【技术实现步骤摘要】
本专利技术涉及自动驾驶，尤其涉及一种算力负载预测与算力调度方法、装置、设备、介质及产品。
技术介绍
1、自动驾驶车路协同业务分为实时业务与非实时业务，实时业务主要包括动态车辆路径规划、车路协同的红绿灯信息共享、安全信息共享等业务，此类业务对实时性要求高；非实时业务主要为自动驾驶车辆路测信息处理，需大量采集路测数据用于算法优化，此类业务数据处理量大，算力需求高，处理周期越短，越利于业务快速拓展。因此，在自动驾驶车路协同业务处理过程中，需保障实时业务处理的同时实现非实时业务的高效处理。
2、然而，现有技术中缺乏针对实时业务的算力负载预测，导致无法为实时业务预留充足的算力资源，进而无法保障实时业务处理的同时实现非实时业务的高效处理。
技术实现思路
1、本专利技术提供一种算力负载预测与算力调度方法、装置、设备、介质及产品，以解决现有技术中缺乏针对实时业务的算力负载预测，导致无法为实时业务预留充足的算力资源，进而无法保障实时业务处理的同时实现非实时业务的高效处理的问题。
2、为实现上述目的，本专利技术实施例提供了一种算力负载预测与算力调度方法，包括：
3、获取第一历史时间范围内所有目标算力节点关于实时业务的总算力负载的第一时间序列；
4、对所述第一时间序列采用灰色预测法，得到每一所述目标算力节点关于实时业务的第一算力负载预测值；
5、基于每一所述目标算力节点对应的服务区域的当前环境感知信息，构建每一所述目标算力节点的算力交通图；所述
6、基于所述算力交通图，得到每一所述目标算力节点关于实时业务的第二算力负载预测值；
7、根据每一所述第一算力负载预测值和每一所述第二算力负载预测值，得到每一所述目标算力节点关于实时业务的算力负载预测值，以基于所述算力负载预测值对非实时业务进行调度。
8、作为上述方案的改进，所述对所述第一时间序列采用灰色预测法，得到每一所述目标算力节点关于实时业务的第一算力负载预测值，包括：
9、获取第二历史时间范围内所有所述目标算力节点关于实时业务的总算力负载的第二时间序列；其中，所述第二历史时间范围在所述第一历史时间范围之前；
10、获取第二历史时间范围内每一所述目标算力节点关于实时业务的算力负载的第三时间序列；
11、以所述第二时间序列为参考数列，每一所述第三时间序列为比较数列，计算每一所述比较数列对所述参考数列的关联度；
12、生成所述参考数列的生成数列；
13、基于所述生成数列和所有所述关联度，构建灰色预测模型；
14、将所述第一时间序列输入所述灰色预测模型，得到每一所述第一算力负载预测值。
15、作为上述方案的改进，所述基于每一所述目标算力节点对应的服务区域的当前环境感知信息，构建每一所述目标算力节点的算力交通图，包括：
16、根据每一所述服务区域内当前每一服务车辆的当前环境感知信息，计算当前每一所述服务车辆的当前环境复杂度；
17、根据当前每一所述服务车辆的当前环境复杂度，计算每一所述服务区域内当前所有所述服务车辆的当前平均环境复杂度；
18、基于当前每一所述服务车辆的当前位置，得到当前每一所述服务车辆的预测位置，确认每一所述服务区域内的所述预测服务车辆的数量；
19、根据每一所述服务区域内每一所述预测服务车辆的所述算力负载历史值，计算每一所述服务区域内的算力负载平均值，将每一所述算力负载平均值确认为每一所述算力负载特征值。
20、作为上述方案的改进，所述根据每一所述服务区域内当前每一服务车辆的当前环境感知信息，计算当前每一所述服务车辆的当前环境复杂度，包括：
21、获取当前每一所述服务车辆的当前位置，计算当前每一所述服务车辆的静态环境感知能力；
22、获取当前每一所述服务车辆感知的交通目标信息，计算当前每一所述服务车辆的动态环境感知能力；
23、对于当前每一所述服务车辆，对所述静态环境感知能力和所述动态环境感知能力加权求和，得到当前环境复杂度。
24、作为上述方案的改进，根据下式计算所述静态环境感知能力：
25、cb＝θ*(η1y1+η2y2)
26、式中，θ为当前天气类型的天气影响系数；若当前服务车辆在路口中，y1为1，否则y1为0；若当前服务车辆在事故高发地，y2为1，否则y2为0；η1为第一环境系数，η2为第二环境系数；
27、根据下式计算所述动态环境感知能力：
28、cp＝λ1x1+λ2x2
29、式中，x1为表征当前服务车辆预设距离内漏感知的交通目标数量的数值；x2为表征当前服务车辆预设距离内感知到的交通目标数量的数值，λ1为漏感知目标系数，λ2为感知目标系数。
30、作为上述方案的改进，所述基于所述算力交通图，得到每一所述目标算力节点关于实时业务的第二算力负载预测值，包括：
