级联任务处理模型的生成方法、级联任务处理的方法与流程

1.本发明涉及数据处理领域，尤其涉及一种级联任务处理模型的生成方法、级联任务处理的方法。


背景技术：

2.智慧交通的自动驾驶主要是交通工具与边缘计算相互协同工作，像人一样，在各种复杂的交通环境智能综合地感知、判断、推理、决策后对交通工具进行控制。
3.目前，主要通过边缘计算技术对自动驾驶的过程中各种交通计算任务进行独立编排处理，在任务处理完成之后再对结果进行汇总分析处理。但是实际交通应用场景中存在很多具有相互级联关系的交通计算任务，直接在处理过程中按照独立任务进行处理而舍弃这些交通计算任务之间的级联关系已经不能满足实际复杂的交通应用需求。
4.采用有向无环图的拓扑图结构只能处理没有依赖的简单交通计算任务，但是在边缘计算的复杂场景中，多个层次的级联任务经常存在着相互依赖的情况，在这种情况下，把所有任务直接转化为有向无环图输入到边缘计算节点将面临着处理依赖任务失败的情形，因此目前存在无法处理依赖任务的问题。


技术实现要素：

5.本发明实施例提供了一种级联任务处理模型的生成方法、级联任务处理的方法、装置、设备及存储介质，解决了目前的技术方案中存在的无法处理依赖任务的问题。
6.为了解决上述技术问题，本发明：
7.第一方面，提供了一种级联任务处理模型的生成方法，该方法包括：
8.获取多个交通工具采集的交通信息，其中，交通信息包括交通工具的状态信息和周边环境信息；
9.根据状态信息和周边环境信息生成级联任务组，其中，级联任务组中包括多层相互关联的父部级联任务和子部级联任务，子部级联任务根据父部级联任务的结果执行；
10.根据父部级联任务与子部级联任务之间的预设关联关系，确定多层级联任务处理模型。
11.在第一方面的一些实现方式中，在确定多层级联任务处理模型之后，该方法还包括：对多层级联任务处理模型进行优化；
12.对多层级联任务处理模型进行优化，包括：
13.根据多层级联任务处理模型，确定至少一层级联任务中至少一个任务的计算结果；
14.获取确定至少一层级联任务中至少一个任务的第一计算时间；
15.根据第一计算时间，对多层级联任务处理模型进行调整，得到优化后的目标多层级联任务处理模型。
16.在第一方面的一些实现方式中，根据多层级联任务处理模型，确定至少一层级联
任务中至少一个任务的计算结果，包括：
17.根据每层级联任务处理模型中父部级联任务与子部级联任务的关联数值，确定多个交通工具对应的父部级联任务和子部级联任务的优先级，其中，关联数值根据一个父部级联任务关联的子部级联任务的数量和一个子部级联任务关联的父部级联任务的数量确定；
18.根据父部级联任务和子部级联任务的优先级，确定至少一层级联任务中至少一个任务的计算结果。
19.在第一方面的一些实现方式中，多个交通工具中包括目标交通工具；每层级联任务处理模型中包括相互关联的父部级联任务和子部级联任务；根据多层级联任务处理模型，确定至少一层级联任务中至少一个任务的计算结果，包括：
20.根据每层级联任务处理模型中，目标交通工具对应的父部级联任务与子部级联任务的预设优先级，以及多个交通工具中除目标交通工具外的交通工具对应的父部级联任务与子部级联任务的关联数值，确定多个交通工具对应的父部级联任务和子部级联任务的优先级，其中，关联数值根据一个父部级联任务关联的子部级联任务的数量和一个子部级联任务关联的父部级联任务的数量确定；
21.根据父部级联任务和子部级联任务的优先级，确定至少一层级联任务中至少一个任务的计算结果。
22.在第一方面的一些实现方式中，根据父部级联任务和子部级联任务的优先级，确定至少一层级联任务中至少一个任务的计算结果，包括：
23.根据父部级联任务和子部级联任务的优先级，确定优先级对应的初始权重；
24.根据初始权重，按照预设的权重顺序确定至少一层级联任务中至少一个任务的计算结果。
25.在第一方面的一些实现方式中，根据第一计算时间，对多层级联任务处理模型进行调整，得到优化后的目标多层级联任务处理模型，包括：
26.根据预设的优化算法，调整初始权重；
