[发明专利]空地一体化车联网中基于意图感知的任务卸载方法

说明书

本发明提供一种空地一体化车联网中基于意图感知的任务卸载方法，包括构建系统模型；模型的细化；高可靠低时延约束与优化问题的提出；优化问题的转化与轨迹相似度估计；基于意图的任务卸载方法。本发明将用户体验质量模型、高可靠低时延约束和轨迹相似度估计与强化学习结合起来用于选择边缘服务器，实现了用户体验质量感知、高可靠低时延感知和轨迹相似度感知的三维用户意图感知。还考虑了队列长度的尾部分布，对极端事件的发生概率、长期平均时间下超额积压的条件均值以及方差进行约束，减少了队列时延，提升了队列稳定性并且不需要经过多跳转发，显著地降低了端到端时延，提高了任务卸载成功的次数。

技术领域

本发明属于智能交通技术领域，具体涉及一种空地一体化车联网中基于意图感知的任务卸载方法。

背景技术

空地一体化车辆边缘计算(Air-ground Integrated Vehicular EdgeComputing，AGI-VEC)作为下一代智能交通系统(Intelligent Transportation Systems，ITS)的关键技术之一，整合了空基网络和地基网络中的通信、计算和存储资源，满足了车联网设备不断增长的计算需求，并且提供了一种新的车辆边缘计算架构。在该架构的空基网络中，无人机(Unmanned Aerial Vehicles，UAVs)可以作为边缘服务器，灵活地为用户车辆(User Vehicle，UV)提供通信和计算服务；在地基网络中，配备有边缘计算基础设施的地面基站(Base Station，BS)，可以为用户车辆提供无线电接入和计算服务。因此，用户车辆可以接入大量密集部署的边缘服务器，并且可以将其任务卸载到附近的边缘服务器中进行计算。与传统的云计算架构相比，空地一体化车辆边缘计算架构具有无缝覆盖，传输距离短，时延低，吞吐量和网络拥塞得以改善等优势，为具有个性化服务需求和高可靠低时延通信(Ultra-reliable Low Latency Communications，URLLC)要求的新兴车联网应用(例如自动驾驶，车载视频点播和在线游戏)提供了技术支撑。

为了充分利用空地一体化车辆边缘计算架构的优势，任务卸载决策的制定应考虑用户车辆的意图。其中用户车辆的意图包括主观性能指标，即用户体验质量(Quality ofExperience，QoE)和客观性能指标，即高可靠低时延通信要求。但是，传统的任务卸载方法往往基于单一的服务质量(Quality of Service，QoS)性能指标，如吞吐量、时延或误码率，与用户车辆的真正意图具有较大差异，导致了较低的用户体验质量，并且无法满足高可靠低时延通信的要求。因此，迫切需要设计一种基于用户意图的任务卸载方法，在保障高可靠低时延通信需求的前提下大幅度提升用户体验质量。

目前基于Lyapunov优化的任务卸载方案，需要在全局信息已知的条件下进行任务卸载，信令开销较高，因此在现实中不易实现。

而基于UCB的任务卸载方案，只针对单一的服务质量性能指标(如吞吐量，时延或误码率)进行任务卸载优化，没有考虑用户意图和数据队列的高可靠低时延约束，导致用户车辆体验质量差，高可靠低时延通信需求难以保障。

发明内容

针对上述技术问题，本发明提供一种1.空地一体化车联网中基于意图感知的任务卸载方法，主要解决以下两个问题：

1.用户车辆意图的模型构建问题

本发明提出的任务卸载方案对用户车辆的意图进行了建模，同时考虑了主观和客观两个方面的性能指标，实现了包括用户体验质量感知，高可靠低时延通信感知和轨迹相似度感知的三维用户意图感知。

2.信息不确定条件下的任务卸载优化问题

本发明提出的任务卸载方案能够在信道状态信息、服务器可用资源、服务器负载以及服务器移动特性未知的前提下，根据经验决策观察用户体验质量、高可靠低时延通信约束偏差和轨迹相似度估计值，使用户车辆学习长期最优的任务卸载策略，满足高可靠低时延通信需求。