本發(fā)明涉及車聯(lián)網(wǎng)，尤其涉及一種面向車聯(lián)網(wǎng)服務(wù)的計算卸載系統(tǒng)和方法。

背景技術(shù)：

1、智能網(wǎng)聯(lián)汽車，指車聯(lián)網(wǎng)與智能車的有機(jī)聯(lián)合，是搭載先進(jìn)的車載傳感器、控制器、執(zhí)行器等裝置，并融合現(xiàn)代通信與網(wǎng)絡(luò)技術(shù)，實現(xiàn)車與人、路、后臺等智能信息進(jìn)行交換共享，實現(xiàn)安全、舒適、節(jié)能、高效行駛，并最終可替代人來操作的新一代汽車。

2、在智能網(wǎng)聯(lián)汽車發(fā)展浪潮中，邊緣計算(edge?computing,ec)，一種完全分布式處理架構(gòu)，支持將云數(shù)據(jù)中心計算能力下沉到邊端和終端，來就近提供實時高質(zhì)量的邊緣智能服務(wù)，提高網(wǎng)絡(luò)服務(wù)性能，可以滿足智能終端在敏捷聯(lián)接、實時業(yè)務(wù)、數(shù)據(jù)優(yōu)化等方面的關(guān)鍵需求。車聯(lián)網(wǎng)+邊緣計算，可以有效利用邊緣計算提供的“現(xiàn)場級”智能服務(wù)，改善車聯(lián)網(wǎng)應(yīng)用面臨的現(xiàn)實問題，如：終端應(yīng)用實時性和可靠性問題，車、路、人等智能信息數(shù)據(jù)共享問題等，為車聯(lián)網(wǎng)現(xiàn)場大量的、復(fù)雜的異構(gòu)設(shè)備和網(wǎng)絡(luò)提供聯(lián)接渠道，是推動智能網(wǎng)聯(lián)汽車行業(yè)發(fā)展的有效手段。

3、然而，現(xiàn)階段在車聯(lián)網(wǎng)+邊緣計算轉(zhuǎn)型進(jìn)程中，智能終端(如移動設(shè)備、車載cpu、智能紅綠燈、攝像頭等)和邊緣節(jié)點(如路邊單元)進(jìn)行有效協(xié)同來提供智能服務(wù)的過程中，面臨如下問題和挑戰(zhàn)：異構(gòu)終端設(shè)備和邊緣節(jié)點資源種類繁多、且跨不同管理域難以進(jìn)行有效協(xié)同，現(xiàn)場設(shè)備多且雜，網(wǎng)絡(luò)通信協(xié)議實現(xiàn)完全互通互聯(lián)缺少統(tǒng)一范式，車聯(lián)網(wǎng)應(yīng)用場景多變，現(xiàn)場邊端設(shè)備異構(gòu)，缺少有效的異構(gòu)資源管理機(jī)制；同時，車聯(lián)網(wǎng)服務(wù)，如智能避障、智能預(yù)警等應(yīng)用，對高實時性具有高需求，如何對環(huán)境中的資源進(jìn)行分布式協(xié)同調(diào)度，有效完成計算卸載是車聯(lián)網(wǎng)系統(tǒng)所面臨的一個巨大挑戰(zhàn)。

4、現(xiàn)今，很多研究提出基于深度學(xué)習(xí)的方法來解決面向5g車聯(lián)網(wǎng)邊緣服務(wù)的計算卸載策略，此類方法本身對于資源的需求高，成本大，且當(dāng)終端和邊緣服務(wù)器節(jié)點較多時，問題的狀態(tài)空間和動作空間都會呈現(xiàn)指數(shù)級增長，而造成維度災(zāi)難，從而導(dǎo)致訓(xùn)練速度緩慢，無法滿足服務(wù)對實時性的高需求。因此，如何高效的，在時間和成本上可以平衡的計算卸載方法及分布式算力融合管理機(jī)制，是當(dāng)前車聯(lián)網(wǎng)服務(wù)亟需解決的問題之一。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有車聯(lián)網(wǎng)系統(tǒng)中存在分布式算力難以有效協(xié)同、計算卸載策略無法滿足高實時性需求等問題，本發(fā)明提出一種面向車聯(lián)網(wǎng)服務(wù)的計算卸載系統(tǒng)和方法。

