(例如,分支界定法)求解变量x的值;
(2)算法2:基于算法1,设计一个贪心算法对变量x和y进行求解:
a)初始所有基站模块都处于休眠状态,用集合S表示,则集合S包含所有基站;
b)存在基站模块活跃集合A,则集合A为空集;
c)根据单独开启集合S中每个基站模块,基于算法1求得x值,由此可得到目标函数值,形成序列L;选择对应最大值的基站j,将其与活跃集合A中的元素组成临时集合B,分别计算集合A和集合B的目标函数值a和b,如果a>b,则将基站j加入集合A中并重复步骤b)c),否则终止求解;
d)以上步骤决策得到活跃基站集合A,根据算法1可得到车辆与基站关联方案,即最终求解得到变量x和y的值。
本实施例中,下行链路的多基站关联和模块休眠问题和求解算法定义如下:
根据下发计算结果的数据量大小和车辆与基站间的距离,决策基站下行传输功能的休眠状态;
根据下发计算结果的数据量大小和车辆与基站间的距离,决策车辆与多个基站的关联及其基站提供给该车辆的传输功率。
本实施例中,下行链路的多基站关联和模块休眠问题定义为最大化所有用户速率减去所有基站能耗,求解的变量包裹基站模块是否开启,用0-1变量y表示,和基站给车辆分配传输功率的多少,用实数变量x表示;
其中,该问题的数学公式定义如下:
其中,我们考虑集合{1,2...,K}表示车辆集合,集合{1,2...,J}表示基站集合,wk表示一个发送给车辆k的数据量大小的归一化系数,Ck表示车辆k的可用的数据速率,λ表示速率和能源开销的权衡参数,yj表示基站上行链路传输功能模块的休眠状态,yj=0表示处于休眠状态,yj=1表示处于开启状态,Pj表示基站的能耗开销,由前端链路能耗和传输能耗两部分组成,表示关联基站j分配给车辆k的传输功率;
其中,yj的取值范围是{0,1};
本实施例中,下行链路的多基站关联和模块休眠算法求解过程如下:
(1)算法1:假设基站功能模块休眠状态已知,即变量y值已确定,则目标函数转换为一个凸优化问题,可以采用经典算法(例如,内点法)求解最优解;
(2)算法2:基于算法1,设计一个贪心算法对目标函数进行求解:
A)初始所有基站模块都处于休眠状态,用集合S表示,则集合S包含所有基站;
B)存在基站活跃集合A,则集合A为空集;
C)根据单独开启集合S中每个基站模块,基于算法1求得x值,由此可得到目标函数值,形成序列L;选择对应最大值的基站j,将其与活跃集合A中的元素组成临时集合B,分别计算集合A和集合B的目标函数值a和b,如果a>b,则将基站j加入集合A中并重复步骤b)c),否则终止求解;
D)以上步骤决策得到活跃基站集合A,根据算法1可得到车辆与基站关联方案,即最终求解得到变量x和y的值。
参见说明书附图3,在本实施例中随机网络仿真环境模拟真实网络中边缘服务器、基站和车辆间的关系,假设部署在边缘服务器中的集中控制器能够拥有实时的基站和车辆的信息,所有车辆都在基站的服务范围内。
下面对以基于随机网络仿真环境的上行链路的单基站关联和模块休眠算法进行详细说明:
(1)确定集中控制器维护的算法输入参数
算法中的参数包括:
所有基站链路带宽W
环境噪音Nb
路径损失p1
权衡参数λ
(2)基站和车辆信息初始化及更新
对于基站,其链路带宽、传输功率、位置等信息是固定不变的,在基站启动服务时便可以这些信息更新给控制器;对于车辆,在一个时间间隔内(例如,1ms),如果存在上行数据(例如,计算任务)需要发送时,车辆需要告诉基站自己需要有多少数据发送,以便基站决定给车辆分配多少资源;在这个过程中,车辆同时将位置、车速、噪音等信息进行上传给基站;接下来,基站将其拥有的信息通过前端链路上传给集中控制器进行更新。
(3)基站执行决策
单基站关联和模块休眠算法运行后,将得到基站上行链路传输模块的活跃状态和车辆和基站的关联决策。基站根据控制器下发的决策与车辆进行关联并分配无线资源。
(4)车辆上传信息
车辆与基站进行关联后,通过基站上行链路进行计算任务的卸载和车辆相关信息的上传,然后基站通过前端链路将这些数据发送给边缘服务器。
下面对以基于机会网络环境的下行链路的多基站关联和模块休眠算法进行详细说明:
(1)确定控制器维护的算法输入参数
算法中的参数包括:
所有基站链路带宽W
系数wk
环境噪音Nb
路径损失p1
权衡参数λ
(2)基站和车辆信息初始化及更新
对于基站,其链路带宽、传输功率、位置等信息是固定不变的,在基站启动服务时便可以这些信息更新给控制器;对于车辆,其可定期将位置、车速、噪音等信息进行上传给基站;接下来,基站将其拥有的信息通过前端链路上传给集中控制器进行更新。
(3)基站执行决策
集中控制器运行多基站关联和模块休眠算法后,将得到基站下行链路传输模块的活跃状态、车辆和多基站的关联决策以及基站给车辆分配的传输功率。基站根据控制器下发的决策与车辆进行关联并分配无线资源。
(4)基站下发相关信息
车辆与基站进行关联并分配相应的传输功率,边缘服务器通过基站下行链路将计算结果数据发送给车辆。
本发明采用计算机模拟的方式进行实验。
本发明以机会网络环境模拟真实世界中的网络分布,分别创建集中控制器、基站和车辆节点,并对节点进行初始化。每一个时间间隔,采用基站关联和模块休眠优化方法对基站和车辆进行调度,完成车辆任务卸载和计算结果的回送。实验结果表明,我们提出的方法在考虑传输数据量大小的前提下最大化车辆传输功率,同时最小化基站能耗。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (3)
1.一种基站关联和模块休眠的优化方法,其特征在于,包括如下步骤:
(1)任务卸载通信过程:
a)由车辆发起任务卸载请求,通过上行共享信道将车辆信息和上行控制信息发送给基站;
