[发明专利]一种基于雾计算的多车辆间多计算任务调度方法

说明书

本发明公开一种基于雾计算的多车辆间多计算任务调度方法，应用于车辆网领域，针对车辆面对突发的高计算量任务的计算资源短缺的问题，本发明采用损失最小化的机制确定任务的优先级，并将优先级作为任务指派顺序的依据，然后具有全局信息的路旁系统综合考虑车辆之间的距离与速度关系进行中心决策，并采用匹配算法循环决策，很好地解决了计算资源短缺的技术问题；并且本发明中考虑2种任务类型：独立任务，有序任务的指派，具有很好的普适性。

技术领域

本发明属于车辆网领域，特别涉及一种多车辆间多计算任务调度方法的设计。

背景技术

车辆网络被认为是未来智能交通系统的重要组成部分，它们支持从内容共享应用程序(例如广告和娱乐)到信息传播服务(例如自然灾害应急操作)等各种移动服务)。这些车辆网络通过交换有价值的信息来确保驾驶安全性，交通效率和便利性。在过去的十年中，随着蜂窝网络和云计算等先进设备和技术的出现，车载网络和相关应用得到了飞速发展。由于这一趋势，也出现了一个重大问题，即计算能力的需求急剧增加。诸如增强现实(AR)技术，自动驾驶等新的应用都需要完成复杂的数据处理和存储操作，这些操作需要更高水平的数据通信，计算和存储。这对现有的传统车载网络提出了很大的挑战，特别是在计算能力方面。为了满足这种不断增长的通信和计算能力需求，将车载雾节点用作数据中心和增强处理资源是一个热门解决方案。车辆之间的通信可以基于专用短程通信(DSRC)或D2D通信来实现，这使车辆间通信质量得到了极大改善。而且，车辆并不会一直持续运行计算密集型应用。因此，通过有效管理车辆资源，可以实现支持这些应用的低延迟雾计算环境。

车辆应用可根据其特征分为三个级别：关键应用程序，高优先级应用程序和低优先级应用程序。关键应用程序是车辆系统的核心应用程序或安全相关的应用。由于它们对车辆和乘客的重要性，关键应用程序具有最高的优先级，并且必须完美地执行，而不依赖车辆环境中的不稳定连接。此外，由于关键应用程序通常由汽车制造商开发，所以车辆的车载系统应始终设计为具有足够的容量以满足其资源需求。因此，认为关键应用程序完全在本地执行。其余应用程序根据其用途分为高优先级应用程序和低优先级应用程序。高优先级程序包括与驾驶相关的应用程序和可选的安全增强应用程序，例如车辆导航和信息服务。这些应用是重要的，但不是强制性的，这意味尽管失败或延迟会给驾驶员造成不便，但是仍然是允许的。典型的高优先级例如视觉增强和道路感测。越来越多的新车配备了这种高优先级应用。为了适应这些新兴的服务，制造商正在为其车载系统设计一些计算容量裕度。低优先级程序是对司机和乘客来说不太重要的应用类别。例如，语音识别和其他多媒体应用(如视频处理)。随着自动驾驶车辆的新兴趋势，用户正在变得能够将注意力从驾驶转移到娱乐等其他活动。视频游戏将为乘客或驾驶员提供更好的旅行体验。随着智能汽车的进一步发展，越来越多的高、低优先级程序将出现，而这些程序将会允许卸载到雾节点上进行低时延的计算。

单一车辆的计算资源往往比较紧缺，难以满足突发的高计算需求，因此需要其他车辆作为雾节点协助计算。车辆之间任务计算的协作调度研究较少，在AVE:AutonomousVehicularEdge ComputingFrameworkwithACO-BasedScheduling中提出了一种用于雾计算的自动车辆边缘框架，单个资源紧缺车辆分布式的独立决定与多辆资源富余的车之间的计算任务调度关系，基于蚁群优化的调度算法被设计来解决这个工作分配问题。但是多车辆间多计算任务调度的研究目前还比较空缺。

发明内容

为了解决车辆面对突发的高计算量任务的计算资源短缺的问题，提出了一种基于雾计算的多车辆间多计算任务调度方法。

本发明采用的技术方案为：一种基于雾计算的多车辆间多计算任务调度方法，包括：

S1、计算资源紧缺的RV车辆向路旁系统发送任务卸载的请求；计算资源富余的PV车辆向路旁系统发送任务计算的请求；

S2、路旁系统接收到请求以后记录车辆信息；当记录中同时存在RV车辆与PV车辆时，转到S3，否则等待接收；