一种数据线路的优化方法、装置和网络节点

技术领域

本发明涉及通信技术领域，特别涉及一种数据线路的优化方法、装置和网络节点。

背景技术

多接入边缘计算(Multi-Access Edge Computing,MEC)是指在靠近应用端或数据源的一侧，集网络、计算、存储、应用于一体的开放平台，提供最近端服务。2016年，欧洲航天技术研究所(European Space Technology Institute，ESTI)将MEC的概念扩展为多接入边缘计算，将边缘计算从蜂窝网络延伸至其他接入方式。边缘计算可以提供更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。

现有的关于MEC的技术主要分为三类：一是重点设计了MEC数据分流方法，该技术将人工智能的算法原理(包括规则匹配、神经网络、聚类等)引入，对不同类型的请求消息进行分流处理，提高边缘UPF对数据的处理能力，降低数据传输时延，提高网络服务效率；二是重点介绍了MEC+5G技术在不同行业的应用，如车联网、物联网、数字化工业和智慧城市等，根据其超强移动宽带、海量机器类通信以及超可靠低时延等特点，因“地”制宜的形成分流+业务的一体化服务；三是重点剖析了MEC中的网络模型，进行网络优化，最小化信息资源配置成本。

但是，目前的MEC部署方案没有考虑如何及时追踪MEC节点中的原子能力的活跃度，导致不能实现原子能力之间的协同管理。

发明内容

本发明实施例提供一种数据线路的优化方法、装置和网络节点，用以解决现有技术中，不能及时追踪MEC节点中的原子能力的活跃度的问题。

为了解决上述技术问题，本发明实施例提供如下技术方案：

本发明实施例提供一种数据线路的优化方法，包括：

根据多个原子能力，确定数据线路；所述数据线路是由多个能力原子建立通信连接形成的；

根据心跳机制，确定所述数据线路的通信状态；所述通信状态包括通信正常和通信异常；

根据所述通信线路的通信状态和非线性优化模型，对所述数据线路对应的心跳机制进行优化；

其中，所述非线性优化模型按照预设优化方式对所述数据线路对应的心跳机制进行优化。

可选地，所述预设优化方式包括：

对通信正常的数据线路的初始心跳间隔增加第一预设间隔；

对通信异常的数据线路的初始权重值减小第一阈值，以使通信异常的数据线路的初始心跳间隔减小第二预设间隔。

可选地，根据多个原子能力，确定数据线路之前，所述方法还包括：

基于车联网应用数据，确定多个原子能力；所述多个原子能力包括：数据融合原子能力、车载单元OBU数据解析原子能力、摄像头识别算法能力、雷达数据解析能力、数据通信原子能力。

可选地，所述方法还包括：

针对所述数据线路对应的多接入边缘计算节点的应用场景，调用对应的原子能力。

可选地，所述方法还包括：

根据所述数据线路对应的数据源、所述数据源的权重值、所述数据源的预设评价指标以及所述数据线路的心跳间隔，构建所述非线性优化模型；

其中，所述数据线路对应的数据源的权重值之和为1；

所述数据源的权重值和所述数据线路的心跳间隔呈正比例。

可选地，根据所述通信线路的通信状态和非线性优化模型，对所述数据线路对应的心跳机制进行优化之前，所述方法还包括：

在每条数据线路上设置初始心跳间隔；

确定在所述初始心跳间隔内接收到反馈信息的数据线路为所述通信正常的数据线路；

确定在所述初始心跳间隔内未接收到反馈信息的数据线路为所述通信异常的数据线路。

可选地，所述非线性优化模型按照预设优化方式对所述数据线路对应的心跳机制进行优化之后，所述方法还包括：

将增加第一预设间隔的通信正常的数据线路的心跳间隔，以及，减小第一阈值的通信异常的数据线路的权重值输入至所述非线性优化模型进行下一轮计算。

可选地，将减小第一阈值的通信异常的数据线路的权重值输入至所述非线性优化模型进行下一轮计算，包括：

在所述数据线路对应的多接入边缘计算节点的中央处理器CPU的利用率大于第一预设利用率时，将所述通信异常的数据线路的初始心跳间隔输入至所述非线性优化模型进行下一轮计算。

可选地，针对所述数据线路对应的多接入边缘计算节点的应用场景，调用对应的原子能力，包括：

在所述数据线路对应的多接入边缘计算节点应用于时延要求小于第一时长，准确率值要求大于第二阈值，且召回率值大于第三阈值的应用场景，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力；

在所述数据线路对应的多接入边缘计算节点应用于时延要求大于或等于第一时长，准确率值要求小于或等于第二阈值，召回率值小于或等于第三阈值的应用场景，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力和/或数据融合原子能力；

在所述数据线路对应的多接入边缘计算节点应用于与其他的多接入边缘计算节点连接的情况下，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力和数据融合原子能力；