b)基站接收到车辆的任务卸载请求和车辆信息、上行控制信息后,将车辆信息、上行控制信息和基站本身的信息通过前端链路发送给部署在边缘服务器中的集中控制器;
c)集中控制器基于当前的全局信息执行单基站关联和模块休眠算法,得到基站上行链路功能模块休眠决策和基站与车辆关联的决策;基站模块是否开启,用0-1变量y表示,和车辆与基站的关联,用0-1变量x1表示,上行链路的单基站关联和模块休眠算法求解方法如下:
(1)算法1:假设基站功能模块休眠状态已知,即变量y值已确定,则目标函数转换为整数线性问题,求解变量x1的值;
(2)算法2:基于算法1,设计一个贪心算法对变量x1和y进行求解:
A)初始所有基站模块都处于休眠状态,用集合S表示,则集合S包含所有基站;
B)存在基站模块活跃集合A,则集合A为空集;
C)根据单独开启集合S中每个基站模块,基于算法1求得x1值,由此可得到目标函数值,形成序列L1;选择对应最大值的基站j,将其与活跃集合A中的元素组成临时集合B,分别计算集合A和集合B的目标函数值a和b,如果a<b,则将基站j加入集合A中并重复步骤b)c),否则终止求解;
D)以上步骤决策得到活跃基站集合A,根据算法1可得到车辆与基站关联方案,即最终求解得到变量x1和y的值;
d)集中控制器将决策下发给基站,基站对上行链路功能模块执行启动或休眠操作,完成与车辆的关联并分配传输功率;
e)车辆将计算任务通过关联基站上行链路卸载到边缘服务器上,边缘服务器分配计算资源并执行计算任务,等运行结束即将计算结果通过基站下发给车辆;
(2)发送计算结果通信过程:
a)集中控制器基于当前的全局信息执行多基站关联和模块休眠算法,得到基站下行链路功能模块休眠决策和基站与车辆关联的决策;基站模块是否开启,用0-1变量y表示,和基站给车辆分配传输功率的多少,用实数变量x2表示,下行链路的多基站关联和模块休眠算法求解过程如下:
(1)算法1:假设基站功能模块休眠状态已知,即变量y值已确定,则目标函数转换为一个凸优化问题,求解最优解;
(2)算法2:基于算法1,设计一个贪心算法对目标函数进行求解:
A)初始所有基站模块都处于休眠状态,用集合S表示,则集合S包含所有基站;
B)存在基站活跃集合A,则集合A为空集;
C)根据单独开启集合S中每个基站模块,基于算法1求得x2值,由此可得到目标函数值,形成序列L2;选择对应最大值的基站j,将其与活跃集合A中的元素组成临时集合B,分别计算集合A和集合B的目标函数值a和b,如果a<b,则将基站j加入集合A中并重复步骤b)c),否则终止求解;
D)以上步骤决策得到活跃基站集合A,根据算法1可得到车辆与基站关联方案,即最终求解得到变量x2和y的值;
b)集中控制器将决策下发给基站,基站对下行链路功能模块执行启动或休眠操作,完成与目标车辆的关联并分配传输功率;
c)边缘服务器的计算结果通过基站的下行链路发送给车辆;
所述上行链路的单基站关联和模块休眠算法求解方法和下行链路的多基站关联和模块休眠算法求解方法中的目标函数为最大化所有用户速率减去所有基站能耗,求解的变量包括基站模块是否开启。
2.根据权利要求1所述的一种基站关联和模块休眠的优化方法,其特征在于,集中控制器维护所有基站和车辆的信息,包括基站的位置、链路带宽、能量供应功率、最大传输功率、需传输数据量大小、车辆的位置、车辆的速度。
3.根据权利要求1所述的一种基站关联和模块休眠的优化方法,其特征在于,基站和车辆配置全双工通信技术,同时基站配置协调多点联合传输技术,并且各个功能模块可以处于活跃和休眠两种状态:
如果基站传输功能模块决策为休眠状态,则该模块进入轻度休眠状态,以节省能源;
如果基站传输功能模块决策为活跃状态,则基站开启该模块,根据总关联车辆的个数,采用分时方法进行无线资源的分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011141390.6A CN112153728B (zh) | 2020-10-22 | 2020-10-22 | 一种基站关联和模块休眠的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011141390.6A CN112153728B (zh) | 2020-10-22 | 2020-10-22 | 一种基站关联和模块休眠的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112153728A CN112153728A (zh) | 2020-12-29 |
CN112153728B true CN112153728B (zh) | 2021-09-03 |
Family
ID=73954650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011141390.6A Active CN112153728B (zh) | 2020-10-22 | 2020-10-22 | 一种基站关联和模块休眠的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112153728B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113810878B (zh) * | 2021-08-31 | 2023-04-25 | 南京信息工程大学 | 一种基于车联网任务卸载决策的宏基站放置方法 |
CN113891435A (zh) * | 2021-09-23 | 2022-01-04 | 新华三技术有限公司 | 一种基站控制方法、装置及电子设备 |
