[发明专利]车联网中基于MEC的任务分布式卸载与协作执行方案

说明书

本发明研究车辆发布应用需求后，由于受到自身资源的限制，进行相关任务卸载决策的问题。由于用户请求日益复杂，将其划分成多个细粒化的任务，而各个任务之间相互依赖，任务可以分布式的卸载到周边MEC服务器进行计算，结束后将结果回传，计算量较小的任务车辆可以计算后将其在本地执行。MEC由核心控制器进行调度，实现内容共享。而车辆具有移动性，伴随着自组织网拓扑结构的变化，因此本发明首先提出一个系统框架，然后基于该架构，提出一种多节点多因素的协作方案，最后借助游戏理论，提出一种资源协作调度机制，进行分散与整体结合的卸载决策，从而使任务卸载时延变小，任务执行率变高。

技术领域

本发明涉及车联网系统中无线短距离通信技术领域，特别涉及车联网中基于MEC的任务分布式卸载与协作执行方案。

背景技术

移动设备正变得越来越流行。思科视觉网络指数—全球移动数据流量预测于2016年2月3日更新，表明到2020年月度全球移动数据流量将达到30.6艾字节，高于2015年底每月3.7艾字节。到2020年将成为500亿台连接设备，为物物互联的美好愿望做出贡献。然而，这种无与伦比的增长与移动设备电池的改进并不匹配，这些电池的寿命没有以同样的速度改善。鉴于移动设备的使用量大幅增加，解决能源障碍是移动行业面临的首要挑战之一。有许多研究从不同的角度进行研究能耗问题。虽然硬件视图中应用软件视图和组件优化中的能耗编程优化和漏洞检测提高了设备的能效，但这些方法只能减轻基于设备本身的过多能耗。终端和云融合为能耗优化提供了完全不同的技术方向。该云终端融合概念在云中提供可用资源以支持终端应用的操作。换句话说，这种联合技术通过将应用程序计算从终端卸载到云端，将云视为终端的扩展。移动边缘计算(MEC)作为一种新的技术，在移动用户附近的无线接入网络(RAN)内提供IT和云计算功能。这确实是克服电池障碍并且使移动设备尽可能方便地将其最耗能(计算密集)任务卸载到MEC环境的可能方式。这一概念将减少移动设备上的应用程序执行时间，从而降低功耗。

计算单元大部分时间都处于空闲状态。为了充分利用这些闲置的计算资源，我们可以激励这些车辆的所有者允许他们的车辆用于处理计算任务，使移动设备能够以更低的延迟享受资源丰富的计算能力，MEC中计算资源的动态分配是一个有趣的研究问题，将来需要解决。这可能是未来智能城市中的潜在场景，其中具有计算单元的车辆可以用作MEC系统的临时服务器，特别是当MEC系统本身拥有的计算资源不足以保证QoS时，合理的解决方案是允许将停放的车辆(例如自动驾驶车辆)的计算单元租赁给MEC系统以执行计算任务并通过车辆到基础设施(V2I)通信与MEC系统交换数据。这将是一个双赢的局面，不仅MEC系统可以实现更好的性能，而且这些车辆的所有者也可以从MEC系统的运营商那里获得经济利益，特别是当这些车辆不耗能时，例如，配备有大电池组的电动车辆。然而，计算任务和车辆位置的到达，即进入和退出MEC系统的覆盖范围的进入，是随机和不确定的，难以准确地预测和控制。因此，固定价格策略的性能通常非常差，因为它不考虑实时动态变化，例如，执行中的任务的数量和MEC系统的覆盖范围内的停放车辆的数量。动态定价策略可以通过不断调整价格来提供更具吸引力的方法，这在学术界和行业中都引起了极大的关注。通过实施动态停车定价策略，可以有效地减少城市网络中的巡航延误和通用拥堵。此外，时变定价策略被广泛用于电力使用，其对峰值能源使用收取更多费用以减少峰值需求。同样，当服务器不足以支持计算任务时，我们可以提高价格以吸引更多停放的车辆，反之亦然。因此，在平均成本(即MEC系统支付的平均奖励)和MEC系统的QoS之间存在折衷。

发明内容

因此，基于上述考虑，我们的方案考虑车辆的移动性与任务的细粒度，有效的调度资源，选择最佳卸载策略，提升系统性能。车联网中基于MEC的任务分布式卸载与协作执行方案包括以下步骤：

步骤101：建立基于内容分发移动车辆任务卸载框架；

步骤102：动静态结合分析多个通信节点以及与其相关的卸载因素，建模为多节点多因素的分布式协作方案；

步骤103：设计一种理论游戏方法，并提出一种调度算法，将分布式决策问题等效为分散式游戏，评估游戏属性，证明其存在纳什均衡。