1.本发明涉及无线通信网络技术领域，特别是涉及一种应用于车联网的移动边缘计算服务动态迁移方法。
背景技术：
2.随着车联网和智能网联车辆的普及和飞速发展，车载移动通信设备的数量正在快速增长，车载应用程序的时延敏感性、计算密集性也越来越高，传统的数据处理方式和无线通信制式已无法满足智能网联汽车高效、可靠的发展要求。
3.移动边缘计算(mobile edge computing, mec)技术通过将搭载服务器的路边单元部署于网络边缘层，将计算任务从资源受限的车辆设备卸载至网络边缘，能够有效提高车辆的通信时效和数据计算效率，因此被广泛认为是能够提高车联网中通信性能的可靠手段。
4.但在实际应用过程中，由于路边单元中的边缘服务片区范围小，车辆在行驶过程会频繁穿越片区，边缘服务需要伴随车辆的高速行驶在不同片区之间进行迁移，在迁移过程中会产生较高的时延甚至服务中断，影响服务质量(quality of service, qos)。
技术实现要素：
5.为此，本发明的目的在于提出一种应用于车联网的移动边缘计算服务动态迁移方法，以解决现有技术中，边缘服务在迁移过程中会产生较高的时延甚至服务中断，影响服务质量的技术问题。
6.本发明提供一种应用于车联网的移动边缘计算服务动态迁移方法，包括：步骤1，通过智能网联车辆的行为数据，计算所述智能网联车辆在当前边缘节点中能够持续获得的剩余服务质量，并根据所述剩余服务质量确定出所述智能网联车辆的服务接续里程；步骤2，根据所述服务接续里程，在多个路边单元中选择其中一个目标路边单元作为下一可能的边缘节点，通过所述智能网联车辆的行为数据，计算所述智能网联车辆在所述目标路边单元能够获得的服务质量，并采用基于强化学习的移动边缘计算服务动态迁移方法判断服务迁移的必要性；步骤3，若所述智能网联车辆在所述目标路边单元能够获得的服务质量更优，则确定服务需要迁移，并选取所述目标路边单元作为边缘节点，并向所述目标路边单元发出接入请求，通过所述目标路边单元为所述智能网联车辆提供服务；步骤4，对所述智能网联车辆的每一次服务迁移均执行步骤1至步骤3。
7.上述应用于车联网的移动边缘计算服务动态迁移方法，其中，步骤2具体包括：步骤2.1，建立基于强化学习的价值函数模型；步骤2.2，采用建立的价值函数模型，计算注意力因子，并根据注意力因子对服务迁移过程中的服务质量进行评价，注意力因子越高，对应的服务质量越高。
8.上述应用于车联网的移动边缘计算服务动态迁移方法，其中，步骤2.1具体包括：步骤2.1.1，对于第i辆智能网联车辆，将其在t时刻的位置记为u，将其在t时刻获取服务的边缘节点的位置记为h，将其在时刻获取服务的边缘节点的位置记为，=，τ表示t时刻至时刻的时隙，迁移成本和传输成本的计算公式如下：公式如下：其中，其中，为实值参数；计算迁移成本与传输成本之和：步骤2.1.2，基于马尔科夫决策过程建立价值函数模型，价值函数模型的表达式为：达式为：其中，表示贴现因子，，p表示状态转移概率，为第i辆智能网联车辆在t时刻的状态函数，表示当处于状态时第i辆智能网联车辆采取的迁移决策，为第i辆智能网联车辆在时刻的状态函数，表示中间函数，e表示数学期望运算；其中，步骤2.2中，注意力因子a的表达式如下：
其中，m表示第i辆智能网联车辆当前所处的区域内路边单元的总数，l表示第i辆智能网联车辆在当前所处的区域内所处具体位置的总可能数，表示归一化后的权重函数，表示状态空间集合，，、、分别表示状态空间集合中的第1个、第2个、第个元素；表示对于第i辆智能网联车辆，在智能网联车辆的位置为u、获取服务的边缘节点的位置为h时，车辆状态与空间集合的相关性系数；表示对于第i辆智能网联车辆，在智能网联车辆的位置为j、获取服务的边缘节点的位置为l时，车辆状态与空间集合的相关性系数。
9.上述应用于车联网的移动边缘计算服务动态迁移方法，其中，所述智能网联车辆的行为数据包括车辆定位数据和车辆执行器数据。
10.上述应用于车联网的移动边缘计算服务动态迁移方法，其中，在所述目标路边单元作为边缘节点的情况下，所述智能网联车辆通过所述目标路边单元访问边缘共享资源池，所述智能网联车辆能获得的服务包括边缘卸载及边缘缓存。
11.根据本发明提供的应用于车联网的移动边缘计算服务动态迁移方法，当智能网联车辆在服务接续里程内行驶并穿越边缘服务片区时，会通过智能网联车辆的行为数据，计算智能网联车辆在多个路边单元中的目标路边单元能够获得的服务质量，并采用基于强化学习的移动边缘计算服务动态迁移方法判断服务迁移的必要性，当智能网联车辆在目标路边单元能够获得的服务质量更优，则确定服务需要迁移，并选取目标路边单元作为边缘节点，以通过目标路边单元为智能网联车辆提供服务，通过上述步骤能够使智能网联车辆的每一次服务迁移都满足服务质量更优，从而能够有效降低迁移发生时的时延抖动对服务质量的影响。
附图说明
12.图1为本发明一实施例的应用于车联网的移动边缘计算服务动态迁移方法的流程示意图；图2是不同车辆密度下本发明方法的qos性能和现有技术的qos性能的比较图。
具体实施方式
13.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是
本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