CN114189877B (zh) * | 2021-12-06 | 2023-09-15 | 天津大学 | 一种面向5g基站的复合式能耗优化控制方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106937391A (zh) * | 2017-04-12 | 2017-07-07 | 东南大学 | 一种超密集异构网络***能效最大化用户关联优化方法 |
US10942657B2 (en) * | 2018-03-12 | 2021-03-09 | Micron Technology, Inc. | Power management integrated circuit (PMIC) master/slave functionality |
CN109413615B (zh) * | 2018-09-14 | 2021-10-22 | 重庆邮电大学 | 车联网中基于mec的能量感知卸载的能量延迟折衷 |
CN110968366B (zh) * | 2019-11-29 | 2022-06-28 | 长沙理工大学 | 一种基于有限mec资源的任务卸载方法、装置及设备 |
-
2020
- 2020-10-22 CN CN202011141390.6A patent/CN112153728B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112153728A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112153728B (zh) | 一种基站关联和模块休眠的优化方法 | |
CN109413615B (zh) | 车联网中基于mec的能量感知卸载的能量延迟折衷 | |
Gong et al. | Flight time minimization of UAV for data collection over wireless sensor networks | |
CN110996393B (zh) | 一种单边缘计算服务器与多用户协同的计算卸载与资源分配方法 | |
CN107317700B (zh) | 车载边缘计算节点选择***及方法 | |
CN110198278B (zh) | 一种车联网云端和边缘联合任务调度的Lyapunov优化方法 | |
CN111586696B (zh) | 一种基于多智能体架构强化学习的资源分配及卸载决策方法 | |
Ye et al. | Joint RAN slicing and computation offloading for autonomous vehicular networks: A learning-assisted hierarchical approach | |
CN111083634B (zh) | 基于cdn和mec的车联网移动性管理方法 | |
CN113438621A (zh) | 一种基于网联车辅助的边缘计算卸载与资源分配方法 | |
CN112188627B (zh) | 一种基于状态预测的动态资源分配策略 | |
CN112512065B (zh) | 支持mec的小小区网络中在移动感知下的卸载和迁移方法 | |
CN114650228B (zh) | 一种异构网络中基于计算卸载的联邦学习调度方法 | |
CN113542376A (zh) | 一种基于能耗与时延加权的任务卸载方法 | |
Li et al. | Joint optimization of computation cost and delay for task offloading in vehicular fog networks | |
CN113891477A (zh) | 一种车联网中基于mec计算任务卸载的资源分配方法 | |
WO2023020502A1 (zh) | 数据处理方法及装置 | |
Wu et al. | A mobile edge computing-based applications execution framework for Internet of Vehicles | |
Lan et al. | Deep reinforcement learning for computation offloading and caching in fog-based vehicular networks | |
Zhou et al. | Jointly optimizing offloading decision and bandwidth allocation with energy constraint in mobile edge computing environment | |
CN114928611A (zh) | 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法 | |
Wang et al. | Vehicular computation offloading in UAV-enabled MEC systems | |
CN114153515A (zh) | 一种基于5g毫米波通信的高速公路车联网任务卸载算法 | |
Collotta et al. | Wireless sensor networks to improve road monitoring | |
CN117580063A (zh) | 一种车联网络中多维资源协同管理方法 |
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 |