联合任务卸载的方法、装置、计算设备及存储介质

技术领域

本发明是关于车联网领域，特别是关于一种联合任务卸载的方法、装置、计算设备及存储介质。

背景技术

现有技术中，各种车联网应用层出不穷，例如自然语言处理、智能导航、增强现实、视频流处理等，智能交通系统不断完善，旨在为用户提供安全、智能的驾驶感受与交通服务。然而，这些计算密集型和时延敏感型应用对车辆的要求较高，超出了单个车辆的计算能力。移动边缘计算(MEC，mobile edge computing)技术可以通过V2I或V2V通信将车辆的计算任务卸载到其他边缘服务器上，以减少云计算中较长的传输时延。车辆边缘计算系统中，车辆既可以作为资源请求者，即任务车辆TaV，也可以作为资源提供者，即服务车辆SeV。任务卸载分集中式和分布式两种方式，集中式中由路边单元RSU收集车辆请求信息并做出任务卸载决策，但该方式需要RSU频繁收集全局信息，通信成本较高。与集中式相比，分布式任务卸载减少了通信开销。但采用分布式任务卸载时，每个车辆不知道其他车辆的状态与决策信息，而车辆的决策相互影响，这可能会导致卸载服务效率降低。

在计算资源有限的VEC系统中，任务卸载仍然存在一些挑战。首先，车辆处在高速移动过程中，其网络拓扑结构、无线信道状态和计算工作负载快速变化，这些不确定性导致计算卸载相对不可靠，给任务卸载带来了额外的挑战。其次，对于资源需求较大的任务，单个车辆不足以完成任务的计算。如何将任务分配给多个边缘服务器，包括RSU和SeV，并协调它们来完成任务是关键的问题之一。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

本发明的目的在于提供一种联合任务卸载的方法、装置、计算设备及存储介质，其能够有效地降低车辆边缘计算系统的任务卸载时延。

为实现上述目的，本发明的实施例提供了一种联合任务卸载的方法。

在本发明的一个或多个实施方式中，所述车辆边缘计算系统包括多个车辆和路边单元，所述方法包括：任务车辆将生成的任务划分为多个子任务；所述任务车辆基于其通信范围内服务车辆和路边单元的性能，确定候选服务车辆和候选路边单元，其中所述服务车辆和路边单元的性能与所述服务车辆和路边单元到所述任务车辆的距离、连接时间，以及所述服务车辆和路边单元的可用计算资源关联；所述任务车辆计算所述多个子任务卸载到所述候选服务车辆和候选路边单元的卸载时延；以及以最小化平均卸载时延为目标，所述任务车辆将所述多个子任务卸载到目标服务车辆和/或目标路边单元，其中所述目标服务车辆选自所述候选服务车辆，所述目标路边单元选自所述候选路边单元。

在本发明的一个或多个实施方式中，所述方法还包括：所述任务车辆向其通信范围内的服务车辆和路边单元发送卸载请求，其中所述卸载请求包括所述多个子任务的信息、任务车辆ID、任务车辆位置；所述任务车辆接收所述服务车辆和路边单元返回的响应信息，其中所述响应信息包括所述服务车辆和路边单元的ID、位置和可用计算资源信息。

在本发明的一个或多个实施方式中，所述任务车辆基于其通信范围内服务车辆和路边单元的性能，确定候选服务车辆和候选路边单元，具体包括：所述任务车辆基于其与其通信范围内服务车辆的车辆位置、行驶方向、行驶速度，计算与所述服务车辆的间隔距离和连接时间；所述任务车辆基于其车辆位置、行驶方向、行驶速度以及其通信范围内路边单元的位置，计算与所述路边单元的间隔距离和连接时间；所述任务车辆基于其与所述服务车辆和路边单元的间隔距离、连接时间以及所述服务车辆和路边单元的可用计算资源，分别计算所述服务车辆和路边单元的性能值；所述任务车辆选取所述性能值大于预设值的服务车辆作为所述候选服务车辆，选取所述性能值最高的一个路边单元为所述候选路边单元。

