[发明专利]边缘网络中采用无人机的任务卸载方法、系统及存储介质

说明书

本发明涉及边缘计算技术领域，公开一种边缘网络中采用无人机的任务卸载方法、系统及存储介质，以实现负载均衡和能耗优化。本发明方法包括：确定数据量超过设定条件的至少两个以上的第一类锚点；规划无人机遍历各所述第一类锚点的初步飞行路径；筛选所述无人机初步飞行路径上距离小于设定阈值的剩余节点作为第二类锚点；规划非锚点节点选择到达第一类和第二类锚点中任一锚点的代价最小路由路径将任务发往相应锚点；或者是非锚点节点选择到达第一类锚点的代价最小路由路径将任务发往相应锚点；对所述初步飞行路径进行修正以得到纳入所述第二类锚点后的最终飞行路径；指令所述无人机按所述最终飞行路径依次从相应的第一类锚点和第二类锚点中收集任务。

技术领域

本发明涉及边缘计算技术领域，尤其涉及一种边缘网络中采用无人机的任务卸载方法、系统及存储介质。

背景技术

当前边缘网络已经取得长足的进步，其中最大表现是当前有上百亿的物联网络(Internet of Things, IoT)设备部署在边缘网络的各类应用中进行数据感知与任务处理。据研究表明，目前连接到物联网络的设备数量已经超过200亿, 而且正以更加快速的速度增长。随着数量巨大的物联网设备部署在网络边缘, 从而使得网络边缘拥有了巨大的计算与存储能力。同时，这些数量巨大的物联网设备每天产生的数据量高达数十TB。传统的云计算模式需要将网络边缘感知的数据上传到云端进行处理, 而处理结果又需要从云端经过漫长的路由返回到网络边缘的用户。一方面, 大量数据的上传到网络中心的云端需要消耗大量的能量, 而计算的结果又需要经过长的路由路径返回给用户，因而存在大的延迟、抖动而导致用户体验(quality of experiment, QoE)不好。另一方面导致云端的负载过重而性能下降的同时, 网络边缘的大量物联网设备的计算与存储能力却没有得到充分利用。边缘计算、雾计算是针对当前网络变化形成一种新的计算模式，在这种计算模式中, 计算与数据处理就在网络边缘服务器上进行, 避免了将数据上传到云的能量消耗与带宽占用,以及用户体验不好的情况, 从而促进了边缘网络计算模式的发展。

当前, 越来越多的计算力要求高的应用例如机器学习、虚拟现实等应用部署在物联网设备上。相对来说，资源紧张的物联网设备没有足够的计算能力来满足很多应用计算需求。在这种情况下, 边缘计算、雾计算是一种较好的解决方案。在这种计算方法中，它通过将物联网设备的任务卸载到设备附近的拥有更充足计算能力的边缘服务器上进行处理，从而能够发挥更大的效能。因而, 任务卸载是一种有效的计算方法，它能够充分利用边缘网络中拥有的计算资源从而能够提供及时而有效的计算，减少原来计算模式到云端需要经过较长的路由，较大的能量消耗，带宽占用，较大的延迟与网络抖动的不足，并能够提高物联网设备的寿命，提高用户的体验。因而, 边缘网络的任务卸载一经提出，已经有大量的任务卸载的研究工作。

已经有一些采用无人机来进行任务卸载的研究。主要有二类，一类是主要是进行任务收集的研究。在这类研究中，数据收集可以认为是一种特殊的任务。每个物联网络设备对周围环境进行感知，并需要将感知的数据发往数据中心，但是，由于成本的限制，很多物联网设备并不具有与数据中心通信的能力。因而采用无人机进行数据收集是一种有效、及时、低成本的方法。

Ebrahimi 等人提出了一种数据收集的方法成为众多数据收集常采用的方法。在这样的策略中, 研究人员将网络分成若干个簇(cluster), 每个簇选取一个称为簇头(cluster head, CH)的节点, 其它节点称为成员节点(member nodes), 所有成员节点将自己的数据通过多跳或者直接发送给簇头节点。这样, 无人机只要飞到这些簇头节点进行数据收集就可以收集到全网络的数据。显然，这种方法可以大幅度的减少无人机需要飞行的距离，从而可以有效的减少无人机的能量消耗。但是, 数据收集毕竟与任务卸载不相同。在任务卸载, 有的任务中需要的数据量非常大。而有的任务需要的数据量非常小的。物联网设备中能量消耗最大的是数据发送, 因而如果数据量大的任务所在的节点没有被选取为簇头, 则其任务需要发往簇头, 从而消耗很大的能量。因而，数据收集策略的不能直接运用到任务卸载。