31、在当前平均环境复杂度大于预设的环境复杂度阈值或所述数量大于预设的数量阈值时，计算所述第二算力负载预测值为所述数量与所述算力负载特征值的乘积；
32、在当前平均环境复杂度小于或等于所述环境复杂度阈值，且所述数量小于或等于所述数量阈值时，计算所述第二算力负载预测值为0。
33、作为上述方案的改进，所述根据每一所述第一算力负载预测值和每一所述第二算力负载预测值，得到每一所述目标算力节点关于实时业务的算力负载预测值，以基于所述算力负载预测值对非实时业务进行调度，包括：
34、对于每一所述目标算力节点，将所述第一算力负载预测值与所述第二算力负载预测值相加，得到所述算力负载预测值；
35、将所述算力负载预测值大于预设的算力负载阈值的所述目标算力节点，确认为实时业务处理节点，以在算力节点管理平台接收到所述实时业务处理节点的服务区域的所述非实时业务时，将接收到的所述非实时业务下发至其余没有被确认为实时业务处理节点的目标算力节点。
36、为实现上述目的，本专利技术实施例还提供了一种算力负载预测与算力调度装置，包括：
37、时间序列获取模块，用于获取第一历史时间范围内所有目标算力节点关于实时业务的总算力负载的第一时间序列；
38、第一算力负载预测模块，用于对所述第一时间序列采用灰色预测法，得到每一所述目标算力节点关于实时业务的第一算力负载预测值；
39、算力交通图构建模块，用于基于每一所述目标算力节点对应的服务区域的当前环境感知信息，构建每一所述目标算力节点的算力交通图；所述算力交通图包括所述服务区域、所述服务区域内的预测服务车辆的数量及每一所述预测服务车辆关于实时业务的算力负载特征值本文档来自技高网...
【技术保护点】
1.一种算力负载预测与算力调度方法，其特征在于，包括：
2.如权利要求1所述的算力负载预测与算力调度方法，其特征在于，所述对所述第一时间序列采用灰色预测法，得到每一所述目标算力节点关于实时业务的第一算力负载预测值，包括：
3.如权利要求1所述的算力负载预测与算力调度方法，其特征在于，所述基于每一所述目标算力节点对应的服务区域的当前环境感知信息，构建每一所述目标算力节点的算力交通图，包括：
4.如权利要求3所述的算力负载预测与算力调度方法，其特征在于，所述根据每一所述服务区域内当前每一服务车辆的当前环境感知信息，计算当前每一所述服务车辆的当前环境复杂度，包括：
5.如权利要求4所述的算力负载预测与算力调度方法，，其特征在于，根据下式计算所述静态环境感知能力：
6.如权利要求3所述的算力负载预测与算力调度方法，，其特征在于，所述基于所述算力交通图，得到每一所述目标算力节点关于实时业务的第二算力负载预测值，包括：
7.如权利要求1所述的算力负载预测与算力调度方法，，其特征在于，所述根据每一所述第一算力负载预测值和每
8.一种算力负载预测与算力调度装置，其特征在于，包括：
9.一种算力负载预测与算力调度设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1～7任一项所述的算力负载预测与算力调度方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1～7任一项所述的算力负载预测与算力调度方法。
11.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1～7任一项所述的算力负载预测与算力调度方法。
...【技术特征摘要】
1.一种算力负载预测与算力调度方法，其特征在于，包括：
2.如权利要求1所述的算力负载预测与算力调度方法，其特征在于，所述对所述第一时间序列采用灰色预测法，得到每一所述目标算力节点关于实时业务的第一算力负载预测值，包括：
3.如权利要求1所述的算力负载预测与算力调度方法，其特征在于，所述基于每一所述目标算力节点对应的服务区域的当前环境感知信息，构建每一所述目标算力节点的算力交通图，包括：
4.如权利要求3所述的算力负载预测与算力调度方法，其特征在于，所述根据每一所述服务区域内当前每一服务车辆的当前环境感知信息，计算当前每一所述服务车辆的当前环境复杂度，包括：
5.如权利要求4所述的算力负载预测与算力调度方法，，其特征在于，根据下式计算所述静态环境感知能力：
6.如权利要求3所述的算力负载预测与算力调度方法，，其特征在于，所述基于所述算力交通图，得到每一所述目标算力节点关于实时业务的第二算力负载预测值，包括：
7.如权利要求1所...
【专利技术属性】
技术研发人员：孙天齐，郑银香，
申请(专利权)人：中国移动通信有限公司研究院，
类型：发明
国别省市：
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。