[发明专利]一种基于平面分离的车辆大数据边缘计算卸载方法

权利要求书

1.一种基于平面分离的车辆大数据边缘计算卸载方法，其特征在于，包括步骤如下：

步骤1：利用边缘节点之间的D2D链路来交换共享每个边缘访问点状态的控制数据，以估计每个边缘访问点处理队列中每个任务所受的延迟，并判断边缘节点是否卸载数据到边缘访问点；

步骤2：将每个边缘访问点中等待时间的控制平面数据用作数据平面的输入，对每个边缘节点设备使用双深度Q学习来最大化其控制策略的长期效用，联盟学习迭代地选择随机的车联网设备组，以估计最佳卸载执行部分；

步骤3：根据上述最佳卸载执行部分，被选择的边缘节点和边缘访问点进行数据计算及通信返回；

所述步骤1具体包括：计算任务在本地计算所要耗费的时间以及部分卸载所需要耗费的时间，并通过判断边缘节点卸载一部分任务而经过的距离是否大于其能够保留在边缘访问节点覆盖范围内的距离，得到任务是否丢失；

部分卸载是将仅一部分计算负载委托给另一台设备进行优化，设定为卸载执行部分，为在本地执行卸载部分；卸载任务所需的时间写为发送该任务的一部分的时间，该任务应在边缘访问点处理队列中等待的时间，以及在第j个边缘访问点的位置计算该任务的时间之和；边缘访问点和返回结果所需的时间为：

本地计算的时间定义为计算任务其余部分所需的时间：

即在部分卸载的情况下，将处理任务的总延迟重写为两个延迟中的最大值，即：

设定在时刻T的第i个边缘节点的位置定义为第j个边缘访问点的位置被定义为被认为是固定的Loc^j(x^j,y^j)；估计第i个边缘节点保持在第j个边缘访问点覆盖范围内的时间，以避免在边缘节点超出覆盖范围时无法返回结果；设定边缘节点知道固定边缘访问点的位置；第i个边缘节点在时刻T移出第j个边缘访问点的覆盖范围之前估计剩余距离为：

其中，y′是第i个边缘节点和第j个边缘访问点之间的最小距离，R_j是第j个边缘访问点覆盖区域的半径；计算卸载时间所经过的距离，即：

则第i个边缘节点的任务数据丢失设定为如果则如果第i个边缘节点为了卸载一部分任务而经过的距离大于其能够保留在边缘访问点覆盖范围内的距离，则认为该任务丢失。

2.根据权利要求1所述的基于平面分离的车辆大数据边缘计算卸载方法，其特征在于，所述步骤2具体包括：边缘节点设备从边缘节点下载深度强化学习代理的参数；使用设备存储的数据对深度强化学习代理的模型执行训练过程；仅将更新的深度强化学习代理的模型参数上传到边缘节点以进行模型聚合。

3.根据权利要求1所述的基于平面分离的车辆大数据边缘计算卸载方法，其特征在于，所述步骤2中的车联网设备组包含：车载终端、边缘路由终端。

4.根据权利要求1所述的基于平面分离的车辆大数据边缘计算卸载方法，其特征在于，所述步骤3具体包括：根据最佳卸载执行部分进行本地计算和卸载计算，边缘节点之间通过D2D通信返回计算结果。