本申请公开了一种车联网任务卸载方法、装置。其中，该方法包括：获取第一路侧单元覆盖范围内的第一车辆通过第一路侧单元发送的第一任务卸载请求，并获取与第一路侧单元通信连接的第一移动边缘计算MEC服务器的第一MEC服务器状态信息；利用目标卸载决策模型对第一任务卸载请求和第一MEC服务器状态信息进行分析，得到第一任务卸载请求的第一任务卸载比例，其中，目标卸载决策模型是基于深度卷积神经网络所构建的用于确定任务卸载请求的处理开销最小的任务卸载比例；基于第一任务卸载比例确定第一任务卸载请求的目标任务卸载策略。本申请解决了相关任务卸载决策算法无法快速得知车辆任务的实际卸载比例的技术问题。
【技术实现步骤摘要】
本申请涉及车联网，具体而言，涉及一种车联网任务卸载方法、装置。
技术介绍
1、当前，随着车辆数量和车载应用种类的增加，车辆产生的待卸载任务数据量呈爆炸式增长，其中，任务数据主要包括车辆状态信息、交通流量信息、路况信息和驾驶员行为信息等。由于大规模的任务数据会超出传统数据处理和存储技术的极限，为此，相关技术人员在现有车辆计算和云服务器计算的基础上，提出了一种通过移动通信网络进行分布式计算——移动边缘计算(mobile edge computing，mec)技术，其是通过在边缘侧部署计算和存储资源为移动用户提供类似云端计算功能和环境的服务，让用户享有超低时延、超高带宽、超强计算和超安全的服务体验。
2、但是，相关基于边缘计算的车联网任务卸载决策算法仍存在以下几点问题：1)相关算法均是将优化目标描述为单一状态的函数，并对网络状态和任务状态进行理想化的假设，其主要表现为：考虑任务是否可以分割、任务是否可以并行、任务经过mec服务器处理是否需要排队等任务产生时车辆、任务和mec服务器当前的多维状态，但这样不符合实际车联网的现状；2)相关算法仅从车辆任务角度出发，即在各个车辆节点处根据自身能力和任务状态独立完成卸载决策，而并未考虑车辆所属的mec服务器覆盖范围内的所有车辆和mec服务器，因此仅考虑局部会限制全局的任务卸载、会增加时延和能耗；3)相关算法的算法执行时间长、效率低，因此，其无法针对大量任务同时卸载，难以满足大数据任务处理的低时延要求。
3、针对上述的问题，目前尚未提出有效的解决方案。
>技术实现思路1、本申请实施例提供了一种车联网任务卸载方法、装置，以至少解决相关任务卸载决策算法无法快速得知车辆任务的实际卸载比例的技术问题。
2、根据本申请实施例的一个方面，提供了一种车联网任务卸载方法，包括：获取第一路侧单元覆盖范围内的第一车辆通过第一路侧单元发送的第一任务卸载请求，并获取与第一路侧单元通信连接的第一mec服务器的第一mec服务器状态信息，其中，第一任务卸载请求内至少携带有第一车辆状态信息、第一待卸载任务信息；利用目标卸载决策模型对第一任务卸载请求和第一mec服务器状态信息进行分析，得到第一任务卸载请求的第一任务卸载比例，其中，目标卸载决策模型是基于深度卷积神经网络所构建的用于确定任务卸载请求的处理开销不超过预设阈值的任务卸载比例；基于第一任务卸载请求的第一任务卸载比例确定第一任务卸载请求的目标任务卸载策略。
3、可选地，目标卸载决策模型的构建过程包括：构建基于深度卷积神经网络的初始卸载决策模型；获取训练样本集合和样本标签集合，其中，训练样本集合中包括多个由第二路侧单元覆盖范围内的第二车辆通过第二路侧单元发送的第二任务卸载请求以及与第二路侧单元通信连接的第二mec服务器的第二mec服务器状态信息组成的训练样本，样本标签集合中包括多个训练样本对应的样本标签，且每个样本标签为第二任务卸载请求的处理开销不超过预设阈值的第二任务卸载比例；利用训练样本集合和样本标签集合对初始卸载决策模型进行迭代训练，得到目标卸载决策模型。
4、可选地，获取训练样本集合和样本标签集合，包括：获取多个第二路侧单元覆盖范围内的第二车辆通过第二路侧单元发送的第二任务卸载请求，其中，第二任务卸载请求至少携带有第二待卸载任务信息、第二车辆状态信息，第二待卸载任务信息包括以下至少之一：待卸载任务数据量、任务分割标志，第二车辆状态信息包括以下至少之一：车辆计算速度、车辆计算功率；确定与各个第二路侧单元进行通信连接的第二mec服务器，并获取各个第二mec服务器的第二mec服务器状态信息，其中，第二mec服务器状态信息包括以下至少之一：可用计算资源量、服务器计算状态、服务器计算速度、服务器排队速度、服务器任务处理率、服务器上传功率、服务器计算功率、服务器回传功率、服务器排队功率；将每个第二路侧单元覆盖范围内的第二车辆通过第二路侧单元发送的第二任务卸载请求以及与第二路侧单元通信连接的第二mec服务器的第二mec服务器状态信息作为训练样本；基于训练样本确定处理第二任务卸载请求的处理开销，以处理开销最小为目标构建目标函数，求解目标函数，得到第二任务卸载请求的第二任务卸载比例，并将第二任务卸载请求的第二任务卸载比例作为训练样本的样本标签；由多个训练样本组成训练样本集合，并由多个训练样本的样本标签组成样本标签集。