在本发明的一个或多个实施方式中，所述任务车辆分别计算所述服务车辆和路边单元的性能值，具体包括：所述任务车辆基于其与服务车辆的间隔距离、连接时间及所述服务车辆的可用资源的权重比例，计算所述服务车辆的性能值；所述任务车辆基于其与路边单元的间隔距离、连接时间及所述路边单元的可用资源的权重比例，计算所述路边单元的性能值。

在本发明的一个或多个实施方式中，所述卸载时延包括传输时延、计算时延和结果返回时延；所述任务车辆计算所述多个子任务卸载到所述候选服务车辆和候选路边单元的卸载时延，具体包括：所述任务车辆基于其到所述候选服务车辆的传输速率以及对应子任务的数据大小，计算将对应子任务卸载到所述候选服务车辆的传输时延；和/或，所述任务车辆基于其到所述候选路边单元的传输速率以及对应子任务的数据大小，计算将对应子任务卸载到所述候选路边单元的传输时延。

在本发明的一个或多个实施方式中，所述方法还包括：所述任务车辆基于对应子任务的计算资源和所述候选服务车辆的供给计算资源比例，计算将对应子任务卸载到所述候选服务车辆的计算时延；和/或，所述任务车辆基于对应子任务的计算资源和所述候选路边单元的供给计算资源比例，计算将对应子任务卸载到所述候选路边单元的计算时延。

在本发明的一个或多个实施方式中，将所述多个子任务卸载到目标服务车辆和目标路边单元，具体包括：所述任务车辆在预设约束下，以最小化平均卸载时延为目标，确定任务卸载策略，其中所述任务卸载策略包括所述目标服务车辆和目标路边单元的选取、卸载到所述目标服务车辆和目标路边单元的子任务比例的划分和分配到所述目标服务车辆和目标路边单元的可用计算资源比例的划分；以及所述预设约束包括任务划分完整的约束、所述候选服务车辆和候选路边单元的总可用计算资源的约束、所述任务车辆与候选服务车辆和候选路边单元的关联模式的约束、每个子任务不重复分配的约束。

在本发明的另一个方面当中，提供了一种联合任务卸载的装置，其包括划分模块、选取模块、计算模块和卸载模块。

划分模块，用于任务车辆将生成的任务划分为多个子任务。

选取模块，用于所述任务车辆基于其通信范围内服务车辆和路边单元的性能，确定候选服务车辆和候选路边单元，其中所述服务车辆和路边单元的性能与所述服务车辆和路边单元到任务车辆的距离、连接时间，以及所述服务车辆和路边单元的可用计算资源关联。

计算模块，用于所述任务车辆计算所述多个子任务卸载到所述候选服务车辆和候选路边单元的卸载时延。

卸载模块，用于以最小化平均卸载时延为目标，所述任务车辆将所述多个子任务卸载到目标服务车辆和/或目标路边单元，其中所述目标服务车辆选自所述候选服务车辆，所述目标路边单元选自所述候选路边单元。

在本发明的一个或多个实施方式中，所述选取模块还用于：所述任务车辆向其通信范围内的服务车辆和路边单元发送卸载请求，其中所述卸载请求包括所述多个子任务的信息、任务车辆ID、任务车辆位置；所述任务车辆接收所述服务车辆和路边单元返回的响应信息，其中所述响应信息包括所述服务车辆和路边单元的ID、位置和可用计算资源信息。

