一种多车协同的计算任务卸载与传输方法与流程

本发明属于无线通信技术领域，特别涉及一种计算任务卸载与传输技术。

背景技术：

为了解决随着终端和应用的爆炸式增长而对计算和存储资源的巨大消耗问题，移动边缘计算(mec)技术通过将计算和存储资源部署在网络的边缘，在保证低时延的前提下，既解决了终端设备对计算和存储资源的使用需求，同时也减轻了通信网络的负担。

目前，针对移动边缘计算的研究有：

(1)计算和存储资源部署在基站处(参考文献：zhangk,maoy,lengs等.mobile-edgecomputingforvehicularnetworks:apromisingnetworkparadigmwithpredictiveoff-loading[j].ieeevehiculartechnologymagazine,2017,12(2):36–44.)：该文针对车联网场景提出了一种基于云的计算卸载框架，提出了两种不同的卸载方案：直接上传计算任务和可预测的中继传输方案。计算任务根据计算所需时间和车辆的移动特性自适应选择卸载方案，大幅减少计算开销并提高任务的传输效率。然而，该方案并未考虑rsu存在覆盖不完全的情况。

(2)直接利用移动端的计算和存储资源(参考文献：fengj,liuz,wuc等.ave:autonomousvehicularedgecomputingframeworkwithaco-basedscheduling[j].ieeetransactionsonvehiculartechnology,2017,66(12):10660–10675.)：该文利用汽车的空闲计算资源，提出了一种自组织式的汽车边缘计算架构。通过收集周围汽车的位置信息来实现高效的任务缓存机制，同时，该文采用了蚁群优化算法来进行任务指派。

专用短程通信(dsrc)技术可以实现汽车和基础设施(v2i通信)、汽车和汽车(v2v通信)间的通信，通过即时地交换信息，dsrc技术可为驾驶员提供更加安全的行车环境和更加高效的道路交通。同时，各类商业应用，如收费站、广告投放、信息服务、娱乐服务等也可通过此技术为车上的乘客服务。

dsrc协议主要由ieee1609.x和ieee802.11p组成。ieee1609.x协议主要涉及mac层和网络层。ieee802.11p是在ieee802.11标准上经过修改得来的，主要涉及物理层和mac层。对于物理层技术，ieee802.11p仍然使用的是在ieee802.11a中出现的ofdm技术。对于mac层的接入，ieee802.11p采用了混合协同功能(hcf)和增强型分布式信道访问(edca)技术。

由于dsrc技术的通信覆盖范围只有几百米，而且在早期的rsu部署过程中，通常难以做到全面覆盖，类似高速公路等车流量较少的区域更是如此，这就使得当汽车通过rsu获取服务的时候会出现中断的情况。虽然传统的蜂窝网络做到了极广的覆盖范围，但是通过蜂窝网络下载超大型文件的成本非常高，这对于允许存在一定时延的应用来说，选择车联网下载文件更为合适。

目前，针对解决车联网中文件传输问题的研究有：

(1)基于多跳v2v通信(参考文献：yuge,suwen,yew-hockang，ying-changliang.optimalrelayselectioninieee802.16jmultihoprelayvehicularnetworks[j].ieeetransactionsonvehiculartechnology,2010,59(5):2198–2206.)：该文提出了一个多跳中继选择方案，在考虑汽车位置的前提下，选择具有最大链路容量的汽车作为中继。但是，由于车联网拓扑的多变性和复杂的无线信道，通过多跳中继来传输文件的方式无法保障整个无线链路的吞吐量。

(2)基于存储-携带-转发的方式(参考文献：wangy,liuy,zhangj，yeh,tanz.cooperativestore-carry-forwardschemeforintermittentlyconnectedvehicularnetworks[j].ieeetransactionsonvehiculartechnology,2016:1–1.)：该文针对双向高速公路场景，提出了一种选择移动中的车辆作为中继的方案，从与需求车辆同向行驶和对向行驶的车辆中各选出一辆汽车携带数据。虽然需求车辆在离开rsu(roadsideunit，路侧单元)覆盖范围后传输中断的时间得以减少，但是由于中继车辆与rsu的通信时间、中继车辆本身容量等限制，这种方案无法有效处理超大型文件传输。