5、可选地，基于训练样本确定处理第二任务卸载请求的处理开销，包括：基于训练样本确定按照预设的初始任务卸载比例处理第二任务卸载请求对应的计算时延和计算能耗，其中，初始任务卸载比例为0和1之内的任意数；基于所计算的计算时延、计算能耗以及预设的时延权重和能耗权重确定对第二任务卸载请求进行处理的处理开销。
6、可选地，基于训练样本确定按照预设的初始任务卸载比例处理第二任务卸载请求对应的计算时延和计算能耗，包括：对于每个第二任务卸载请求，执行如下步骤：在初始任务卸载比例为0的情况下，基于待卸载任务数据量和车辆计算速度确定车辆计算时延；基于待卸载任务数据量、车辆计算功率和车辆计算速度确定车辆计算能耗；在初始任务卸载比例为1的情况下，基于数据传输速率、发射功率、单位距离信道增益、信道带宽和噪声功率确定无线传输速率；基于待卸载任务数据量和无线传输速率确定上传时延，基于待卸载任务数据量、可用计算资源量、服务器计算状态和服务器排队速度确定排队时延，基于待卸载任务数据量和可用计算资源量确定计算时延，基于待卸载任务数据量、无线传输速率和服务器任务处理率确定回传时延，并基于上传时延、排队时延、计算时延和回传时延确定mec服务器计算时延；基于待卸载任务数据量、服务器上传速率和服务器上传功率确定上传能耗，基于可用计算资源量、服务器计算状态、待卸载任务数据量、服务器排队速度和服务器计算功率确定排队能耗，基于待卸载任务数据量、可用计算资源量和服务器计算功率确定计算能耗，基于待卸载任务数据量、服务器回传速率、服务器任务处理率和服务器回传功率确定回传能耗，并基于上传能耗、排队能耗、计算能耗和回传能耗确定mec服务器计算能耗；在初始任务卸载比例为0至1之间的任意数的情况下，基于任务分割标志、预设的任务并行处理标志、初始任务卸载比例以及初始任务卸载比例对应的车辆计算时延和的mec服务器计算时延确定部分卸载计算时延；基于任务分割标志、预设的任务并行处理标志、待卸载任务数据量、任务卸载比例以及任务卸载比例对应的车辆计算能耗和mec服务器计算能耗确定部分卸载计算能耗。
7、可选地，以处理开销最小为目标构建目标函数，求解目标函数，得到第二任务卸载请求的第二任务卸载比例，包括：以处理开销最小为目标构建目标函数，并确定目标函数对应的约束条件，其中，约束条件至少包括：第二任务卸载比例、能耗权重、时延权重为0和1之间的任意数、能耗权重和时延权重之和等于1；在约束条件的限定下，利用预设的优化算法求解目标函数，得到第二任务卸载请求的第二任务卸载比例。
8、可选地，利用训练样本集合和样本标签集合对初始卸载决策模本文档来自技高网...
【技术保护点】
1.一种车联网任务卸载方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标卸载决策模型的构建过程包括：
3.根据权利要求2所述的方法，其特征在于，获取训练样本集合和样本标签集合，包括：
4.根据权利要求3所述的方法，其特征在于，基于所述训练样本确定处理所述第二任务卸载请求的处理开销，包括：
5.根据权利要求4所述的方法，其特征在于，基于所述训练样本确定按照预设的初始任务卸载比例处理所述第二任务卸载请求对应的计算时延和计算能耗，包括：
6.根据权利要求4所述的方法，其特征在于，以所述处理开销最小为目标构建目标函数，求解所述目标函数，得到所述第二任务卸载请求的第二任务卸载比例，包括：
7.根据权利要求2所述的方法，其特征在于，利用所述训练样本集合和所述样本标签集合对所述初始卸载决策模型进行迭代训练，包括：
8.一种车联网任务卸载装置，其特征在于，包括：
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质中存储有计算机程序，其中，所述非易失性存储介质所在设备通过运行所述计算机程序执行权利要求1至7中任意一项所述的车联网任务卸载方法。
10.一种计算机程序产品，其特征在于，包括：计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1至7中任意一项所述的车联网任务卸载方法。
...
【技术特征摘要】
1.一种车联网任务卸载方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标卸载决策模型的构建过程包括：
3.根据权利要求2所述的方法，其特征在于，获取训练样本集合和样本标签集合，包括：
4.根据权利要求3所述的方法，其特征在于，基于所述训练样本确定处理所述第二任务卸载请求的处理开销，包括：
5.根据权利要求4所述的方法，其特征在于，基于所述训练样本确定按照预设的初始任务卸载比例处理所述第二任务卸载请求对应的计算时延和计算能耗，包括：
6.根据权利要求4所述的方法，其特征在于，以所述处理开销最小为目标构建目标函数，求解所述目标...
【专利技术属性】
技术研发人员：黄洋，程强，陈星辰，吕尤，赵兴旺，
申请(专利权)人：中国电信股份有限公司，
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。