在本发明的一个或多个实施方式中，所述选取模块还用于：所述任务车辆基于其与其通信范围内服务车辆的车辆位置、行驶方向、行驶速度，计算与所述服务车辆的间隔距离和连接时间；所述任务车辆基于其车辆位置、行驶方向、行驶速度以及其通信范围内路边单元的位置，计算与所述路边单元的间隔距离和连接时间；所述任务车辆基于其与所述服务车辆和路边单元的间隔距离、连接时间以及所述服务车辆和路边单元的可用计算资源，分别计算所述服务车辆和路边单元的性能值；所述任务车辆选取所述性能值大于预设值的服务车辆作为所述候选服务车辆，选取所述性能值最高的一个路边单元为所述候选路边单元。

在本发明的一个或多个实施方式中，所述选取模块还用于：所述任务车辆基于其与服务车辆的间隔距离、连接时间及所述服务车辆的可用资源的权重比例，计算所述服务车辆的性能值；所述任务车辆基于其与路边单元的间隔距离、连接时间及所述路边单元的可用资源的权重比例，计算所述路边单元的性能值。

在本发明的一个或多个实施方式中，所述计算模块还用于：所述卸载时延包括传输时延、计算时延和结果返回时延；所述任务车辆基于其到所述候选服务车辆的传输速率以及对应子任务的数据大小，计算将对应子任务卸载到所述候选服务车辆的传输时延；和/或，所述任务车辆基于其到所述候选路边单元的传输速率以及对应子任务的数据大小，计算将对应子任务卸载到所述候选路边单元的传输时延。

在本发明的一个或多个实施方式中，所述计算模块还用于：所述任务车辆基于对应子任务的计算资源和所述候选服务车辆的供给计算资源比例，计算将对应子任务卸载到所述候选服务车辆的计算时延；和/或，所述任务车辆基于对应子任务的计算资源和所述候选路边单元的供给计算资源比例，计算将对应子任务卸载到所述候选路边单元的计算时延。

在本发明的一个或多个实施方式中，所述卸载模块还用于：所述任务车辆在预设约束下，以最小化平均卸载时延为目标，确定任务卸载策略，其中所述任务卸载策略包括所述目标服务车辆和目标路边单元的选取、卸载到所述目标服务车辆和目标路边单元的子任务比例的划分和分配到所述目标服务车辆和目标路边单元的可用计算资源比例的划分；以及

所述预设约束包括任务划分完整的约束、所述候选服务车辆和候选路边单元的总可用计算资源的约束、所述任务车辆与候选服务车辆和候选路边单元的关联模式的约束、每个子任务不重复分配的约束。

在本发明的另一个方面当中，提供了一种计算设备，包括：至少一个处理器；以及存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如上所述的联合任务卸载的方法。

在本发明的另一个方面当中，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的联合任务卸载的方法的步骤。

与现有技术相比，根据本发明实施方式的联合任务卸载的方法，其通过基于服务车辆和路边单元到任务车辆的位置、连接时间及其可用计算资源，选取候选服务车辆和候选路边单元，能够有效地发掘服务车辆潜在的服务性能；基于最小化平均时延的目标进行子任务卸载，能够有效地降低车辆边缘计算系统的任务卸载时延；联合服务车辆和路边单元两种卸载模式，任务车辆可以灵活选择一个或两个卸载模式进行任务卸载，能够有效地提升车辆边缘计算系统中的资源利用率和任务卸载的可靠性，降低任务卸载时延。

附图说明

图1是根据本发明一实施方式的联合任务卸载的装置的流程图；

图2是根据本发明一实施方式的联合任务卸载的装置的示意图；

图3是根据本发明一实施方式的联合任务卸载的方法的结构流程图；

图4是根据本发明一实施方式的联合任务卸载的装置的结构图；

图5是根据本发明一实施方式的联合任务卸载的计算设备的硬件结构图。

具体实施方式

下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。

除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。

以下结合附图，详细说明本发明各实施例提供的技术方案。

首先介绍本实施例涉及的相关技术知识。

V2X(Vehicle to Everything)是一种车用无线通信技术，是将车辆与事物相连接的新一代信息通信技术。其中，V代表车辆，X代表任何与车交互信息的对象。现有技术中V2X主要包括V2V(Vehicle to Vehicle，车与车)、V2P(Vehicle to Pedestrian，车与人)、V2I(Vehicle to Infrastructure，车与交通路侧基础设施)和V2N(Vehicle to Network，车与网络)。

