一种电动智能网联汽车的节能任务卸载方法及系统

技术领域

本发明涉及车联网技术领域，具体为一种电动智能网联汽车的节能任务卸载方法及系统。

背景技术

5G和电池技术的快速发展，使电动智能网联汽车成为当前汽车行业的焦点。而化石燃料的价格飙升使得电动汽车的需求急剧增长。然而，迅猛发展的自动驾驶、车联网等技术和业务使得各种车载任务的计算量显著增加，云服务器距离车辆较远，无法及时完成用户的任务，而电动汽车的能量和计算资源有限，处理任务代价高且时效性无法保证。

多接入边缘计算技术(MEC)，通过把服务器部署在靠近用户的网络边缘，将任务卸载给附近的MEC服务器可以大幅度降低传输时延，同时利用服务器的计算资源处理任务，减少本地计算负载。并且，对车辆来说，任务卸载过程消耗的能量远低于本地处理等量数据消耗的能量，因此采用MEC服务器处理能够降低车辆的能耗。然而，现有的研究集中于将任务卸载到距离车辆最近的MEC服务器。由于车辆的时空分布不均匀，这种卸载方案会导致一些MEC服务器过载，另外一些MEC服务器空闲，服务器负载不均衡降低计算资源利用效率，服务器过载导致任务无法及时处理。此外，现有的研究没有针对电动网联汽车，因此所提出的卸载方案没有考虑电动汽车电池有限的问题。

发明内容

为了克服上述现有技术存在的缺陷，本发明的目的在于提供一种电动智能网联汽车的节能任务卸载方法及系统，以解决现有技术中服务器负载不均衡而降低计算资源利用效率以及服务器过载导致任务无法及时处理的技术问题。

本发明是通过以下技术方案来实现：

一种电动智能网联汽车的节能任务卸载方法，包括如下步骤：

步骤1，接收到仿真时间里自身覆盖范围内车辆提出的车辆任务请求，并发送至宏基站，宏基站根据该时间内所有车辆请求信息整理得出车辆集合和任务集合；

步骤2，宏基站根据车辆集合及任务集合的信息开始求解任务卸载策略得到最终卸载方案，并将最终卸载方案发送至路侧单元，路侧单元对自身覆盖范围内车辆发送相应车辆的卸载方案，实现电动智能网联汽车的节能任务卸载工作。

优选的，步骤2中，宏基站根据车辆集合及任务集合的信息后模拟实际情况，在实际情况的模拟中将车辆任务分别进行本地处理和服务器处理，具体过程如下：

将车辆任务平均划分成若干块，根据宏基站给定的最终卸载方案将车辆任务的一部分卸载到距离该车辆最近的路侧单元或者卸载到最近的路侧单元再通过光纤网络单元传输给行驶方向上的下一个路侧单元处理，剩余车辆任务通过本地处理，最近的路侧单元接收到车辆任务后，并在MEC服务器的任务队列中等待服务器执行，服务器处理完成后将结果发送给车辆；若执行任务的路侧单元无法处理，则进行丢包处理并赋予添加惩罚因子。

优选的，步骤2中，宏基站根据车辆集合及任务集合的信息开始求解任务卸载策略得到最终卸载方案，其中过程如下：

S1，设定粒子维度为2D，并初始化粒子群及参数设置，N＝1；其中D为任务集合中任务的个数；

S2，将粒子维度的前D项赋值给任务集合中每个任务的

S3，提供车辆集合及任务集合及仿真时间进行处理，并根据处理结果计算任务的时延和车辆能耗，得出适应值；

S4，更新所有粒子的个体最优和全局最优值；

S5，判断是否仍需要迭代；当任务仍需迭代时，更新每个粒子的速度和位置；当前迭代次数加1；反之重复执行S1至S4，直至所有任务迭代完成后，输出全局最优值对应的适应值和卸载方案。