2、實現(xiàn)本發(fā)明目的之一的一種面向車聯(lián)網(wǎng)服務(wù)的計算卸載系統(tǒng)，包括：

3、服務(wù)需求解析模塊：用于對車聯(lián)網(wǎng)服務(wù)進(jìn)行多維度需求解析，得到每個車聯(lián)網(wǎng)服務(wù)的時間敏感型需求類型和算力需求類型；

4、服務(wù)流程構(gòu)建模塊：用于根據(jù)每個車聯(lián)網(wǎng)服務(wù)的執(zhí)行過程對車聯(lián)網(wǎng)服務(wù)進(jìn)行業(yè)務(wù)分解得到多個獨立執(zhí)行的子任務(wù)；并根據(jù)車聯(lián)網(wǎng)服務(wù)的時間敏感型需求類型和算力需求類型確定每個子任務(wù)的執(zhí)行先后順序、算力需求、計算資源；

5、算力融合模塊：用于根據(jù)車聯(lián)網(wǎng)服務(wù)的算力需求類型確定基于多級算力部署的分布式算力融合架構(gòu)；每一級代表不同的算力需求類型；

6、計算卸載模塊：根據(jù)每個車聯(lián)網(wǎng)服務(wù)的算力需求類型、基于子任務(wù)執(zhí)行先后順序確定的車聯(lián)網(wǎng)服務(wù)的執(zhí)行時間、基于子任務(wù)的算力需求和計算資源確定的車聯(lián)網(wǎng)服務(wù)的執(zhí)行能耗，以服務(wù)延時和執(zhí)行能耗為優(yōu)化目標(biāo)，采用基于模擬退火機(jī)制的灰狼算法計算出所述分布式算力融合架構(gòu)下的最優(yōu)計算卸載方案；所述最優(yōu)計算卸載方案利用所述分布式算力融合架構(gòu)實現(xiàn)多級算力資源的實時調(diào)度。

7、進(jìn)一步的技術(shù)方案包括：所述服務(wù)需求解析模塊中，得到每個車聯(lián)網(wǎng)服務(wù)的時間敏感型需求類型和算力需求類型的方法包括：

8、根據(jù)數(shù)據(jù)流、計算流程和網(wǎng)絡(luò)交互維度對每個車聯(lián)網(wǎng)服務(wù)進(jìn)行分析，提取關(guān)鍵需求；所述關(guān)鍵需求包括：數(shù)據(jù)相關(guān)需求、計算相關(guān)需求和網(wǎng)絡(luò)相關(guān)需求；

9、根據(jù)網(wǎng)絡(luò)相關(guān)需求，確定每個車聯(lián)網(wǎng)服務(wù)的時間敏感型需求類型；如，對響應(yīng)時間要求極高，稍有延遲就可能導(dǎo)致嚴(yán)重后果的車聯(lián)網(wǎng)服務(wù)劃分為時間特別敏感型；對響應(yīng)時間有一定要求，但允許有相對較短的延遲的車聯(lián)網(wǎng)服務(wù)則劃分為時間中等敏感型；對響應(yīng)時間的要求較低的車聯(lián)網(wǎng)服務(wù)則劃分為時間不敏感型；

10、根據(jù)數(shù)據(jù)相關(guān)需求、計算相關(guān)需求，確定每個車聯(lián)網(wǎng)服務(wù)的算力需求類型；所述算力需求類型包括數(shù)據(jù)密集型、計算密集型和網(wǎng)絡(luò)密集型。

11、上述技術(shù)方案的技術(shù)效果包括：通過數(shù)據(jù)流、計算流程和網(wǎng)絡(luò)交互分析，避免單一維度分析的片面性；基于網(wǎng)絡(luò)相關(guān)需求對服務(wù)類型進(jìn)行分類，為任務(wù)卸載策略提供了時間方面的約束；結(jié)合數(shù)據(jù)量和計算復(fù)雜度確定算力類型，確保了任務(wù)與算力資源的匹配，提升了計算效率。

