[发明专利]边缘车队云计算卸载方法、系统、介质设备及应用

说明书

本发明属于智能交通技术领域，公开了一种边缘车队云计算卸载方法、系统、介质设备及应用，任务车辆为MEPC指定最优的支付配置文件；MEPC的每个成员PM根据任务指定的最优支付，以其卸载计算的最优量作为响应；任务车辆与MEPC达成协议，开始卸载任务；卸载过程的交易账单由队头管理，并发送给MEPC的每个PM，PM对交易账单没有异议，MEPC将计算卸载任务的交易收据返回给任务车辆；当多个任务车辆向MEPC发送卸载请求时，通过将多个交易票据打包成块避免频繁的票据确认；PM确认交易区块，联盟区块链节点存储在区块中。本发明有助于提高整个系统的处理效率和服务效率。

技术领域

本发明属于智能交通技术领域，尤其涉及一种边缘车队云计算卸载方法、系统、介质设备及应用。

背景技术

目前：随着智能车辆的发展，越来越多的计算密集型任务应运而生，如虚拟现实(VR)、增强现实(AR)、速度识别、自动驾驶等。然而，计算和存储资源有限的车辆已不能满足这些计算密集型任务的要求。此外，提高车载计算能力的成本也很高。移动云计算(MCC，Mobile Cloud Computing)被认为是解决计算密集型应用与资源受限终端之间矛盾的有效途径。MCC 具有强大的计算能力，使终端能够将任务卸载到远程云服务器。然而，长距离传输和不稳定的网络环境会导致不可预测的网络延迟，这不适合计算密集型延迟敏感的任务。此外，随着移动终端数量和种类的不断增加，对云计算需求的急剧增长可能会导致网络拥塞。与MCC 不同，移动边缘计算(MEC，Mobile Edge Computing)将密集的计算任务从物联网设备迁移到物理上最近的网络边缘。这种“边缘”计算模式为物联网设备提供灵活、低延迟的计算和通信服务。然而，由于车载环境的高动态性。车辆与MEC之间频繁的位置切换导致通信链路频繁连接，从而增加了计算卸载的难度，降低了用户体验。此外，由于MEC节点有限的处理能力和计算密集型应用的快速发展，对MEC资源的有效分配提出了挑战。因此，迫切需要一种新的范式来应对这些挑战。

一个具有自适应边缘的云服务架构，它可以为智能车辆提供稳定的移动连接和足够的计算资源。受上述问题的启发，考虑移动边缘车队驾驶模式，它指的是一个车队头(PH，Platoon Head)，带领排成员(PM，Platoon Member)一起行驶，并保持成员之间较小间隔分布。由于移动车队拥有丰富的资源和相对稳定的驾驶模式，将移动车队看做移动的边缘云，为周围任务车辆提供计算资源。本发明将这种移动车队服务体系架构称为移动边缘车队云(MEPC，Mobile Edge Platoon Cloud)。与MEC相比，由于MEPC的移动性，位置更加灵活。MEPC和周围的车辆可以保持一个相对稳定的位置关系，增加了连接时间，减少了连接切换次数，以进一步获取计算资源。为了满足日益增长的IoV应用对服务质量(QoS，Quality ofService)的需求，强大的计算资源是迫切需求的。然而，任务车辆通常处理能力有限，通过将任务卸载到MEPC可以缓解处理能力有限和计算密集型任务资源需求之间的矛盾。装备了多波段无线接入技术(Multi-RAT)的任务车辆可以连接到MEPC。每个任务车辆为保证应用的QoS要求，可以选择多个PM s来卸载其任务。为了在IoV中实现移动边缘车队云框架下的计算卸载，一个将MEPC资源合理有效分配给任务车辆的资源分配机制是至关重要的。

近年来，随着物联网系统的不断发展，基于MEPC任务卸载受到了广泛的关注。一个同步联合QLearning(Sync-FQL)算法，该算法考虑了卸载失败概率和资源成本，指导了网络流量的卸载方向。该算法部署在车辆边缘计算(VEC)池或车队头中。一种MEC辅助车辆编排的任务分担方法，在任务队列稳定的条件下，采用Lyapunov优化算法解决了优化问题。为了最小化任务卸载的成本，满足任务执行的时间底线，一系列细粒度任务所代表的移动应用要么在本地车辆上执行，要么卸载给其他车队成员，要么卸载到MEC服务器上。为了提高卸载的效率和成功率，提出了一个车队辅助车辆计算(PVEC)系统，其中任务流可以迁移到车队成员。设计了具有预测性V2V中继的任务文件传输策略，并提出了一种最佳的预测性组合模式卸载方案。