[发明专利]一种面向边缘智能的车联网切片方法及装置

说明书

本发明公开了一种面向边缘智能的车联网切片方法及装置，应用于部署了移动边缘计算（Mobile Edge Computing，MEC）服务器的车联网通信场景中，并将车联网服务根据服务质量（Quality of Service，QoS）需求划分为交通信息服务、感知融合服务、车载娱乐服务三种类型。综合考虑系统时延和能耗，该方法从车联网全局性能出发设计优化函数来分配通信、计算、存储资源，通过深度强化学习方法进行求解，以实现面向服务类型的网络切片部署。本发明通过对MEC辅助的车联网场景进行智能网络切片，可以根据用户业务需求，灵活、动态地进行网络资源的定制化分配，保障用户服务体验和交通效率及安全。

技术领域

本发明属于移动通信技术领域，尤其涉及一种面向边缘智能的车联网切片方法及装置。

背景技术

随着5G通信技术的快速发展，无线网络在吞吐量、可靠性、连接数量及传输时延等方面有了巨大的提升，精细化和多样化业务场景层出不穷。传统一刀切的网络架构使用一组垂直集成的网元提供网络所有功能，不支持网络的灵活和动态拓展，难以实现差异化的业务需求。借助于软件定义网络（Software-Defined Networks, SDN）和网络功能虚拟化（Network Function Virtualization, NFV）技术，“逻辑分离、业务匹配”的网络切片技术能够规划特定的服务功能链，增强网络的自组织、自管理能力，受到了学术界和工业界的广泛关注。3GPP等标准组织也提出无线接入网络应该支持切片设计，并通过SA2、SA5、RAN3等工作组开展相关资源管理技术的研究。

近年来，车辆智能化的演进和多接入边缘计算的发展使得未来车联网的业务类型更加复杂化、多样化，业务所需要的资源也不仅仅局限于通信资源，更需要边缘设施计算资源和存储资源的辅助。不同车联网业务对信息传输质量的需求存在较大的差异，如感知融合服务要求时延低、娱乐服务要求速率高等，因此车联网需要针对不同的业务类型设计合适的网络切片策略，来实现网络资源的有效调配，保障用户的服务体验和交通安全。此外，随着人工智能（Artificial Intelligence, AI）技术的发展，如何利用人工智能算法实现网络资源的合理调度已经成为研究热点。因此，网络切片的实时部署也需要AI算法的帮助。

目前关于车联网切片的研究较少，大多数理论研究仍停留在核心网切片和传统的蜂窝网切片上，并且仅考虑了通信资源的分配，没有涉及其他网络资源。因此需要一种系统的分析方法来指导多维度资源并存下的车联网切片设计。

发明内容

本发明的目的在于针对现有技术的不足，提供一种面向边缘智能的车联网切片方法及装置。

本发明的目的是通过以下技术方案来实现的：第一方面，本发明提供了一种面向边缘智能的车联网切片方法，包括以下步骤：

S1：在移动边缘计算MEC辅助的车联网通信场景中，根据车联网业务的QoS以及通信、计算、存储资源需求划分交通信息服务、感知融合服务和车载娱乐服务三种网络切片类型；其中，交通信息服务和感知融合服务具有不同的计算任务量和传输业务内容大小，车载娱乐服务只传输业务内容，没有计算任务；

S2：在切片内部用户资源平均分配的前提下，根据分配给每类切片的资源大小和不同车联网业务所需的计算任务量和数据传输量大小，通过计算每个车辆用户业务的传输时延、传输能耗和计算时延、计算能耗，建立以网络全局业务时延和能耗综合最低为目标的优化函数；

S3：将步骤S2切片的资源分配优化问题建模为马尔可夫决策过程，采用深度强化学习方法得到最优的切片资源分配方案。

进一步地，所述交通信息服务包括交通信息获取及处理，所述感知融合服务包括与其他车辆或基础设施之间的传感器感知信息的融合处理，所述车载娱乐服务包括网络浏览和高清视频娱乐服务。

进一步地，交通信息服务和感知融合服务的业务内容来源于车辆和路边单元RSU收集的待处理环境信息。