[发明专利]基于边缘计算的无人车协同路径规划和资源分配方法

说明书

本发明涉及一种基于边缘计算的无人车协同路径规划和资源分配方法，针对路径规划问题设计了强化学习方法，针对资源分配问题设计了基于粒子群算法的多无人车协同搜索方法，考虑了路径规划和资源分配两个变量之间的耦合关系以及无人车的移动性、边缘服务器的分布性、对截止时间敏感的车载任务和边缘服务器计算能力等限制，利用无人车之间的协同路径规划主动平衡边缘服务器的计算资源，可以有效解决无人车的任务变化需求与边缘服务器资源之间的矛盾，实现交通流量域和边缘计算资源域的跨域负载均衡，相比于单独求解的路径规划算法和资源分配算法，该算法在无人车任务的服务延迟和行驶时间等方面具有较好的优越性。

技术领域

本发明涉及无线通信的技术领域，尤其涉及基于边缘计算的无人车协同路径规划和资源分配方法。

背景技术

智能无人车利用车载传感和计算能力来了解周围环境并实现自动驾驶，是实现更安全、更高效交通的关键。由于车辆智能受到感知范围和计算能力的限制，大多数车辆可能无法以其自身有限的计算能力在本地处理一些数据密集型任务，交通安全和效率难以得到优化。多接入边缘计算(MEC)通过计算卸载，使自动驾驶汽车能够为新兴的车联网(IoV)应用处理这些时间紧迫和数据密集型的计算任务。然而，无人车的路径变化迫使交通流量也实时变化，使得任务执行所需的资源不断变化，无人车终端无法及时获取资源，容易导致系统决策延误，引发交通事故。因此，面对边缘智能日益增长的需求，边缘计算的实时资源优化以及无人车的路径规划变得至关重要。

为了处理无人车卸载的日益复杂的计算任务，重点研究了边缘服务器的资源分配策略，但是很少研究交通状况的变化对边缘资源分配的影响，车辆始终作为一种被动的方式使用边缘计算资源，不会利用车辆的动态路径规划对边缘计算资源动态调整优化。因此，为了保证交通道路网顺畅，同时减少无人车竞争相同边缘计算资源的相互干扰，就需要有效的边缘资源分配机制，对无人车动态路径规划服务需求的变化而分配的计算资源通过动态资源分配技术实时调整。

发明内容

本发明提供了一种基于边缘计算的无人车协同路径规划和资源分配方法，基于在寻找有效的边缘服务器资源分配的同时对无人车进行合理的路径规划，利用无人车的路径规划技术主动均衡车辆边缘计算的计算资源负载。解决计算资源域和交通流量域的跨域负载均衡，旨在权衡无人车的服务时间延误和行驶时间延误，实现边缘计算资源分配和无人车路径规划的联合优化。

一种基于边缘计算的无人车协同路径规划和资源分配方法，包括如下步骤：

步骤1：设计约束条件，建立问题模型；

步骤2：结合步骤1建立的问题模型，在资源分配策略一定的情况下建立路径规划模型，在无人车选择一定的行驶路径情况下建立资源分配模型；

步骤3：对步骤2建立的路径规划模型，利用强化学习优化无人车的路径规划，根据无人车自身的路径概率向量选择路径探测各自的行驶时间得到回报函数，然后更新路径选择概率集合空间中的路径选择的概率向量，得到最优的行驶路径；

步骤4：对步骤2建立的资源分配模型，利用基于粒子群算法的多无人车协同搜索得到最佳资源分配策略，通过在线交互和迭代得到服务延迟最小的资源分配策略；

步骤5：结合步骤3和步骤4，利用交替迭代方法对两者进行联合优化，主要是将每个时隙划分为两部分，分别优化路径规划问题和资源分配问题。

优选的是，本发明步骤1中建立问题模型包括：

通信模型：