RSU(Road Side Unit，路侧单元)是ETC系统中安装在路侧，采用DSRC(DedicatedShort Range Communication)技术，与OBU(On Board Unit，车载单元)进行通讯，能够实现车辆身份识别、电子扣分的装置。

VEC(Abstract-Vehicular edge computing，绝对式车辆边缘计算)，是一种新型计算范例，能够增强车辆终端能力，以支持低延迟和高能效的资源匮乏的车载应用。

如图1至图3所示，介绍本发明的一个实施例中联合任务卸载的方法，该方法包括如下步骤。

在步骤S101中，任务车辆将生成的任务划分为多个子任务。

在本实施例中，构建由K个车辆和Z个路边单元组成的车辆边缘计算系统。该系统中每个车辆可以随机生成具有不同计算资源需求的计算任务，生成任务的车辆为任务车辆TaV，具有空闲计算资源的车辆即服务车辆SeV和路边单元RSU可以作为边缘服务器的候选。任务车辆将任务卸载到服务车辆为V2V模式，任务车辆将任务卸载到路边单元为V2I模式。

具体的，任务车辆在任意时隙i处随机生成计算任务M

进一步地，任务车辆向其通信范围内的服务车辆和路边单元发送卸载请求，服务车辆和路边单元接收并响应任务车辆的卸载请求，返回响应信息。其中卸载请求包括所述多个子任务的信息、任务车辆ID、任务车辆位置。

任务车辆接收服务车辆和路边单元返回的响应信息，其中响应信息包括服务车辆和路边单元的ID、位置和可用计算资源信息。

在步骤S102中，任务车辆基于其通信范围内服务车辆和路边单元的性能，确定候选服务车辆和候选路边单元。

在本实施例中，基于不同影响边缘服务器性能的指标，选取该任务车辆的候选边缘服务器集合，即候选服务车辆和候选路边单元。其中，影响边缘服务器性能的指标可以包括服务车辆和路边单元到任务车辆的距离、连接时间，以及服务车辆和路边单元的可用计算资源。

具体的，对于服务车辆，基于任务车辆与其通信范围内服务车辆的车辆位置、行驶方向、行驶速度，计算与服务车辆的间隔距离和连接时间；

对于路边单元，基于任务车辆的车辆位置、行驶方向、行驶速度以及其通信范围内路边单元的位置，计算与路边单元的间隔距离和连接时间。

可选的，可以根据GPS实时获取任务车辆的位置以及其通信范围内服务车辆的相对位置，并根据车辆的位置、车辆的行驶方向和速度计算出任务车辆与服务车辆的连接时间；可以根据GPS实时获取任务车辆的位置以及其通信范围内路边单元的相对位置，并根据任务车辆及路边单元的位置、任务车辆的行驶方向和速度计算出任务车辆与路边单元的连接时间。

进一步地，基于与服务车辆和路边单元的间隔距离、连接时间以及服务车辆和路边单元的可用计算资源，任务车辆分别计算服务车辆和路边单元的性能值。

可选的，可以对任务车辆与边缘服务器的距离、连接时间以及当前时刻剩余的可用计算资源压缩到同一维度进行计算，如进行归一化处理，并分别用dt

具体的，间隔距离、连接时间以及可用计算资源的维度统一化后，基于任务车辆与服务车辆的间隔距离、连接时间及服务车辆的可用资源的权重比例，计算服务车辆的性能值；基于任务车辆与路边单元的间隔距离、连接时间及路边单元的可用资源的权重比例，计算路边单元的性能值。

