[发明专利]基于半马尔可夫决策过程车载雾辅助的车队任务卸载方法

说明书

本发明涉及基于半马尔可夫决策过程车载雾辅助的车队任务卸载方法。本发明同时考虑任务卸载中的发送时延和计算时延等因素，建立基于半马尔可夫决策过程的任务卸载模型。然后分别定义了系统状态集、动作集并推导了系统状态转移概率公式以及系统奖励函数，其次基于贝尔曼方程利用值迭代算法求解SMDP模型获得最优的任务卸载策略。该方案计算复杂度适中，系统模型合理，充分考虑了任务如何分配以及任务卸载过程中涉及到的各种时延。仿真结果表明，该方案在保证任务卸载时延的前提下，能获得更大的系统长期收益。

技术领域

本发明涉及车载任务卸载技术领域，尤其是指基于半马尔可夫决策过程车载雾辅助的车队任务卸载方法。

背景技术

随着科技发展，无人驾驶车队得到越来越多的普及，从而来提高道路安全性。其中，每个车队都由一辆头车和几辆成员车组成。具体来说，头车控制整个车队的速度、加速度和行驶方向，成员车以相同速度一辆接一辆跟随头车在同一车道上行驶。无人驾驶车辆上一般会配备有摄像头和雷达等，这些设备会产生大量冗余数据。这时候就需要车辆对数据进行计算和分析以便提取有用信息。根据Intel公司的数据，一辆车需要进行计算、分析和融合大量的传感器数据(大约1GB/s)以便能做出安全决策。但是一辆车自身的计算能力是有限的，并且当新任务到达时该车辆本身也可能正在处理其他任务，使得该车辆的计算资源被占用，这时就需要将任务卸载给车队内其他车辆进行协作处理，然后将计算的结果返回给该车辆。但是由于车队内部的车辆数目有限，会出现车队资源紧张的情况，这时任务无法及时处理，导致处理结果无法及时接收，车辆无法进一步做出安全决策。

车载雾计算(VFC)系统能够提供强大的计算资源来解决以上问题。VFC系统由道路中的一些车辆组成，每个车辆能够提供计算资源来协助处理任务。当车队资源紧张时，车队中的车辆会选择将任务传送给头车，再由头车将任务卸载到行驶在车队旁的VFC系统中的车辆来协作处理，然后VFC系统中的车辆将计算结果返回给头车，再由头车将计算结果转发到相应的车辆。VFC系统可以在车队资源紧张时为车队中的车辆提供各种低延迟和实时应用程序，从而大大提高了网络容量。在以上任务卸载过程中，车辆的通信方式均采用IEEE802.11p分布式协调功能。对于自动驾驶车辆来说，任务卸载的时延至关重要，时延过大意味着车辆在卸载任务以后要经过较长时间才能接收到计算结果，这会造成车辆无法及时根据计算结果做出相应的反应，导致发生安全事故的概率大大增加。卸载时延包括发送时延、计算时延和回传时延。发送时延是发送任务占用的时间，计算时延是计算资源处理任务占用的时间，回传时延是反馈计算结果占用的时间。

在车队中，车辆一般计算资源充足，所以一辆车足够处理一个计算任务。但是车队中的每辆车所拥有的计算资源不同，所以由不同车辆处理任务时产生的计算时延也会不同。

在车载雾中，车辆一般由私家车组成。每辆车的计算资源有限并且大小近似相同。所以将任务卸载到VFC处理时本发明选择一辆或多辆车进行处理。具体来说，头车将任务分成几个大小相同的子任务，采用802.11pDCF协议分别将子任务传输给VFC中对应的几辆车。由于处理卸载任务的车辆数目增加，头车分别将几个子任务卸载给VFC中对应的几辆车而产生的发送时延也增加，但同时由于处理该任务的计算资源增多，相应的计算时延降低。并且VFC中的车辆是随机到达和离开的，这使得VFC中资源动态变化。

在资源有限的车队和VFC中，如何考虑车队中处理任务的车辆的选择、VFC中处理任务的车辆数目以及VFC中车辆的随机到达和离开，使得系统中的长期回报最大是个重要问题。其中，回报与发送时延、计算时延和回传时延有关。

目前还尚未有研究802.11p DCF协议下对车队任务卸载进行优化的车载雾计算系统。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中车队内部资源有限、车载雾内部资源动态变化、任务的多样性和任务卸载时延等问题。