车联网的动态服务部署方法、系统、装置及存储介质与流程

1.本发明涉及车联网边缘计算技术领域，尤其是一种车联网的动态服务部署方法、系统、装置及存储介质。


背景技术：

2.5g技术的出现推动了车联网(lov)技术的发展，5g技术有助于构建具有安全性、可靠性、运输高效、低延迟和更广泛网络覆盖范围的智能和可持续的车载网络。
3.车联网(lov)能够满足车辆行驶时的各种服务需求，但是由于边缘资源有限、车辆的高机动性、不断增长的服务需求以及服务请求类型的动态性等问题使得车联网(lov)的服务部署成为一项具有挑战性的任务。相关技术中，静态部署的解决方案由于没有考虑交通移动性和服务动态，因此无法有效地解决实际问题。


技术实现要素：

4.本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
5.为此，本发明实施例的一个目的在于提供一种车联网的动态服务部署方法、系统、装置和介质，其能够减少服务的响应时间，并保持边缘服务器的资源平衡。
6.为了达到上述技术目的，本发明实施例所采取的技术方案包括：
7.一方面，本发明实施例提供了一种车联网的动态服务部署方法，包括以下步骤：
8.获取服务请求和环境数据；
9.根据所述服务请求和所述环境数据，通过策略函数生成服务部署决策；
10.根据所述服务部署决策获得决策动作和决策响应；
11.根据所述决策动作和所述决策响应，通过价值函数生成所述服务部署决策的决策质量值；
12.根据所述决策质量值从所述服务部署决策中确定目标服务部署决策；
13.根据所述目标服务部署决策将服务进行服务部署。
14.进一步地，所述环境数据包括车辆id和车辆位置，所述获取服务请求和环境数据，具体包括：
15.接收通过车辆上的通信模块发送的所述车辆id、所述车辆位置和所述服务请求。
16.进一步地，所述根据所述服务请求和所述环境数据通过策略函数生成边缘服务器上的服务部署决策，具体包括：
17.提取所述环境数据的特征；
18.根据所述服务请求和所述环境数据的特征，通过策略函数生成服务部署决策。
19.进一步地，所述提取所述环境数据的特征，具体包括：
20.获取所述服务请求、的消耗资源量以及总服务时间；、
21.获取边缘可用资源和云端可用资源；
22.根据所述边缘可用资源、所述云端可用资源和所述消耗资源量获取边缘节点负
载；
23.将所述总服务时间和所述边缘节点负载作为所述环境数据的特征。
24.进一步地，所述根据所述环境数据获得所述服务请求的总服务时间，具体包括：
25.获得所述服务请求的信号传播速度；
26.根据所述环境数据获得边缘节点与车辆之间的欧式距离；
27.根据所述传播速度以及所述欧式距离通过预设公式获得所述服务请求的总服务时间。
28.进一步地，在所述根据所述目标服务部署决策将服务进行服务部署这一步骤之后，所述方法还包括：
29.确定所述服务已完成响应，将边缘服务器上的当前服务删除并上传至云端服务器。
30.进一步地，述根据所述服务请求和所述环境数据通过策略函数生成边缘服务器上的服务部署决策，至少包括以下之一：
31.根据所述服务请求和所述环境数据通过边缘节点中的策略函数生成服务部署决策；
32.或者
33.根据所述服务请求和所述环境数据通过云端服务器中的策略函数生成服务部署决策。
34.另一方面，本发明实施例提出了一种车联网的动态服务部署系统，包括：
35.另一方面，本发明实施例提供了一种车联网的动态服务部署装置，包括：
36.至少一个处理器；
37.至少一个存储器，用于存储至少一个程序；
38.当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现所述的车联网的动态服务部署方法。
39.另一方面，本发明实施例提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现所述的车联网的动态服务部署方法。
40.本发明公开了一种车联网的动态服务部署方法，具备如下有益效果：
41.本实施例通过获取服务请求和环境数据，再根据所述服务请求和所述环境数据，通过策略函数生成服务部署决策，从而生成一个初步的服务部署策略以便后续步骤对其进行修正，接着根据所述服务部署决策获得决策动作和决策响应，并根据所述决策动作和所述决策响应，通过价值函数生成所述服务部署决策的决策质量值，以对生成的服务部署策略进行客观的评价，接着根据所述决策质量值从所述服务部署决策中确定目标服务部署决策，通过决策质量值以修正服务部署策略，获得部署效果更好的策略，再根据所述目标服务部署决策将服务进行服务部署，能够使得服务的响应时间更短，并保持边缘服务器的资源平衡，从而有效应对突发情况。
附图说明
42.为了更清楚地说明本发明实施例或者现有技术中的技术方案，下面对本发明实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅
仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
43.图1为本发明实施例提供的一种车联网的结构示意图；
44.图2为本发明实施例提供的一种车联网服务部署系统的结构示意图；
45.图3为本发明实施例提供的一种车联网服务部署系统的模块示意图。
46.图4为本发明实施例提供的一种车联网的动态服务部署方法的流程示意图；
47.图5为本发明实施例提供的一种车联网的动态服务部署系统的结构示意图；
48.图6为本发明实施例提供的一种车联网的动态服务部署装置的结构示意图。
具体实施方式
49.本部分将详细描述本发明的具体实施例，本发明之较佳实施例在附图中示出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案，但其不能理解为对本发明保护范围的限制。
50.在本发明实施例的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数，“至少一个”是指一个或者多个，“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。如果有描述到“第一”、“第二”等只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
51.需要说明的是，本发明实施例中设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明实施例中的具体含义。例如，术语“连接”可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连。
52.在本发明实施例的描述中，参考术语“一个实施例/实施方式”、“另一实施例/实施方式”或“某些实施例/实施方式”、“在上述实施例/实施方式”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本公开的至少两个实施例或实施方式中。在本公开中，对上述术语的示意性表述不一定指的是相同的示实施例或实施方式。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或实施方式中以合适的方式结合。
53.需要说明的是，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
54.车联网(internet of vehicles)的内涵主要指：车辆上的车载设备通过无线通信技术，对信息网络平台中的所有车辆动态信息进行有效利用，在车辆运行中提供不同的功能服务，如：导航、远程驾驶和自动停车等。
55.目前相关技术中，多数采用静态解决方案(ssp)进行服务部署，对于iov网络的移动和动态场景是无效的，然而请求服务的车辆数量及其与不同边缘服务器的距离是动态的，在将服务映射到边缘服务器时必须考虑实时环境。而有的相关技术，只考虑了一对一部署，具有固定数量的服务和每个服务的单个实例的可用性。但是，为一项服务部署一个实例只能为有限数量的车辆提供服务。如果对任何特定服务的需求增加，则每个服务都需要多
个实例。
56.为此，本技术提出了一种车联网的动态服务部署方法、系统、装置及存储介质，通过获取服务请求和环境数据，并根据所述服务请求和所述环境数据，通过策略函数生成服务部署决策，接着根据所述服务部署决策获得决策动作和决策响应，再根据所述决策动作和所述决策响应，通过价值函数生成所述服务部署决策的决策质量值，然后根据所述决策质量值从所述服务部署决策中确定目标服务部署决策，随后根据所述目标服务部署决策将服务进行服务部署。这种方法更加符合实际的动态场景，而且能够有效地减少服务的响应时间，并保持边缘服务器的资源平衡，从而有效应对突发情况。
57.参照图1，本发明实施例中，提供了一种车联网，包括云服务器101、mec节点102和终端103。其中，云服务器101能够提供高聚合度的集中计算、存储等服务，mec节点102位于互联网边缘，靠近数据源。mec节点连接物联网，并且节点与节点之间可以互相通信，提供计算和存储功能，而终端103可以是车辆上的传感器、各种智能车载设备，能够根据服务的需求感知、测量和收集相关的原始数据，并将其上传至mec节点102。其中，mec(多接入边缘计算)是指将流量和服务计算从集中式云迁移至网络边缘，更贴近用户。网络边缘分析、处理并存储所有数据，而不是将其发送至云端进行处理。更贴近客户收集并处理数据可减少延迟，为高带宽应用提供实时性能。