其中，所述第一原子能力包括车载单元OBU数据解析原子能力、摄像头识别算法能力、雷达数据解析能力、数据通信原子能力中的至少之一。

可选地，针对所述数据线路对应的多接入边缘计算节点的应用场景，调用对应的原子能力之前，所述方法还包括：

根据决策树分类模型，确定所述数据线路对应的多接入边缘计算节点的应用场景。

本发明实施例还提供一种数据线路的优化装置，包括：

第一确定模块，用于根据多个原子能力，确定数据线路；所述数据线路是由多个能力原子建立通信连接形成的；

第二确定模块，用于根据心跳机制，确定所述数据线路的通信状态；所述通信状态包括通信正常和通信异常；

优化模块，用于根据所述通信线路的通信状态和非线性优化模型，对所述数据线路对应的心跳机制进行优化；

其中，所述非线性优化模型按照预设优化方式对所述数据线路对应的心跳机制进行优化。

可选地，所述预设优化方式包括：

对通信正常的数据线路的初始心跳间隔增加第一预设间隔；

对通信异常的数据线路的初始权重值减小第一阈值，以使通信异常的数据线路的初始心跳间隔减小第二预设间隔。

可选地，所述装置还包括：

第三确定模块，用于基于车联网应用数据，确定多个原子能力；所述多个原子能力包括：数据融合原子能力、车载单元OBU数据解析原子能力、摄像头识别算法能力、雷达数据解析能力、数据通信原子能力。

可选地，所述装置还包括：

调用模块，用于针对所述数据线路对应的多接入边缘计算节点的应用场景，调用对应的原子能力。

可选地，所述装置还包括：

建立模块，用于根据所述数据线路对应的数据源、所述数据源的权重值、所述数据源的预设评价指标以及所述数据线路的心跳间隔，构建所述非线性优化模型；

其中，所述数据线路对应的数据源的权重值之和为1；

所述数据源的权重值和所述数据线路的心跳间隔呈正比例。

可选地，所述装置还包括：

设置模块，用于在每条数据线路上设置初始心跳间隔；

第四确定模块，用于确定在所述初始心跳间隔内接收到反馈信息的数据线路为所述通信正常的数据线路；

第五确定模块，用于确定在所述初始心跳间隔内未接收到反馈信息的数据线路为所述通信异常的数据线路。

可选地，所述装置还包括：

处理模块，用于将增加第一预设间隔的通信正常的数据线路的心跳间隔，以及，减小第一阈值的通信异常的数据线路的权重值输入至所述非线性优化模型进行下一轮计算。

可选地，所述处理模块，包括：

处理单元，用于在所述数据线路对应的多接入边缘计算节点的中央处理器CPU的利用率大于第一预设利用率时，将所述通信异常的数据线路的初始心跳间隔输入至所述非线性优化模型进行下一轮计算。

可选地，所述调用模块，包括：

第一调用单元，用于在所述数据线路对应的多接入边缘计算节点应用于时延要求小于第一时长，准确率值要求大于第二阈值，且召回率值大于第三阈值的应用场景，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力；

第二调用单元，用于在所述数据线路对应的多接入边缘计算节点应用于时延要求大于或等于第一时长，准确率值要求小于或等于第二阈值，召回率值小于或等于第三阈值的应用场景，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力和/或数据融合原子能力；

第三调用单元，用于在所述数据线路对应的多接入边缘计算节点应用于与其他的多接入边缘计算节点连接的情况下，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力和数据融合原子能力；

其中，所述第一原子能力包括车载单元OBU数据解析原子能力、摄像头识别算法能力、雷达数据解析能力、数据通信原子能力中的至少之一。

可选地，所述装置还包括：

第六确定模块，用于根据决策树分类模型，确定所述数据线路对应的多接入边缘计算节点的应用场景。

本发明实施例还提供一种网络节点，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如上中任一项所述的数据线路的优化方法。

本发明实施例还提供一种可读存储介质，所述可读存储介质上存储有程序，所述程序被处理器执行时实现如上中任一项所述的数据线路的优化方法。

本发明的有益效果是：

本发明方案，在多个原子能力之间的数据线路上配置心跳机制，根据心跳机制，确定数据线路的通信状态，并且根据通信线路的通信状态和非线性优化模型，对数据线路对应的心跳机制进行优化，可以实现及时追踪MEC节点中的原子能力之间的活跃度，也就是及时发现原子能力之间是否能进行正常通信，以及，及时发现异常通信的原子能力之间的何时恢复正常通信，进而实现原子能力之间的协同管理。