进一步的，S3中时延包括任务本地处理时间、无线通信时间、服务器队列等待时间和服务器处理时间；车辆能耗包括任务本地能耗和任务上传的无线通信能耗；

任务本地处理时间的计算公式如下：

其中，

任务本地能耗的计算公式如下：

其中，κ是能量密度；

无线通信时间的计算公式如下：

其中，

任务上传的无线通信能耗的计算公式如下：

其中，

服务器处理时间的计算公式如下：

其中，

服务器队列等待时间的计算公式：

其中

进一步的，服务器队列中的剩余任务计算量：

其中ω为所有任务的集合。

优选的，车辆任务被生成后先进行本地处理判断，若车辆任务的本地执行部分不能在时延阈值内完成，则直接丢弃任务，并赋予评价指标惩罚因子

进一步的，路侧单元根据宏基站确定的卸载方案分发给自身范围内的车辆，车辆根据卸载方案将任务卸载给最近的路侧单元或者卸载给最近的路侧单元并通过光纤传输到行驶方向上的下一个路侧单元处理，路侧单元接收到车辆任务后，将任务放置到MEC服务器的任务队列中等待服务器执行，其中该MEC服务器计算该任务处理完成的时间，若该部分能在时延阈值内完成则处理，否则直接丢弃任务，并给评价指标添加惩罚因子，同时惩罚因子需要考虑本地处理和任务上传时间所产生的能耗，在任务丢弃情况下，车辆为该任务产生的能耗可以表示为：

其中，

优选的，车辆任务包括视频任务、导航任务以及智能交通调度任务，其中每个车辆任务分别有不同的时延阈值和任务大小。

一种电动智能网联汽车的节能任务卸载系统，用于实现上述所述的一种电动智能网联汽车的节能任务卸载方法，包括：

第一处理模块，用于接收到仿真时间里自身覆盖范围内车辆提出的车辆任务请求，并发送至宏基站，宏基站根据该时间内所有车辆请求信息整理得出车辆集合和任务集合；

第二处理模块，用于宏基站根据车辆集合及任务集合的信息开始求解任务卸载策略得到最终卸载方案，并将最终卸载方案发送至路侧单元，路侧单元对自身覆盖范围内车辆发送相应车辆的卸载方案，实现电动智能网联汽车的节能任务卸载工作。

优选的，宏基站在道路边设置，若干路侧单元沿着道路边的延伸方向均匀排列；若干路侧单元与车辆通信连接，宏基站与若干路侧单元通信连接；路侧单元设有通信基站、光纤网络单元和MEC服务器；通信基站分别与光纤网络单元和MEC服务器通信连接，路侧单元通过光纤网络单元与其他路侧单元通信连接，路侧单元通过通信基站与若干车辆通信连接。

与现有技术相比，本发明具有以下有益的技术效果：

本发明提供一种电动智能网联汽车的节能任务卸载方法，将任务卸载到路侧单元，缩短任务延迟和降低车辆能耗。路侧单元通过光纤传输任务和处理结果，缓解服务器负载不均衡的问题，提高计算资源利用率，进一步缩短任务延迟。并提供了一种丢包惩罚机制，提前将无法完成的任务丢弃，避免计算资源浪费的同时提高任务完成率。最终使用离散粒子群算法在极短时间内给出近似最优的卸载方案；本发明任务卸载方法的平均任务处理延迟相比部分卸载到最近的MEC服务器(PONM)和全部卸载到最近的MEC服务器(AONM)分别最高降低20％和45％，任务的平均能耗比PONM最高降低14％，任务完成率相比PONM和AONM最多提高24％和75％。在高效节能任务卸载方法中有效地利用空闲的计算资源，缓解服务器负载不均衡的问题，降低任务时延和车辆能耗，卸载方法性能优越。

本发明还提供了一种电动智能网联汽车的节能任务卸载系统，通过在距离车辆不远的路侧单元内放置MEC服务器，通过通信基站分别与光纤网络单元和MEC服务器通信连接，路侧单元通过光纤网络单元与其他路侧单元通信连接，路侧单元通过通信基站与若干车辆通信连接为来往车辆提供计算服务，减小车辆负载，节省车辆能耗，缩短任务延迟；路侧单元之间通过光纤传输任务并返回结果，改善服务器负载均衡，加快任务处理速度，提高计算资源利用效率。

附图说明

图1为本发明中电动智能网联汽车的节能任务卸载方法流程图；

图2为本发明中电动智能网联汽车的节能任务卸载系统分布图；

图3为本发明中电动智能网联汽车的节能任务卸载系统模型和模拟过程图；

图4为本发明中任务丢包惩罚机制过程图；

图5为本发明中所述的任务卸载方法的离散粒子群算法过程图；

图6是本发明所述的任务卸载方法的求解策略过程图；

图7为本发明与AONM、PONM平均任务能耗的对比图；

图8为本发明与AONM、PONM平均处理时延的对比图；

图9为本发明与AONM、PONM平均任务完成率的对比图；

图10为本发明与PONM平均任务卸载比例的对比图；

图11为本发明与AONM、PONM平均计算速率的对比图。

图中：1-路侧单元；2-车辆；3-宏基站；11-通信基站；12-光纤网络单元；13-MEC服务器。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面结合附图对本发明做进一步详细描述：