12、進(jìn)一步的技術(shù)方案包括：車聯(lián)網(wǎng)服務(wù)的時間敏感型需求類型包括：時間特別敏感型、時間中等敏感型和時間不敏感型；對響應(yīng)時間要求從高到低的排序為：時間特別敏感型服務(wù)>時間中等敏感型>時間不敏感型；對車聯(lián)網(wǎng)服務(wù)進(jìn)行業(yè)務(wù)分解得到多個獨立執(zhí)行的子任務(wù)的方法包括：

13、對于時間特別敏感型(h)服務(wù)：將服務(wù)拆解為嚴(yán)格串行執(zhí)行的子任務(wù)鏈；

14、對于時間中等敏感型(m)服務(wù)：拆解為允許短時延彈性調(diào)度的多個子任務(wù)序列，子任務(wù)可進(jìn)行動態(tài)合并與延遲執(zhí)行；

15、對于時間不敏感型(l)服務(wù)：拆解為異步批處理的多個子任務(wù)，子任務(wù)支持任務(wù)中斷與閑時資源調(diào)度。

16、進(jìn)一步的技術(shù)方案包括：每個車聯(lián)網(wǎng)服務(wù)用一個有向無環(huán)圖(vi,e_edgei)表示，其中vi表示第i個車聯(lián)網(wǎng)服務(wù)si的子任務(wù)集合，vi＝{vi,1，vi,2，…，vi,n-1，vi,n,}，e_edgei＝{ei|ei＝(vi,m,vi,n)}表示邊的集合，其中第i條邊由頂點vi,m指向vi,n，表示子任務(wù)vi,n須在子任務(wù)vi,m之后執(zhí)行。

17、上述技術(shù)方案的技術(shù)效果包括：將服務(wù)拆分為獨立子任務(wù)的方案支持分布式并行處理，縮短整體執(zhí)行時間，為動態(tài)調(diào)度提供了細(xì)粒度控制，適應(yīng)車聯(lián)網(wǎng)中服務(wù)的動態(tài)變化；通過有向無環(huán)圖明確子任務(wù)執(zhí)行順序，避免任務(wù)沖突，保障了服務(wù)流程的邏輯正確性。

18、進(jìn)一步的技術(shù)方案包括：確定每個車聯(lián)網(wǎng)服務(wù)的執(zhí)行時間和執(zhí)行能耗的方法包括：

19、當(dāng)所述車聯(lián)網(wǎng)服務(wù)的算力需求類型由終端設(shè)備所組成的第一算力節(jié)點網(wǎng)絡(luò)提供所需算力需求，則該車聯(lián)網(wǎng)服務(wù)的每個子任務(wù)的執(zhí)行時間和執(zhí)行能耗分別為：ti,j＝c_qi,j/ci，ei,j＝c_qi,j×pci/ci；

20、當(dāng)所述車聯(lián)網(wǎng)服務(wù)的算力需求類型由邊緣設(shè)備所組成的第二算力節(jié)點網(wǎng)絡(luò)提供所需算力需求，則該車聯(lián)網(wǎng)服務(wù)的每個子任務(wù)的執(zhí)行時間和執(zhí)行能耗分別為：ti,j＝c_qi,j/ci+c_qi,j/ni；

21、當(dāng)所述車聯(lián)網(wǎng)服務(wù)的算力需求類型由云算力節(jié)點網(wǎng)絡(luò)提供所需算力需求，則該車聯(lián)網(wǎng)服務(wù)的每個子任務(wù)的執(zhí)行時間和執(zhí)行能耗分別為：ti,j＝c_qi,j/ci+c_qi,j/ni,ei,j＝c_qi,j×pci/ci+c_qi,j×pti/ni；

