基于边缘计算的车联网协同任务卸载方法及其卸载装置

本发明涉及任务卸载，具体为基于边缘计算的车联网协同任务卸载方法及其卸载装置。

背景技术：

1、任务卸载是指将原本在本地设备上执行的任务转移到其他计算资源上执行的过程。在车联网和边缘计算的背景下，任务卸载通常涉及将车辆上的计算密集型或延迟敏感型任务转移到附近的边缘服务器或云服务器上执行，以减轻车辆本地计算资源的负担，提高计算效率，减少延迟，并增强系统的整体性能。

2、现有技术中的，公开号为cn113687875b的一种车联网中车辆任务卸载方法及装置，该方法包括：将移动边缘计算引入车辆任务卸载场景，建立包括计算节点和待卸载任务车辆的交通环境；其中，计算节点作为边缘计算中的边缘节点，用于供车辆卸载任务，并对车辆所卸载的任务进行处理；基于交通环境，以降低系统时延为目标，采用深度强化学习算法建立车辆任务卸载模型，实现通信与计算资源的协同优化；利用车辆任务卸载模型，实现车联网中的车辆任务卸载。该现有技术在车联网领域引进了边缘计算，并基于深度强化学习算法改进了传统车联网中车辆任务卸载方式，从而为车辆任务卸载提供了低时延的卸载方案。但上述现有技术仅仅考虑系统处理任务的延时时间，而未综合考虑其他因素，比如车辆、服务器能耗因素，因而其适用面较窄。

3、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明的目的在于提供基于边缘计算的车联网协同任务卸载方法及其卸载装置，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、基于边缘计算的车联网协同任务卸载方法，具体步骤包括：

4、s1、建立路边边缘计算模型，在横向双向车道的一侧设置任务卸载服务器，并将其定义为坐标系原点，平行于车道方向为x轴，右方向为正方向，平行于道路平面，且垂直于道路方向设置为y轴，下侧为正方向，其中第i个车辆在坐标系中的投影位置为(xi,yi)，i表示不同车辆的编号，i＝1、2、3、……、n，n为正整数；

5、s2、采集任务卸载服务器的通信参数和第i个车辆的车速；

6、s3、对通信参数和第i个车辆在坐标系中的投影位置进行相关性分析，生成驶出距离并进一步生成驶出时间，驶出时间用于反映第i个车辆驶出服务器通信覆盖半径所需要行驶的时间；

7、s4、采集第i个车辆的计算参数、任务卸载服务器的计算功率、任务传输功率；

8、s5、对第i个车辆的计算参数进行相关性分析，生成第i个车辆的计算延时，计算延时用于反映第i个车辆计算任务请求q所需要的计算时间；

9、s6、对第i个车辆的计算延时、第i个车辆的计算参数进行相关性分析，生成第i个车辆的本地计算耗能，第i个车辆的本地计算耗能用于反映处理任务请求所需要的能量消耗，对第i个车辆在坐标系中的投影位置(xi,yi)、任务请求、通信参数进行相关性分析，生成任务卸载服务器的计算延时，任务卸载服务器的计算延时用于反映将任务请求传输至任务卸载服务器计算后并传输回车辆所需要的计算时间；

10、s7、对任务卸载服务器的计算功率和通信参数进行相关性分析，生成任务卸载服务器计算能耗，任务卸载服务器计算能耗用于反映任务卸载服务器计算任务请求所需要消耗的能量，对任务传输功率、第i个车辆在坐标系中的投影位置(xi,yi)进行相关性分析，生成卸载任务传输能耗，卸载任务传输能耗用于反映任务请求传输所需要消耗的能量；

11、s8、对第i个车辆的计算延时、任务卸载服务器的计算延时、第i个车辆的本地计算耗能、任务卸载服务器计算能耗、卸载任务传输能耗进行相关性分析，生成任务卸载综合评价，任务卸载综合评价用于反映将任务请求卸载至任务卸载服务器的评价置信程度；

12、s9、将任务卸载综合评价与0值进行比对，输出任务卸载评价置信度。

13、进一步地，所述通信参数包括服务器通信覆盖半径r和服务器计算能力j，所述服务器计算能力j用于反映任务卸载服务器单位时间内运转的cpu指令周期数。

14、进一步地，所述s3中，对通信参数和第i个车辆在坐标系中的投影位置进行相关性分析，生成驶出距离si，所依据的公式为：

15、

16、其中，驶出距离si用于反映第i个车辆驶出服务器通信覆盖半径所需要行驶的距离，∝为车辆行驶方向，∝的数值用如下公式计算：

17、

18、进一步地，对驶出距离si和第i个车辆的车速vi进行相关性分析，生成第i个车辆的驶出时间ti，所依据的公式为：

19、

20、其中，vi为第i个车辆的行驶速度，驶出时间ti用于反映第i个车辆驶出服务器通信覆盖半径所需要行驶的时间。

21、进一步地，所述计算参数包括第i个车辆的计算能力ji和第i个车辆的本地计算功率pi，第i个车辆的计算能力用于反映第i个车辆单位时间内运转的cpu指令周期数，第i个车辆的本地计算功率pi用于反映第i个车辆运行计算请求时所需要的功率，针对任务请求q，对第i个车辆的计算能力ji和任务请求进行相关性分析，生成第i个车辆的计算延时所依据的公式为：