58.参照图2，本发明实施例中，提供了一种车联网服务部署系统，所述系统包括数据采集模块201、策略函数模块202和价值函数模块203。其中，数据采集模块201用于采集服务所需要的环境数据(如：服务请求、车辆id、车辆位置以及信号传播速度等)；策略函数模块202用于接收数据采集模块201采集到的数据喝接收价值函数模块203生成的决策质量值，并根据采集到的数据生成服务部署策略；价值函数模块203用于接收策略函数模块202的服务部署策略，并根据所述服务部署策略生成决策质量值，通过决策质量值决定目标服务部署策略。
59.参照图3，图3是本技术各实施例涉及的车联网服务部署系统的模块示意图。本技术实施例中，车联网服务部署系统可以包括：通信总线、网络通信模块301、处理器302(例如中央处理器central processing unit、cpu)和存储器303。其中，通信总线用于实现这些组件之间的连接通信；存储器303可以是高速ram存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器303可选的还可以是独立于前述处理器302的存储装置。本领域技术人员可以理解，图3中示出的硬件结构并不构成对本技术的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
60.作为一种可读存储介质的存储器303可以包括操作系统、应用程序模块以及分布式平台的控制程序。在图3中，网络通信模块301主要用于获取指令下发请求，并将该请求传输至处理器302中；而处理器302可以调用存储器303中存储的车联网服务部署系统的控制程序，并执行本技术实施例提供的车联网的动态服务部署方法。
61.需要说明的是，本技术实施例中仅示例性地给出车联网服务部署系统的一部分模块，车联网服务部署系统还可以包括其他现有的车联网服务部署系统设备中包含的其他部件，以实现相应的功能，具体不作限定。
62.基于图2和图3所示的硬件结构，如图4所示，本实施例提供了一种车联网的动态服务部署方法，包括但不限于步骤s401、s402、s403、s404、s405和s406：
63.s401、获取服务请求和环境数据。
64.需要说明的是，在步骤s401中的服务请求指的是，车辆上的车载设备(如gps全球定位系统、智能终端等)在接收到用户所需要的服务指令后，向mec节点发送的一种请求。在车载设备发送服务请求的同时，会一同将服务对应的环境数据发送至mec节点上。其中，环境数据包括车辆id、车辆位置和距离最近的mec节点的距离等，具体发送的环境数据根据服务请求的类型决定，而环境数据可以通过车辆上的传感器、gps全球定位系统等进行收集，并通过车载的智能终端的处理器进行数据清洗整合。具体地，用户通过在车载的智能终端的显示界面上进行某种交互操作(如点击、触控、手势、输入框输入、下拉菜单选择等等)以获取“自动停车”这一服务，从而触发“请求自动停车服务”指令给终端的处理器，处理器收到该操作指令之后进行响应与处理，进而将请求服务的车辆的环境数据和服务请求通过车辆上的通信模块发送到mec节点上。
65.s402、根据所述服务请求和所述环境数据，通过策略函数生成服务部署决策。
66.可选地，可以将步骤s402进一步分为以下步骤：
67.提取所述环境数据的特征；
68.根据所述服务请求和所述环境数据的特征，通过策略函数生成服务部署决策。
69.根据前面的描述，在获取服务请求的同时，也会获取对应的环境数据。在生成服务部署策略之前，对环境数据进行特征提取能够降低策略函数模块202的运算成本，同时也能帮助策略函数模块202生成服务响应更小的服务部署策略。
70.其中，提取所述环境数据的特征可进一步分为以下步骤：
71.获取所述服务请求的消耗资源量以及总服务时间；
72.获取边缘可用资源和云端可用资源；
73.根据所述边缘可用资源、所述云端可用资源和所述消耗资源量获取边缘节点负载；
74.将所述总服务时间和所述边缘节点负载作为所述环境数据的特征。
75.在提取所述环境数据的特征这一步骤中，首先需要获取服务请求的消耗资源量以及总服务时间，可以理解的是，对于不同的服务请求，其消耗的资源量以及总的服务响应时间都是不一样的，因此需要先获取服务对应的特征以便后续步骤进行调用，本实施例选择了服务的总服务时间(即服务的总响应时间)和边缘节点负载(即服务占用边缘可用资源的比例)作为服务对应的特征。
76.具体地，将mec计算系统建模为m/d/1队列，根据马尔可夫随机模型。对于服务类型s，具有均匀分布的到达率λs，并且服务处理速率是确定性的(以速率c提供服务)。车辆从mec节点e请求服务s时观察到的总服务延迟，是指从车辆发送服务请求s到从mec节点收到相应响应的总时间。
77.对于边缘节点负载，边缘节点负载是指服务实例消耗的资源与边缘可用资源之间的比值。为了获取边缘节点负载，需要获取边缘可用资源和云端可用资源。其中，多个mec节点形成了具有有限容量服务器的边缘网络，而边缘可用资源是指该边缘网络可以使用的资源的容量，边缘可用资源ce可以通过下列式子计算：