本发明的目的在于提供一种电动智能网联汽车的节能任务卸载方法及系统，以解决现有技术中服务器负载不均衡而降低计算资源利用效率以及服务器过载导致任务无法及时处理的技术问题。

根据图1所示，本发明提供了一种电动智能网联汽车的节能任务卸载方法，包括如下步骤：

步骤1，接收到仿真时间里自身覆盖范围内车辆2提出的车辆任务请求，并发送至宏基站3，宏基站3根据该时间内所有车辆请求信息整理得出车辆集合和任务集合；

步骤2，宏基站3根据车辆集合及任务集合的信息开始求解任务卸载策略得到最终卸载方案，并将最终卸载方案发送至路侧单元1，路侧单元1对自身覆盖范围内车辆2发送相应车辆的卸载方案，实现电动智能网联汽车的节能任务卸载工作。

具体的，步骤2中，宏基站3根据车辆集合及任务集合的信息后模拟实际情况，在实际情况的模拟中将车辆任务分别进行本地处理和服务器处理，具体过程如下：

具体的，根据图3所示，车辆任务包括视频任务、导航任务以及智能交通调度任务，其中每个车辆任务分别有不同的时延阈值和任务大小。将车辆任务平均划分成若干块，根据宏基站3给定的最终卸载方案将车辆任务的一部分卸载到距离该车辆最近的路侧单元1或者卸载到最近的路侧单元1再通过光纤网络单元12传输给行驶方向上的下一个路侧单元1处理，剩余车辆任务通过本地处理，如果最近的路侧单元无法及时处理，则将任务通过该路侧单元的光纤网络单元发送给车辆方向上的其他路侧单元。任务再被当前的路侧单元送到MEC服务器13的任务队列中等待服务器执行，服务器处理完成后将结果发送给车辆，若执行任务的路侧单元1无法处理，则进行丢包处理并赋予添加惩罚因子。任务处理结果发送给原来车辆的过程中，由于任务结果的大小远远小于任务上传时的大小，故该部分的时延忽略不计。由于光纤链路传输速度远远大于无线通信速度，该部分时间忽略不计，因此整个模拟过程中，时延方面包括任务本地处理时间、任务上传时间、服务器队列等待时间和服务器处理时间四部分所产生的时间。此外，服务器处理任务并不消耗车辆的能量，故不计算在车辆能耗内，因此车辆能耗方面包括任务本地能耗和任务上传的无线通信能耗。

具体的，根据图5所示，步骤2中，宏基站3根据车辆集合及任务集合的信息开始求解任务卸载策略得到最终卸载方案，其中过程如下：

S1，设定粒子维度为2D，并初始化粒子群及参数设置，N＝1；其中D为任务集合中任务的个数；

S2，将粒子维度的前D项赋值给任务集合中每个任务的

S3，提供车辆集合

S4，更新所有粒子的个体最优和全局最优值；

S5，判断是否仍需要迭代；当任务仍需迭代时，更新每个粒子的速度和位置；当前迭代次数加1；反之重复执行S1至S4，直至所有任务迭代完成后，输出全局最优值对应的适应值和卸载方案。

