[发明专利]一种自动驾驶仿真任务调度方法、装置、设备及可读介质

说明书

本发明公开了一种自动驾驶仿真任务调度方法，包括以下步骤：基于集群机架、节点数、进程数构建网络流框图，为网络流框图的信息进行编码；设置待仿真任务信息，并通过网络流框图进行仿真任务流最小路经计算；以及根据公平策略和抢占式调度策略实时更新调度系统状态，并基于调度系统状态执行调度。本发明还公开了一种自动驾驶仿真任务调度装置、计算机设备和可读存储介质。本发明将集群调度问题抽象成流网络中最小费用流的求解问题，并结合自动驾驶仿真任务特点设计公平策略与抢占式调度，解决队列框架进行自动驾驶仿真任务调度时，无法针对复杂多变的仿真任务设置复杂的调度策略的问题，获取集群资源调度的最优化方案，提高研发效率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种自动驾驶仿真任务调度方法、装置、设备及可读介质。

背景技术

随着科学技术的飞速发展，推动了自动驾驶汽车技术的快速迭代，自动驾驶汽车量产前需要进行大量的里程测试，以确保其行驶域的安全性。据研究机构推算，如果全部采用实车路测，即使使用千辆车上路测试，也需要几十年才能完成相应测试任务，所以全部采用实车路测不现实，目前业界的策略是通过对测试环境进行三维仿真模拟，利用仿真计算来替代实车路测；由于机器可以采用集群扩展，所以能加速完成测试任务。但是目前自动驾驶仿真任务各式各样，种类繁多，涉及到不同场景、交通流、参与者、传感器配置、品牌车辆等等。进行大量任务仿真计算时，采用传统的队列集群调度系统，会出现集群资源利用效率不高，大幅增加研发成本，降低研发效率。

现有技术方案是使用一组队列作为集群调度器的基本数据结构，实现任务的调度。如应用广泛的容器集群编排工具Swarm、Kubernetes等，均在自身的调度器上应用这种架构。现有技术的队列框架的结构简单，无法设置较复杂的调度策略，导致队列框架的决策获取全局最优解比较困难，往往只能得到局部最优解。从而使得集群的资源得不到充分的利用。另一方面，当前的调度系统都是比较通用的框架，没用增对自动驾驶仿真任务的特点进行定制化的优化。

发明内容

有鉴于此，本发明实施例的目的在于提出一种自动驾驶仿真任务调度方法、装置、设备及可读介质，采用图来作为集群网络的抽象，以添加更多的信息使各节点与自动驾驶仿真任务关联在一起，将集群调度问题抽象成流网络中最小费用流的求解问题，从而获得更好的全局调度决策，并结合自动驾驶仿真任务特点设计公平策略与抢占式调度，提高集群资源使用效率，大幅加速自动驾驶仿真测试。解决队列框架进行自动驾驶仿真任务调度时，无法针对复杂多变的仿真任务设置复杂的调度策略的问题，获取集群资源调度的最优化方案，提高研发效率。

基于上述目的，本发明实施例的一方面提供了一种自动驾驶仿真任务调度方法，包括以下步骤：基于集群机架、节点数、进程数构建网络流框图，为网络流框图的信息进行编码；设置待仿真任务信息，并通过网络流框图进行仿真任务流最小路经计算；以及根据公平策略和抢占式调度策略实时更新调度系统状态，并基于调度系统状态执行调度。

在一些实施方式中，网络流框图配置为，网络中流量从表示任务的顶点开始，经过若干表示流量和边成本的有向边和表示作业或物理机的中间节点，最终进入汇点。

在一些实施方式中，基于集群机架、节点数、进程数构建网络流框图包括：为每个作业设置一个根进程节点、若干工作进程节点和一个未调度任务节点，为每台计算机设置一个计算机节点，为每个机架设置一个机架节点；将若干工作进程节点和未调度任务节点以及计算机节点和机架节点通过有向边连接。

在一些实施方式中，为网络流框图的信息进行编码包括：对网络流框图中集群机架、计算机节点、进程节点进行编码；对网络流框图中有向边的成本和权重进行编码。

在一些实施方式中，设置待仿真任务信息包括：为有向边分配流量，使得节点输入的流量和与输出的流量和相等；根据自动驾驶仿真任务的场景、参与者和传感器配置设置有向边分配成本权重。