一种驾驶任务计算终端确定方法、装置及计算机设备与流程

1.本发明涉及人工智能技术领域，具体涉及一种驾驶任务计算终端确定方法、装置及计算机设备。


背景技术：

2.在网联汽车的驾驶场景中，网联汽车的驾驶任务(例如，感知任务、控制任务、车载娱乐任务等)的处理，均需要使用计算终端(车端和云端)的计算资源。在上下班等高峰的驾驶场景中，随着驾驶车辆的数量增多，需要并行计算的驾驶任务也会相应的增加，可能会使某个计算终端的计算资源会被大量占用，导致网联汽车某个任务分配到的计算终端可能会超出计算终端的载荷，使得该任务的处理有延迟。故亟待提出一种驾驶任务的计算终端确定方法以保证网联汽车的驾驶任务可以分配到合适的计算终端，保证网联汽车的各项驾驶任务可以顺利进行，保证了网联汽车行驶的安全。


技术实现要素：

3.因此，本发明要解决的技术问题在于克服现有技术中计算终端分配不合理导致驾驶任务处理延迟的缺陷，从而提供一种驾驶任务计算终端确定方法、装置及计算机设备。
4.根据第一方面，本发明公开了一种驾驶任务计算终端确定方法，包括如下步骤：获取每一个计算终端的计算资源信息、驾驶任务以及所述驾驶任务的特征信息；根据所述驾驶任务的特征信息、所述计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端。
5.可选地，所述计算终端包括：系统级芯片，所述系统级芯片包括：计算核，所述计算核、所述系统级芯片和所述计算终端组成计算节点，所述根据所述驾驶任务的特征信息以及预设算法确定每一个驾驶任务的计算终端，包括：获取所述计算核的计算资源信息和所述系统级芯片的计算资源信息；根据所述计算核的计算资源信息、所述系统级芯片的计算资源信息以及所述计算终端的计算资源信息形成资源池；根据所述驾驶任务的特征信息、所述资源池以及所述预设算法确定每一个驾驶任务的计算节点。
6.可选地，所述驾驶任务的特征信息包括：驾驶任务的位置信息、任务初始优先级信息以及驾驶任务的计算资源需求信息。
7.可选地，所述驾驶任务的计算资源需求信息包括：网络资源需求信息和算力资源需求信息，所述根据所述驾驶任务的特征信息、所述计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端包括：根据所述网络资源需求信息和算力资源需求信息对所述驾驶任务进行资源需求排序；根据资源需求排序结果、所述驾驶任务的位置信息、所述任务初始优先级信息、所述计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端。
8.可选地，所述预设算法包括：聚类算法和神经网络算法。
9.可选地，当所述预设算法为神经网络算法时，所述根据所述驾驶任务的特征信息、
所述计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端，包括：将所述驾驶任务的特征信息、所述计算终端的计算资源信息输入到提前训练好的神经网络模型中进行分类，得到分类结果；根据所述分类结果确定每一个驾驶任务的计算终端。
10.根据第二方面，本发明还公开了一种驾驶任务计算终端确定装置，包括：第一获取模块，用于获取每一个计算终端的计算资源信息、驾驶任务以及所述驾驶任务的特征信息；确定模块，用于根据所述驾驶任务的特征信息、所述计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端。
11.可选地，所述计算终端包括：系统级芯片，所述系统级芯片包括：计算核，所述计算核、所述系统级芯片和所述计算终端组成计算节点，所述确定模块包括：第二获取模块，用于获取所述计算核的计算资源信息和所述系统级芯片的计算资源信息；形成模块，用于根据所述计算核的计算资源信息、所述系统级芯片的计算资源信息以及所述计算终端的计算资源信息形成资源池；第一确定子模块，用于根据所述驾驶任务的特征信息、所述资源池以及所述预设算法确定每一个驾驶任务的计算节点。
12.根据第三方面，本发明还公开了一种计算机设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如第一方面或第一方面任一可选实施方式所述的驾驶任务计算终端确定方法的步骤。
13.根据第四方面，本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面任一可选实施方式所述的驾驶任务计算终端确定方法的步骤。
14.本发明技术方案，具有如下优点：
15.本发明提供的驾驶任务计算终端确定方法及装置，通过获取每一个计算终端的计算资源信息、驾驶任务以及驾驶任务的特征信息；根据驾驶任务的特征信息、计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端。本发明通过利用预设算法对将计算终端和驾驶任务的特征信息进行匹配，为每一个驾驶任务分配合适的计算终端，避免了现有技术中计算终端分配不合理导致驾驶任务处理延迟的问题，提高了网联汽车行驶安全和驾驶任务处理的高效性。
附图说明
16.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1为本发明实施例中驾驶任务计算终端确定方法的一个具体示例的流程图；
18.图2为本发明实施例中驾驶任务计算终端确定装置的一个具体示例的原理框图；
19.图3为本发明实施例中计算机设备的一个具体示例图。
具体实施方式
20.下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施