22、ti,j和ei,j分別表示第i個車聯(lián)網(wǎng)服務(wù)的第j個子任務(wù)的執(zhí)行時間和執(zhí)行能耗；c_qi,j表示第i個車聯(lián)網(wǎng)服務(wù)的第j個子任務(wù)需要計算的數(shù)據(jù)量；ci表示第i個車聯(lián)網(wǎng)服務(wù)所屬算力類型的計算能力；ni表示第i個車聯(lián)網(wǎng)服務(wù)所屬算力類型的網(wǎng)絡(luò)傳輸能力；pci表示第i個車聯(lián)網(wǎng)服務(wù)所屬算力類型的計算功率；pti表示第i個車聯(lián)網(wǎng)服務(wù)所屬算力類型的傳輸功率；

23、將所有子任務(wù)的執(zhí)行時間相加，得到該車聯(lián)網(wǎng)服務(wù)的執(zhí)行時間；

24、將所有子任務(wù)的執(zhí)行能耗相加，得到該車聯(lián)網(wǎng)服務(wù)的執(zhí)行能耗。

25、上述技術(shù)方案的技術(shù)效果包括：針對終端、邊緣、云三類算力節(jié)點分別建立執(zhí)行時間和能耗模型，并考慮計算能力、網(wǎng)絡(luò)傳輸能力、功率等參數(shù)，確保了模型與實際硬件性能緊密結(jié)合，提升了決策可靠性；同時通過子任務(wù)執(zhí)行時間和能耗的累加，實現(xiàn)了對車聯(lián)網(wǎng)服務(wù)的全局性能評估。

26、進(jìn)一步的技術(shù)方案包括：最優(yōu)計算卸載方案的計算方法包括：

27、設(shè)定每只灰狼的位置為(si,r_typej)，其中si表示車聯(lián)網(wǎng)服務(wù)，r_typej表示車聯(lián)網(wǎng)服務(wù)被分配的算力類型；

28、設(shè)定最優(yōu)灰狼的目標(biāo)函數(shù)值為f(si,r_typej)＝∑ti/∑t_di+∑ei/∑e_di；其中，∑t_di表示當(dāng)前所有車聯(lián)網(wǎng)任務(wù)的最大允許執(zhí)行時間；∑e_di表示當(dāng)前所有車聯(lián)網(wǎng)任務(wù)在最大時延情況下的系統(tǒng)能耗；

29、初始化模擬退火機(jī)制算法所有參數(shù)，包括種群規(guī)模、最大迭代次數(shù)、初始溫度值，并隨機(jī)初始灰狼種群個體的位置，計算灰狼群的目標(biāo)函數(shù)值，并記錄最優(yōu)位置；

30、根據(jù)模擬退火機(jī)制更新灰狼位置，定義接受新位置的概率為對位置進(jìn)行刪選，其中f和f’分別為當(dāng)前位置和新位置的目標(biāo)函數(shù)值，t(h)表示模擬退火過程中的溫度參數(shù)；若p大于設(shè)定值則更新灰狼位置為新位置；

31、判斷是否滿足迭代條件，如果不滿足重復(fù)上述更新灰狼位置的步驟；如果滿足，則輸出最優(yōu)解，所述最優(yōu)解即為最優(yōu)計算卸載方案。

32、上述技術(shù)方案的技術(shù)效果包括：灰狼算法的群體智能和模擬退火的全局搜索能力可有效地平衡延時與能耗的沖突，避免了局部最優(yōu)；通過退火機(jī)制逐步縮小搜索范圍，提升了算法的收斂速度和精度；基于灰狼位置編碼(服務(wù)-算力類型映射)，實現(xiàn)了快速對解空間的遍歷，可以很好地響應(yīng)車聯(lián)網(wǎng)的高實時性要求。

33、進(jìn)一步的技術(shù)方案包括：所述車聯(lián)網(wǎng)服務(wù)si包括：si＝(ti,qi,t_typei,c_typei,t_di,c_qi)；ti表示第i個服務(wù)的請求服務(wù)時間，qi表示第i個服務(wù)的請求服務(wù)發(fā)起設(shè)備；t_typei表示第i個服務(wù)對時間敏感類型；c_typei表示第i個服務(wù)的算力需求類型；t_di表示第i個服務(wù)可容忍的最長時延；c_qi表示第i個服務(wù)需要計算的數(shù)據(jù)量。

