[发明专利]一种基于车路协同的任务卸载推荐方法及系统

说明书

本发明公开了一种车路协同任务卸载推荐方法及系统，其该方法包括：步骤S1，在预设的时隙处接收用户任务请求和车辆位置信息；步骤S2，获取时隙处各服务节点状态信息；步骤S3，对步骤S1中获取的任务和系统历史数据库中案例进行相似度计算，并选取相似度值最大的N个案例，返回相似案例的服务节点列表及其相似度值作为原始推荐列表L1；步骤S4，筛选出当前时隙满足该用户任务基本需求的可用服务节点，作为筛选过的推荐列表L2；步骤S5，对列表L2中的服务节点，计算对应的卸载成本，并将获得的卸载成本信息，添加至推荐列表L2中；步骤S6，使用多目标决策方法获得最优解作为目标服务节点；步骤S7，将用户任务与步骤S6获得的目标服务节点进行关联，生成卸载指令，并将用户任务卸载至匹配的服务节点。本发明能够在满足用户任务基本需求的条件下，获得更符合用户偏好的任务卸载方案，以优化用户服务质量，提高用户满意度。

技术领域

本发明涉及智能网联车辆技术和边缘计算任务卸载技术领域，特别是关于一种车路协同场景下任务卸载的推荐方法及系统。

背景技术

随着自动驾驶技术和车联网技术的应用，具备传感、网络、通信和数据处理能力的智能网联车辆迅速发展。在实际复杂的交通条件下，车辆与周围环境的信息共享成为智能网联车辆改善用户体验、促进驾驶安全的关键。车路协同系统利用无线通信技术，可以实现车辆之间、车辆与云平台之间的信息共享和交互。同时，车辆和各平台不仅能够在本地进行信息处理与计算，也可以作为服务节点，在空闲时为其它车辆和平台提供计算服务。

大量的信息交互为用户带来安全舒适驾驶体验的同时，也为有限的车载计算资源带来了挑战。将车端的计算任务卸载至邻近服务节点，可以有效地扩展智能网联车辆的计算能力，减轻车端的任务负载。然而，由于同一时间任务请求数量大、任务需求不同，且各服务节点之间位置、计算能力、资源成本、处理速度差异较大，如果选择不合适的服务节点进行任务卸载，就会产生相互干扰、计算效率低、卸载成本高、节点资源浪费等多种问题。因此，为各类任务选择合适的服务节点，对保障计算任务按时按需完成，提高服务质量具有重要意义。

现有技术可以通过不同方法为计算任务选择服务节点，但由于高处理速度、高存储能力、低时延以及低成本等目标难以同时满足，且各任务需求差异较大，需要根据任务需求综合考虑各项目标进行服务节点的选择。而现有方法决策因素单一，优化目标固定，只考虑距离最近、时延最低、成本最低等目标之一进行服务节点的选择，未针对任务需求的不同，综合考虑各项目标，如果任务需求或场景发生变化，将无法满足不同任务的目标需求。因此，当卸载任务较多时，此类卸载方案适应性低，难以保证用户服务质量要求。

发明内容

本发明的目的在于提供一种车路协同场景下任务卸载的推荐方法及系统，其能够在满足用户任务基本需求的条件下，获得更符合用户偏好的任务卸载方案，以优化用户服务质量，提高用户满意度。

为实现上述目的，本发明提供一种车路协同任务卸载推荐方法，该方法包括：

步骤S1，在预设的时隙处接收用户任务请求和车辆位置信息；

步骤S2，获取时隙处各服务节点状态信息；

步骤S3，对步骤S1中获取的任务和系统历史数据库中案例进行相似度计算，并选取相似度值最大的N个案例，返回相似案例的服务节点列表及其相似度值作为原始推荐列表L1；

步骤S4，基于步骤S3中原始推荐列表L1和步骤S2中服务节点状态信息，筛选出当前时隙满足该用户任务基本需求的可用服务节点，作为筛选过的推荐列表L2；

步骤S5，对列表L2中的服务节点，计算对应的卸载成本，并将获得的卸载成本信息，添加至推荐列表L2中；

步骤S6，使用多目标决策方法获得最优解作为目标服务节点；

步骤S7，将用户任务与步骤S6获得的目标服务节点进行关联，生成卸载指令，并将用户任务卸载至匹配的服务节点。