[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

说明书

本发明公开了一种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，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RSU把任务数据上传到近邻边缘服务器；SDN控制器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区域，根据所处区域确定候选执行节点；SDN控制器把分散上传的任务数据汇集到各候选执行节点，并为各候选执行节点的边缘服务器调度支撑数据；每个候选执行节点在获得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。本发明可以实现车辆任务卸载在边缘服务器之间无感切换。

技术领域

本发明属于边缘任务卸载优化领域，具体涉及一种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。

背景技术

随着信息技术的快速发展，诸如自动驾驶、车载虚拟现实等车载智能新型应用不断涌现，这些新兴应用需要较大的计算量和数据量。由于车辆的计算资源有限，这些新兴应用的计算任务往往无法在本地完成。云计算也难于满足这些新兴应用的需求，因为云中心服务器距离车辆较远，车辆的数据传输延迟较高。车载边缘计算(VEC)正是解决这些新兴应用需求的有效方案，通过将服务器放置在靠近车辆的地方，形成车载边缘网络，为车辆提供高强度计算和低延迟数据获取服务。

在车载边缘网络(VEC)中，由于路侧单元(RSU)的无线信号覆盖范围有限，当正在卸载任务的车辆离开当前的RSU无线信号覆盖范围时，车辆用户将停止与当前边缘服务器的任务卸载操作，切换到新的服务器继续卸载任务。这种由车辆移动导致服务器切换而引起的任务卸载中断问题不容忽视，容易导致任务卸载失败或者处理时间延长。

VEC服务器在为车辆执行任务时，除了需要来自车辆自身上传的任务数据，往往还需从其他车辆或者服务器获取任务执行所需的其他数据。如针对交通导航的计算请求，不仅需要请求车辆所在区域的交通数据，还需要周边区域的交通数据。因此，任务执行所需要的数据不仅需要任务请求者自身上传的数据，还需要一些支撑任务执行成功的数据，如数据库、链接库文件、缓存数据、其他车辆的感知数据等，这些支撑可以从边缘服务器、云服务器或者其他车辆获取。由此可见，任务卸载时延包含四个部分，即任务数据上传时间T¹、任务执行所需支撑数据的获取时间T²、任务执行时间T³、计算结果返回时间T⁴。由于一个任务的数据量和处理量是恒定的，T¹和T³往往难于优化。同时，任务结果数据量往往较少，任务结果返回时延T⁴可忽略。因此，任务卸载时延的优化目标落到任务执行准备时间T²上面。

由于车辆自身计算资源不足，可以将任务卸载到资源较为丰富边缘服务器或者云端上执行，能够在较短的时间内返回计算结果，从而满足时延敏感型任务的需求。然而，与传统边缘计算不同的是，车辆的高速移动会导致网络拓扑结构不断变化，导致车辆在任务卸载过程中频繁的切换服务器，造成任务中断或时延增大。如何在车载边缘计算中通过有效的调度方案降低任务卸载的时间延迟，从而提高用户的服务质量是当前研究的一个热点。