其中，S3中，提供车辆集合及任务集合及仿真时间进行处理，根据图6所示，处理过程如下步骤：

S301、输入车辆集合

S302、初始化当前时间；

S303、将所有任务按任务到达时间排序存入队列Q中；

S304、判断是否队列Q中队头任务的到达时间等于当前时间；

S305、当任务到达时间不等于当前时间时，转而执行步骤S315；

S306、当任务到达时间等于当前时间时，将任务I

S308、当任务的本地执行比例

S309、当任务的本地执行比例

S310、当I

S311、判断任务是否只有本地部分，即

S312、当

S313、当

S314、当任务不能在时延阈值内完成时，将任务丢弃I

S315、判断通信队列中队头任务是否通信结束，即W中队头的通信结束时间是否等于T；

S316、当W中队头的通信结束时间不等于T，转而执行步骤S324；

S317、当中队头的通信结束时间等于T，将任务n从W中队头取出；

S318、判断任务n的

S319、当任务n的

S320、当任务n的

S321、判断任务n能否在时延阈值内被服务器处理完成；

S322、当任务能在时延阈值内被服务器器处理完成，将任务放入当前路侧单元的服务器队列中；转而执行步骤S315；

S323、当任务不能在时延阈值内被服务器器处理完成，将任务n丢弃；转而执行步骤S315；

S324、将服务器的序号设置为1；

S325、判断第i个服务器是否空闲；

S326、当第i个服务器空闲时，转而执行步骤S330；

S327、当第i个服务器不空闲时，判断服务器上的任务是否到达结束时间；

S328、当服务器上的任务没有到达结束时间，转而执行步骤S333；

S329、当服务器上的任务到达结束时间，任务完成，从服务器退出；

S330、判断第i个服务器的队列是否为空；

S331、当第i个服务器的队列为空，转而执行步骤S333；

S332、当第i个服务器的队列不为空，取服务器队列队头进行处理并计算结束时间；

S333、i＝i+1；

S334、判断所有服务器是否遍历完成，即i<＝r；

S335、当i小于等于r时，转至执行步骤S325；

S336、当i大于r时，根据车速更新车辆位置，T＝T+1；

S337、判断是否到达仿真结束时间，即T小于等于T1；

S338、当T小于等于T1时，转至执行步骤S；

S339、当大于T1时，输出处理后的任务集合。

其中，S3中时延包括任务本地处理时间、无线通信时间、服务器队列等待时间和服务器处理时间；车辆能耗包括任务本地能耗和任务上传的无线通信能耗；

设定本发明中道路为双向四车道的直行道路，路侧单元1的个数为r个；车辆2的数量为k；假设车辆k在t时间产生的任务为I

MEC服务器13的计算能力记为：

任务I

任务本地处理时间的计算公式如下：

其中，

任务本地能耗的计算公式如下：

其中，κ是能量密度；

本发明中无线通信传输速率

其中，

无线通信时间的计算公式如下：

其中，

任务上传的无线通信能耗的计算公式如下：

其中，

服务器处理时间的计算公式如下：

其中，

任务I

其中当

服务器队列等待时间的计算公式：

其中

服务器队列中的剩余任务计算量：

其中ω为所有任务的集合

因此任务卸载过程的总时间为：

其中

任务处理的总时间为：

任务处理的总能耗为：

其中，

具体的，根据图4所示，本发明针对任务无法在时延阈值内处理的情况，提供了一种丢包惩罚机制，提前将该任务丢弃，并赋予评价指标惩罚因子，在节约计算资源的同时，提高任务完成率。车辆任务被生成后先进行本地处理判断，若车辆任务的本地执行部分不能在时延阈值内完成，则直接丢弃任务，并赋予评价指标惩罚因子

其中，路侧单元1根据宏基站3确定的卸载方案卸载给最近的路侧单元1或者卸载给最近的路侧单元1并通过光纤传输车辆分配到行驶方向上的下一个路侧单元1处理，最近的路侧单元1接收到车辆任务后，并在MEC服务器13的任务队列中等待服务器执行，其中该MEC服务器13计算该任务处理完成的时间，若该部分能在时延阈值内完成则处理，否则直接丢弃任务，并给评价指标添加惩罚因子，同时惩罚因子需要考虑本地处理和任务上传时间所产生的能耗，在任务丢弃情况下，车辆为该任务产生的能耗可以表示为：

当任务在本地被丢弃时，整个任务还没开始处理，因此丢弃不产生能耗。当任务在服务器被丢弃，任务已经进行了本地处理和无线通信，因此丢弃仍然需要考虑本地处理和无线通信产生的能耗，其数值上等于

参考图7所示，图7给出了本方法和AONM、PONM的平均任务产生的能耗对比图。对于AONM策略，由于所有的任务都被分配到MEC服务器上，而本地处理的能耗远高于服务器处理过程中车辆消耗的能量，故能耗最低。而我们可以发现本方法产生的车辆能耗比PONM最多降低了14％，因此本方法可以为电动智能网联汽车的降低能耗提供方法和帮助。

参考图8所示，图8给出了本方法和AONM、PONM的平均处理延迟对比图。本方法的平均处理延迟比全部卸载的AONM最高减少了45％，比PONM最高减少了20％。本方法在时延方面性能优越，对车辆任务缩短时延，提高服务质量具有重要意义。