附图说明

图1表示本发明实施例提供的数据线路的优化方法的流程图；

图2表示本发明实施例提供的MEC节点的架构示意图；

图3表示本发明实施例提供的数据线路上的心跳机制的具体优化过程；

图4表示本发明实施例提供的决策树分类模型的结构示意图；

图5表示本发明实施例提供的数据线路的优化装置的结构示意图；

图6表示本发明实施例提供的网络节点的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。

本发明针对现有技术中，不能及时追踪MEC节点中的原子能力的活跃度的问题，提供一种数据线路的优化方法、装置和网络节点。

首先对一些概念进行说明。

心跳机制

在通信网络中，各个节点之间需要相互判断“存活状态”以确保相互之间的正常通信，这个相互判断“存活状态”的机制就是心跳机制。它像心跳一样每隔一段时间发一次，首先由节点A向另一个网络节点B发送心跳包，当节点B收到节点A发出的心跳包便能知道节点A还正常存在，随时可以通信。节点B收到心跳包后，返回一个相应的心跳包给节点A，当节点A收到回复的心跳包，那么节点A也可以确定节点B当前是“存活”的，网络通信正常。

车辆对外界的信息交换(Vehicle to everything，V2X)通信技术标准

V2X是指通过装载在车辆上的传感设备、车载终端及电子标签来提供车辆数据信息，利用先进的通信技术获取到车辆周围的环境信息，进而对车辆进行管控和提供服务。具体来说，V2X包括的通信场景主要有车辆间通信(Vehicle to Vehicle，V2V)、车辆与路边基础设施通信(Vehicle to Infrastructure，V2I)、车辆与行人通信(Vehicle to Person，V2P)和车辆与网络通信(Vehicle to Network,V2N)等。

目前V2X通信技术标准，主要有短程通信(Dedicated Short RangeCommunication，DSRC)技术和基于蜂窝移动通信系统的车辆对外界的信息交换(CellularVehicle to Everything，C-V2X)，其中，C-V2X包括长期演进的车辆对外界的信息交换(Long Term Evolution-Vehicle to Everything，LTE-V2X)技术和第五代新空口车辆对外界的信息交换(5G New Radio-Vehicle to Everything，5G NR-V2X)技术。LTE-V2X作为面向车路协同的通信综合解决方案，能够在高速移动环境中提供低时延、高可靠、高速率的通信能力，满足车联网多种应用的需求。

如图1所示，本发明实施例提供一种数据线路的优化方法，其特征在于，包括：

步骤101：根据多个原子能力，确定数据线路；所述数据线路是由多个能力原子建立通信连接形成的。

需要说明的是，如图2所示，本发明实施例提供一种MEC节点，该MEC节点是基于多源交通数据部署的，该MEC节点包括I层，用于接入车联网的各种应用，比如交通事件预警、导航路线适时调整、车辆信息预警等，II层，包括数据融合原子能力，III层包括车载单元(On board Unit，OBU)数据解析原子能力、摄像头识别算法原子能力、雷达数据解析原子能力和数据通信原子能力。

Ⅰ层+Ⅱ层+Ⅲ层构成汇聚层MEC服务器的主要内容，Ⅰ增是大部分接入层服务器的能力形成，当然也有可能存在Ⅰ层+Ⅱ层的接入层MEC服务器能力，是否在此层进行融合主要看资源配置和业务需求，原子能力的部署和拆离都比较灵活。N+接入边缘云的组合、接入层MEC边缘云+汇聚型MEC边缘云的组合，均可以通过集群实现统一管理。

请继续参阅图2，在原子能力之间建立连接，形成多条数据线路。

步骤102：根据心跳机制，确定所述数据线路的通信状态；所述通信状态包括通信正常和通信异常。

在本发明实施例中，在每条数据线路上配置心跳机制，根据心跳机制，若一个原子能力A能够向另一个原子能力B发送心跳包，在原子能力B接收到心跳包后，返回一个相应的心跳包给原子能力A，则确定原子能力A和原子能力B之间能够进行正常通信，否则，原子能力A和原子能力B之间的数据线路通信异常。

步骤103：根据所述通信线路的通信状态和非线性优化模型，对所述数据线路对应的心跳机制进行优化；

其中，所述非线性优化模型按照预设优化方式对所述数据线路对应的心跳机制进行优化。

在本发明实施例中，根据数据线路的通信状态，通过构建的非线性优化模型，对数据线路上的心跳机制进行优化，可以实现及时追踪MEC节点中的原子能力之间的活跃度，也就是及时发现原子能力之间是否能进行正常通信，以及，及时发现异常通信的原子能力之间的何时恢复正常通信，进而实现原子能力之间的协同管理。

可选地，所述预设优化方式包括：

对通信正常的数据线路的初始心跳间隔增加第一预设间隔；

对通信异常的数据线路的初始权重值减小第一阈值，以使通信异常的数据线路的初始心跳间隔减小第二预设间隔。

在本发明实施例中，对于通信正常的数据线路，将原始心跳间隔增加第一预设间隔，可以尽可能的降低资源消耗，对于通信异常的数据线路的初始权重值减小第一阈值，以使通信异常的数据线路的初始心跳间隔减小第二预设间隔，可以实现及时追踪原子的活跃度，也就是在数据线路通信异常时，减小心跳间隔，便于发现通信异常的数据线路，以及在及时发现异常通信的数据线路的原子能力之间的何时恢复正常通信。

