一种车内计算任务卸载方法及系统

技术领域

本发明涉及任务卸载技术领域，特别涉及一种车内计算任务卸载方法及系统。

背景技术

随着智能汽车时代的到来，汽车需要处理的数据量和计算量呈指数级增长，智能传感器、高精度地图、V2X协同、AR/VR等应用使得单个汽车控制器的计算能力越来越难以应付，如果使用车-云架构上传到云平台处理计算任务，将难以解决网络带宽消耗和计算实时性问题。

发明内容

本发明所要解决的技术问题是：提供一种车内任务卸载方法及系统，能够在满足计算任务计算能力的情况下提高计算任务的实时性。

为了解决上述技术问题，本发明采用的技术方案为：

一种车内计算任务卸载方法，包括步骤：

车内的第一控制器判断计算任务的数据量是否大于本地预设最大数据量，若是，则将所述计算任务的数据量发送至车内的第二控制器；

所述第二控制器根据所述计算任务的数据量计算所述计算任务的卸载信息，并将所述卸载信息发送至所述第一控制器；

所述第一控制器根据所述卸载信息将所述计算任务卸载至所述第二控制器中。

为了解决上述技术问题，本发明采用的另一种技术方案为：

一种车内计算任务卸载系统，包括第一控制器和第二控制器，所述第一控制器包括第一存储器、第一处理器及存储在第一存储器上并可在第一处理器上运行的第一计算机程序，所述第二控制器包括第二存储器、第二处理器及存储在第二存储器上并可在第二处理器上运行的第二计算机程序，所述第一处理器执行所述第一计算机程序时实现以下步骤：

判断计算任务的数据量是否大于本地预设最大数据量，若是，则将所述计算任务的数据量发送至车内的第二控制器；

根据卸载信息将所述计算任务卸载至所述第二控制器中。

所述第二处理器执行所述第二计算机程序时实现以下步骤：

根据所述计算任务的数据量计算所述计算任务的卸载信息，并将所述卸载信息发送至所述第一控制器。

本发明的有益效果在于：当车内的第一控制器中的计算任务的数据量大于预设最大数据量时，先将第一控制器中的数据量发送至车内的第二控制器，由第二控制器计算第一控制器中计算任务的卸载信息，并将卸载信息发送给第一控制器，第一控制器根据该卸载信息进行任务卸载。因此通过车内不同控制器间的任务卸载，能够解决控制器的计算能力不足问题，同时相较于云计算也有更高的实时性。

附图说明

图1为本发明实施例的一种车内计算任务卸载方法的流程图；

图2为本发明实施例的一种车内计算任务卸载系统的结构示意图；

标号说明：

1、车内计算任务卸载系统；2、第一控制器；3、第一存储器；4、第一处理器；5、第二控制器；6、第二存储器；7、第二处理器。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。

请参照图1，本发明实施例提供了一种车内计算任务卸载方法，包括步骤：

车内的第一控制器判断计算任务的数据量是否大于本地预设最大数据量，若是，则将所述计算任务的数据量发送至车内的第二控制器；

所述第二控制器根据所述计算任务的数据量计算所述计算任务的卸载信息，并将所述卸载信息发送至所述第一控制器；

所述第一控制器根据所述卸载信息将所述计算任务卸载至所述第二控制器中。

从上述描述可知，本发明的有益效果在于：当车内的第一控制器中的计算任务的数据量大于预设最大数据量时，先将第一控制器中的数据量发送至车内的第二控制器，由第二控制器计算第一控制器中计算任务的卸载信息，并将卸载信息发送给第一控制器，第一控制器根据该卸载信息进行任务卸载。因此通过车内不同控制器间的任务卸载，能够解决控制器的计算能力不足问题，同时相较于云计算也有更高的实时性。

进一步地，所述第二控制器根据所述计算任务的数据量计算所述计算任务的卸载信息包括：

所述第二控制器根据所述计算任务的数据量得到本地计算延时与能耗、任务卸载总延时与能耗的公式；

所述第二控制器以延时最小为目的形成任务卸载目标函数，求解所述目标函数得到卸载信息，所述卸载信息包括卸载率、预留宽带和对所述计算任务分配的资源。

由上述描述可知，在第二控制器中以延时最小为目的形成任务卸载目标函数，从而能够计算出卸载率、预留宽带和对计算任务分配的资源，从而能够充分利用车内网络中的计算资源，使车内各控制器的总任务延时最小化。

