[发明专利]辅助驾驶业务安全均衡卸载方法及系统

说明书

本发明提供一种辅助驾驶业务安全均衡卸载方法及系统，方法包括：获取在辅助驾驶业务服务阶段执行计算任务的总时延，并根据总时延，确定待求解的优化问题；基于深度学习算法对优化问题中的计算任务的卸载模式决策和卸载率决策进行优化，并在深度学习算法收敛后，确定目标卸载模式决策和目标卸载率决策；根据目标卸载模式决策和目标卸载率决策，卸载计算任务。所述系统执行所述方法。本发明基于辅助驾驶业务服务阶段执行计算任务的总时延确定优化问题，并利用深度学习算法对计算任务的卸载模式和卸载率联合优化，实现对辅助驾驶产生的计算任务的实时处理，能够降低例如车联网系统中卸载计算任务的总时延。

技术领域

本发明涉及移动边缘计算技术领域，尤其涉及一种辅助驾驶业务安全均衡卸载方法及系统。

背景技术

车联网是近年来新兴的一种移动自组网络，为提髙道路安全提供了保障，也改善了人们的驾驶体验。随着城市道路网络的交通流量日益提高，驾驶员在行驶过程中难免遇到拥堵区域，这大大增多了行程时间、油耗以及额外的气体排放，针对这一问题，引入辅助驾驶技术来降低发生事故的概率，并在发生事故后及时纠正其他车辆驾驶路线，以提升交通运行效率。通过车载单元(On board Unit，OBU)可以获取当前车辆的位置、方向、速度等行驶数据，并推断驾驶员的危险驾驶强度，以此对驾驶员行为进行验证，从源头遏制事故的发生，综合考虑当前车辆信息(如车辆ID、位置、速度、加速度、目的地)与路况信息，计算出合适的车速并规划合理的行车路线后对驾驶员做出提示。

然而，随着辅助驾驶方式的推广，新的问题也随之产生：车辆不能独自处理过程中产生的海量图像数据，需要将其采集到的数据卸载到服务器上进行处理。在车联网的应用中，车辆的高机动性和复杂的驾驶操作使得数据的就近处理和严格的时延要求变得极为重要。

发明内容

本发明提供的辅助驾驶业务安全均衡卸载方法及系统，用于现有技术中存在的上述问题，基于辅助驾驶业务服务阶段执行计算任务的总时延确定优化问题，并利用深度学习算法对计算任务的卸载模式和卸载率联合优化，实现对辅助驾驶产生的计算任务的实时处理，能够降低例如车联网系统中卸载计算任务的总时延。

本发明提供的一种辅助驾驶业务安全均衡卸载方法，包括：

获取在辅助驾驶业务服务阶段执行计算任务的总时延，并根据所述总时延，确定待求解的优化问题；

基于深度学习算法对所述优化问题中的所述计算任务的卸载模式决策和卸载率决策进行优化，并在所述深度学习算法收敛后，确定目标卸载模式决策和目标卸载率决策；

根据所述目标卸载模式决策和所述目标卸载率决策，卸载所述计算任务。

根据本发明提供的一种辅助驾驶业务安全均衡卸载方法，所述获取在辅助驾驶业务服务阶段执行计算任务的总时延，包括：

获取本地计算模式下执行所述计算任务的第一时延；

获取协同计算模式下执行所述计算任务的第二时延；

根据所述第一时延和所述第二时延，确定所述总时延；

其中，所述计算任务是根据车辆的目标速度和目标路线确定的；

所述目标速度和所述目标路线是通过对存储在区块链的区块中的车辆侧的信息进行处理后得到的；

所述车辆侧的信息至少包括车辆ID、车辆位置、车辆速度、车辆加速度及车辆目的地；

所述卸载模式包括所述本地计算模式和所述协同计算模式。

根据本发明提供的一种辅助驾驶业务安全均衡卸载方法，所述获取本地计算模式下执行所述计算任务的第一时延，包括：

根据所述本地模式下的第一本地移动边缘计算MEC服务器执行所述计算任务的第一本地时间和第一到达率，确定所述第一本地MEC服务器完成所述计算任务的第一时延；