技术领域
本发明涉及云计算、边缘计算和自动驾驶技术领域，具体地说是一种面向自动驾驶的边缘计算资源管理方法。
背景技术：
近年来，互联网发展迅速，从PC互联网、移动互联网来到物联网时代，万物互联的时代已经到来，移动通信设备、物联网终端设备等各类异构设备连接到互联网，云端中心聚合了大量的物理硬件资源，并采用虚拟化技术实现了异构网络计算资源的统一的分配、调度和管理，集中建设数据中心大大降低了计算和存储的成本。然而伴随着数据量越来越庞大，传输的速率却在下降，甚至有时会有很大的网络延迟，预计未来将有45%的数据更加接近边缘端，会在接近本地的地方进行计算与储存，而这时只靠云数据中心无法完成，更多计算资源将下沉到边缘侧，更加接近设备的需求侧。
自动驾驶是汽车产业与人工智能、视觉计算、物联网、雷达、高精地图、高性能计算等新一代信息技术深度融合的产物,是当前全球汽车与交通出行领域智能化和网联化发展的主要方向，在没有任何人类主动的操作下，自动安全地操作机动车辆。未来L4级别的自动驾驶汽车每天产生的数据量将达到4TB，至少需要30TFLOP的计算能力，而更高级别的自动驾驶对计算和存储有更大的要求。受限于车辆本身体积和能耗的限制，完全由车内计算单元来提供资源无法很好地满足自动驾驶的要求，另一方面，自动驾驶也需要收集大量的车辆行驶数据来进行训练，不断提高完善模型。汽车本地端直接与云端进行如此巨大的数据交换并不现实，需要在接近车辆的边缘侧提供更大的存储和计算能力，这也会带来新的商业模式。
技术实现要素：
本发明的技术任务是提供一种面向自动驾驶的边缘计算资源管理方法。
本发明的技术任务是按以下方式实现的：
一种面向自动驾驶的边缘计算资源管理方法，根据自动驾驶业务对于计算资源的需求，将边缘侧资源进行统一管理和动态分配，实现与自动驾驶车辆的实时交互，将计算迁移到边缘计算节点，同时按照客户需求完成海量自动驾驶数据的存储，缓解车辆对于计算和存储需求的压力。
所述的自动驾驶车辆自动发现边缘计算节点，并提出边缘计算资源使用申请，由边缘侧提供有效的资源并完成计费，同时与多个云端数据中心进行交互，根据用户客户化的需求，将数据合理的分布在云端和边缘侧。
所述的自动驾驶车辆自动驾驶过程中，根据实时性的要求进行边缘计算节点的资源切换，利用带宽将车辆本地存储的环境及所述的自动驾驶车辆的驾驶相关数据暂存在边缘端，并完成相应数据共享。
所述的边缘计算节点分布在云端和所述的自动驾驶车辆终端之间，靠近自动驾驶业务的需求侧，形成互相隔离的计算资源。
所述的边缘计算节点提供自动发现服务，根据所述的自动驾驶车辆请求，估算边缘计算资源并将计算、存储、网络分开计费，根据客户对于数据存储的要求，实现数据指定时间、指定位置的存储，并与多个云端数据中心进行交互，在网络空闲时刻统一进行数据压缩、集中上传，节省边缘侧与云端的网络带宽。
所述的自动驾驶车辆完成环境数据采集，并估算所需的计算资源，申请将部分计算迁移到所述的边缘计算节点，并最终得到反馈作出相应的自动驾驶决策，其中产生的中间数据将暂存到所述的边缘计算节点，也可以按照用户要求将数据用于开放和共享；同时根据本地存储情况，将本地数据进行压缩和标识，上传暂存到所述的边缘计算节点。
所述的云端数据中心主要负责海量数据的存储，并与其它云端数据中心和所述的边缘计算节点交互，同时针对自动驾驶业务利用海量数据进行模型训练，用于自动驾驶决策的优化。
该方法的具体操作步骤如下：
步骤1）云端数据中心利用聚集的海量自动驾驶相关数据进行训练，形成自动驾驶决策模型，放置在所述的自动驾驶车辆的核心计算单元中，用于自动驾驶车辆的实时决策；
步骤2）所述的边缘计算节点开启自动发现服务，发布其节点的资源信息，并接受来自周围边缘计算节点及云端数据中心的资源情况消息；
步骤3）所述的自动驾驶车辆行驶过程中，发现所述的边缘计算节点，如果需要边缘计算资源，则估算需要的计算、存储和网络资源；
步骤4）所述的边缘计算节点接收来自所述的自动驾驶车辆的资源申请，根据申请及边缘计算节点本地资源情况，设定资源配额，并估算费用，反馈给所述的自动驾驶车辆；
步骤5）所述的自动驾驶车辆确认资源配额，给所述的边缘计算节点发送确认消息；