14.本发明的实施例提供了一种应用于车联网的移动边缘计算服务动态迁移方法，车联网的边缘服务在智能网联车辆（icv）沿行驶路径行驶过程中，通过采用基于强化学习的移动边缘计算服务动态迁移方法选取具有边缘中继及边缘卸载功能的路边单元(road side unit, rsu)作为边缘节点（edge nodes，ens），从而为智能网联车辆提供边缘计算服务及服务的迁移，实现智能网联车辆在行驶过程中的稳定边缘计算服务。
15.请参阅图1，本发明实施例提供的应用于车联网的移动边缘计算服务动态迁移方法包括步骤1~步骤4：步骤1，通过智能网联车辆的行为数据，计算所述智能网联车辆在当前边缘节点中能够持续获得的剩余服务质量，并根据所述剩余服务质量确定出所述智能网联车辆的服务接续里程。
16.其中，所述智能网联车辆的行为数据包括车辆定位数据和车辆执行器数据。智能网联车辆的服务接续里程与剩余服务质量呈正比。
17.本实施例中，考虑到在智能网联汽车中通常仅配备一组用于收发报文的无线电模块，因此，在车辆行驶过程中，智能网联汽车只选择一个rsu进行数据卸载。
18.步骤2，根据所述服务接续里程，在多个路边单元中选择其中一个目标路边单元作为下一可能的边缘节点，通过所述智能网联车辆的行为数据，计算所述智能网联车辆在所述目标路边单元能够获得的服务质量，并采用基于强化学习的移动边缘计算服务动态迁移方法判断服务迁移的必要性。
19.其中，步骤2具体包括：步骤2.1，建立基于强化学习的价值函数模型；步骤2.2，采用建立的价值函数模型，计算注意力因子，并根据注意力因子对服务迁移过程中的服务质量进行评价，注意力因子越高，对应的服务质量越高。
20.其中，步骤2.1具体包括：步骤2.1.1，对于第i辆智能网联车辆，将其在t时刻的位置记为u，将其在t时刻获取服务的边缘节点的位置记为h，将其在时刻获取服务的边缘节点的位置记为，=，τ表示t时刻至时刻的时隙，迁移成本和传输成本的计算公式如下：
其中，其中，为实值参数；计算迁移成本与传输成本之和：步骤2.1.2，基于马尔科夫决策过程建立价值函数模型，价值函数模型的表达式为：达式为：其中，表示贴现因子，，p表示状态转移概率，为第i辆智能网联车辆在t时刻的状态函数，表示当处于状态时第i辆智能网联车辆采取的迁移决策，为第i辆智能网联车辆在时刻的状态函数，表示中间函数，e表示数学期望运算。
21.步骤2.2中，注意力因子a的表达式如下：步骤2.2中，注意力因子a的表达式如下：步骤2.2中，注意力因子a的表达式如下：其中，m表示第i辆智能网联车辆当前所处的区域内路边单元的总数，l表示第i辆智能网联车辆在当前所处的区域内所处具体位置的总可能数，表示归一化后的权重
函数，表示状态空间集合，，、、分别表示状态空间集合中的第1个、第2个、第个元素；表示对于第i辆智能网联车辆，在智能网联车辆的位置为u、获取服务的边缘节点的位置为h时，车辆状态与空间集合的相关性系数；表示对于第i辆智能网联车辆，在智能网联车辆的位置为j、获取服务的边缘节点的位置为l时，车辆状态与空间集合的相关性系数。
22.其中，由于注意力因子是基于价值函数和权重函数得到的，其反应了价值函数和权重函数之间的相关性，当相关性越高时（即比较注意力因子越大时），相应的服务质量更优。因此，通过比较注意力因子的大小，就可以判断智能网联车辆在目标路边单元能够获得的服务质量是否优于智能网联车辆在当前边缘节点能够获得的服务质量。
23.步骤3，若所述智能网联车辆在所述目标路边单元能够获得的服务质量更优，则确定服务需要迁移，并选取所述目标路边单元作为边缘节点，并向所述目标路边单元发出接入请求，通过所述目标路边单元为所述智能网联车辆提供服务。
24.其中，在所述目标路边单元作为边缘节点的情况下，所述智能网联车辆通过所述目标路边单元访问边缘共享资源池，所述智能网联车辆能获得的服务包括边缘卸载及边缘缓存。
25.步骤4，对所述智能网联车辆的每一次服务迁移均执行步骤1至步骤3。
26.图2展示了不同车辆密度下本发明方法的qos性能和现有技术的qos性能的比较图，图2中横坐标表示车辆密度，纵坐标表示归一化qos指标，从图2可以看出，在不同的车辆密度下，相比于现有技术，本发明的归一化qos指标提升了约11.4%，说明本发明的qos性能更优。
27.综上，根据本发明提供的应用于车联网的移动边缘计算服务动态迁移方法，当智能网联车辆在服务接续里程内行驶并穿越边缘服务片区时，会通过智能网联车辆的行为数据，计算智能网联车辆在多个路边单元中的目标路边单元能够获得的服务质量，并采用基于强化学习的移动边缘计算服务动态迁移方法判断服务迁移的必要性，当智能网联车辆在目标路边单元能够获得的服务质量更优，则确定服务需要迁移，并选取目标路边单元作为边缘节点，以通过目标路边单元为智能网联车辆提供服务，通过上述步骤能够使智能网联车辆的每一次服务迁移都满足服务质量更优，从而能够有效降低迁移发生时的时延抖动对服务质量的影响。
28.应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（pga），现场可编程门阵列（fpga）等。
29.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不
一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
30.尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。