[发明专利]基于车流量预测的车联网双边拍卖式边缘计算迁移方法

说明书

本发明提供了一种新的基于车流量预测的车联网双边拍卖式边缘计算迁移方案。该方案首先需要收集道路中行驶车辆的特征信息，并统计当前周期内的车流量用以预测下一周期的车流量信息。然后，利用车辆特征信息和车流量预测信息完成车辆对计算资源需求的报价，进而可采用一种双边拍卖算法实现车载边缘计算服务器的计算资源分配，最后通过将车辆的计算任务卸载至分配的服务器完成边缘计算迁移过程。本发明与未考虑车流量信息的两种分配方案相比，更能够充分利用车联网中的计算资源，且能显著提升整个系统的边缘计算迁移效率。

技术领域

本发明涉及无线通信技术领域，特别涉及基于车流量预测的车联网双边拍卖式边缘计算迁移方案。

背景技术

车联网利用传感器、图像处理器、GPS等设备感知获取车辆特征信息和交通状况信息，借助无线通信技术，建立起车与车、车与基础设施、车与路边行人、车与网络和车与云等之间的交互连接，提高交通运行效率和系统智能化水平。

移动边缘计算作为交通网络中车辆移动通信的关键技术之一，被广泛应用在无线资源的分配问题上。车辆为应对自身计算资源有限的情况，将计算任务卸载到车载边缘服务器或其他车辆上，将计算能力扩展到网络的边缘。通过移动边缘计算，可以缓解车辆计算资源紧张的压力，最大程度地利用网络中的计算资源，提升系统性能。

本发明开发了一种车联网双边拍卖式边缘计算迁移方案，并在车联网移动边缘计算的过程中引入车流量预测信息，利用双边拍卖算法求解资源分配方案，提高计算迁移的效率。

仿真结果表明，引入车流量预测信息的方案，相较于未引入车流量的方案，能够显著提升任务卸载效用函数和资源利用效用函数。

发明内容

本发明提供基于车流量预测的车联网双边拍卖式计算迁移方案，该方法需要收集边缘计算迁移过程中的车辆特征信息，同时统计车流量信息并预测下一周期的车流量信息，最后利用双边拍卖理论进行设计，求解计算资源的分配方案。

为实现上述目的，本发明所采用的技术方案包括：确定车辆在移动边缘计算过程中各阶段消耗时间；基于马尔科夫决策过程预测车流量信息；将车流量预测结果引入移动边缘计算过程中，利用双边拍卖算法设计边缘计算迁移方案。

进一步地，具体过程包括：S1.收集车辆的特征信息，确定移在动边缘计算过程中车辆移动、任务传输和任务计算的消耗时间；S2.基于马尔科夫决策过程预测车流量信息，设置固定时长作为预测周期，在预测周期结束后统计本周期内车流量，预测下一周期的车流量情况；S3.在移动边缘计算过程中引入车流量预测信息，设计基于拍卖理论的边缘计算迁移方案。

有益效果：本发明提出的基于车流量预测的边缘计算迁移方案，具有如下优点:1.本方案实现了将车流量信息引入边缘计算过程，考虑了车流量信息对边缘计算迁移效率的影响；2.本方案采用的双边拍卖算法，相较于顺序分配算法更能提升边缘计算迁移效率；3.本方案引入车流量预测信息，相较于未考虑车流量信息的资源分配方案，能够进一步显著提升边缘计算迁移效率。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1为基于车流量预测的计算迁移方案设计框图。

图2为车流量转移关系。

图3为拍卖算法求解流程图。

图4为车辆占用VEC服务器计算资源示意图。

图5为车辆任务卸载效用函数与车辆数量的关系。

图6为VEC服务器资源利用效用函数与车辆数量的关系。

图7为车辆任务卸载效用函数与VEC服务器数量的关系。

图8为VEC服务器资源利用效用函数与VEC服务器数量的关系。