对于通信范围内的边缘服务器，性能值的计算公式可以为：

PV

其中w

在本实施例中，若任务车辆只处在一个路边单元的覆盖范围之内，一般选取性能值较高的一个或多个服务车辆作为候选服务车辆，选取该路边单元为候选路边单元。

如图2所示，若任务车辆处在两个路边单元的覆盖范围之内，一般选取性能值较高的一个或多个服务车辆作为候选服务车辆，选取性能值最高的一个路边单元为候选路边单元。

对于候选服务车辆的选取，本发明不对具体的选取方式进行限制，满足选取目的的方式都可以实现。可以基于预设的性能值基值，选取性能值大于该预设的性能值基值的一个或多个服务车辆为候选服务车辆；也可以基于预设的候选数量，按照性能值从大到小排序，选取性能值最大的该预设的候选数量的服务车辆。

在步骤S103中，任务车辆计算多个子任务卸载到候选服务车辆和候选路边单元的卸载时延。

在本实施例中，计算子任务的卸载时延包括传输时延、计算时延和结果返回时延。可选的，由于每个子任务返回结果的数据相对较小，可以选择忽略将任务结果返回到任务车辆的时延。

具体的，基于任务车辆到候选服务车辆的传输速率以及对应子任务的数据大小，任务车辆计算将对应子任务卸载到候选服务车辆的传输时延；基于任务车辆到候选路边单元的传输速率以及对应子任务的数据大小，任务车辆计算将对应子任务卸载到候选路边单元的传输时延。

当任务车辆将子任务卸载到路边单元时，基于白噪声干扰，从任务车辆传输到路边单元的传输速率的计算公式为：

其中B表示通信带宽，P

当任务车辆选择将任务卸载到候选任务车辆时，基于白噪声干扰和通信干扰，从任务车辆到服务车辆的传输速率的计算公式为：

对应的，子任务j从任务车辆卸载到边缘服务器的传输时延的计算公式为：

其中，N

对于二元变量u

进一步地，基于对应子任务的计算资源和候选服务车辆的供给计算资源比例，任务车辆计算将对应子任务卸载到候选服务车辆的计算时延；基于对应子任务的计算资源和所述候选路边单元的供给计算资源比例，任务车辆计算将对应子任务卸载到候选路边单元的计算时延。

子任务j从任务车辆卸载到边缘服务器的计算时延的计算公式可以为：

其中，c

基于上述传输时延和计算时延，任务车辆k在时隙i时的任务卸载时延的计算公式可以为：

在步骤S104中，以最小化平均卸载时延为目标，任务车辆将多个子任务卸载到目标服务车辆和/或目标路边单元。

在本实施例中，以最小化平均任务卸载时延为目标，对车辆任务进行任务卸载策略的卸载。基于任务车辆接收的任务卸载策略，任务车辆将多个子任务卸载到目标服务车辆和目标路边单元，或者卸载到目标服务车辆，或者卸载到目标路边单元。其中，目标服务车辆选自候选服务车辆，目标路边单元选自候选路边单元。

具体的，任务车辆接收的任务卸载策略包括目标服务车辆和目标路边单元的选取、任务比例的划分和资源分配比例的优化。

在进行任务卸载时，优化问题和约束条件的具体约束公式可以为：

s.t.C1:

C2:0＜f

C3:

C4:u

C5:

其中，约束C1为限制任务划分比例的约束，划分后的子任务能够等于整个计算任务，从而保证卸载任务的完整性；约束C2为可用计算资源分配比例的约束，可用计算资源的分配不能超过任务车辆和边缘服务器的总和；约束C3是可用计算资源分配的约束，能够保证边缘服务器分配给其他车辆的计算资源不超过其最大计算资源；C4为车辆与边缘服务器之间的关联模式；约束C5为子任务分配的约束，能够保证每个子任务不被分配到多个边缘服务器上。

