[发明专利]车联网中针对任务分发的在线车辆选择方法、系统及终端

说明书

本发明属于车联网技术领域，公开了一种车联网中针对任务分发的在线车辆选择方法、系统及终端，构建在线质量感知车辆选择方案以及基于成本感知和质量感知的在线车辆选择方案，当车联网中任务车辆知道服务车辆的部分信息，但又不知道车辆的任务完成质量的信息时，则选用在线质量感知车辆选择方案进行车辆选择；当车联网中任务车辆不知道服务车辆的所有信息时，例如成本以及任务完成质量，则选用基于成本感知和质量感知的在线车辆选择方案进行车辆选择。本发明综合考虑服务车辆的成本、任务车辆的学习奖励以及成本进行车辆选择。本发明能够在保证任务高效完成的基础上，有效的进行服务车辆的选择，同时能够降低处理成本，提高处理效率。

技术领域

本发明属于车联网技术领域，尤其涉及一种车联网中针对任务分发的在线车辆选择方法、系统及终端。

背景技术

目前，随着自动驾驶的发展，对计算资源的需求急剧增加。且由于各个车辆之间存在差异，如何使车辆协同完成延迟敏感任务是一项具有挑战的问题。针对这一问题，目前已经提出许多方案，如基于车辆到车辆的通信技术提出的车辆临时网络和车辆边缘云系统。在车辆边缘云中，车辆被分为两类：任务车辆，具有处理的任务，以及具有剩余资源的服务器车辆，并想要处理其他人的任务。在这种情况下，任务车辆需要复制任务，然后将其复制到服务器车辆。

其中如何选择服务车辆一直是一个需要不断优化的问题。现有的车辆选择方案可以分为两种类型：集中式模型和分散模型。在集中式模型中，任务车辆知道服务车辆的所有信息，例如信道信息，并且可以选择最佳的服务车辆到复制任务。在分散的方法中，由于车辆移动速度快，网络是动态的，服务车辆的信息是一个未知的先验知识，因此依赖于学习方法来选择服务车辆。

通过上述分析，现有技术存在的问题及缺陷为：现有的车辆选择方法无法适应实际需求，且占用的资源多，选择方案不是最优。现有技术大多假设完全知道服务车辆的所有信息，但是这是较难实现的，因为任务车辆发出的任务不同，且受现实环境因素的影响，服务车辆完成任务的效果都会有所改变。

解决以上问题及缺陷的难度为：任务车辆预先不知道服务车辆的网络状况和处理成本，因此无法做到得出任务分配的最优解

解决以上问题及缺陷的意义为：解决了以上问题后，我们可以在没有先验知识的情况下，得出任务分配的最优解，且我们所假设的情况更符合现实中的情况，有利于以最少的成本去完成任务的最优解分配，获得最大的利益。

发明内容

针对现有技术存在的问题，本发明提供了一种车联网中针对任务分发的在线车辆选择方法、系统及终端。

本发明是这样实现的，一种车联网中针对任务分发的在线车辆选择方法，包括：

构建在线质量感知车辆选择方案以及基于成本感知和质量感知的在线车辆选择方案，并基于车联网中任务车辆是否明确服务车辆的信息确定不同的在线车辆选择方案并进行车辆选择。

进一步，所述服务车辆的信息包括完成任务的花费。

进一步，所述基于车联网中任务车辆是否明确服务车辆的信息确定不同的在线车辆选择方案并进行车辆选择包括：

当车联网中任务车辆知道部分服务车辆的信息时，则选用在线质量感知车辆选择方案进行车辆选择；

当车联网中任务车辆不知道服务车辆的信息时，则选用基于成本感知和质量感知的在线车辆选择方案进行车辆选择。

进一步，所述车联网中针对任务分发的在线车辆选择方法包括以下步骤：

步骤一，判断任务车辆是否知道部分服务车辆的信息；若知道，则执行步骤二；若不知道，则执行步骤四；

步骤二，将任务分配给所有的服务车辆，服务车辆完成任务后返回任务结果，并确定服务车辆的任务信息；基于获取的任务信息进行计算，得到最佳任务期望，转向步骤三；