例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
21.在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
22.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
23.此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
24.本发明实施例公开了一种驾驶任务计算终端确定方法，如图1所示，包括如下步骤：
25.s11：获取每一个计算终端的计算资源信息、驾驶任务以及驾驶任务的特征信息。
26.示例性地，该计算终端可以包括：各个网联车载计算终端和云端的各个边缘计算节点。在本发明实施例中，计算资源信息可以分为各个计算终端的总计算资源信息和空闲计算资源信息。而计算资源信息可以包括网络资源信息和算力资源信息。其中，网络资源信息可以包括带宽资源信息和时延资源信息，算力资源信息包括cpu资源信息和gpu资源信息。本发明实施例对该计算终端、计算资源信息、网络资源信息以及算力资源信息均不作具体限定，本领域技术人员可以根据实际情况设定。
27.该驾驶任务可以包括网联汽车的感知任务、决策任务、控制任务和车载娱乐任务等。驾驶任务的数量均可以仅有1个，也可以为多个。本发明实施例对该驾驶任务以及驾驶任务的数量均不作具体限定，本领域技术人员可以根据实际情况确定。驾驶任务的获取方法可以为sdn控制器通过北向接口采集得到。
28.该特征信息可以包括：每一个驾驶任务的逻辑位置信息、任务初始优先级信息以及该驾驶任务对计算资源的需求信息等。其中，逻辑位置信息指的是该驾驶任务产生于哪一个计算终端，可细化到具体哪个核，也可以细化到具体哪一个计算终端。任务初始优先级信息可以是预先定义好的，例如，控制任务、感知任务等的任务优先级排序较高，而车载娱乐任务的任务优先级较低。本发明实施例对该特征信息以及逻辑位置信息均不作具体限定，本领域技术人员可以根据实际情况确定。
29.s12：根据驾驶任务的特征信息、计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端。
30.示例性地，该预设算法可以包括：聚类算法(例如，最小二乘法)、神经网络算法等。本发明实施例对该预设算法不作具体限定，本领域技术人员可以根据实际情况确定。
31.当预设算法为神经网络算法时，根据驾驶任务的特征信息、计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端具体可以为将驾驶任务的特征信息、计
算终端的计算资源信息输入到提前训练好的神经网络模型中得到分类结果，然后根据上述分类结果确定每一个驾驶任务的计算终端。
32.当预设算法为聚类算法时，在本发明实施例中，驾驶任务的逻辑位置信息、计算资源需求信息均是静态参数，一般不可变，因此，根据驾驶任务的特征信息、计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端具体可以为通过不断调整任务优先级，进而不断调整损失函数的参数权重，只要损失函数满足预设条件，达到更好的分配效果。其中，该预设条件可以为损失值小于0.1，本发明实施例对该预设条件不作具体限定，本领域技术人员可以根据实际情况确定。
33.本发明提供的驾驶任务计算终端确定方法，通过获取每一个计算终端的计算资源信息、驾驶任务以及驾驶任务的特征信息；根据驾驶任务的特征信息、计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端。本发明通过利用预设算法对将计算终端和驾驶任务的特征信息进行匹配，为每一个驾驶任务分配合适的计算终端，避免了现有技术中计算终端分配不合理导致驾驶任务处理延迟的问题，提高了网联汽车行驶安全和驾驶任务处理的高效性。
34.作为本发明实施例一个可选实施方式，计算终端包括：系统级芯片(soc)，系统级芯片包括：计算核(ip核)，计算核、系统级芯片和计算终端组成计算节点，上述步骤s12包括：
35.首先，获取计算核的计算资源信息和系统级芯片的计算资源信息。计算核的计算资源信息和系统级芯片的计算资源信息的内容以及获取方法均与上述计算终端的计算资源信息一样，在此不再赘述。
36.其次，根据计算核的计算资源信息、系统级芯片的计算资源信息以及计算终端的计算资源信息形成资源池。
37.示例性地，在发明实施例中，资源池具有结构化的性质，结构化指标可以采用通信开销(默认不同的计算终端性能开销一致)。而资源池的开销由小到大是：同一计算核内——同一系统级芯片(soc)内——同一计算终端——不同计算终端之间。
38.再次，根据驾驶任务的特征信息、资源池以及预设算法确定每一个驾驶任务的计算节点。在本发明实施中，根据预设算法确定每一个驾驶任务在资源池中对应的节点，具体确定方法可参加上述步骤s12的描述，在此不再赘述。
39.作为本发明实施例一个可选实施方式，驾驶任务的计算资源需求信息包括：网络资源需求信息和算力资源需求信息，上述步骤s12包括：
40.首先，根据网络资源需求信息和算力资源需求信息对驾驶任务进行资源需求排序。
41.示例性地，根据网络资源需求信息和算力资源需求信息对驾驶任务进行资源需求排序可以根据网络资源信息和算力资源需求信息情况从大到小进行排序，也可以根据网络资源信息和算力资源需求信息情况从小到大进行排序，本发明实施例对该排序方法不作具体限定，本领域技术人员可以根据实际情况设定。
42.其次，根据资源需求排序结果、驾驶任务的位置信息、任务初始优先级信息、计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端。
