[发明专利]基于位置预测的智慧公路任务协同处理方法、系统

说明书

本发明提供一种基于位置预测的智慧公路任务协同处理方法、系统，所述方法包括：获取车辆的状态信息和任务信息；基于所述状态信息，预测出车辆位置；基于强化学习模型，以最小化所述任务的整体时延为目标，将所述任务协同分配至多个移动边缘计算服务器，其中，所述移动边缘计算服务器临近预测出的所述车辆位置。通过预测车辆轨迹，将车辆任务在多个MECS上进行横向协同分配，配合车辆运动节省传输时延，使得整体车辆任务的分配是最为优化的。

技术领域

本发明涉及智慧公路技术领域，尤其涉及一种基于位置预测的智慧公路任务协同处理方法、系统。

背景技术

智慧公路是一个借助新一代信息通信技术，以人车路环境的全面精准感知智能决策为核心，通过人车路互联与协作，构建可实现协同管控与创新服务的公路系统。智慧公路依托通信系统、监控系统等基础设施，并对车辆实施自动安全检测、发布相关的公路环境信息以及实施实时自动操作，为实现智能化的公路运输提供更为安全、经济、舒适的基础服务。智慧公路使得新兴的车辆服务成为可能，例如道路状况提醒，包括桥梁、隧道、急弯等事故易发路段的提醒；道路智慧监测，利用道路侧的感知设备收集天气、环境、交通路况等信息，为司机提供最新的道路信息；车辆辅助驾驶，包括碰撞预警、紧急制动预警、变道辅助和车辆失控预警等基本应用。显而易见，上述服务的实现将建立在海量数据的快速精准处理和计算基础之上，需要智慧公路信息通信系统能够满足相应的低时延、高可靠等业务需求。

移动边缘计算(Mobile Edge Computing，MEC)以其边缘处理和支持移动性等特点与智慧公路场景高度契合。并且随着5G技术的发展，作为能够充分发挥5G高带宽、低时延、大连接等网络优势的在边缘侧提供算力的关键技术，MEC已成为智慧公路的首选。MEC技术极大的减缓了车辆自身的计算压力，降低了业务处理时延，提高了整体效能。

然而目前，对于车辆任务的协同，是基于向路侧单元(RoadSideUnit，又称RSU)、MEC和云端服务器分配任务而进行的纵向协同，也未能考虑车辆高速移动带来的传输时延导致的不利影响。

发明内容

针对现有技术存在的问题，本发明提供一种基于位置预测的智慧公路任务协同处理方法、系统。

本发明提供的一种基于位置预测的智慧公路任务协同处理方法，所述方法包括：

获取车辆的状态信息和任务信息；

基于所述状态信息，预测出车辆位置；

基于强化学习模型，以最小化所述任务的整体时延为目标，将所述任务协同分配至多个移动边缘计算服务器，其中，所述移动边缘计算服务器临近预测出的所述车辆位置。

根据本发明提供的一种基于位置预测的智慧公路任务协同处理方法，所述基于强化学习模型，以最小化所述任务的整体时延为目标，包括：

获取时隙内多个任务；

以所述时隙内多个任务的平均整体时延的最小化，作为所述强化学习模型的目标。

根据本发明提供的一种基于位置预测的智慧公路任务协同处理方法，所述以所述时隙内多个任务的平均整体时延的最小化，作为所述强化学习模型的目标，包括：

对于所述时隙内多个任务分配的所有移动边缘计算服务器构成的计算网络；

以所述时隙内多个任务的平均整体时延的最小化，作为所述强化学习模型的目标，同时，以所述计算网络的负载均衡作为目标。

根据本发明提供的一种基于位置预测的智慧公路任务协同处理方法，所述将所述任务协同分配至多个移动边缘计算服务器，包括：

在将所述任务进行协同分配时，应满足，车辆行驶至当前移动边缘计算服务器范围的时延大于等于任务的整体时延，且小于任务所能接受的最大时延。