在本发明的另一个方面中，将任务卸载建模为马尔可夫决策过程(MDP)，马尔可夫问题的基本元素包括状态S，智能体的观察值O(i)＝{O

对于状态元素，在VEC系统中，时隙i开始时，每个任务车辆k∈K观察其状态信息，包括其候选边缘服务器的位置、剩余计算资源以及车辆产生的任务信息，任务车辆k在时隙i的局部观察可以表述为：

其中，

对于动作元素，任务车辆根据当前状态及任务卸载策略，从其动作空间中选择一个动作执行，动作中包括边缘服务器选择、任务卸载比例和资源分配比例，每个时隙车辆的动作A

其中，f

对于奖励元素，智能体根据策略选择一个动作，相应地获得对应的奖励，奖励是智能体从环境获得的反馈信息，衡量本次行动的好坏。优化的目标是最小化系统的平均任务卸载时延，可以将奖励函数设置为：

基于获得的奖励，每个智能体更新其策略以逐渐到达一个最优策略。

具体的，在任务卸载环境中存在K个智能体，其中每个智能体都可以基于DDPG算法实现。车辆在任务卸载环境中执行动作并获得奖励，将系统状态O(i)、动作A(i)、奖励R(i)以及下一个状态O(i+1)放入经验回放缓冲区用于之后的学习。

其中，MADDPG采用了集中训练，分散执行的方式。在集中训练阶段，对于每个智能体，actor网络根据当前状态O

在训练阶段，为了获得更准确的Q值，智能体之间可以共享信息，即车辆可以了解其他车辆的状态及决策，此时对每个智能体来说环境是相对静止的。

在分散执行阶段，智能体则不需要知道其他智能体的信息就可以做出动作，即车辆在不知道其他车辆卸载决策的情况下，只需要根据车辆本身的局部观察，可以能做出任务卸载决策，从而有效地应对任务卸载环境的动态性和不稳定性。

根据本发明实施方式的联合任务卸载的方法，其通过基于服务车辆和路边单元到任务车辆的位置、连接时间及其可用计算资源，选取候选服务车辆和候选路边单元，能够有效地发掘服务车辆潜在的服务性能；基于最小化平均时延的目标进行子任务卸载，能够有效地降低车辆边缘计算系统的任务卸载时延；联合服务车辆和路边单元两种卸载模式，任务车辆可以灵活选择一个或两个卸载模式进行任务卸载，能够有效地提升车辆边缘计算系统中的资源利用率和任务卸载的可靠性，降低任务卸载时延。

如图4所示，绍根据本发明具体实施方式的联合任务卸载的装置。

在本发明的实施方式中，联合任务卸载的装置包括划分模块401、选取模块402、计算模块403和卸载模块404。

划分模块401，用于任务车辆将生成的任务划分为多个子任务。

选取模块402，用于所述任务车辆基于其通信范围内服务车辆和路边单元的性能，确定候选服务车辆和候选路边单元，其中所述服务车辆和路边单元的性能与所述服务车辆和路边单元到任务车辆的距离、连接时间，以及所述服务车辆和路边单元的可用计算资源关联。

计算模块403，用于所述任务车辆计算所述多个子任务卸载到所述候选服务车辆和候选路边单元的卸载时延。

卸载模块404，用于以最小化平均卸载时延为目标，所述任务车辆将所述多个子任务卸载到目标服务车辆和/或目标路边单元，其中所述目标服务车辆选自所述候选服务车辆，所述目标路边单元选自所述候选路边单元。

选取模块402还用于：所述任务车辆向其通信范围内的服务车辆和路边单元发送卸载请求，其中所述卸载请求包括所述多个子任务的信息、任务车辆ID、任务车辆位置；所述任务车辆接收所述服务车辆和路边单元返回的响应信息，其中所述响应信息包括所述服务车辆和路边单元的ID、位置和可用计算资源信息。