27.获取根据调整后的初始权重，按照预设的权重顺序确定至少一层级联任务中至少一个任务的计算结果的第二计算时间；
28.根据第一计算时间和第二计算时间，确定优化后的目标权重；
29.根据优化后的目标权重，确定优化后的目标多层级联任务处理模型。
30.第二方面，提供了一种级联任务处理的方法，该方法包括：
31.实时获取多个交通工具采集的交通信息，其中，交通信息包括交通工具的状态信息和周边环境信息；
32.将交通工具的状态信息和周边环境信息输入级联任务处理模型中，得到至少一个任务的计算结果，其中，该级联任务处理模型基于第一方面，以及第一方面的一些实现方式中的级联任务处理模型的生成方法得到。
33.第三方面，提供了一种级联任务处理模型的生成装置，该生成装置包括：
34.获取模块，用于获取多个交通工具采集的交通信息，其中，交通信息包括交通工具的状态信息和周边环境信息；
35.生成模块，用于根据状态信息和周边环境信息生成级联任务组，其中，级联任务组
中包括多层相互关联的父部级联任务和子部级联任务，子部级联任务根据父部级联任务的结果执行；
36.确定模块，用于根据父部级联任务与子部级联任务之间的预设关联关系，确定多层级联任务处理模型。
37.第四方面，提供了一种级联任务处理的装置，该装置包括：
38.获取模块，用于实时获取多个交通工具采集的交通信息，其中，交通信息包括交通工具的状态信息和周边环境信息；
39.处理模块，用于将交通工具的状态信息和周边环境信息输入级联任务处理模型中，得到至少一个任务的计算结果，其中，级联任务处理模型基于第一方面，以及第一方面的一些实现方式中的级联任务处理模型的生成方法得到。
40.第五方面，提供了一种电子设备，该设备包括：处理器以及存储有计算机程序指令的存储器；
41.处理器执行计算机程序指令时实现第一方面，以及第一方面的一些实现方式中的级联任务处理模型的生成方法，或者实现第二方面的级联任务处理的方法。
42.第六方面，提供了一种计算机存储介质，该计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现第一方面，以及第一方面的一些实现方式中的级联任务处理模型的生成方法，或者实现第二方面的级联任务处理的方法。
43.本发明实施例提供了一种级联任务处理模型的生成方法、级联任务处理的方法。因为在生成级联任务处理模型的过程中，通过将整体任务，即将交通工具的交通信息对应的所有任务，划分为多个层次的级联任务组，根据每个级联任务组中相互关联的父部级联任务和子部级联任务之间的预设关联关系来确定多层级联任务处理模型，多层级联任务处理模型中的所有级联任务组全部执行完成则标志着所有边缘计算任务全部执行完成，所以可以实现处理级联的依赖任务，能够在边缘计算的复杂场景下进行任务处理。
附图说明
44.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，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。
45.图1是本发明实施例提供的一种级联任务处理模型的生成方法的流程示意图；
46.图2是本发明实施例提供的一种级联任务组的原理示意图；
47.图3是本发明实施例还提供的一种级联任务处理的方法的流程示意图；
48.图4是本发明实施例还提供的一种级联任务处理模型的生成装置的结构示意图；
49.图5是本发明实施例提供的一种级联任务处理的装置的结构示意图；
50.图6是本发明实施例提供的一种计算设备的结构图。
具体实施方式
51.下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。
对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
52.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