可选地，根据多个原子能力，确定数据线路之前，所述方法还包括：

基于车联网应用数据，确定多个原子能力；所述多个原子能力包括：数据融合原子能力、车载单元OBU数据解析原子能力、摄像头识别算法能力、雷达数据解析能力、数据通信原子能力。

本发明实施例以多源交通数据为背景，引入“车路协同”概念，更具有应用前景。

在本发明实施例中，基于LTE-V2X通信技术标准的多源交通数据(车联网应用数据)，确定多个原子能力。

基于车联网背景，各数据源的独特性对应特定的原子能力，在MEC服务器中的原子能力相互独立，因此可以形成了可复用、可迁移的原子能力，分别为：数据通信原子能力、OBU数据解析原子能力、摄像头识别算法原子能力、雷达数据解析原子能力、数据融合原子能力，各原子能力相互独立，降低耦合，更能弥补单线源头数据不可用导致服务宕机的缺陷。在不同的业务场景和资源配备下，组建更加灵活和高效的MEC管理系统。

具体说明各原子能力的作用：

数据通信原子能力：在第五代移动通信技术(5th Generation MobileCommunication Technology，5G)用户面功能(User Plane Function，UPF)设备的基础上，定义应用较广泛的数据传输协议，如消息队列遥测传输协议(Message Queuing TelemetryTransport，MQTT)，MQTT协议适用于低带宽、网络状态不可靠的环境，尤其适用于移动的车载设备，即OBU数据的接入；高级消息队列协议(Advanced Message Queuing Protocol，AMQP)则更加可靠，适应更加复杂的通信模型，区别于简单的发布-订阅模型，RabbitMQ和HornetQ都是实现该协议的流行中间件。具体实现方式是在MEC节点上以容器的方式部署MQTT和RabbitMQ中间件，映射不同的通信端口，使得通信渠道相互独立，互不干扰。

OBU数据解析原子能力：通过ASN.1编译器，解析构建基于LTE-V2X通信技术标准的结构化数据。目前ASN.1编译器支持C、C++和Java三种语言。具体实现方式为安装ASN.1插件，创建车端数据解析协议的对应的抽象模型，并利用ASN(C/C++/Java)编译器生成对应语言的模型文件，并依据该类进行编解码工作，输出基于LTE-V2X通信技术标准的结构化数据。

摄像头识别算法原子能力：通过订阅实时流传输协议(Real Time StreamingProtocol，RTSP)视频流等格式的交通视频，实现交通元素的结构化输出。首先采用目标检测技术快速准确定位到车辆；然后在定位车辆的基础上充分挖掘车辆的视觉特征，实现对车辆固有属性的识别，生成关于车辆的结构化标签(类别、车牌、大小等)；最后在结构化标签的基础上，进一步结合检索技术和重识别技术，实现特定车辆在海量视频数据中的检索定位和重识别。

雷达数据解析原子能力：通过雷达厂家内置的算法，基于原始点云的深度学习算法(如YOLO算法)对雷达感知的交通参与者进行检测，输出相应的感知结构化数据。YOLO将物体检测作为回归问题求解，输入图像经过一次inference，便能得到图像中所有物体的位置和其所属类别及相应的置信概率，完成从原始图像的输入到物体位置和类别的输出。

数据融合原子能力：主要采取高阶张量以捕捉异构数据的高维特征，实现多源异构数据的融合输出。首先对其时间戳获取多种来源的结构化数据，定义为M种异构数据，设计对应的特征提取模块F，特征融合模块为I，特征决策矩阵为C，分别获取相应的子网络

需要说明的是，上述的各原子能力之间独立存在，可以实现在各原子能力之间建立心跳通信和实现个原子能力的灵活组合。

可选地，所述方法还包括：

针对所述数据线路对应的多接入边缘计算节点的应用场景，调用对应的原子能力。

在本发明实施例中，MEC节点上的多个原子能力基于数据线路上的心跳机制进行组合部署，可以实现原子能力之间的灵活组合，适配更多的业务场景，也就是针对不同的应用场景，调用对应的原子能力。

可选地，所述方法还包括：

根据所述数据线路对应的数据源、所述数据源的权重值、所述数据源的预设评价指标以及所述数据线路的心跳间隔，构建所述非线性优化模型；

其中，所述数据线路对应的数据源的权重值之和为1；

所述数据源的权重值和所述数据线路的心跳间隔呈正比例。

在本发明实施例中，在多原子能力的基础上，融合结果的有效性和准确性依赖于多源数据的稳定高效传输，本发明实施例通过构建非线性优化模型进行回归计算，回归的目的是为了最大化融合数据的评价指标，实现最终融合数据质量的最优解。

