[发明专利]车载边缘网络计算资源和通信资源的联合分配优化方法

说明书

本发明公开了一种车载边缘网络计算资源和通信资源的联合分配优化方法，构建一个基于移动边缘计算MEC的卸载框架，建模该框架为组合拍卖模式，在计算资源和通信资源有限的情况下，最大化边缘计算服务器提供商的利益。将车联网中的计算资源和通信资源进行组合拍卖，卖家为拥有有限计算和通信资源的MEC服务器，买家为购买计算和通信资源的任务车辆，通过将计算任务耗能多的应用程序卸载到MEC服务器，让MEC服务器运行新的复杂程序。首先用k‑means算法对车辆任务进行分类，优先为高等级的任务车辆分配资源，其次联网车辆构建偏好列表，最后执行资源分配策略。在保证任务等级的前提下最大化边缘计算服务器提供商的利益。

技术领域

本发明涉及车联网技术领域，特别是一种车载边缘网络计算资源和通信资源的联合分配优化方法。

背景技术

联网的车辆通过车辆-基础设施(Vehicle-to-Infrastructure，V2I)链路与车辆-车辆(Vehicle-to-Vehicle，V2V)链路组成车辆自组织网络。由于车载单元带来的移动应用的大幅度增长给这项技术带来了新的挑战，将计算任务卸载到云被认为是一种很有前景的方法，但远距离部署带来的骨干网络与回程网络的容量限制和延迟波动，导致车辆QoS(Quality of Service)严重下降。移动边缘计算(Mobile Edge Computing，MEC)通过在移动网络边缘提供了计算和通信服务，既满足车辆计算能力的扩展需求，也弥补了云计算时延较长的缺点。但是MEC有限的计算资源与MEC卸载系统的成本问题，会严重限制任务卸载带来的效益，而且频谱资源的稀缺也是需要在任务卸载时考虑的棘手问题。本发明研究了车载边缘移动网络中的资源分配问题，并提出了车联网资源联合分配优化算法，有效的激励了MEC运营商为车辆提供计算服务。

车联网能够为当前智能城市发展和社会带来诸多好处，包括减少交通碰撞、高效运输管理、更好的驾驶体验等。然而，要实现这些优势，需要大量的数据交换和计算能力，而且车辆在进行通信时所需的数据是基于位置和延迟受限的内容，例如，高清晰度地图包含路线图的所有关键的三维位置(如车道标记、人行横道、标志、障碍)和便于驾驶的动态信息(如交通干扰、道路状况、事故、车道封闭等状况)。此外，在车辆前往某个地区之前，需要定期更新高清地图的本地信息，以跟上变化的驾驶路线。为了有效地传输这样的数据，需要在传输、存储和计算之间进行深度集成。传统上，为了方便管理，传输、存储和计算是分开编排和设计的。以云计算为例，具有大量计算和存储能力的远程云服务器负责为用户提供计算和存储服务，然而该网络仅用于云与用户之间的数据传输，因此无法满足联网车辆的延迟和服务质量要求。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种车载边缘网络计算资源和通信资源的联合分配优化方法，本发明充分考虑了资源的有限性，研究任务车辆在进行任务卸载时搜寻最佳服务节点的匹配问题，建模系统为组合拍卖模型，其中卖家为具有有限计算资源和通信资源的服务节点，任务车辆充当买家购买这些资源并支付相应的费用。结合边缘计算服务器的计算资源充足、终端到网络边缘低时延等特性，并采用基于机器学习的分类方法来区分具有安全等级任务的车辆和具有非安全等级任务的车辆，在保证具有安全等级任务的车辆优先分配资源的前提下最大化边缘计算服务器的运营商的收益。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种车载边缘网络计算资源和通信资源的联合分配优化方法，

车联网的体系包括车辆和MEC服务器，所述车辆在拍卖模型中充当购买计算资源和通信资源的买家，MEC服务器在拍卖模型中充当拍卖决策者和卖家，拍卖决策者由MEC服务器充当；

采用MEC机器学习分类算法将车辆进行分类，根据分类后的车辆，MEC服务器将计算资源和通信资源联合拍卖；具体步骤如下：