43.本发明通过根据每一个驾驶任务的资源需求信息对驾驶任务进行资源需求排序，
进而根据排序结果进行给每一个驾驶任务分配计算终端，分配结果更加合理。
44.本发明实施例还公开了一种驾驶任务计算终端确定装置，如图2所示，包括：
45.第一获取模块21，用于获取每一个计算终端的计算资源信息、驾驶任务以及驾驶任务的特征信息；具体实现方式见上述实施例中步骤s11的相关描述，在此不再赘述。
46.确定模块22，用于根据驾驶任务的特征信息、计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端；具体实现方式见上述实施例中步骤s12的相关描述，在此不再赘述。
47.本发明提供的驾驶任务计算终端确定装置，通过获取每一个计算终端的计算资源信息、驾驶任务以及驾驶任务的特征信息；根据驾驶任务的特征信息、计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端。本发明通过利用预设算法对将计算终端和驾驶任务的特征信息进行匹配，为每一个驾驶任务分配合适的计算终端，避免了现有技术中计算终端分配不合理导致驾驶任务处理延迟的问题，提高了网联汽车行驶安全和驾驶任务处理的高效性。
48.作为本发明实施例一个可选实施方式，计算终端包括：系统级芯片，系统级芯片包括：计算核，计算核、系统级芯片和计算终端组成计算节点，确定模块22包括：
49.第二获取模块，用于获取计算核的计算资源信息和系统级芯片的计算资源信息；具体实现方式见上述实施例中对应的步骤的相关描述，在此不再赘述。
50.形成模块，用于根据计算核的计算资源信息、系统级芯片的计算资源信息以及计算终端的计算资源信息形成资源池；具体实现方式见上述实施例中对应的步骤的相关描述，在此不再赘述。
51.第一确定子模块，用于根据驾驶任务的特征信息、资源池以及预设算法确定每一个驾驶任务的计算节点。具体实现方式见上述实施例中对应的步骤的相关描述，在此不再赘述。
52.作为本发明实施例一个可选实施方式，驾驶任务的特征信息包括：驾驶任务的位置信息、任务初始优先级信息以及驾驶任务的计算资源需求信息。具体实现方式见上述实施例中对应的步骤的相关描述，在此不再赘述。
53.作为本发明实施例一个可选实施方式，驾驶任务的计算资源需求信息包括：网络资源需求信息和算力资源需求信息，上述确定模块22包括：
54.排序模块，用于根据网络资源需求信息和算力资源需求信息对驾驶任务进行资源需求排序；具体实现方式见上述实施例中对应的步骤的相关描述，在此不再赘述。
55.第二确定子模块，用于根据资源需求排序结果、驾驶任务的位置信息、任务初始优先级信息、计算终端的计算资源信息以及预设算法确定每一个驾驶任务的计算终端。具体实现方式见上述实施例中对应的步骤的相关描述，在此不再赘述。
56.作为本发明实施例一个可选实施方式，预设算法包括：聚类算法、神经网络算法。具体实现方式见上述实施例中对应的步骤的相关描述，在此不再赘述。
57.作为本发明实施例一个可选实施方式，当预设算法为神经网络算法时，上述确定模块22包括：
58.分类模块，用于将驾驶任务的特征信息、资源池输入到提前训练好的神经网络模型中进行分类，得到分类结果；
59.第三确定模块，用于根据分类结果确定每一个驾驶任务的计算终端。
60.本发明实施例还提供了一种计算机设备，如图3所示，该计算机设备可以包括处理器31和存储器32，其中处理器31和存储器32可以通过总线或者其他方式连接，图3中以通过总线连接为例。
61.处理器31可以为中央处理器(central processing unit，cpu)。处理器31还可以为其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
62.存储器32作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的驾驶任务计算终端确定方法对应的程序指令/模块(例如，图2所示的第一获取模块21和确定模块22)。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的驾驶任务计算终端确定方法。
63.存储器32可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器31所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至处理器31。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
64.所述一个或者多个模块存储在所述存储器32中，当被所述处理器31执行时，执行如图1所示实施例中的驾驶任务计算终端确定方法。
65.上述计算机设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
66.本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read－only memory，rom)、随机存储记忆体(randomaccessmemory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid－state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
67.虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。