[发明专利]基于车辆轨迹预测的边缘任务卸载时延优化方法、系统及介质

权利要求书

1.一种基于车辆轨迹预测的边缘任务卸载时延优化方法，其特征在于，包括：

车辆向邻近边缘服务器发起任务卸载请求，并在获得通过后开始上传任务数据；且随着车辆的移动，不断切换路侧单元把任务数据上传到车辆所处位置近邻的边缘服务器；

SDN控制器根据车辆的任务卸载请求中包括的任务数据量，预知任务数据的上传完成时间；并根据车辆行驶轨迹，预测车辆在任务上传完成时所处的区域网格，根据所处的区域网格确定候选执行任务的边缘服务器；

SDN控制器把车辆分散上传到各边缘服务器的任务数据，汇集到每个候选执行任务的边缘服务器，并在任务上传的同时且在任务上传完成之前，为每个候选执行任务的边缘服务器调度用于执行任务的支撑数据；

每个候选执行任务的边缘服务器，在获得所有任务数据和支撑数据时，执行任务并向车辆发送任务执行结果，车辆任务卸载完成。

2.根据权利要求1所述的方法，其特征在于，采用基于Bi-LSTM网络结构的预测网络，根据车辆行驶轨迹预测车辆在任务上传完成时所处的区域。

3.根据权利要求2所述的方法，其特征在于，所述预测网络输入的车辆行驶轨迹，是将车辆行驶的经纬度轨迹按照地图网格离散化得到的网格编码序列；所述预测网络预测得到的区域，为地图网格中的某个网格对应的区域；所述地图网格，是通过将经纬度离信息散化对应地图的网格坐标，然后对各网格编码得到。

4.根据权利要求2所述的方法，其特征在于，根据所处的区域确定候选执行任务的边缘服务器的方法为：

首先，预测偏差的定义为：通过BI-LSTM网络得到的预测区域网格为(pri_x，pri_y)，对应的真实区域网格为(rel_x，rel_y)，则预测偏差值r定义为预测区域网格与真实区域网格之间的网格距离，如式：

如果预测区域网格与真实区域网格之间网格距离为r，则称预测偏差称为r类偏差，任何预测误差只能属于某一类，也即有唯一的r值，r为大于等于0的正整数；

然后，使用预测网络预测包含N条轨迹记录的测试车辆在任务上传完成时所处的区域网格，得到预测网格序列；将预测网格序列与对应的真实网格序列对比，分别计算预测网格落入与真实网格偏差为i区域的次数N_i，并计算出对应的概率κ_i：

再根据给定的预测准确率，确定综合准确率小于给定的预测准确率的最小的k值；其中，综合准确率的计算式为：

最后，将预测网络预测得到的区域，扩大到与其网格距离小于等于k的区域范围，该扩展预测区域范围内的所有边缘服务器均作为候选执行任务的边缘服务器。

5.根据权利要求2所述的方法，其特征在于，车辆不断切换路侧单元把任务数据上传到车辆所处位置近邻的边缘服务器，具体上传方法为：车辆分m轮依次将把任务数据完全上传到边缘服务器，每一轮的时间长度固定为t；设任务数据开始上传时间为t₀，第i轮上传的数据总量为M_i，上传时间范围为[t₀+(i-1)*t,t₀+i*t]，在此上传时间段内，车辆移动过程中把任务数据分别上传到k_i个边缘服务器上。