34、上述技術(shù)方案的技術(shù)效果包括：通過定義統(tǒng)一的服務(wù)描述元組si，支持系統(tǒng)各模塊間的信息交互與處理；通過明確的時間容忍度t_di和數(shù)據(jù)量c_qi為卸載策略提供關(guān)鍵約束參數(shù)，確保了決策的可行性；通過時間敏感類型t_typei和算力需求類型c_typei實現(xiàn)了服務(wù)的快速分類，支撐了系統(tǒng)的分層處理和資源預(yù)分配。

35、實現(xiàn)本發(fā)明目的之二的一種面向車聯(lián)網(wǎng)服務(wù)的計算卸載方法，包括：

36、對車聯(lián)網(wǎng)服務(wù)進(jìn)行多維度需求解析，得到每個車聯(lián)網(wǎng)服務(wù)的時間敏感型需求類型和算力需求類型；

37、根據(jù)每個車聯(lián)網(wǎng)服務(wù)的執(zhí)行過程對車聯(lián)網(wǎng)服務(wù)進(jìn)行業(yè)務(wù)分解得到多個獨立執(zhí)行的子任務(wù)；并根據(jù)車聯(lián)網(wǎng)服務(wù)的時間敏感型需求類型和算力需求類型確定每個子任務(wù)的執(zhí)行先后順序、算力需求、計算資源；

38、根據(jù)車聯(lián)網(wǎng)服務(wù)的算力需求類型確定基于多級算力部署的分布式算力融合架構(gòu)；每一級代表不同的算力需求類型；

39、根據(jù)每個車聯(lián)網(wǎng)服務(wù)的算力需求類型、基于子任務(wù)執(zhí)行先后順序確定的車聯(lián)網(wǎng)服務(wù)的執(zhí)行時間、基于子任務(wù)的算力需求和計算資源確定的車聯(lián)網(wǎng)服務(wù)的執(zhí)行能耗，以服務(wù)延時和執(zhí)行能耗為優(yōu)化目標(biāo)，采用基于模擬退火機(jī)制的灰狼算法計算出所述分布式算力融合架構(gòu)下的最優(yōu)計算卸載方案；所述最優(yōu)計算卸載方案利用所述分布式算力融合架構(gòu)實現(xiàn)多級算力資源的實時調(diào)度。

40、實現(xiàn)本發(fā)明目的之三的一種非暫態(tài)計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)所述面向車聯(lián)網(wǎng)服務(wù)的計算卸載方法的步驟。

41、實現(xiàn)本發(fā)明目的之四的一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序/指令，該計算機(jī)程序/指令被處理器執(zhí)行時實現(xiàn)所述面向車聯(lián)網(wǎng)服務(wù)的計算卸載方法的步驟。

42、本發(fā)明的有益效果包括：

43、本發(fā)明通過時間敏感型和算力需求類型的雙重分類，實現(xiàn)對車聯(lián)網(wǎng)服務(wù)的精準(zhǔn)刻畫，提升了復(fù)雜服務(wù)場景的適配能力；

44、終端設(shè)備、邊緣設(shè)備、云服務(wù)的多級算力部署可動態(tài)匹配不同車聯(lián)網(wǎng)任務(wù)的資源需求，優(yōu)化了資源利用率，降低了單點負(fù)載壓力；

45、以服務(wù)延時和執(zhí)行能耗為優(yōu)化目標(biāo)，通過改進(jìn)的模擬退火灰狼算法實現(xiàn)了全局最優(yōu)卸載決策，實現(xiàn)了實時性與能效的平衡；

46、基于實時算力需求的分布式架構(gòu)，可以支持車聯(lián)網(wǎng)服務(wù)的動態(tài)任務(wù)調(diào)度，能很好的適應(yīng)高動態(tài)性的車載環(huán)境。