技术实现要素：

为解决汽车在下载以及处理大型文件耗时较长的问题，本发明提出一种多车协同的计算任务卸载与传输方法，通过对向车辆协同处理，缩短需求车辆获取已处理文件的等待时间。

本发明采用的技术方案为：一种多车协同的计算任务卸载与传输方法，选取若干对向车辆参与计算任务的处理，并将计算任务分解成对应的若干块子任务，各对向车辆分别处理各自对应的子任务，并在对向车辆与提出请求的需求车辆相遇时，将其处理后的子任务通过v2v方式传输给需求车辆。

进一步地，包括以下分步骤：

s1、需求车辆通过所在rsu向服务器发送需获取某业务文件的请求；

s2、服务器根据请求计算由该需求车辆的对向车辆计算的待处理业务文件大小；

s3、服务器采用遗传算法得到计算任务卸载和传输方案，并将计算任务卸载和传输方案发送给需求车辆所在rsu；

s4、需求车辆所在rsu根据计算任务卸载和传输方案，将服务器发送的待处理业务文件切分成对应大小的块；

s5、当对应的对向车辆进入需求车辆所在rsu覆盖范围时，需求车辆所在rsu将待处理业务文件块传输给该对应的对向车辆，经对向车辆处理后，该对向车辆在与需求车辆相遇时，将已处理完成的业务文件块通过v2v方式传输给需求车辆。

进一步地，步骤s2所述由该需求车辆的对向车辆计算的待处理文件大小的计算式为：

其中，stotal表示需求车辆请求的业务文件总大小，rrsu表示rsu的通信半径，v0表示需求车辆v0的车速，表示需求车辆v0发出请求的时刻，表示需求车辆v0进入rsu1通信覆盖范围的时刻，ri2v表示rsu与汽车之间的通信速率。

进一步地，步骤s2还包括：服务器确定与需求车辆相遇的所有对向车辆集合。

进一步地，步骤s2还包括：服务器确定每辆对向车辆最大可以承担的待处理文件大小。

进一步地，步骤s3具体包括以下分步骤：

s31、从对向车辆集合中随机选出指定数量的两两互不相斥的对向车辆，作为遗传算法初始种群中的一个个体，遗传算法的初始种群共有q个个体；

s32、当某个体中的所有对向车辆最大可以承担的待处理文件大小之和大于步骤s2计算得到的由该需求车辆的对向车辆计算的待处理业务文件大小，则根据适应度函数计算该个体的适应度，否则该个体的适应度为0；

s33、以某概率选取两个个体，作为父代；

s34、对步骤s33得到的两个父代个体的染色体执行交叉操作，产生两个新的子代个体；所述父代个体的染色体为由随机选出指定数量的两两互不相斥的对向车辆的编号组成的序列；

s35、当步骤s34得到的子代个体染色体发生变异，则随机从与需求车辆相遇的所有对向车辆集合中选择一辆对向车辆替换发生相斥或重复的车辆；

s36、若当前种群中个体数小于q，则重复步骤s33、s34、s35；否则执行步骤s37；

s37、当满足迭代停止条件，得到计算任务卸载和传输方案；所述计算任务卸载和传输方案具体为最高适应度所对应个体中包含的对向车辆执行计算任务卸载和传输。

更进一步地，步骤s31中所述两两互不相斥的对向车辆，具体为：若某对向车辆与需求车辆相遇时，存在其他对向车辆也在需求车辆通信覆盖范围内，则这些对向车辆与当前对向车辆相斥；否则不相斥。

