[发明专利]面向车联网边缘计算路域划分服务迁移方法以及迁移系统

说明书

本发明提供了一种面向车联网的边缘计算路域划分服务迁移方法以及迁移系统，所述迁移方法包括：根据车辆路边基站的交叉覆盖范围来定义迁移路段；当车辆驶入所述迁移路段时根据车辆和服务器之间的距离以及服务器上的各种信息来决定服务迁移策略；从时延和损耗两个方面来制定服务迁移策略的衡量指标；基于所述迁移路段、所述服务迁移策略以及所述衡量指标构建马尔科夫决策过程模型；采用强化学习的方法实现服务迁移。本发明的迁移方法通过将路网模型与车辆用户移动性结合起来，将车辆行驶路段划分为迁移路段和非迁移路段，并以此为基础建立MDP模型，能避免频繁的服务迁移工作造成额外的迁移开销。

技术领域

本发明涉及车联网领域，具体而言，涉及一种面向车联网的边缘计算服务迁移方法以及迁移系统。

背景技术

在以往的研究中往往只从单一角度来考虑服务迁移策略的制定。所谓单一衡量指标的服务迁移策略是以从时延或损耗单一角度去考虑，使得服务迁移在单一角度上取得最优值。如果只考虑损耗这单一方面，那么就会忽略时延对于用户车辆的影响；反之，如果只考虑低时延，那么可能会忽略冗余服务迁移带来不必要的损耗，得不到最优时延和损耗。

此外，基于强化学习的服务迁移决策是以某一变量建立马尔科夫决策过程，基于环境采取行动取得最大化的预期收益。大多数研究都以时间作为连续变量建立马尔科夫决策过程，不能将用户的位置与马尔科夫过程建立直接的连接，不能很好的解决用户的移动性问题。

有鉴于此，特提出本发明。

发明内容

有鉴于此，本发明公开了一种面向车联网的边缘计算路域划分服务迁移方法，该迁移方法实现了从多个方面来制定服务迁移策略，能够很好的解决用户的移动性问题，且能够得到最优的时延和损耗。

具体地，本发明是通过以下技术方案实现的：

第一方面，本发明公开了一种面向车联网的边缘计算服务迁移方法，包括如下步骤：

预先对道路进行划分迁移路段与非迁移路段，根据车辆路边基站的交叉覆盖范围来定义所述迁移路段；

当车辆驶入所述迁移路段时根据车辆和服务器之间的距离以及服务器上的各种信息来决定服务迁移策略；

从时延和损耗两个方面来制定服务迁移策略的衡量指标；

基于所述迁移路段、所述服务迁移策略以及所述衡量指标构建马尔科夫决策过程模型；

采用强化学习的方法实现服务迁移。

第二方面，本发明公开了一种面向车联网的边缘计算服务迁移系统，包括：

建立迁移路段模块：预先对道路进行划分迁移路段与非迁移路段，根据车辆路边基站的交叉覆盖范围来定义迁移路段；

建立迁移策略模块：当车辆驶入所述迁移路段时根据车辆和服务器之间的距离以及服务器上的各种信息来决定服务迁移策略；

建立衡量指标模块：从时延和损耗两个方面来制定服务迁移策略的衡量指标；

模型构建模块：基于所述迁移路段、所述服务迁移策略以及所述衡量指标构建马尔科夫决策过程模型；

强化学习模块：采用强化学习的方法实现服务迁移。

第三方面，本发明公开了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如第一方面所述计算服务迁移方法的步骤。

第四方面，本发明公开了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述计算服务迁移方法的步骤。