53.第五代移动通信网络(5g，5th generation mobile networks)是对网络技术的创新和变革，国际电信联盟无线电通信局(itu-r，international telecommunication union-radiocommunication sector)定义了5g的三种典型应用场景为：增强型移动宽带(enhanced mobile broadband，embb)、超可靠低时延通信(ultra-reliable&low-latency communication，urllc)和海量大规模连接物联网(massive machine type communication，mmtc)。其中，embb主要面向虚拟现实(virtual reality，vr)/增强现实(augmented reality，ar)、在线4k/8k高清视频等高带宽需求业务。urllc主要面向智慧交通、智慧医疗等垂直行业时延敏感的极端性能需求业务；mmtc主要面向智慧城市、智慧工业、智能水表等超千亿设备的高连接密度需求的物联网业务。5g通信网络更加去中心化，需要在网络边缘部署小规模或者便携式数据中心，进行终端请求的一部分业务本地化计算处理，以满足urllc和mmtc的超低时延需求，因此，边缘计算(mobile edge computing，mec)是5g的核心技术之一。边缘计算运行于网络边缘，通常具有较高的计算能力，特别适合分析处理大量数据的任务，同时，由于边缘计算节点距离用户及信息源在地理位置上非常邻近，使得网络响应用户请求的时延大大减小，也降低了传输网和核心网发生网络拥塞的可能性，实现高可靠低时延的传输要求。
54.智慧交通的自动驾驶主要是交通工具与边缘计算相互协同工作，像人一样，在各种复杂的交通环境智能综合地感知、判断、推理、决策后对交通工具进行控制。类似于人类驾驶员在驾驶过程中通过视觉、听觉、触觉等感官系统感知行驶环境和车辆状态，自动驾驶系统则通过配置内部和外部传感器获取自身状态及周边交通环境信息，内部传感器主要包括车速传感器、加速传感器、轮速传感器、横摆角速度传感器等，外部传感器包括摄像头、激光雷达、毫米波雷达及定位系统等，这些传感器通过收集全方位的交通环境信息发送到5g边缘计算节点生成级联任务，边缘计算节点处理完成级联任务后返回决策结果给自动驾驶系统，自动驾驶系统执行决策命令控制交通工具正常行驶。现有的5g边缘计算面向交通任务处理方面的技术主要侧重于自动驾驶方面超低时延的任务分配、调度、迁移、卸载等方向的研究，对于边缘计算独立的交通任务直接由边缘计算节点处理，对于有关联依赖关系的任务，简单地使用有向无环图将所有任务进行转化为拓扑序列进行处理，通过关键路径的贪心算法、整数规划等方法进行排序使得完成时间最小化，从而达到最快完成任务的目标，仅能够满足一般情况下的部分简单场景的边缘计算交通应用。
55.目前，主要通过边缘计算技术对自动驾驶的过程中各种交通计算任务进行独立编排处理，在任务处理完成之后再对结果进行汇总分析处理。但是实际交通应用场景中存在
很多具有相互级联关系的交通计算任务，直接在处理过程中按照独立任务进行处理而舍弃这些交通计算任务之间的级联关系已经不能满足实际复杂的交通应用需求。
56.采用有向无环图的拓扑图结构只能处理没有依赖的简单交通计算任务，但是在边缘计算的复杂场景中，多个层次的级联任务经常存在着相互依赖的情况，在这种情况下，把所有任务直接转化为有向无环图输入到边缘计算节点将面临着处理依赖任务失败的情形，因此目前存在无法处理依赖任务的问题。
57.为了解决现有的方案中，存在无法处理依赖任务的问题，本发明实施例提供了一种级联任务处理模型的生成方法、级联任务处理的方法、装置、设备及存储介质，首先根据获取的交通工具的交通信息构建一个包括多层相互关联的父部级联任务和子部级联任务的级联任务组，然后根据级联任务组中相互关联的父部级联任务和子部级联任务之间的预设关联关系，即预设依赖关系，确定多层级联任务处理模型，以用于处理级联依赖任务。因为在该过程中，通过将整体任务，即将交通工具的交通信息对应的所有任务，划分为多个层次的级联任务组，根据每个级联任务组中相互关联的父部级联任务和子部级联任务之间的预设关联关系来确定多层级联任务处理模型，多层级联任务处理模型中的所有级联任务组全部执行完成则标志着所有边缘计算任务全部执行完成，所以可以实现处理级联的依赖任务，能够在边缘计算的复杂场景下进行任务处理。