具体的，构建的非线性优化模型为：

其中，i表示数据线路的数据源，1≤i≤N，w

本实施例综合使用了回归和的算法，则采用准确率、召回率、平均绝对方差、覆盖率等参与最终结果的评审。在非线性优化模型中设置两个约束条件，约束条件(1)为数据源权重和为1，可以实现权重重心偏移；约束条件(2)代表权重值与心跳间隔呈正比趋势，权重值越大，则代表该数据源通信正常，形成正反馈，可增大心跳间隔，权重越小，则代表该数据源通信异常，形成负反馈，减小心跳间隔，以更早发现该数据源的恢复结果。

可选地，根据所述通信线路的通信状态和非线性优化模型，对所述数据线路对应的心跳机制进行优化之前，所述方法还包括：

在每条数据线路上设置初始心跳间隔；

确定在所述初始心跳间隔内接收到反馈信息的数据线路为所述通信正常的数据线路；

确定在所述初始心跳间隔内未接收到反馈信息的数据线路为所述通信异常的数据线路。

在本发明实施例中，为了使各原子能力之间保持正常的通信状态，假设一共有N条数据线路，每条数据线路上的数据源i(1≤i≤N)，在每条数据线路的输出端建立心跳机制，首先在每条数据线路上输入原始心跳间隔heartbeat(如10ms)，即每个10ms对下一个接收点的原子能力发送连接请求，收到“连接成功”的反馈即为正常通信，在10ms内一直收不到反馈，则为连接超时，判断为通信异常。

对应地，假设保持正常通信的数据线路有n条，也就是有n条线路产生反馈，则动态增加心跳间隔，且不能影响线路的正常通信，也就是，将对通信正常的数据线路的初始心跳间隔增加第一预设间隔。假设通信异常的数据线路有m条，也就是有m条线路未产生反馈，则适当降低通信异常的数据线路的权重值，将大权重向其他存活数据源(通信正常的数据线路)偏移，也就是通信异常的数据线路的初始权重值减小第一阈值，以使通信异常的数据线路的初始心跳间隔减小第二预设间隔。

可选地，所述非线性优化模型按照预设优化方式对所述数据线路对应的心跳机制进行优化之后，所述方法还包括：

将增加第一预设间隔的通信正常的数据线路的心跳间隔，以及，减小第一阈值的通信异常的数据线路的权重值输入至所述非线性优化模型进行下一轮计算。

在本发明实施例中，在通过非线性优化模型对数据线路进行优化后，保留每轮的优化结果，对于通信异常的数据源，对上一轮的权重结果

可选地，将减小第一阈值的通信异常的数据线路的权重值输入至所述非线性优化模型进行下一轮计算，包括：

在所述数据线路对应的多接入边缘计算节点的中央处理器CPU的利用率大于第一预设利用率时，将所述通信异常的数据线路的初始心跳间隔输入至所述非线性优化模型进行下一轮计算。

需要说明的是，在减小心跳间隔的同时，设置了服务器资源利用率的阈值，如服务器的CPU利用率达到第一预设利用率(如90％)以上，则必须增大心跳间隔，防止服务器崩溃现象。

也就是，对于达到服务器资源利用率达到第一预设利用率的某线路，也是保留上一轮的heartbeat，作为输入参数参与下一轮的回归计算。

还需要说明的是，在全部数据线路上的数据源失活的情况下，采取数据应急方案，暂时维持第一预设时长的数据活性。

该数据应急方案主要在数据融合原子中开启，主要依赖的由前期稳定输出的多数据融合结果而不断优化的预测模型，可采用目前比较流行的RNN_LSTM模型。

下面结合图3，具体说明，利用非线性优化模型优化数据线路上的心跳机制的过程。

在每条数据线路上设置初始心跳间隔，每条数据线路上设置的初始心跳间隔的值相同，依据原子能力所处的服务资源利用率调整心跳间隔，比如，在原子能力所处的服务资源利用率(CPU利用率)大于第一预设利用率的情况下，增大心跳间隔，判断数据线路n上数据源的心跳反馈机制是否正常，在数据线路通信正常的情况，产生正反馈，适当加大心跳间隔，在通信异常(反馈异常)的情况下，判断是否满足n>1且n

可选地，针对所述数据线路对应的多接入边缘计算节点的应用场景，调用对应的原子能力，包括：

在所述数据线路对应的多接入边缘计算节点应用于时延要求小于第一时长，准确率值要求大于第二阈值，且召回率值大于第三阈值的应用场景，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力；

在所述数据线路对应的多接入边缘计算节点应用于时延要求大于或等于第一时长，准确率值要求小于或等于第二阈值，召回率值小于或等于第三阈值的应用场景，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力和/或数据融合原子能力；