[0078][0079]
其中，re表示虚拟资源单元，n表示边缘资源单元的总数，n表示第n个边缘资源单元。
[0080]
而云端可用资源则是指云端服务器中可以使用的资源的容量。云端可用资源cc可以通过下列式子计算：
[0081][0082]
其中，rc表示虚拟资源单元，m表示云中资源单元的总数，m表示第m个边缘资源单元。
[0083]
然后，根据边缘可用资源、云端可用资源和消耗资源量可以计算出边缘节点负载(即每个mec节点的负载)。
[0084]
对于总服务时间，总服务时间是指服务实例从发起到得到响应的总时间，总服务时间由传播延迟和排队延迟组成，即：而平均传播延迟为距离与介质上传播速度之比,因此总服务时间可以改写成下列式子：
[0085][0086]
其中dist(v,s)是车辆v和部署服务s的mec节点之间的欧式距离，c是服务请求信号通过通信介质的传播速度。因此，在本实施例中，需要获取服务请求的信号传播速度，还要根据环境数据获得边缘节点与车辆之间的欧式距离。
[0087]
在获得前面所述的各项参数后，即可通过下列式子得到mec节点上的负载，用表示：
[0088][0089][0090]
其中，c为提供服务的速率，λs为服务请求的到达率，is为服务s即将消耗的资源，rs表示在边缘节点e部署每个服务s所消耗的资源量。
[0091]
当获得了服务请求的总服务时间和边缘节点负载作为特征之后，策略函数即可生成对应的服务部署策略。其中，服务部署策略的目的就是最大限度地减少服务延迟(即减少总服务时间)以及尽量使每时刻mec资源的分配最小且平均(即各个节点的边缘节点负载分配最小且平均)。策略函数模块可以选择使用整数线性规划来实现服务部署策略，本领域技术人员可以根据实际情况选择合适的算法实现服务部署策略，这里不作具体限制。
[0092]
可选地，在一些实施例中，所述根据所述服务请求和所述环境数据通过策略函数生成边缘服务器上的服务部署决策，至少包括以下之一：
[0093]
根据所述服务请求和所述环境数据通过边缘节点中的策略函数生成服务部署决策；
[0094]
或者，根据所述服务请求和所述环境数据通过云端服务器中的策略函数生成服务部署决策。
[0095]
在本实施例中，可以将策略函数模块202设置在云端服务器上，也可以设置在边缘服务器上(mec节点上)，也可以将策略函数模块202按照功能需求分别设置在云端服务器上和边缘服务器上(mec节点上)。若设置在云端服务器上，可以通过云端服务器强大的计算能力节省边缘服务器的计算资源，以缓解边缘服务器的计算压力；若设置在边缘服务器上则可以更快地对服务进行响应，从而进一步缩小服务所需要的总响应时间。本领域技术人员可以根据实际情况对其进行调整，使得策略函数模块202的设置更符合实际需求。
[0096]
s403、根据所述服务部署决策获得决策动作和决策响应。
[0097]
在步骤s403中，需要根据前面所述的服务部署决策获取服务部署决策对应的决策动作和决策响应，每一个服务部署决策作出的策略即为服务部署决策对应的决策动作，而该决策动作所得到的响应或者产生的效果称为服务部署决策对应的决策响应。
[0098]
s404、根据所述决策动作和所述决策响应，通过价值函数生成所述服务部署决策的决策质量值。
[0099]
价值函数模块的任务是根据所采取的行动和收到的响应来评价策略函数模块的表现。价值函数负责计算策略函数模块做出的决策的决策质量值q(ω,α)。一个高决策质量值q(ω,α)意味着一个高质量的决定。因此，必须选择具有最大质量值的动作，α＝arg maxq(ω,α)。其中ω是一组从环境中得到的数据集，如：ω＝{[v1,loc1,s],[v2,loc2,s]
…
[vn,locn,s]}，其中各参数表示在t时刻的服务请求s，车辆id的集合{v1,v2…
vn}，车辆位置的集合{loc1,loc2…
locn},α表示在t时刻服务部署决策采取的动作。
[0100]
s405、根据所述决策质量值从所述服务部署决策中确定目标服务部署决策。
[0101]
根据前面的描述，价值函数模块会一直修正策略函数模块生成的服务部署决策，以使服务部署决策的结果最大限度地减少服务延迟(即减少总服务时间)以及尽量使每时刻mec资源的分配最小且平均(即各个节点的边缘节点负载分配最小且平均)。在本实施例中，通过设置价值函数模块的损失函数，以损失函数达到全局极小值作为训练结束条件，损失函数如下：
[0102][0103]
其中，σ(ds,r(ω,a))是延迟阈值和奖励之间的标准差，偏差越大，模型在延迟方面就越好。
[0104]
其中是一个目标值，计算公式为
[0105][0106]
价值函数模块更新其参数θ以最小化均方损失函数
[0107]
当策略函数模块生成的服务部署决策使损失函数达到全局极小值，则结束价值函数模块对策略函数模块的修正，并将使损失函数达到全局极小值的服务部署决策作为目标
