[发明专利]一种基于粒子群的车联网络任务分配方法

说明书

本发明涉及一种基于粒子群的车联网络任务分配方法，属于移动边缘计算技术领域。包括：1)按照基站分布将城市划分为多个等大区域；2)基站中心控制器编排区域内用户车辆应用任务；3)用户广播短信息包；4)收到信息包的雾节点发送数据包反馈给用户；5)用户根据数据包封装任务请求包发送给中心控制器；6)中心控制器执行基于粒子群算法的计算卸载策略；7)用户按照计算卸载策略卸载计算任务；8)雾节点实时处理用户任务，将结果反馈给用户；9)用户和雾节点断开连接时：如果任务未处理完，用户遗弃任务，重新执行步骤3)，否则，雾节点不再接收后续任务。所述方法为每个卸载的计算任务选择合适的服务质量，已达到服务质量与服务时延之间的平衡。

技术领域

本发明涉及一种基于粒子群的车联网络任务分配方法，尤其涉及一种基于车 联边缘计算网络的粒子群任务分配方法，属于移动边缘计算技术领域。

背景技术

随着5G和人工智能的发展，智能车联应用如智能变道、智能跟车和实时路 面感知已经成为当前的研究热点。然而，目前道路上，拥有大量计算资源的新一 代汽车仍然占据少数，大部分还是只配备简单车载传感器(如行车记录仪等)的 普通车辆。这些普通车辆靠本身的计算资源无法及时的处理智能车联应用所产生 的海量任务需求，亟需要一种计算卸载模式来将智能车联应用卸载到具有更强处 理能力的服务器上。

然而，不同于固定的用户接入网络，车联网拓扑随着车辆的移动而实时动态 变化。除此之外，智能车联应用往往与安全紧耦合相关，对服务延时非常苛刻。 因此，传统的基于云计算的计算卸载策略不能满足车联应用。为了解决以上问题， Yu Xiao等人提出车辆雾计算，即把计算资源和通信资源配备到特定车辆，如公 交车等，使之成为车辆雾节点。车辆雾节点可以在行进的过程中为周围用户车辆 提供单跳可达的计算卸载服务，避免了云计算模式下的多跳路由，将大大减少任 务的传输延时。其次，车辆雾节点往往路线固定，通过预测其运行轨迹可以较为 有效的保证服务质量。最后，相比于固定的服务器，车辆雾节点可以调遣到服务 紧缺的区域中进行服务，实现应用按需资源调控，避免资源冗余部署。

除此之外，由于公交车的能耗和体积限制，只能部署有限的计算资源。然而， 同一车载应用在不同的服务质量下所消耗的计算资源也有所不同。比如在图像识 别应用中，识别分辨率高的图片比识别分辨率低的图片处理延时要大很多。因此， 如何根据车辆雾节点的计算负载调节用户车辆应用的服务质量也是本发明要解 决的技术问题。

发明内容

本发明的目的在于针对现有车辆雾计算卸载存在无法按需资源调控、避免资 源冗余部署，以及如何根据车辆雾节点的计算负载调节用户车辆应用的服务质量 这些技术缺陷，提出了一种基于粒子群的车联网络任务分配方法。

为了达到上述目的，本发明采取如下技术方案。

所述基于车联边缘计算网络的粒子群任务分配方法所依托的车联边缘计算 网络，包括基站、用户车辆以及车辆雾节点；

其中，基站上包括中心控制器；每个用户车辆包括车载通信模组；

用户车辆和车辆雾节点与基站中的中心控制器相连；中心控制器上注册有所 有用户车辆和车辆雾节点的信息；且所有用户车辆和车辆雾节点均通过蜂窝网络 注册，并将该用户车辆和车辆雾节点的实时位置信息汇报给中心控制器；

所述任务分配方法，包括如下步骤：

步骤1、将按照基站分布，利用蜂窝hexagon聚合的方法将城市划分为多个 均匀等大区域；

步骤2、在步骤1划分出的每个区域中，运维一个中心控制器来编排该区域 内产生的所有车辆应用任务；

步骤3、每个用户车辆利用车载通信模组广播一个DSRC短信息；

步骤4、收到用户车辆DSRC信息包的车辆雾节点发送一个数据包反馈给用 户车辆；