进一步地，所述第二控制器根据所述计算任务的数据量得到本地计算延时与能耗的公式包括：

建立本地计算延时的公式：

式中，x

建立本地计算能耗的公式：

式中，Z

由上述描述可知，通过建立本地计算延时与能耗的公式，便于后续结合该公式建立任务卸载目标函数。

进一步地，所述第二控制器根据所述计算任务的数据量得到任务卸载总延时与能耗的公式包括：

建立任务卸载总延时的公式：

式中，

建立任务卸载能耗的公式：

式中，Z

由上述描述可知，通过建立任务卸载总延时与能耗的公式，便于后续结合该公式建立任务卸载目标函数。

进一步地，所述第二控制器以延时最小为目的形成任务卸载目标函数，求解所述目标函数得到卸载信息包括：

以延时最小为目的建立任务卸载目标函数：

式中，

通过求解所述任务卸载目标函数，能够计算得到卸载率、预留宽带和对所述计算任务分配的资源。

由上述描述可知，由第二控制器对第一控制器计算任务卸载的时延和能耗代价进行评估，并通过比较本地计算和卸载计算的代价花费，做出相应的卸载率x

请参照图2，本发明另一实施例提供了一种车内计算任务卸载系统，包括第一控制器和第二控制器，所述第一控制器包括第一存储器、第一处理器及存储在第一存储器上并可在第一处理器上运行的第一计算机程序，所述第二控制器包括第二存储器、第二处理器及存储在第二存储器上并可在第二处理器上运行的第二计算机程序，所述第一处理器执行所述第一计算机程序时实现以下步骤：

判断计算任务的数据量是否大于本地预设最大数据量，若是，则将所述计算任务的数据量发送至车内的第二控制器；

根据卸载信息将所述计算任务卸载至所述第二控制器中；

所述第二处理器执行所述第二计算机程序时实现以下步骤：

根据所述计算任务的数据量计算所述计算任务的卸载信息，并将所述卸载信息发送至所述第一控制器。

从上述描述可知，当车内的第一控制器中的计算任务的数据量大于预设最大数据量时，先将第一控制器中的数据量发送至车内的第二控制器，由第二控制器计算第一控制器中计算任务的卸载信息，并将卸载信息发送给第一控制器，第一控制器根据该卸载信息进行任务卸载。因此通过车内不同控制器间的任务卸载，能够解决控制器的计算能力不足问题，同时相较于云计算也有更高的实时性。

进一步地，根据计算任务的数据量计算所述计算任务的卸载信息包括：

根据计算任务的数据量得到本地计算延时与能耗、任务卸载总延时与能耗的公式；

以延时最小为目的形成任务卸载目标函数，求解所述目标函数得到卸载信息，所述卸载信息包括卸载率、预留宽带和对所述计算任务分配的资源。

由上述描述可知，在第二控制器中以延时最小为目的形成任务卸载目标函数，从而能够计算出卸载率、预留宽带和对计算任务分配的资源，从而能够充分利用车内网络中的计算资源，使车内各控制器的总任务延时最小化。

进一步地，根据所述计算任务的数据量得到本地计算延时与能耗的公式包括：

建立本地计算延时的公式：

式中，x

建立本地计算能耗的公式：

式中，Z

由上述描述可知，通过建立本地计算延时与能耗的公式，便于后续结合该公式建立任务卸载目标函数。

进一步地，根据所述计算任务的数据量得到任务卸载总延时与能耗的公式包括：

建立任务卸载总延时的公式：

式中，

建立任务卸载能耗的公式：

式中，Z

由上述描述可知，通过建立任务卸载总延时与能耗的公式，便于后续结合该公式建立任务卸载目标函数。

进一步地，以延时最小为目的形成任务卸载目标函数，求解所述目标函数得到卸载信息包括：

以延时最小为目的建立任务卸载目标函数：

式中，

通过求解所述任务卸载目标函数，能够计算得到卸载率、预留宽带和对所述计算任务分配的资源。

由上述描述可知，由第二控制器对第一控制器计算任务卸载的时延和能耗代价进行评估，并通过比较本地计算和卸载计算的代价花费，做出相应的卸载率x

本发明上述的一种车内计算任务卸载方法及系统，适用于在智能汽车上进行任务卸载，能够在满足计算任务计算能力的情况下提高计算任务的实时性，以下通过具体的实施方式进行说明：

实施例一

请参照图1，一种车内计算任务卸载方法，包括步骤：

S1、车内的第一控制器判断计算任务的数据量是否大于本地预设最大数据量，若是，则将所述计算任务的数据量发送至车内的第二控制器。

本实施例中，第一控制器为主控制器，第二控制器为影音娱乐中央控制器。

具体的，第一控制器i预设一个本地计算最大数据量值D

S2、所述第二控制器根据所述计算任务的数据量计算所述计算任务的卸载信息，并将所述卸载信息发送至所述第一控制器。

具体的，影音娱乐中控事先存有各控制器的软件和硬件性能相关常数，当收到新的控制器i的任务卸载请求时，建立目标函数并计算最优化条件的卸载率x

S21、建立任务卸载信息帧的延迟模型。

其中，在车载以太网总线上原来有传输音视频的数据，数据基于AVB协议传输，传统上将数据划分成3个等级，其中A等级为高优先级对应高实时数据流，一般是音视频数据流、车辆控制信号帧等；B等级为次高优先级，本实施例中将这个等级专门用来做为计算任务卸载类的数据流，A、B等级数据均要通过AVB协议的整形算法进行处理，以保证实时性；BE等级传输其它数据，其优先级最低，不参与整形，采用传统以太网Best Effort机制发送，在整形数据中见缝插针式进行传输。

