[发明专利]一种基于车辆位置预测的边缘计算卸载优化方法

说明书

本发明公开了一种基于车辆位置预测的边缘计算卸载优化方法，包括如下步骤：1)构建基于SDN的VMEC计算卸载模型；2)计算MD和MEC服务器之间的连接中断概率即估计MD和MEC之间的连接度；3)预测MD下一时刻的位置；4)采用强化学习算法对MD提供智能的边缘计算任务卸载；5)根据计算任务卸载比例ksubgt;i,j/subgt;求MDsubgt;i/subgt;最终的最小总延迟。这种方法能有效减少VMEC环境下的任务卸载阻塞、提高计算资源的利用率、在节约车载智能设备能耗的同时缩短计算任务处理总延迟。

技术领域

本发明涉及通信技术领域，具体是一种基于车辆位置预测的边缘计算卸载优化方法。

背景技术

车辆互联网的迅速普及和车载移动应用的快速发展，使得车辆移动终端设备MD(Mobile Device，简称MD)面临计算和存储资源紧张的问题。随着入网车辆数量的增加，以AR/VR为代表的汽车应用和自主驾驶等应用逐渐普及，移动云计算MCC(Mobile CloudComputing，简称MCC)通过云驱动方法可以部分克服MD所面临的硬件不足问题。然而，这种基于云的计算模式在网络带宽和响应延迟方面同样面临严峻挑战。为了解决上述问题，将移动边缘计算MEC(Mobile Edge Computing，简称MEC)引入车辆移动边缘计算VMEC(Vehicular Mobile Edge Computing，VMEC)的解决方案受到了学术界和产业界的广泛关注。无线网络边缘的MEC服务器将云计算服务汇聚到无线网络的边缘，缩短了计算服务器与车辆之间的距离，使得移动车辆可以将计算任务卸载给MEC服务器，它不仅满足了汽车计算能力的扩展需求，而且弥补了远程云计算带来的长延时的不足。因此，采用MEC的车用网络可以提供更高的业务可靠性，此外，软件定义网络SDN(Software Defined Network，简称SDN)作为一种新兴的网络模式，将SDN网络扩展到VMEC中，可以实现资源的灵活调度，保证资源的有效利用，减少任务卸载阻塞。

但是，由于VMEC环境具有高度动态性，在车辆的快速移动下，无线信道以及网络可用性均会随其影响快速变化，这会导致卸载过程中的不确定性，进一步增加卸载决策的复杂性。因此如何在车辆用户高速移动过程中为车辆用户卸载选择合适的服务器以保证任务的有效传递是目前需要解决的重要问题。

发明内容

本发明的目的是针对现有技术的不足，而提供一种基于车辆位置预测的边缘计算卸载优化方法。这种方法能预测车辆用户移动性，估计MD和MEC服务器之间的连接度，减少VMEC的延迟以确保VMEC任务的高效卸载。

实现本发明目的的技术方案是：

一种基于车辆位置预测的边缘计算卸载优化方法，包括如下步骤：

1)构建基于SDN的VMEC计算卸载模型：引入SDN技术，将控制平面与数据转发平面分离，在数据平面中，车辆沿道路行驶，部署在道路两侧的路边单元RSU(Road Side Unit，简称RSU)都配备有MEC服务器，在控制平面，嵌入在宏基站内的SDN控制器可以收集MD和MEC服务器的信息，从全局角度感知网络状态，按需优化网络配置，设MEC服务器的索引为MD的集合表示为令任务模型Q_i＝(w_i,s_i)，w_i表示任务Q_i的计算量，s_i表示计算任务Q_i的大小，假设任务是可分离的，每个任务的一部分在本地执行，另一部分通过卸载到边缘云执行，用k_i,j表示第i个MD卸载到MEC服务器j的计算量比例，其中表示为MD_i提供服务的一组RSU；