步骤6）所述的边缘计算节点在资源池中，隔离部分区域，分配资源，并完成预付费扣款；
步骤7）所述的自动驾驶车辆准备迁移到所述的边缘计算节点的程序及数据协议，发送给所述的边缘计算节点；
步骤8）所述的边缘计算节点运行所述的自动驾驶车辆提供的程序，并根据程序逻辑及数据协议，反馈给所述的自动驾驶车辆；
步骤9）所述的自动驾驶车辆利用反馈结果，基于本地的自动驾驶模型进行决策，实现车辆自动驾驶；
步骤10）所述的自动驾驶车辆根据本地存储情况及边缘计算节点提供的存储资源配额，将本地数据进行标识，指定元数据、暂存时间、存储位置、是否开放共享、是否加密、公钥的信息，上传到所述的边缘计算节点；
步骤11）所述的边缘计算节点根据存储请求，将数据暂存到所述的边缘计算节点本地数据中心；
步骤12）如果要求对数据加密，则利用所述的自动驾驶车辆对应的公钥对数据加密，形成数字信封；
步骤13）如果要求将数据上传到指定位置，则暂存数据后，选择网络空闲时刻进行统一压缩上传；
步骤14）如果未指定暂存位置，则选择存储成本最低的节点，选择网络空闲时刻，统一压缩上传到该节点；
步骤15）所述的边缘计算节点将数据传输到目标位置后，将给自动驾驶车辆用户发送通知；
步骤16）所述的边缘计算节点或所述的云端数据中心存储文件均为多个副本，如果发现所述的自动驾驶车辆暂存的数据已经到达存储时间期限，则提前通知客户，并销毁数据；
步骤17）所述的边缘计算节点无法满足所述的自动驾驶车辆的时延和资源要求，所述的自动驾驶车辆将指定新的边缘计算节点，由所述的边缘计算节点将计算资源迁移到所述的新的边缘计算节点，完成资源切换；
步骤18）所述的自动驾驶车辆使用完所述的边缘计算节点的资源，则提出结束使用计算资源请求，由所述的边缘计算节点释放资源。
所述的发现所述的边缘计算节点，包括，如果存在多个满足要求的所述的边缘计算节点可以提供资源，则根据成本、性能、实时性的因素，找到性价比最优的边缘计算节点，并提出资源申请。
所述的发现所述的边缘计算节点，包括，如果不存在满足要求的所述的边缘计算节点，则继续行驶，寻找其他满足要求的所述的边缘计算节点。
本发明的一种面向自动驾驶的边缘计算资源管理方法和现有技术相比，具有以下有益效果：
本发明将边缘侧的计算、存储和网络等资源进行池化，形成透明的、高可用的资源基础设施节点，并与多个云中心形成互联协作，边缘计算节点靠近自动驾驶业务的需求侧，为自动驾驶业务提供高可用、高性能的计算能力，同时提供大容量、廉价的存储服务和边缘侧高速网络服务；根据自动驾驶业务对于计算资源的需求，将边缘侧资源进行统一管理和动态分配，实现业务和数据的资源隔离，并动态完成资源切换，将计算、存储、网络按需分别计费，计费更加合理。综合考虑各类因素，将数据合理的分布在云端和边缘侧，实现计算和存储资源的价值最大化。边缘计算节点和自动驾驶车辆实时进行交互通信，通过将计算迁移到边缘节点，按照客户需求完成海量自动驾驶数据的存储，缓解车辆对于计算和存储需求的压力，提高自动驾驶的效率。另外，边缘计算节点将车辆采集的环境及驾驶相关数据暂存在边缘端，通过增加存储时效、数据加密等特征，满足成本、安全等多方面的需求，边缘计算节点有效的利用空闲带宽，完成相应的数据共享和分发，将数据汇集到云中心，用于自动驾驶模型的持续优化。
附图说明
附图１为一种面向自动驾驶的边缘计算资源管理方法的流程示意图。
附图２为一种面向自动驾驶的边缘计算资源管理方法的边缘计算节点组成示意图。
具体实施方式
实施例1：
一种面向自动驾驶的边缘计算资源管理方法，根据自动驾驶业务对于计算资源的需求，将边缘侧资源进行统一管理和动态分配，实现与自动驾驶车辆的实时交互，将计算迁移到边缘计算节点，同时按照客户需求完成海量自动驾驶数据的存储，缓解车辆对于计算和存储需求的压力。
所述的自动驾驶车辆自动发现边缘计算节点，并提出边缘计算资源使用申请，由边缘侧提供有效的资源并完成计费，同时与多个云端数据中心进行交互，根据用户客户化的需求，将数据合理的分布在云端和边缘侧。
所述的自动驾驶车辆自动驾驶过程中，根据实时性的要求进行边缘计算节点的资源切换，利用带宽将车辆本地存储的环境及所述的自动驾驶车辆的驾驶相关数据暂存在边缘端，并完成相应数据共享。