具体的，任务卸载延迟包含输入等待时延、存储和转发时延、干扰时延、传输时延等几个部分，其中，由流量冲突引起的干扰时延是主要时延。干扰时延包括五类时延参数：高优先级流量阻塞时延t

在不考虑相同优先级流量阻塞时延的情况下，对于A类数据，因为优先级最高，因此只包含三种时延。其流量整形时延t

其中，

在整形算法允许A类数据发送时，低等级数据帧可能正在传输，则需要等待低等级数据包发送完成，t

其中C为以太网带宽，M

A类数据自身传输延时为：

对于B类任务卸载信息帧来说，流量整形延时

低优先级流量阻塞时延计算如式：

其传输延时为：

在B类数据帧经整形完毕可以发送时，考虑A类数据帧可能存在还未传输部分的长度，则产生高优先级流量阻塞：

因此可以得到计算任务卸载信息帧的时延为：

S22、第二控制器根据计算任务的数据量得到本地计算延时与能耗、任务卸载总延时与能耗的公式。

具体的，设任务卸载率为x

其中D

本地计算能耗E

其中Z

任务卸载的计算时延为：

其中

因此任务卸载的传输总时延为数据传输到影音娱乐中控的时间加上数据计算结果从中控传输回控制器的时间：

其中ε是计算结果与计算任务数据量的比例，由于计算结果的数据长度一般远小于原始计算数据长度，因为大多数算法的计算结果长度都是已知的，比如MD5算法的计算结果为固定16字节的哈希值，因此ε是根据算法不同的常数。因此任务卸载总延时为：

任务卸载计算的能耗Ei,j为：

S23、第二控制器以延时最小为目的形成任务卸载目标函数，根据目标函数计算卸载信息，所述卸载信息包括卸载率、预留宽带和对计算任务分配的资源。

具体的，由影音娱乐中控对第一控制器计算任务卸载的时延和能耗代价进行评估，并通过比较本地计算和卸载计算的代价花费，做出相应的卸载率x

于是形成优化目标函数：

这是一个涉及多变量的单目标优化问题，对目标方程的最优化问题求解有很多公知的求解方法，本发明可采用遗传算法进行优化求解，求得满足目标函数最优化条件的卸载率x

S3、所述第一控制器根据所述卸载信息将所述计算任务卸载至所述第二控制器中。

具体的，影音娱乐中控将卸载率x

实施例二

请参照图2，一种车内计算任务卸载系统1，包括客户端2和服务端5，所述客户端包括第一存储器3、第一处理器4及存储在第一存储器3上并可在第一处理器4上运行的第一计算机程序，所述服务端5包括第二存储器6、第二处理器7及存储在第二存储器6上并可在第二处理器7上运行的第二计算机程序，所述第一处理器4执行所述第一计算机程序时实现以下步骤：

判断计算任务的数据量是否大于本地预设最大数据量，若是，则将所述计算任务的数据量发送至车内的第二控制器；

根据所述卸载信息将所述计算任务卸载至所述第二控制器中；

所述第二处理器7执行所述第二计算机程序时实现以下步骤：

根据所述计算任务的数据量计算所述计算任务的卸载信息，并将所述卸载信息发送至所述第一控制器。

在一些实施例中，根据计算任务的数据量计算所述计算任务的卸载信息包括：

根据计算任务的数据量得到本地计算延时与能耗、任务卸载总延时与能耗的公式；

以延时最小为目的形成任务卸载目标函数，求解所述目标函数得到卸载信息，所述卸载信息包括卸载率、预留宽带和对所述计算任务分配的资源。

在一些实施例中，根据所述计算任务的数据量得到本地计算延时与能耗的公式包括：

建立本地计算延时的公式：

式中，x

建立本地计算能耗的公式：

式中，Z

在一些实施例中，根据所述计算任务的数据量得到任务卸载总延时与能耗的公式包括：

建立任务卸载总延时的公式：

式中，

建立任务卸载能耗的公式：

式中，Z

在一些实施例中，以延时最小为目的形成任务卸载目标函数，求解所述目标函数得到卸载信息包括：

以延时最小为目的建立任务卸载目标函数：

式中，

通过求解所述任务卸载目标函数，能够计算得到卸载率、预留宽带和对所述计算任务分配的资源。

综上所述，本发明提供的一种车内计算任务卸载方法及系统，当车内的第一控制器中的计算任务的数据量大于预设最大数据量时，先将第一控制器中的数据量发送至车内的第二控制器，由第二控制器计算第一控制器中计算任务的卸载信息，并将卸载信息发送给第一控制器，第一控制器根据该卸载信息进行任务卸载。因此通过车内不同控制器间的任务卸载，能够解决控制器的计算能力不足问题，同时相较于云计算也有更高的实时性。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。