22、

23、其中，q用于反映任务请求所需要运转的cpu指令周期数，计算延时用于反映第i个车辆计算任务请求q所需要的计算时间。

24、进一步地，对第i个车辆的计算延时和第i个车辆的本地计算功率pi进行相关性分析，生成第i个车辆的本地计算耗能ei，所依据公式为：

25、

26、其中，第i个车辆的本地计算耗能ei用于反映处理任务请求q所需要的能量消耗。

27、进一步地，对第i个车辆在坐标系中的投影位置(xi,yi)、任务请求q、服务器计算能力j进行相关性分析，生成任务卸载服务器的计算延时t，所依据的公式为：

28、

29、其中，v为任务传输速度，任务卸载服务器的计算延时t用于反映将任务请求q传输至任务卸载服务器计算后并传输回车辆所需要的计算时间；

30、对任务卸载服务器的计算功率p和服务器计算能力j进行相关性分析，生成任务卸载服务器计算能耗w，所依据的公式为：

31、

32、其中，任务卸载服务器计算能耗w用于反映任务卸载服务器计算任务请求q所需要消耗的能量；

33、对任务传输功率pc、第i个车辆在坐标系中的投影位置(xi,yi)进行相关性分析，生成卸载任务传输能耗wc，所依据的公式为：

34、

35、其中，卸载任务传输能耗wc用于反映任务请求q传输所需要消耗的能量，v为任务传输速度。

36、进一步地，当t≤ti，表示第i个车辆可以针对任务q进行卸载计算；当t>ti，表示第i个车辆不可以针对任务q进行卸载计算。

37、进一步地，对第i个车辆的计算延时任务卸载服务器的计算延时t、第i个车辆的本地计算耗能ei、任务卸载服务器计算能耗w、卸载任务传输能耗wc进行相关性分析，生成任务卸载综合评价rzp，所依据的公式为：

38、

39、其中，a表示任务权重因子，b表示能量权重因子，0≤a≤10，0≤b≤10，且a+b＝10，任务卸载综合评价rzp用于反映将任务请求卸载至任务卸载服务器的评价置信程度。

40、本发明还提供了基于边缘计算的车联网协同任务卸载装置，用于执行基于边缘计算的车联网协同任务卸载方法，包括：

41、模型建立模块，所述模型建立模块用于建立路边边缘计算模型，在横向双向车道的一侧设置任务卸载服务器，并将其定义为坐标系原点，平行于车道方向为x轴，右方向为正方向，平行于道路平面，且垂直于道路方向设置为y轴，下侧为正方向，第i个车辆在坐标系中的投影位置为(xi,yi)；

42、第一采集模块，所述第一采集模块用于采集任务卸载服务器的通信参数和第i个车辆的车速；

43、驶出时间分析模块，所述驶出时间分析模块用于对通信参数和第i个车辆在坐标系中的投影位置进行相关性分析，生成驶出距离并进一步生成驶出时间，驶出时间用于反映第i个车辆驶出服务器通信覆盖半径所需要行驶的时间；

44、第二采集模块，所述第二采集模块用于采集第i个车辆的计算参数、任务卸载服务器的计算功率、任务传输功率；

45、车辆处理分析模块，所述车辆处理分析模块用于对第i个车辆的计算参数进行相关性分析，生成第i个车辆的计算延时，计算延时用于反映第i个车辆计算任务请求q所需要的计算时间，并对第i个车辆的计算延时、第i个车辆的计算参数进行相关性分析，生成第i个车辆的本地计算耗能，第i个车辆的本地计算耗能用于反映处理任务请求所需要的能量消耗，对第i个车辆在坐标系中的投影位置(xi,yi)、任务请求、通信参数进行相关性分析，生成任务卸载服务器的计算延时，任务卸载服务器的计算延时用于反映将任务请求传输至任务卸载服务器计算后并传输回车辆所需要的计算时间；

46、服务器处理分析模块，所述服务器处理分析模块用于对任务卸载服务器的计算功率和通信参数进行相关性分析，生成任务卸载服务器计算能耗，任务卸载服务器计算能耗用于反映任务卸载服务器计算任务请求所需要消耗的能量，对任务传输功率、第i个车辆在坐标系中的投影位置(xi,yi)进行相关性分析，生成卸载任务传输能耗，卸载任务传输能耗用于反映任务请求传输所需要消耗的能量；

47、综合评价分析模块，所述综合评价分析模块用于对第i个车辆的计算延时、任务卸载服务器的计算延时、第i个车辆的本地计算耗能、任务卸载服务器计算能耗、卸载任务传输能耗进行相关性分析，生成任务卸载综合评价；

