6G车联网中改进的DBSCAN算法与多对多匹算法的任务卸载机制

技术领域

本发明涉及车联网技术领域，特别涉及6G车联网中改进的DBSCAN算法与多对多匹算法的任务卸载机制。

背景技术

随着车辆数量的不断增加以及智能网联汽车的发展，智能交通系统在6G网络的革命性发展下变得可行。为了满足车辆自动驾驶和车载娱乐的需求，车辆对服务的实时性和可靠性有很高的要求。将大量任务卸载到边缘服务器可能会导致许多任务的处理延迟很高。此外，高速移动的车辆给车联网带来了快速变化的拓扑结构。由于边缘服务器的覆盖范围有限，车辆可能会驶出服务器的覆盖范围，这将导致计算结果在服务器之间传递，增加通信延迟。

当涉及到车辆边缘计算和任务卸载时，已经进行了一些研究，但仍存在一些挑战和不足之处。车辆间的可靠通信和传输延迟是一个重要的问题，尤其是在车辆移动性较高或车辆密度较低的情况下。需要更好的通信机制和传输方案来确保可靠的数据传输。边缘设备的资源限制是一个限制因素，可能会影响复杂任务处理和大规模数据处理的能力。需要更高效的资源管理和利用策略，以提高边缘设备的计算和存储能力。利用停放的车辆作为计算资源的方法可能受限于停放车辆的可用性和覆盖范围。需要更好的车辆选择和分布策略，以充分利用停放车辆的计算能力。自适应任务卸载算法需要更好的收敛速度和探索-利用平衡，以找到最优的任务卸载策略。需要更多的研究来提高算法的性能和效率。在车辆之间的通信场景中，实时性和复杂性是挑战。需要更精确的车辆轨迹预测和通信协议设计，以满足车辆间通信的要求。综上所述，虽然已经取得了一些进展，但在车辆边缘计算和任务卸载领域仍然存在挑战。进一步的研究和改进将有助于提高系统的性能、可靠性和实用性。

发明内容

本发明目的就在于为了解决上述的问题，而提供6G车联网中改进的DBSCAN算法与多对多匹算法的任务卸载机制。

为实现上述目的，本发明采取的技术方案为：6G车联网中改进的DBSCAN算法与多对多匹算法的任务卸载机制，包括设计了一个改进的基于密度的空间应用噪声聚类算法，以涉及更多分散的车辆进行聚类，采用了一个多对多的匹配算法来配对车辆和辅助MEC服务器，还设计了基于多对多的匹配任务卸载机制来减少延迟并提高资源利用效率，其中，预设算法如下所述：

步骤1：首先通过改进的DBSCAN算法进行车辆聚类；

步骤2：根据得到的聚类结果对车辆进行编队；

步骤3：接着在编队内部根据提出的多对多匹配算法进行辅助MEC服务器与任务车辆的匹配；

步骤4：根据得到的匹配结果进行任务卸载与计算，未与辅助MEC服务器匹配的任务车辆直接将任务卸载到边缘服务器；

步骤5：服务器传回任务计算结果；

步骤6：在一个计算周期结束后重复步骤1-5。

进一步地，还提出了一种奖励机制，以激励车辆充当辅助MEC服务器，而不是拒绝提供服务。

进一步地，步骤1中改进的DBSCAN算法如下：

输入：

D：包含N个车辆对象的位置信息数据集

∈：半径参数

minpts：邻域的密度阈值

输出：

一组基于密度的聚类集合

步骤1:选择尚未被检查的点p，并将以点p为中心，以∈为半径范围内的点设置为U。

步骤2:如果|U|≥minpts，则执行以下步骤：

步骤3:建立一个新的聚类C，并将U中的所有点添加到候选集N中。

步骤4:重复上述步骤，直到

步骤5:重复上述步骤，直到所有点p都已被检查。

步骤6:对于噪声点M中的点q，执行以下步骤：

步骤7:如果d(q,C)