参考图9所示，图9给出了本方法和AONM、PONM的平均任务完成率。从图9可以看出平均任务完成率随着车辆数的增加而减少。我们可以发现本方法的任务完成率比AONM最多提高了75％，比PONM最多提高了24％。这意味着，同一时间内相对其他方法更多的计算资源被妥善利用，提高了任务的完成率，本方法可以为任务按时稳定的完成提供了可行手段。

参考图10所示，图10给出了本方法和PONM的平均任务卸载比例，即平均一个任务交给服务器处理的比例。从图10可以看出平均任务卸载比例随着车辆数的增加而减少，这是因为服务器的计算资源有限，当任务量多时服务器无法承受，此时只能本地处理。此外，本方法的平均任务卸载比例比PONM更高，这证明了本方法比PONM更好地利用了服务器计算资源，让更多的任务能在MEC服务器上执行，提高了任务执行效率，并且节省车辆的电池能量。

参考图11所示，图11给出了本方法和AONM、PONM的平均计算速率，平均计算速率随着车辆的增加而增加。在车辆数量较少的情况下，本方法与PONM的平均计算速率相似，说明对于两种方案所产生的任务均能及时处理。另一方面，当车辆数量增加时，本方法还考虑车辆行驶方向上的路侧单元，相比PONM具有，此外，AONM不考虑本地计算资源，因此其平均计算速率在三种方法中是最低的。

本发明还提供了一种电动智能网联汽车的节能任务卸载系统，用于实现上述所述的一种电动智能网联汽车的节能任务卸载方法，包括：

第一处理模块，用于接收到仿真时间里自身覆盖范围内车辆2提出的车辆任务请求，并发送至宏基站3，宏基站3根据该时间内所有车辆请求信息整理得出车辆集合和任务集合；

第二处理模块，用于宏基站3根据车辆集合及任务集合的信息开始求解任务卸载策略得到最终卸载方案，并将最终卸载方案发送至路侧单元1，路侧单元1对自身覆盖范围内车辆2发送相应车辆的卸载方案，实现电动智能网联汽车的节能任务卸载工作。

具体的，根据图2所示，宏基站3在道路边设置，若干路侧单元1沿着道路边的延伸方向均匀排列；若干路侧单元1与车辆2通信连接，宏基站3与若干路侧单元1通信连接；路侧单元1设有通信基站11、光纤网络单元12和MEC服务器13；通信基站11分别与光纤网络单元12和MEC服务器13通信连接，路侧单元1通过光纤网络单元12与其他路侧单元1通信连接，路侧单元1通过通信基站11与若干车辆2通信连接。

实施例

在不失一般性的情况下，本实施例中对电动智能网联汽车的节能任务卸载系统进行赋值，双向运行道路的长度为800m，路侧单元2的个数为4，路侧单元2均匀布设在道路上，车辆进入所考虑的道路场景服从泊松分布。

当车辆进入道路时，将生成一个任务，并将有关车辆和任务的信息通知最近的路侧单元，一个任务平均分为四个部分，即

路侧单元的无线带宽

MEC服务器的处理能力为10G Cycles/s、车辆的处理能力为4G Cycles/s。计算密度为150Cycles/bit，能量密度为10

通过将本发明提出的任务卸载方法和传统的AONM、PONM进行对比，发现本发明中提出的方法在缩短任务处理时延和降低车辆能耗方面，具有一定的优越性；通过比较三种方法任务完成率、平均任务卸载比例、平均计算速率的对比，说明本发明提出的任务卸载方法能利用空闲的服务器资源，缓解服务器负载不均衡，对减少任务处理时延和降低车辆能耗来说具有重要意义。

综上所述，本发明提供了一种电动智能网联汽车的节能任务卸载方法及系统，将任务卸载到路侧单元，缩短任务延迟和降低车辆能耗。路侧单元通过光纤传输任务和处理结果，缓解服务器负载不均衡的问题，提高计算资源利用率，进一步缩短任务延迟。并提供了一种丢包惩罚机制，提前将无法完成的任务丢弃，避免计算资源浪费的同时提高任务完成率。最终使用离散粒子群算法在极短时间内给出近似最优的卸载方案；本发明任务卸载方法的平均任务处理延迟相比部分卸载到最近的MEC服务器(PONM)和全部卸载到最近的MEC服务器(AONM)分别最高降低20％和45％，任务的平均能耗比PONM最高降低14％，任务完成率相比PONM和AONM最多提高24％和75％。在高效节能任务卸载方法中有效地利用空闲的计算资源，缓解服务器负载不均衡的问题，降低任务时延和车辆能耗，卸载方法性能优越。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。