[发明专利]协同计算方法、装置、设备及存储介质

说明书

本申请公开了一种协同计算方法、装置、设备及存储介质，属于计算机技术领域。该方法包括：接收多个基站发送的基于激光雷达点云数据的识别任务，识别任务是基站中超出其处理能力的；对识别任务进行分类，并将分类后的识别任务存储至相对应的任务队列中；针对每一任务队列，执行：根据任务队列所对应的任务类型，从可分配任务基站地图中，选取归属于任务类型的空闲基站并确定为目标基站集合；按照任务队列中识别任务的排序顺序，依次对相应顺序的识别任务进行任务分配，以将识别任务分配至目标基站进行执行。本申请旨在解决现有技术在路侧激光雷达输出的点云数据过多时，基站无法高效地处理点云数据，造成比较高的任务延迟的问题。

技术领域

本申请涉及计算机技术领域，尤其涉及一种协同计算方法、装置、设备及存储介质。

背景技术

随着测量技术的发展，路侧激光雷达已经具有较成熟的检测能力。基站可以根据路侧激光雷达输出的点云数据对雷达扫描区域内的交通物体进行识别，然后信息处理平台接收多个基站识别出的交通物体，根据交通物体计算交通流量。但是一个基站往往对应管控多个路侧激光雷达，当路侧激光雷达输出的点云数据过多时，基站会出现数据过载的情况，无法高效地处理点云数据，造成比较高的任务延迟。

上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。

发明内容

本申请的主要目的在于提供一种协同计算方法、装置、设备及存储介质，旨在解决现有技术在路侧激光雷达输出的点云数据过多时，基站无法高效地处理点云数据，造成比较高的任务延迟的技术问题。

为实现上述目的，本申请提供一种协同计算方法，包括以下步骤：

接收多个基站发送的基于激光雷达点云数据的识别任务；其中，所述识别任务是所述基站中超出其处理能力的；

对所述识别任务进行分类，并将分类后的识别任务存储至相对应的任务队列中；

针对每一任务队列，执行步骤：根据所述任务队列所对应的任务类型，从可分配任务基站地图中，选取归属于所述任务类型的空闲基站并确定为目标基站集合；按照所述任务队列中识别任务的排序顺序，依次对相应顺序的识别任务进行任务分配，以将所述任务队列中的识别任务分配至目标基站进行任务执行。

可选地，所述对所述识别任务进行分类，并将分类后的识别任务存储至相对应的任务队列中的步骤，包括：

将所述识别任务的时延参数和运行负载输入至预先训练得到的任务类型分类模型中，输出所述识别任务所对应的任务类型；

根据所述识别任务所对应的任务类型，将其存储至相对应的任务队列中。

可选地，所述任务类型分类模型的训练步骤，包括：

构建初始分类模型；

获取历史识别任务的时延参数和运行负载作为训练样本数据；

基于均值聚类算法，对所述历史识别任务进行标注，得到所述历史识别任务的实际任务类型；

将所述训练样本数据输入至所述初始分类模型，输出所述训练样本数据对应的概率预测值；

根据所述概率预测值，确定所述训练样本数据对应的历史识别任务的预测任务类型；

判断根据所述实际任务类型和所述预测任务类型计算的模型损失是否收敛，若所述模型损失未收敛，则依据所述模型损失，对所述初始分类模型进行更新，并返回执行将所述训练样本数据输入至所述初始分类模型，输出所述训练样本数据对应的概率预测值的步骤及后续步骤，直至所述模型损失收敛，以得到训练好的任务类型分类模型。

可选地，所述基于均值聚类算法，对所述历史识别任务进行标注，得到所述历史识别任务的实际任务类型的步骤，包括：