48、比对模块，所述比对模块用于将任务卸载综合评价与0值进行比对，输出任务卸载评价置信度；

49、任务卸载综合评价大于0值时，输出任务卸载评价置信度为95％，此时可以将任务请求由车辆卸载至任务卸载服务器进行计算并返回计算结果；任务卸载综合评价小于0值时，输出任务卸载评价置信度为30％，此时不建议将任务请求由车辆卸载至任务卸载服务器进行计算。

50、与现有技术相比，本发明的有益效果是：

51、本发明首次对任务处理延迟时间以及任务处理能耗方面进行综合分析，通过建立路边边缘计算模型，采集任务卸载服务器的参数以及对应车辆的相关参数，并对其进行相关性分析，生成驶出时间、车辆的本地计算能耗、任务卸载服务器的计算延时、卸载任务传输能耗、任务卸载服务器计算能耗，并对以上中间参数进行综合分析评价，生成反映了任务请求卸载至任务卸载服务器评价置信程度的任务卸载综合评价，并进一步输出任务卸载评价置信度，帮助车辆判断是否将任务请求卸载至边缘的任务卸载服务器进行计算，适用面较广。

技术特征：

1.基于边缘计算的车联网协同任务卸载方法，其特征在于，具体步骤包括：

2.根据权利要求1所述的基于边缘计算的车联网协同任务卸载方法，其特征在于：所述通信参数包括服务器通信覆盖半径r和服务器计算能力j，所述服务器计算能力j用于反映任务卸载服务器单位时间内运转的cpu指令周期数。

3.根据权利要求2所述的基于边缘计算的车联网协同任务卸载方法，其特征在于：所述s3中，对通信参数和第i个车辆在坐标系中的投影位置进行相关性分析，生成驶出距离si，所依据的公式为：

4.根据权利要求3所述的基于边缘计算的车联网协同任务卸载方法，其特征在于：对驶出距离si和第i个车辆的车速vi进行相关性分析，生成第i个车辆的驶出时间ti，所依据的公式为：

5.根据权利要求4所述的基于边缘计算的车联网协同任务卸载方法，其特征在于：所述计算参数包括第i个车辆的计算能力ji和第i个车辆的本地计算功率pi，第i个车辆的计算能力用于反映第i个车辆单位时间内运转的cpu指令周期数，第i个车辆的本地计算功率pi用于反映第i个车辆运行计算请求时所需要的功率，针对任务请求q，对第i个车辆的计算能力ji和任务请求进行相关性分析，生成第i个车辆的计算延时所依据的公式为：

6.根据权利要求5所述的基于边缘计算的车联网协同任务卸载方法，其特征在于：对第i个车辆的计算延时和第i个车辆的本地计算功率pi进行相关性分析，生成第i个车辆的本地计算耗能ei，所依据公式为：

7.根据权利要求5所述的基于边缘计算的车联网协同任务卸载方法，其特征在于：对第i个车辆在坐标系中的投影位置(xi,yi)、任务请求q、服务器计算能力j进行相关性分析，生成任务卸载服务器的计算延时t，所依据的公式为：

8.根据权利要求6和7任意一项所述的基于边缘计算的车联网协同任务卸载方法，其特征在于：当t≤ti，表示第i个车辆可以针对任务q进行卸载计算；当t>ti，表示第i个车辆不可以针对任务q进行卸载计算。

9.根据权利要求8所述的基于边缘计算的车联网协同任务卸载方法，其特征在于：对第i个车辆的计算延时任务卸载服务器的计算延时t、第i个车辆的本地计算耗能ei、任务卸载服务器计算能耗w、卸载任务传输能耗wc进行相关性分析，生成任务卸载综合评价rzp，所依据的公式为：

10.基于边缘计算的车联网协同任务卸载装置，用于执行权利要求1所述的基于边缘计算的车联网协同任务卸载方法，其特征在于，包括：

技术总结
本发明提供基于边缘计算的车联网协同任务卸载方法及其卸载装置，涉及任务卸载技术领域，包括采集参数、参数分析，生成本发明首次对任务处理延迟时间以及任务处理能耗方面进行综合分析，通过建立路边边缘计算模型，采集任务卸载服务器的参数以及对应车辆的相关参数，并对其进行相关性分析，生成驶出时间、车辆的本地计算能耗、任务卸载服务器的计算延时、卸载任务传输能耗、任务卸载服务器计算能耗，并对以上中间参数进行综合分析评价，生成反映了任务请求卸载至任务卸载服务器的评价置信程度，并进一步输出任务卸载评价置信度，帮助车辆判断是否将任务请求卸载至边缘的任务卸载服务器进行计算，适用面较广。

技术研发人员：贺超,姜雯慧,李俊霆,彭俊文,汪超凡
受保护的技术使用者：重庆三峡学院
技术研发日：
技术公布日：2024/9/23