一种蜂窝车联网分级决策的边缘计算卸载方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115297171A(43)申请公布日2022.11.04(21)申请号202210801107.0H04W28/14(2009.01)(22)申请日2022.07.08H04W12/06(2021.01)H04W28/08(2009.01)(71)申请人南京邮电大学地址210003江苏省南京市鼓楼区新模范马路66号(72)发明人丁飞金钰森沙宇晨王晔童恩张登银朱洪波(74)专利代理机构南京纵横知识产权代理有限公司32224专利代理师严志平(51)Int.Cl.H04L67/568(2022.01)H04L67/55(2022.01)H04L67/12(2022.01)H04W4/44(2018.01)权利要求书4页说明书14页附图6页(54)发明名称一种蜂窝车联网分级决策的边缘计算卸载方法及系统(57)摘要本发明公开了一种蜂窝车联网分级决策的边缘计算卸载方法及系统，包括：识别目标智能车辆的计算任务在多接入边缘计算MEC平台中是否存在缓存历史计算任务结果；若存在，则将历史计算任务结果直接推送给目标智能车辆；若不存在，则将所述计算任务视为新任务，选出区域内符合时延约束条件的边缘服务器；采用最近最少使用LRU算法对新任务进行边缘缓存队列管理，以优化MEC平台资源使用率；对新任务实施基于深度强化学习DDPG算法的计算卸载与边缘缓存协同策略，将获得的计算任务结果推送给目标智能车辆；目标智能车辆将计算任务结果同步给相邻智能车辆。本发明能够实现车载计算任务的自适应卸载与高效管理，避免网络通讯堵塞，提高卸载效率，降低系统成本。CN115297171ACN115297171A权利要求书1/4页1.一种蜂窝车联网分级决策的边缘计算卸载方法，其特征在于，所述方法包括：获取目标智能车辆的计算任务；对所述计算任务进行合法认证后，识别所述计算任务在多接入边缘计算MEC平台中是否存在缓存历史计算任务结果；若存在，则将所述计算任务对应的历史计算任务结果直接推送给目标智能车辆；若不存在，则将所述计算任务视为新任务，并根据所述目标智能车辆当前位置选出区域内符合时延约束条件的边缘服务器；基于选出的边缘服务器，采用最近最少使用LRU算法对所述新任务进行边缘缓存队列管理，以优化MEC平台资源使用率；对所述新任务实施基于深度强化学习DDPG算法的计算卸载与边缘缓存协同策略，将获得的计算任务结果推送给所述目标智能车辆；所述目标智能车辆将计算任务结果同步给相邻智能车辆，避免同类型计算任务对所述MEC平台重复接入请求。2.根据权利要求1所述的蜂窝车联网分级决策的边缘计算卸载方法，其特征在于，所述采用最近最少使用LRU算法对所述新任务进行边缘缓存队列管理，具体包括：将所述新任务的请求数据和缓存命中数据填入边缘缓存队列的链表队首，并移除溢出链表队尾的任务，所述链表队尾的任务为缓存命中率最低的任务；其中，缓存队列中存在对应历史执行结果的概率表示为：式中，Hm表示预设的最大缓存空间，pLRU表示新任务的请求数据出现在队首的概率；所述LRU算法的缓存命中率表示为：π＝pLRUp’LRU(2)。3.根据权利要求2所述的蜂窝车联网分级决策的边缘计算卸载方法，其特征在于，对所述新任务实施基于深度强化学习DDPG算法的计算卸载与边缘缓存协同策略，具体包括：结合智能车辆边缘网络效用和任务处理时延，构建本地计算成本代价函数及边缘计算成本代价函数；基于本地计算成本代价函数及边缘计算成本代价函数，建立成本代价目标函数；采用DDPG算法对成本代价目标函数进行最优化处理，得到最终的卸载策略。4.根据权利要求3所述的蜂窝车联网分级决策的边缘计算卸载方法，其特征在于，所述结合智能车辆边缘网络效用和任务处理时延，构建本地计算成本代价函数及边缘计算成本代价函数，具体包括：若计算任务τi的本地计算时延小于设定的最大容忍时延，则计算任务τi采用本地卸载方案，本地计算时延如公式(3)所示：v式中，fi表示网联车载平台的计算能力，di表示计算任务τi对应的数据量大小；基于本地计算时延，通过公式(4)得到本地计算平台在执行计算任务τi时的本地资源消2CN115297171A权利要求书2/4页耗评价函数：式中，pc表示本地计算平台CPU的能耗功率；结合所述本地资源消耗评价函数和本地计算时延，构建本地计算成本代价函数如公式(5)所示：式中，α和1‑α分别表示计算任务τi的时延和资源消耗的权重，α∈[0,1]；表示归一化后的本地计算时延；表示归一化后的本地资源消耗；若计算任务τi的本地计算时延大于设定的最大容忍时延，则将部分计算任务卸载到边缘服务器，以满足最低时延的约束要求；计算任务卸载至边缘服务器的边缘计算时延表示为：m式中，fi表示边缘服务器的计算能力，si表示