选取模块402还用于：基于所述任务车辆与其通信范围内服务车辆的车辆位置、行驶方向、行驶速度，所述任务车辆计算与所述服务车辆的间隔距离和连接时间；基于所述任务车辆的车辆位置、行驶方向、行驶速度以及其通信范围内路边单元的位置，所述任务车辆计算与所述路边单元的间隔距离和连接时间；基于与所述服务车辆和路边单元的间隔距离、连接时间以及所述服务车辆和路边单元的可用计算资源，所述任务车辆分别计算所述服务车辆和路边单元的性能值；所述任务车辆选取所述性能值较高的服务车辆作为所述候选服务车辆，选取所述性能值最高的一个路边单元为所述候选路边单元。

选取模块402还用于：基于所述任务车辆与服务车辆的间隔距离、连接时间及所述服务车辆的可用资源的权重比例，所述任务车辆计算所述服务车辆的性能值；基于所述任务车辆与路边单元的间隔距离、连接时间及所述路边单元的可用资源的权重比例，所述任务车辆计算所述路边单元的性能值。

计算模块403还用于：所述卸载时延包括传输时延、计算时延和结果返回时延；基于所述任务车辆到所述候选服务车辆的传输速率以及对应子任务的数据大小，所述任务车辆计算将对应子任务卸载到所述候选服务车辆的传输时延；和/或，基于所述任务车辆到所述候选路边单元的传输速率以及对应子任务的数据大小，所述任务车辆计算将对应子任务卸载到所述候选路边单元的传输时延。

计算模块403还用于：基于对应子任务的计算资源和所述候选服务车辆的供给计算资源比例，所述任务车辆计算将对应子任务卸载到所述候选服务车辆的传输时延的计算时延；和/或，基于对应子任务的计算资源和所述候选路边单元的供给计算资源比例，所述任务车辆计算将对应子任务卸载到所述候选路边单元的传输时延的计算时延。

卸载模块404还用于：基于所述任务车辆接收的任务卸载策略，所述任务车辆将所述多个子任务卸载到目标服务车辆和/或目标路边单元，其中所述任务卸载策略包括所述目标服务车辆和目标路边单元的选取、任务比例的划分和资源分配比例的优化。

图5示出了根据本说明书的实施例的用于联合任务卸载的计算设备50的硬件结构图。如图5所示，计算设备50可以包括至少一个处理器501、存储器502(例如非易失性存储器)、内存503和通信接口504，并且至少一个处理器501、存储器502、内存503和通信接口504经由总线505连接在一起。至少一个处理器501执行在存储器502中存储或编码的至少一个计算机可读指令。

应该理解，在存储器502中存储的计算机可执行指令当执行时使得至少一个处理器501进行本说明书的各个实施例中以上结合图1-5描述的各种操作和功能。

在本说明书的实施例中，计算设备50可以包括但不限于：个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动计算设备、智能电话、平板计算机、蜂窝电话、个人数字助理(PDA)、手持装置、消息收发设备、可佩戴计算设备、消费电子设备等等。

根据一个实施例，提供了一种比如机器可读介质的程序产品。机器可读介质可以具有指令(即，上述以软件形式实现的元素)，该指令当被机器执行时，使得机器执行本说明书的各个实施例中以上结合图1-5描述的各种操作和功能。具体地，可以提供配有可读存储介质的系统或者装置，在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。

根据本发明实施方式的联合任务卸载的方法，其通过基于服务车辆和路边单元到任务车辆的位置、连接时间及其可用计算资源，选取候选服务车辆和候选路边单元，能够有效地发掘服务车辆潜在的服务性能；基于最小化平均时延的目标进行子任务卸载，能够有效地降低车辆边缘计算系统的任务卸载时延；联合服务车辆和路边单元两种卸载模式，任务车辆可以灵活选择一个或两个卸载模式进行任务卸载，能够有效地提升车辆边缘计算系统中的资源利用率和任务卸载的可靠性，降低任务卸载时延。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。