步骤8:将点q添加到聚类C中。

进一步地，步骤3中的多对多匹配算法如下：

输入：

S：辅助MEC服务器集合；

Ψ：辅助MEC服务器si的优先顺序；

Tsi：将被卸载到si的任务列表；

U：用户车辆集合；

Φui：用户车辆ui的优先顺序；

Tui：用户车辆ui的任务列表；

输出：

匹配结果

步骤1:对于每个用户u在用户集合U中执行以下步骤；

步骤2:对于用户车辆u中的每个任务t在任务列表Tui中执行以下步骤；

步骤3:将任务t应用于用户车辆ui的优先顺序Pui中的si；

步骤4:如果Tsi未满，则执行以下步骤；

步骤5:将任务t添加到Tsi中；

步骤6:否则，如果t的优先级t.level大于Tsi中的任何任务ti的优先级，则执行以下步骤；

步骤7:拒绝任务t，并从Pui中的下一个si开始提供服务；

步骤8:否则，执行以下步骤；

步骤9:拒绝Tsi中优先级最高的任务tj，其中tj.level是Tsi中最大的；

步骤10:重新执行步骤8以处理被拒绝的任务tj；

步骤11:如果没有车辆被拒绝，则执行以下步骤；

步骤12:完成匹配过程；

步骤13:返回匹配结果。

与现有技术相比，本发明具有如下有益效果：

1、本发明提出的改进的DBSCAN算法克服了参数选择的敏感性，不需要特别精准的参数设置。

2、本发明提出的改进的DBSCAN算法可以在密度不均匀的数据集上表现良好，克服了车辆密度对聚类结果的影响。

3、本发明提出的多对多匹配机制提高了车辆剩余计算资源的利用率并且极大的缓解了边缘服务器的压力，同时保证高优先级任务优先进行计算。

附图说明

图1为本发明的实施例的整体系统示意图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

针对背景技术中提到的目前研究的缺点，本发明的实施方案提供了一种基于改进DBSCAN算法和多对多匹配算法的车辆与辅助边缘计算(MEC)服务器的任务卸载方法。该方法通过选择具有剩余计算资源的车辆作为辅助MEC服务器，并利用改进的DBSCAN算法对车辆进行聚类，然后通过多对多匹配算法将车辆与辅助MEC服务器进行匹配，以实现任务的卸载和计算。

一、改进DBSCAN算法的实现

输入准备：获取辅助MEC服务器集合S、用户车辆集合U以及相应的优先顺序Ψ和Φui。

输入：

D：包含N个车辆对象的位置信息数据集

∈：半径参数

minpts：邻域的密度阈值

输出：

一组基于密度的聚类集合

步骤1:选择尚未被检查的点p，并将以点p为中心，以∈为半径范围内的点设置为U。步骤2:如果|U|≥minpts，则执行以下步骤：

步骤3:建立一个新的聚类C，并将U中的所有点添加到候选集N中。

步骤4:重复上述步骤，直到

步骤5:重复上述步骤，直到所有点p都已被检查。

步骤6:对于噪声点M中的点q，执行以下步骤：

步骤7:如果d(q,C)

步骤8:将点q添加到聚类C中。

二、多对多匹配算法的实现输入准备：获取辅助MEC服务器集合S、用户车辆集合U以及相应的优先顺序Ψ和Φui。对每个用户u在用户集合U中执行以下步骤：

步骤一：对用户车辆u中的每个任务t在任务列表Tui中执行以下步骤：

步骤二：将任务t按照用户车辆ui的优先顺序Pui匹配到对应的辅助MEC服务器si；

步骤三：如果服务器si的任务列表Tsi未满，则将任务t添加到Tsi中；

步骤四：否则，如果任务t的优先级t.level大于Tsi中的任何任务ti的优先级，执行以下步骤：

i.拒绝任务t，并从Pui中的下一个si开始提供服务；

ii.否则，拒绝Tsi中优先级最高的任务tj，其中tj.level是Tsi中最大的；重新执行步骤d以处理被拒绝的任务tj；

步骤五：如果没有车辆被拒绝，则完成匹配过程；

步骤六：返回匹配结果。

三、任务卸载与计算的实现

步骤一：根据改进DBSCAN算法得到的聚类结果对车辆进行编队；

步骤二：在编队内部根据多对多匹配算法进行辅助MEC服务器与任务车辆的匹配；

步骤三：根据得到的匹配结果进行任务卸载与计算：未与辅助MEC服务器匹配的任务车辆直接将任务卸载到边缘服务器；

步骤四：服务器传回任务计算结果；

步骤五：在一个计算周期结束后重复步骤1-4。

本发明所提出的基于改进DBSCAN算法和多对多匹配算法的车辆与辅助边缘计算服务器的任务卸载方法能够实现任务的卸载和计算，并通过聚类和编队实现更高效的任务分配和计算。此外，还提出了一种奖励机制，以激励有剩余计算资源的车辆充当辅助MEC服务器，而不是拒绝提供服务。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。