更进一步地，在步骤s34中若交叉部位的对向车辆与染色体其他车辆互斥或重复，则随机从与需求车辆相遇的所有对向车辆集合中选择一辆对向车辆替换发生相斥或重复的车辆。

进一步地，迭代停止条件为：迭代次数达到t次，或连续n次迭代得到的总体适应度变化小于ε。

本发明的有益效果：本发明的方法将对向行驶车辆空闲的计算、通信和存储资源利用起来，借助对向汽车的移动特性，为需求车辆提供已处理的文件；本发明将需求车辆所请求的业务分解成多块子任务，让对向行驶车辆通过协作计算和传输的方式让需求车辆在离开rsu覆盖范围后仍可以接收文件，无需行驶到下一个rsu才可继续接收，缩短了需求车辆获取及处理文件的等待时间；在考虑到传输时有可能发生v2v通信干扰的前提下，本发明通过遗传算法选出一组无相斥车辆且可承担的文件满足任务要求的车辆，得出相应的计算任务卸载及传输方案，使得需求车辆获取完整已处理文件的等待时间最短。

附图说明

图1为本发明实施例的车联网场景示意图。

图2为本发明的方案流程图。

图3为本发明实施例中的遗传算法流程图。

具体实施方式

为便于本领域技术人员理解本发明的技术内容，下面结合附图对本发明内容进一步阐释。

如图1所示为本发明实施例的车联网场景，具体为：长距离高速公路场景，双向四车道，道路上行驶的汽车速度取值范围为60km/h～100km/h，匀速行驶，车辆单位时间内到达rsu的数量服从强度为λ的泊松分布。rsu(路旁单元)沿公路部署，rsu未完全覆盖公路，相隔距离较大，所有rsu通过有线方式连接到一台后台服务器。如图1所示，需求车辆通过rsu1向服务器发出获取某项业务的请求，由于需求车辆在rsu1里驻留时间有限，获得的文件大小有限，并且若全部文件由需求车辆自己完成计算处理任务，总花费时间较长，影响用户体验。若充分利用对向车辆的空闲计算资源、存储资源，以及车辆的移动特性，将待处理文件分解成合适的大小，让部分对向车辆承担计算和传输任务，则可缩短需求车辆获取完整已处理文件的时间，提升用户体验。

基于上述场景，本发明提供了一种多车协同的计算任务卸载与传输方法，如图2所示，包括以下步骤：

s1、需求车辆产生从远端服务器获取某项业务的请求后，通过所在rsu向服务器发出该业务请求；

s2、服务器收到请求后，确定需要由对向车辆计算的文件大小，记为s；服务器计算出所有将与需求车辆相遇的对向车辆集合，记为服务器根据需求车辆和对向车辆v2v通信可持续时间、对向车辆的计算能力、对向车辆的存储空间等因素，确定每辆对向车辆最大可以承担的待处理文件大小，记为di，i＝1,2,...,m。

服务器确定需要由对向车辆计算并传输的文件大小s计算式为：

其中，stotal表示需求车辆请求的业务文件总大小，rrsu表示rsu的通信半径，v0表示需求车辆v0的车速，表示需求车辆v0发出请求的时刻，表示需求车辆v0进入rsu1通信覆盖范围的时刻，ri2v表示rsu与汽车之间的通信速率。

服务器确定会与需求车辆相遇的所有对向车辆集合具体过程为：若对向车辆vj即将离开rsu2覆盖范围的时刻满足条件：则其中为需求车辆v0即将进入rsu2覆盖范围的时刻，dtj为对向车辆vj和需求车辆v2v通信可持续时间，rvehicle表示v2v通信半径，vj为对向车辆vj的车速。

服务器确定每辆对向车辆最大可以承担的待处理文件大小di,i＝1,2,...,m，具体为：其中表示对向车辆vi在与需求车辆相遇之前最大已处理文件大小，compi为对向车辆vi的单位计算能力，表示对向车辆vi最长可用计算时间，drsu表示rsu1和rsu2的间隔距离，表示对向车辆vi离开rsu2覆盖范围的时刻，表示需求车辆v0离开rsu1通信覆盖范围的时刻，vi和v0分别表示vi和v0的车速，rv2v表示v2v通信半径；表示对向车辆vi与需求车辆v0相遇时通过v2v通信可以传输的已处理文件大小，rv2v表示v2v通信速率，表示对向车辆vi与需求车辆v0相遇时v2v通信可以持续的时间，rvehicle表示v2v通信的半径；表示对向车辆vi的可用存储空间；表示需求车辆所请求业务的膨胀率，即已处理文件大小s′与未处理文件大小s(即步骤s2中需要由对向车辆计算的文件大小)之比，一般膨胀率为已知的值，以视频解码为例，那么s为需要解码的文件大小，s′表示解码后的文件大小，这里的α可以理解为压缩比例，表示文件解码后会发生膨胀。

