【技术实现步骤摘要】
基于强化学习的车载边缘环境下智能网联车辆任务卸载方法
本专利技术涉及智能车联网
,尤其涉及基于强化学习的车载边缘环境下智能网联车辆任务卸载方法。
技术介绍
随着人工智能技术、移动通信技术和传感器技术的飞速发展,车辆的设计需求不再局限于单一驾驶功能,而是逐渐成为一个智能、互联、自主的系统,把这些车辆统称为智能网联车辆(ConnectedandAutonomousVehicles,CAVs)。CAVs可以有效提高驾驶员的行驶效率、反应能力和驾驶舒适度。近年来,全球机动车保有量不断上升,道路上车辆数量的增加严重影响了道路交通系统的整体安全性和交通效率,CAVs的发展越来越受到学术界和工业界的关注。通过CAVs和基础设施及邻域车辆的信息资源共享,CAVs可以全面感知驾驶环境,有效提高道路行驶安全和交通效率,减少人为失误造成的交通事故,缓解交通拥堵情况。根据Intel的一份报告,在2020年,CAVs每天将产生4TB的数据。面对如此庞大的数据量,一方面车载单元(On-boardUnit,OBU)有限的计算和存储能力不足以满足大部分计算密集型应用需求;另一方面,对于计算密集型以及具有时延约束的应用程序,传统云计算中云服务器远离车辆,远程卸载应用将进一步给回程网络带来巨大压力,导致严重的服务延迟和带宽压力,不足以满足应用程序需求。如何选择合适的调度平台,降低CAVs本地应用和各种第三方应用的卸载总能耗和调度失败率,是目前CAVs任务卸载中重点关注的问题。在车载边缘计算(VehicularEdgeComputi ...
【技术保护点】
1.基于强化学习的车载边缘环境下智能网联车辆任务卸载方法,其特征在于:其包括以下步骤:/n步骤1,构建表征VEC环境下的CAV任务卸载的MDP模型并初始化当前经过的时间片个数time_slot=1;/n步骤2,判断当前经过的时间片个数time_slot是否为偶数;是则,任务车辆TaV生成一个CAVs应用程序,分解后任务进入任务车辆TaV的任务队列;否则,执行步骤3;/n步骤3,计算任务车辆TaV与该任务车辆TaV通信范围内的RSUs和服务车辆SeVs距离得到当前时间片的状态S
【技术特征摘要】
1.基于强化学习的车载边缘环境下智能网联车辆任务卸载方法,其特征在于:其包括以下步骤:
步骤1,构建表征VEC环境下的CAV任务卸载的MDP模型并初始化当前经过的时间片个数time_slot=1;
步骤2,判断当前经过的时间片个数time_slot是否为偶数;是则,任务车辆TaV生成一个CAVs应用程序,分解后任务进入任务车辆TaV的任务队列;否则,执行步骤3;
步骤3,计算任务车辆TaV与该任务车辆TaV通信范围内的RSUs和服务车辆SeVs距离得到当前时间片的状态Stime_slot;
步骤4,判断任务车辆TaV的任务数据是否完成传输;是则,根据SA-QL动作策略选择当前时间片要执行的动作Atime_slot并执行步骤6;否则,计算Atime_slot=Atime_slot-1,将前一个时间片的动作赋值给当前时间片要执行的动作;
步骤5,判断任务车辆TaV是否断开通信;是则,将当前传输任务对应的应用剩余生命周期置0;否则,执行步骤6;
步骤6,执行当前时间片选择的动作Atime_slot,更新车载边缘环境,得到下一个时间片的状态Stime_slot+1;
步骤7,计算当前环境得到的损失函数值loss,计算1/loss得到奖励值Rtime_slot;
步骤8,基于<Stime_slot,Atime_slot,Rtime_slot,Stime_slot+1>MDP模型四元组信息更新Q-learning价值函数;
步骤9,判断当前经过的时间片个数time_slot是否大于每个时间片长度上限ε;是则,采用退火公式对温度进行降温处理;否则,时间片time_slot加1并执行步骤2。
2.根据权利要求1所述的基于强化学习的车载边缘环境下智能网联车辆任务卸载方法,其特征在于:步骤1的MDP模型中包括任务车辆TaV和服务车辆SeVs;车辆行驶的道路两侧部署有若干RSUs,每个RSU都配备一个VEC服务器。
3.根据权利要求1所述的基于强化学习的车载边缘环境下智能网联车辆任务卸载方法,其特征在于:步骤1中任务车辆TaV可选择卸载计算任务至服务车辆SeVs执行以充分利用邻域内协同车辆的计算资源。
4.根据权利要求1所述的基于强化学习的车载边缘环境下智能网联车辆...
【专利技术属性】
技术研发人员:林兵,林凯,黄志高,卢宇,陈星,
申请(专利权)人:福建师范大学,
类型:发明
国别省市:福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。