在所述数据线路对应的多接入边缘计算节点应用于与其他的多接入边缘计算节点连接的情况下，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力和数据融合原子能力；

其中，所述第一原子能力包括车载单元OBU数据解析原子能力、摄像头识别算法能力、雷达数据解析能力、数据通信原子能力中的至少之一。

需要说明的是，最常见的MEC节点部署，就是在基站上关联一个通用x86服务器，用来就近处理基站内需要处理的紧急、且大量的处理任务。还是以无人车为例，车端摄像头拍摄的视频信号被基站接受后，会在MEC服务器中直接处理，并根据规则对驾驶情况作出调整，而远端服务器则执行远程驾驶，规则更新一类的工作。

本发明实施例提供的MEC节点部署方案则是主要面向区域化的覆盖，在以上多源交通数据(车联网应用数据)的背景下，依据v2x协议，接入层MEC服务器、本地层MEC服务器和汇聚层MEC服务器形成区域全覆盖的无线通信网络。

针对MEC节点部署的应用场景，调用对应的原子能力的场景主要包括以下三种：

对于时延要求小于第一时长，准确率值要求大于第二阈值，且召回率值大于第三阈值的应用场景，也就是时延和可靠性要求较高的业务，需要就近处理紧急、且大量的处理任务，调取部署在本地层或接入层MEC(调用车载单元OBU数据解析原子能力、摄像头识别算法能力、雷达数据解析能力、数据通信原子能力中的至少之一)的应用程序接口(Application Programming Interface，API)完成感知、计算。例如，在车辆在经过有信号控制的交叉口(车道)，遇信号灯将变红或正处在红灯状态，但车辆未能停止在停止线内而继续前行的应用场景下，路侧感知设备检测到车辆存在不按信号规定或指示行驶风险，可以对所在车辆发出预警，同时警告其他车辆防止相撞。

对于时延要求大于或等于第一时长，准确率值要求小于或等于第二阈值，召回率值小于或等于第三阈值的应用场景，也就是时延和可靠性要求不高的业务，路由管理会调取部署在汇聚层MEC(也就是调用车载单元OBU数据解析原子能力、摄像头识别算法能力、雷达数据解析能力、数据通信原子能力中的至少之一和/或数据融合原子能力)的相应的API完成服务流程。例如，在当联网车辆订阅了十字路口碰撞预警服务的场景下，会接收到MEC通过RSU广播的十字路口交通参与者全部信息；联网车辆在接收到该广播信息后，结合自身车辆位置和状态信息进行决策控制。如车流量信息订阅播报，汇聚层MEC会调取历史视频数据文件，以每天的同一时段(如每天下午17：30-18：00)+同一路段为筛选关键字，即约束条件(WHERE time between**and***AND location like“％XX路口％”)，采用多目标检测+多目标跟踪算法统计该约束条件下的车流量，在超过某个阈值的情况下(count(*)>number)播报拥堵提醒，建议订阅者合理安排路线，同时也会根据不同的车型进行统计(group bytype)，如卡车数量超过一定的阈值(count(truck)>number)，则会播报该路段为多卡车经过地带，提醒订阅者谨慎驾驶。

对于MEC节点应用于与其他的多接入边缘计算节点连接，也就是大规模多MEC节点部署的方案中，为了实现车联网业务的实时响应，本发明实施例通过“协同管理边缘云”(通过调用车载单元OBU数据解析原子能力、摄像头识别算法能力、雷达数据解析能力、数据通信原子能力中的至少之一和数据融合原子能力)实现区域全局调度优化，例如，在对交通管控大数据平台的支撑的应用场景下，不仅需要车端路段等多源原始数据，也要接入各MEC的计算和分析后的数据，以及核心云测的历史数据，能够为出行者提供更实时、更远端的动态交通信息，如沿线交通视频、拥堵情况提醒、主动避让信息、潮汐车道提示、道路施工提醒等，实现平台与个体间的实时信息交互及定向信息推送；同时也推动城市交通管控策略与算法由面向群体的集计分析建模向面向车辆的非集计分析建模的转变。

本发明实施例，依据交通业务需求，将MEC中的原子能力进行分类，实现组合部署，更加灵活，适配更多业务场景。

可选地，针对所述数据线路对应的多接入边缘计算节点的应用场景，调用对应的原子能力之前，所述方法还包括：

根据决策树分类模型，确定所述数据线路对应的多接入边缘计算节点的应用场景。

在本发明实施例中，根据决策树分类模型，确定MEC节点的应用场景，在确定应用场景时，主要考虑的参数有时延、准确率和召回率，采用如图4所示的决策树分类模型进行分类，并判断出最适宜的MEC部署模式(接入层MEC、汇聚层MEC)。并且，该模型还能扩展到更多的特征变量或者特征参数，以适应更多的业务需求。