s3、服务器根据每辆对向车辆的车速，计算出对向车辆vi与需求车辆v0相遇时，位于需求车辆v0通信范围内的其它对向车辆，并记这些车辆为对向车辆vi的相斥车辆，与vi相斥的车辆集合记为若不存在与vi相斥的对向车辆，则确定相斥车辆的目的在于：由于汽车采用相同的v2v通信资源，因此若有多辆车都在需求车辆的通信范围内，并且同时向需求车辆传输文件时，会产生严重的干扰问题。因此，让相斥车辆中最多只能有一辆车参与计算及传输任务，则可消除此问题。判断vj与vi是否相斥的方法具体为：若|disi-disj|≤rv2v，则对向车辆vj与vi相斥。

其中，表示对向车辆vi在离开rsu2后到遇到需求车辆v0时行驶过的距离。

s4、在只能使用n(n≤m)辆车执行计算及传输任务的限制下，服务器采用遗传算法，选出n辆两两互不相斥的对向车辆，记为其组成的集合，使得在满足的条件下，需求车辆接收到完整已处理文件的时间最短。

对于步骤s4中的遗传算法，如图3所示，具体过程为：

s41、从对向车辆集合中随机选出n辆两两互不相斥的车辆作为遗传算法初始种群中的一个个体，记为第l个个体，遗传算法的初始种群共有q个个体。

s42、根据适应度函数计算出个体的适应度，若则个体的适应度其中，max{...,etk,...}表示个体所包含的n辆车中最后一辆与需求车辆相遇的时刻；e为自然对数底数，表示个体所包含的n辆车中，拥有最大相遇时刻的车辆与需求车辆的相遇次序，

s43、从种群中按照概率选出两个个体，作为产生两个子代个体的父代，选中个体作为其中一个父代的概率为

s44、对由步骤s43得到的两个父代个体的染色体执行交叉操作，产生两个新的子代个体，个体的染色体为由n辆车的编号组成的序列。若交叉部位的车辆与染色体其他车辆互斥或重复，则随机从集合中选择车辆替换发生相斥或重复的车辆，直到新产生的子代个体中不存在相斥或重复的车辆。

s45、通过步骤s44得到的子代个体染色体会有一定概率发生变异，变异概率为ρ。若发生变异，则从集合中随机选出一辆与个体其他车辆不相斥且不重复的车辆替换发生变异的车辆。

s46、判断新一代种群中个体数是否达到q，若未达到，则重复步骤s43、s44、s45；

s47、判断算法是否满足终止条件，若迭代次数达到t次，或连续n次迭代得到的总体适应度变化小于ε，则停止迭代，将具有最高适应度的个体作为最终解。

本实施例中q、t取值越大，ε取值越小，最终迭代结果越逼近最优解；实际中根据需要对q、t、ε进行取值。

s5、服务器将由遗传算法得到的计算任务卸载和传输方案以及需求车辆请求的需由对向车辆计算及传输的文件发送给rsu2，rsu2按照计算任务卸载方案将待处理文件切分成对应大小的块，当相应车辆进入rsu2覆盖范围时，rsu2将待处理文件传输给该车，该车收到文件后开始执行计算任务并存储已处理文件，在与需求车辆v0相遇时将已处理文件通过v2v方式传输给v0。

通过上述实施例可以看出，本发明利用对向车辆空闲的通信资源下载待处理文件、向需求车辆传输已处理文件，利用对向车辆的移动特性减少需求车辆获取完整已处理文件的时间，同时利用对向车辆计算和存储资源预先为需求车辆处理并储存文件，更进一步节省时间。本发明利用遗传算法制定业务的计算任务卸载及传输方案，通过遗传算法选出一组互不干扰且计算和传输任务完成时间最短的对向车辆来承担任务，有效改善用户体验。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。