[发明专利]一种基于二分图匹配策略的车联网任务卸载方法

说明书

一种基于二分图匹配策略的车联网任务卸载方法。在车辆定向移动的车辆网络模型中，车辆根据在下一个路口的转向方向被配置为三个车辆子网络。对于每个子网络，车辆间通过车对车通信方式相互通信，并通过车对基础设施通信方式与路边单元通信。此外，本方法提出了基于二分图匹配算法的任务卸载方法，将当前时刻做出任务卸载决策所对应的车辆网络构造成一个加权二分图，并通过Kuhn‑Munkres算法来求解二分图的最优匹配，最终目的是选择合适的临近车辆/边缘服务器作为卸载节点，最小化来自车辆的任务时延。仿真实验结果表明，本发明提出的车辆网络模型结合算法具有较好的性能，可以显著减少车联网在处理任务和上传数据时的传输延迟和丢包率。

技术领域

本发明属于物联网领域，具体涉及一种基于二分图匹配策略的车联网任务卸载方法。

背景技术

车联网(Internet ofVehicle，IoV)作为5G网络的典型应用场景，蕴含着巨大的市场潜力和社会价值，因此成为国内外学术界和产业界研究的热点。车联网依托5G蜂窝网、RSU(road side unit，路侧单元)、激光/雷达传感器、摄像头等设备，构建车与人、车、路、网立体的网联系统，实现车对车(Vehicle to vehicle,V2V)、车对基础设施(Vehicle toinfrastructure,V2I)、车对行人(Vehicle to pedestrian,V2P)以及车对网络(Vehicleto network,V2N)的通信，能够极大地改善交通的安全性、提高交通效率。随着车联网的快速发展，车辆数目的增加，海量的数据产生将会导致本地的计算和存储资源不能有效及时的满足需求，而且车辆的高移动性会导致连接中断和频繁的网络变更，不可避免地影响了服务的连续性，从而降低了用户体验。因此，车联网的核心问题是：实现信息超低时延交互、大数据量的短回路传输和处理。

对于延迟和可靠性不敏感的娱乐应用，传统的基于云的工作方式是合适的。然而，由于云中心通常远离车辆，导致通过核心网络和骨干网络的网络延迟很高。为了应对上述这些挑战，移动边缘计算(Mobile Edge Computing，MEC)已被引入车联网用来增强车联网的能力，进而生成了一种新的范例：车辆边缘计算(Vehicle Edge Computing，VEC)。计算卸载作为MEC的关键技术之一，通过将执行计算密集型、时延敏感型应用时所需的资源提供给资源受限的终端设备，以加快应用程序的运行速率及节省能源消耗。实验证明，将任务卸载到MEC上，最多可减少88％的时延。此外，车联网中多种通信模式共存使得车联网中的卸载方式也有多种选择，如何利用多种卸载方式更高效的完成计算任务也是一个值得深入研究的问题。

发明内容

本发明的目的是解决由于对卸载节点发现机制的设定都过于理想型化，导致候选卸载节点的遗漏，从而使得卸载决策达不到最优解决VANETs满足不同应用环境下的需要的问题，故提供一种基于二分图匹配策略的车联网任务卸载方法。本发明针对车辆的移动性，1)考虑提出了一种用于车辆定向移动的车辆网络模型VDM，为VEC中的车辆提供服务。该模型可以有效地利用车辆中的计算资源，减少V2I和V2V的通信拥塞；2)为了最小化任务的时间延迟，提出了利用Kuhn-Munkres的二分图匹配卸载算法；3)通过仿真实验评估VDM下的卸载算法的性能，实验结果表明二分图匹配算法能有效降低任务时延和丢包率。

本发明的基于二分图匹配策略的车联网任务卸载方法，主要包括如下关键步骤：

第1、系统模型的构建：

第1.1、建立车辆和道路模型；

第1.2、建立计算和通讯模型；

第2、算法设计与分析：

第2.1、匈牙利算法；

第2.2、Kuhn-Munkres算法；

第2.3、基于二分图匹配算法的车辆网计算任务卸载算法。