[发明专利]车联网环境下多接入边缘计算卸载和帧时隙资源分配方法

说明书

本发明公开了一种车联网环境下多接入边缘计算卸载和帧时隙资源分配方法，该方法的应用场景为部署边缘服务器的单基站及其覆盖范围内所有高速运动车辆节点。步骤如下：将多节点时隙资源分配和计算卸载问题建模为一个混合整数规划问题，系统目标函数为最大化基站覆盖范围内所有节点吞吐量之和；对车辆运动节点产生的无线时变信道做信道预处理；使用深度增强学习感知所有车辆节点的预处理信道，得到备选卸载向量集；得出的每一组卸载向量可将系统目标函数转换为凸函数，使用拉格朗日乘子法求解时隙分配策略，最终选出最大系统吞吐量；建立有序卸载队列，按序进行卸载。该方法时间复杂度低，能够快速适应不断时变的复杂信道特征。

技术领域

本发明涉及无线通信与车联网技术领域，具体涉及一种车联网环境下多接入边缘计算卸载和帧时隙资源分配方法。

背景技术

车辆通信因其在提高道路安全和交通效率方面的潜力以及提供更丰富的信息娱乐体验而受到人们的关注。第三代伙伴关系项目(3GPP)和欧盟移动和无线通信促进者2020年信息社会(METIS)项目中指出，在未来的一代无线网络中实现高效和可靠的车辆通信。信息娱乐应用程序和流量效率消息通常需要频繁访问Internet或远程服务器，用于流媒体、内容共享等，涉及大量数据交换，因此，选择一种高容量的车辆到基础设施(V2I)链接是理想的支持方式。

移动边缘计算(mobile edge computing，MEC)逐渐成为无线网络数据计算的核心技术之一，并为车联网系统提供了低延时、高可靠的研究方案。MEC服务器的部署更靠近于终端用户，其可允许当前存储设备将计算任务卸载到MEC服务器上并执行该计算任务，从而更经济、有效地解决数据计算问题。边缘计算可以提供快速访问和信息分发机制，最基本的包括用户的位置在安全警报、其他车辆(如透明用例)和障碍物(如实时态势感知用例)。而MEC提供了理想的环境促进减少回程消耗带宽，靠近用户设备的智能交通系统(ITS)。3GPP在很多场景下提出了车联网的应用场景，包括：实时态势感知和高清晰度(本地)地图、透视(传递)、弱势道路使用者发现以及在当今流行的自动驾驶中的应用。

在单基站多节点或多基站多节点的边缘计算场景中，通常将卸载问题建模为一个结合耗能、时延x_i＝{0,1}的本地计算或卸载的问题。该问题因引入x_i变量通常是一个非凸问题。对于这类问题，通常使用动态规划和分支定界等算法求解，但是计算复杂度高。为了降低复杂度，使用了启发式局部搜索的算法或解松弛的算法来解决这一问题，但是带来的问题是迭代次数较高，不适合车联网这一信道快速衰落实时性强的场景。同时，相较其他车联网环境下边缘计算方法，大多没有考虑到汽车移动带来的信道老化问题。

发明内容

本发明的目的是为了在低时间复杂度下解决多接入边缘计算系统内吞吐量最大化问题，提供一种车联网环境下多接入边缘计算卸载和帧时隙资源分配方法，能快速适应无线信道环境变化得到卸载策略和帧时隙资源分配策略的车联网环境下的多接入边缘计算系统，在低时间复杂度下解决多接入边缘计算系统内吞吐量最大化问题。

本发明的目的可以通过采取如下技术方案达到：

一种车联网环境下多接入边缘计算卸载和帧时隙资源分配方法，该方法的应用场景为道路一侧部署基站，基站内部有边缘计算服务器，基站覆盖半径为R，基站覆盖范围内存在M个车辆节点均匀分布在车道两侧以速度V行驶，车辆节点选择本地计算或卸载到边缘服务器进行计算，对于卸载节点i，基站采用TDMA方式分配通信及计算时隙，TDMA单帧时隙长度为T，卸载节点i分配时隙比例因子为τ_i,0≤τ_i≤1，则其分配卸载时隙长度为τ_iT，该方法包括以下步骤：

S1、确定帧时隙资源分配和计算卸载模型的优化目标，根据本地计算模型、卸载计算模型，建立所有车辆节点的吞吐量之和最大化的系统目标函数；

S2、对各节点的信道进行预处理得到信道预处理向量h；