本发明实施例，可以实现根据业务需求和资源配置，可以实现能力原子拆分和组合，并在不同的MEC节点服务方案中实现内嵌和处理。

本发明实施例，根据交通业务需求，作为决策树模型的特征参数輸入，实现MEC的原子能力自动化选择分类，实现组合部署，更加灵活，适配更多业务场景。

本发明实施例，针对多源交通数据的特性，在原子能力之间的数据线路上引入心跳机制，提出了基于(正负)反馈的自适应心跳机制，可以实现原子能力的可靠长连接，对于异常通信的线路，以融合后数据评价指标的最大化为目标，构建非线性优化模型，实现了大权重向其他存活源偏移的应急处理方案。

如图5所示，本发明实施例提供一种数据线路的优化装置，包括：

第一确定模块501，用于根据多个原子能力，确定数据线路；所述数据线路是由多个能力原子建立通信连接形成的；

第二确定模块502，用于根据心跳机制，确定所述数据线路的通信状态；所述通信状态包括通信正常和通信异常；

优化模块503，用于根据所述通信线路的通信状态和非线性优化模型，对所述数据线路对应的心跳机制进行优化；

其中，所述非线性优化模型按照预设优化方式对所述数据线路对应的心跳机制进行优化。

本发明实施例，在多个原子能力之间的数据线路上配置心跳机制，根据心跳机制，确定数据线路的通信状态，并且根据通信线路的通信状态和非线性优化模型，对数据线路对应的心跳机制进行优化，可以实现及时追踪MEC节点中的原子能力之间的活跃度，也就是及时发现原子能力之间是否能进行正常通信，以及，及时发现异常通信的原子能力之间的何时恢复正常通信，进而实现原子能力之间的协同管理。

可选地，所述预设优化方式包括：

对通信正常的数据线路的初始心跳间隔增加第一预设间隔；

对通信异常的数据线路的初始权重值减小第一阈值，以使通信异常的数据线路的初始心跳间隔减小第二预设间隔

可选地，所述装置还包括：

第三确定模块，用于基于车联网应用数据，确定多个原子能力；所述多个原子能力包括：数据融合原子能力、车载单元OBU数据解析原子能力、摄像头识别算法能力、雷达数据解析能力、数据通信原子能力。

可选地，所述装置还包括：

调用模块，用于针对所述数据线路对应的多接入边缘计算节点的应用场景，调用对应的原子能力。

可选地，所述装置还包括：

建立模块，用于根据所述数据线路对应的数据源、所述数据源的权重值、所述数据源的预设评价指标以及所述数据线路的心跳间隔，构建所述非线性优化模型；

其中，所述数据线路对应的数据源的权重值之和为1；

所述数据源的权重值和所述数据线路的心跳间隔呈正比例。

可选地，所述装置还包括：

设置模块，用于在每条数据线路上设置初始心跳间隔；

第四确定模块，用于确定在所述初始心跳间隔内接收到反馈信息的数据线路为所述通信正常的数据线路；

第五确定模块，用于确定在所述初始心跳间隔内未接收到反馈信息的数据线路为所述通信异常的数据线路。

可选地，所述装置还包括：

处理模块，用于将增加第一预设间隔的通信正常的数据线路的心跳间隔，以及，减小第一阈值的通信异常的数据线路的权重值输入至所述非线性优化模型进行下一轮计算。

可选地，所述处理模块，包括：

处理单元，用于在所述数据线路对应的多接入边缘计算节点的中央处理器CPU的利用率大于第一预设利用率时，将所述通信异常的数据线路的初始心跳间隔输入至所述非线性优化模型进行下一轮计算。

可选地，所述调用模块，包括：

第一调用单元，用于在所述数据线路对应的多接入边缘计算节点应用于时延要求小于第一时长，准确率值要求大于第二阈值，且召回率值大于第三阈值的应用场景，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力；

第二调用单元，用于在所述数据线路对应的多接入边缘计算节点应用于时延要求大于或等于第一时长，准确率值要求小于或等于第二阈值，召回率值小于或等于第三阈值的应用场景，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力和/或数据融合原子能力；

第三调用单元，用于在所述数据线路对应的多接入边缘计算节点应用于与其他的多接入边缘计算节点连接的情况下，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力和数据融合原子能力；

其中，所述第一原子能力包括车载单元OBU数据解析原子能力、摄像头识别算法能力、雷达数据解析能力、数据通信原子能力中的至少之一。

可选地，所述装置还包括：

第六确定模块，用于根据决策树分类模型，确定所述数据线路对应的多接入边缘计算节点的应用场景。

需要说明的是，本发明实施例提供的数据线路的优化装置是能够执行上述的数据线路的优化方法的装置，则上述的数据线路的优化方法的所有实施例均适用于该装置，且能够达到相同或者相似的技术效果。