所述的边缘计算节点分布在云端和所述的自动驾驶车辆终端之间，靠近自动驾驶业务的需求侧，形成互相隔离的计算资源。
所述的边缘计算节点提供自动发现服务，根据所述的自动驾驶车辆请求，估算边缘计算资源并将计算、存储、网络分开计费，根据客户对于数据存储的要求，实现数据指定时间、指定位置的存储，并与多个云端数据中心进行交互，在网络空闲时刻统一进行数据压缩、集中上传，节省边缘侧与云端的网络带宽。
所述的自动驾驶车辆完成环境数据采集，并估算所需的计算资源，申请将部分计算迁移到所述的边缘计算节点，并最终得到反馈作出相应的自动驾驶决策，其中产生的中间数据将暂存到所述的边缘计算节点，也可以按照用户要求将数据用于开放和共享；同时根据本地存储情况，将本地数据进行压缩和标识，上传暂存到所述的边缘计算节点。
所述的云端数据中心主要负责海量数据的存储，并与其它云端数据中心和所述的边缘计算节点交互，同时针对自动驾驶业务利用海量数据进行模型训练，用于自动驾驶决策的优化。
实施例2：
一种面向自动驾驶的边缘计算资源管理方法，操作步骤如下：
步骤1）云端数据中心利用聚集的海量自动驾驶相关数据进行训练，形成自动驾驶决策模型，放置在所述的自动驾驶车辆的核心计算单元中，用于自动驾驶车辆的实时决策；
步骤2）所述的边缘计算节点开启自动发现服务，发布其节点的资源信息，并接受来自周围边缘计算节点及云端数据中心的资源情况消息；
步骤3）所述的自动驾驶车辆行驶过程中，发现所述的边缘计算节点，如果需要边缘计算资源，则估算需要的计算、存储和网络资源；
步骤4）所述的边缘计算节点接收来自所述的自动驾驶车辆的资源申请，根据申请及边缘计算节点本地资源情况，设定资源配额，并估算费用，反馈给所述的自动驾驶车辆；
所述的发现所述的边缘计算节点，包括，如果存在多个满足要求的所述的边缘计算节点可以提供资源，则根据成本、性能、实时性的因素，找到性价比最优的边缘计算节点，并提出资源申请；所述的发现所述的边缘计算节点，包括，如果不存在满足要求的所述的边缘计算节点，则继续行驶，寻找其他满足要求的所述的边缘计算节点；
步骤5）所述的自动驾驶车辆确认资源配额，给所述的边缘计算节点发送确认消息；
步骤6）所述的边缘计算节点在资源池中，隔离部分区域，分配资源，并完成预付费扣款；
步骤7）所述的自动驾驶车辆准备迁移到所述的边缘计算节点的程序及数据协议，发送给所述的边缘计算节点；
步骤8）所述的边缘计算节点运行所述的自动驾驶车辆提供的程序，并根据程序逻辑及数据协议，反馈给所述的自动驾驶车辆；
步骤9）所述的自动驾驶车辆利用反馈结果，基于本地的自动驾驶模型进行决策，实现车辆自动驾驶；
步骤10）所述的自动驾驶车辆根据本地存储情况及边缘计算节点提供的存储资源配额，将本地数据进行标识，指定元数据、暂存时间、存储位置、是否开放共享、是否加密、公钥的信息，上传到所述的边缘计算节点；
步骤11）所述的边缘计算节点根据存储请求，将数据暂存到所述的边缘计算节点本地数据中心；
步骤12）如果要求对数据加密，则利用所述的自动驾驶车辆对应的公钥对数据加密，形成数字信封；
步骤13）如果要求将数据上传到指定位置，则暂存数据后，选择网络空闲时刻进行统一压缩上传；
步骤14）如果未指定暂存位置，则选择存储成本最低的节点，选择网络空闲时刻，统一压缩上传到该节点；
步骤15）所述的边缘计算节点将数据传输到目标位置后，将给自动驾驶车辆用户发送通知；
步骤16）所述的边缘计算节点或所述的云端数据中心存储文件均为多个副本，如果发现所述的自动驾驶车辆暂存的数据已经到达存储时间期限，则提前通知客户，并销毁数据；
步骤17）所述的边缘计算节点无法满足所述的自动驾驶车辆的时延和资源要求，所述的自动驾驶车辆将指定新的边缘计算节点，由所述的边缘计算节点将计算资源迁移到所述的新的边缘计算节点，完成资源切换；
步骤18）所述的自动驾驶车辆使用完所述的边缘计算节点的资源，则提出结束使用计算资源请求，由所述的边缘计算节点释放资源。
通过上面具体实施方式，所述技术领域的技术人员可容易的实现本发明。但是应当理解，本发明并不限于上述的几种具体实施方式。在公开的实施方式的基础上，所述技术领域的技术人员可任意组合不同的技术特征，从而实现不同的技术方案。