服务部署决策。
[0108]
s406、根据所述目标服务部署决策将服务进行服务部署。
[0109]
根据前面的步骤，已经获取到需要的目标服务部署决策，在步骤s406中只需要根据目标服务部署决策进行服务部署即可实现本技术实施例的车联网的动态服务部署方法。
[0110]
可选地，在本技术的一个实施例中，所述服务部署方法还包括：
[0111]
确定所述服务已完成响应，将边缘服务器上的当前服务删除并上传至云端服务器。
[0112]
在本实施例中，当前服务指的是已经完成响应的服务，当边缘服务器(即mec节点)确定服务已经完成响应了，则会将该服务删除，并传输回云端服务器上。由于mec节点容量的限制，只有在对该服务有需求时才会在边缘部署服务。在没有需求的情况下，边缘节点将从其资源中删除服务实例s并将其传输回云端，以减少mec节点的负载并为新的服务提供更好的性能。
[0113]
基于前面描述，以策略函数模块设置在边缘服务器上为例，如图4所示，本技术实施例的一种车联网的动态服务部署方法具体包括以下步骤：
[0114]
获取服务请求和环境数据。
[0115]
根据所述服务请求和所述环境数据，通过设置在边缘服务器上的策略函数生成服务部署决策。
[0116]
根据所述服务部署决策获得决策动作和决策响应。
[0117]
根据所述决策动作和所述决策响应，通过价值函数生成所述服务部署决策的决策质量值。
[0118]
根据所述决策质量值从所述服务部署决策中确定目标服务部署决策。
[0119]
根据所述目标服务部署决策将服务进行服务部署。
[0120]
示例性地，用户可以通过在车载的智能终端的显示界面上进行某种交互操作(如点击、触控、手势、输入框输入、下拉菜单选择等等)以获取“自动停车”这一服务，从而触发“请求自动停车服务”指令给终端的处理器，处理器收到该操作指令之后进行响应与处理，进而将请求服务的车辆的环境数据和服务请求通过车辆上的通信模块发送到mec节点上。mec节点根据终端发送的数据，通过设置在mec节点上的策略函数生成服务部署决策。随后根据服务部署决策获得决策动作和决策响应，价值函数模块会对生成的服务部署决策进行一个客观的评价，从而得到一个决策质量值。该决策质量值会返回策略函数模块中，进一步修正生成的服务部署决策，直到价值函数模块上的损失函数达到全局极小值。将使损失函数达到全局极小值的服务部署决策作为目标服务部署决策，并根据该目标服务部署决策进行服务部署。
[0121]
由上述内容可知，本技术获取服务请求和环境数据，再根据所述服务请求和所述环境数据，通过策略函数生成服务部署决策，从而生成一个初步的服务部署策略以便后续步骤对其进行修正，接着根据所述服务部署决策获得决策动作和决策响应，并根据所述决策动作和所述决策响应，通过价值函数生成所述服务部署决策的决策质量值，以对生成的服务部署策略进行客观的评价，接着根据所述决策质量值从所述服务部署决策中确定目标服务部署决策，通过决策质量值以修正服务部署策略，获得部署效果更好的策略，再根据所述目标服务部署决策将服务进行服务部署，能够使得服务的响应时间更短，并保持边缘服
务器的资源平衡，从而有效应对突发情况。
[0122]
参照图5，本发明实施例提出的一种车联网的动态服务部署系统，包括：
[0123]
第一模块501，用于获取服务请求和环境数据；
[0124]
第二模块502，用于根据所述服务请求和所述环境数据，通过策略函数生成服务部署决策；
[0125]
第三模块503，用于根据所述服务部署决策获得决策动作和决策响应；
[0126]
第四模块504，用于根据所述决策动作和所述决策响应通过价值函数生成所述服务部署决策的决策质量值；
[0127]
第五模块505，用于根据所述决策质量值从所述服务部署决策中确定目标服务部署决策；
[0128]
第六模块506，用于根据所述目标服务部署决策将服务进行服务部署。
[0129]
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0130]
参照图6，本发明实施例提供了一种车联网的动态服务部署装置，包括：
[0131]
至少一个处理器601；
[0132]
至少一个存储器602，用于存储至少一个程序；
[0133]
当所述至少一个程序被所述至少一个处理器601执行时，使得所述至少一个处理器601实现图4所示的车联网的动态服务部署方法。
[0134]
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0135]
本发明实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现图4所示车联网的动态服务部署方法。
[0136]
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。