如图6所示，本发明实施例还提供一种网络节点，包括处理器600、收发机610、存储器620及存储在所述存储器620上并可在所述处理器600上运行的程序；其中，收发机610通过总线接口与处理器600和存储器620连接，其中，所述处理器600针对读取存储器中的程序，执行下列过程：

根据多个原子能力，确定数据线路；所述数据线路是由多个能力原子建立通信连接形成的；

根据心跳机制，确定所述数据线路的通信状态；所述通信状态包括通信正常和通信异常；

根据所述通信线路的通信状态和非线性优化模型，对所述数据线路对应的心跳机制进行优化；

其中，所述非线性优化模型按照预设优化方式对所述数据线路对应的心跳机制进行优化。

可选地，所述预设优化方式包括：

对通信正常的数据线路的初始心跳间隔增加第一预设间隔；

对通信异常的数据线路的初始权重值减小第一阈值，以使通信异常的数据线路的初始心跳间隔减小第二预设间隔。

可选地，所述处理器600根据多个原子能力，确定数据线路之前，所述处理器600，还用于：

基于车联网应用数据，确定多个原子能力；所述多个原子能力包括：数据融合原子能力、车载单元OBU数据解析原子能力、摄像头识别算法能力、雷达数据解析能力、数据通信原子能力。

可选地，所述处理器600，还用于：

针对所述数据线路对应的多接入边缘计算节点的应用场景，调用对应的原子能力。

可选地，所述处理器600，还用于：

根据所述数据线路对应的数据源、所述数据源的权重值、所述数据源的预设评价指标以及所述数据线路的心跳间隔，构建所述非线性优化模型；

其中，所述数据线路对应的数据源的权重值之和为1；

所述数据源的权重值和所述数据线路的心跳间隔呈正比例。

可选地，所述处理器600根据所述通信线路的通信状态和非线性优化模型，对所述数据线路对应的心跳机制进行优化之前，所述处理器600，还用于：

在每条数据线路上设置初始心跳间隔；

确定在所述初始心跳间隔内接收到反馈信息的数据线路为所述通信正常的数据线路；

确定在所述初始心跳间隔内未接收到反馈信息的数据线路为所述通信异常的数据线路。

可选地，所述处理器600所述非线性优化模型按照预设优化方式对所述数据线路对应的心跳机制进行优化之后，所述处理器600，还用于：

将增加第一预设间隔的通信正常的数据线路的心跳间隔，以及，减小第一阈值的通信异常的数据线路的权重值输入至所述非线性优化模型进行下一轮计算。

可选地，所述处理器600，具体用于：

在所述通信异常的数据线路对应的原子能力的中央处理器CPU的利用率大于第一预设利用率时，将所述通信异常的数据线路的初始心跳间隔输入至所述非线性优化模型进行下一轮计算。

可选地，所述处理器600，具体用于：

在所述数据线路对应的多接入边缘计算节点应用于时延要求小于第一时长，准确率值要求大于第二阈值，且召回率值大于第三阈值的应用场景，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力；

在所述数据线路对应的多接入边缘计算节点应用于时延要求大于或等于第一时长，准确率值要求小于或等于第二阈值，召回率值小于或等于第三阈值的应用场景，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力和/或数据融合原子能力；

在所述数据线路对应的多接入边缘计算节点应用于与其他的多接入边缘计算节点连接的情况下，基于所述心跳反馈机制，调用所述原子能力中的第一原子能力和数据融合原子能力；

其中，所述第一原子能力包括车载单元OBU数据解析原子能力、摄像头识别算法能力、雷达数据解析能力、数据通信原子能力中的至少之一。

可选地，所述处理器600针对所述数据线路对应的多接入边缘计算节点的应用场景，调用对应的原子能力之前，所述处理器600，具体用于：

根据决策树分类模型，确定所述数据线路对应的多接入边缘计算节点的应用场景。

其中，在图6中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器600代表的一个或多个处理器和存储器620代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机610可以是多个元件，即包括发送机和接收机，提供针对在传输介质上与各种其他装置通信的单元，这些传输介质包括，这些传输介质包括无线信道、有线信道、光缆等传输介质。针对不同的用户设备，用户接口630还可以是能够外接内接需要设备的接口，连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。

处理器600负责管理总线架构和通常的处理，存储器620可以存储处理器M00在执行操作时所使用的数据。

可选的，处理器600可以是中央处理器(CPU)、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable GateArray，FPGA)或复杂可编程逻辑器件(Complex Programmable Logic Device，CPLD)，处理器也可以采用多核架构。

本发明实施例还提供一种可读存储介质，所述可读存储介质上存储有程序，所述程序被处理器执行时实现如上中任一项所述的数据线路的优化方法。

以上所述的是本发明的优选实施方式，应当指出对于本技术领域的普通人员来说，在不脱离本发明所述的原理前提下还可以作出若干改进和润饰，这些改进和润饰也在本发明的保护范围内。