58.下面结合附图对本发明实施例提供的技术方案进行描述。
59.图1是本发明实施例提供的一种级联任务处理模型的生成方法的流程示意图，该方法的执行主体可以为服务器，也可以为具有计算处理能力的其他终端设备。
60.如图1所示，级联任务处理模型的生成方法具体可以包括：
61.s101：获取多个交通工具采集的交通信息，其中，交通信息包括交通工具的状态信息和周边环境信息。
62.s102：根据状态信息和周边环境信息生成级联任务组，其中，级联任务组中包括多层相互关联的父部级联任务和子部级联任务，子部级联任务根据父部级联任务的结果执行。
63.s103：根据父部级联任务与子部级联任务之间的预设关联关系，确定多层级联任务处理模型。
64.本发明实施例提供的级联任务处理模型的生成方法，通过将整体任务，即将交通工具的交通信息对应的所有任务，划分为多个层次的级联任务组，根据每个级联任务组中相互关联的父部级联任务和子部级联任务之间的预设关联关系来确定多层级联任务处理模型，多层级联任务处理模型中的所有级联任务组全部执行完成则标志着所有边缘计算任务全部执行完成，所以可以实现处理级联的依赖任务，能够在边缘计算的复杂场景下进行任务处理。
65.在一个实施例中，级联任务组可以是一个循环级联任务组，因此，生成的多层级联任务处理模型可以用来处理循环级联任务。
66.在一个实施例中，s101中获取多个交通工具采集的交通信息的过程，可以是从多个交通工具周围的边缘计算节点来获取多个交通工具采集的交通信息。
67.具体地，以边缘计算节点为5g网络边缘计算节点，交通工具为自动驾驶交通工具为例进行描述，在5g网络信号覆盖范围内，自动驾驶交通工具作为智能终端设备接入5g网
络边缘计算节点，自动驾驶系统通过交通工具配置内部和外部传感器获取交通工具的状态信息及周边环境信息，并将该交通工具的状态信息及周边环境信息传送到5g网络边缘计算节点，以便于获取多个交通工具采集的交通信息。
68.其中，交通工具用来采集交通信息的传感器包括内部传感器和外部传感器，内部传感器主要包括车辆速度传感器、加速传感器、轮速传感器、横摆角速度传感器等，外部传感器包括摄像头、激光雷达、毫米波雷达及定位系统等。
69.图2示出了级联任务组的原理示意图，如图2所示，每一层相互关联的父部级联任务和子部级联任务可以称为一层级联二部图，每层级联二部图中的子部级联任务根据父部级联任务的结果执行，多层级联二部图共同构成了级联任务组，或循环级联任务组。
70.最终确定的级联任务组，即级联二部图可以表示为b＝{b1，b2，b3，
…
，bm}，其中bm表示其中某一层级联二部图，m表示级联二部图最多共有m层次，每一层的级联二部图bi(fi，si，ri)都由上下两部分构成，上部是被级联依赖的父任务集合fi＝{f1，f2，f3，
…fp
}，即父部级联任务的集合，下部是受父任务直接级联影响的子任务集合si＝{s1，s2，s3，
…
，sq}，即子部级联任务，上下两部分之间父子任务级联关系为ri＝{r1，r2，r3，
…
，rk}，其中rk可以用公式(1)表示：
[0071][0072]
每一层级联二部图bi(fi，si，ri)的上部父任务fi并行处理完成后再对下部子任务si进行并行处理，其中，上部父任务又可以称为父部级联任务，下部子任务又可以称为子部级联任务。
[0073]
当前层的级联二部图bi(fi，si，ri)执行完成后再执行下一层的级联二部图b
i 1
(f
i 1
，s
i 1
，r
i 1
)，按照此逻辑，将整体任务划分为最多m个层次的级联二部图，将上一层的输出结果作为下一层的输入。
[0074]
在一个实施例中，为了使确定的多层级联任务处理模型的处理效果更佳，在确定多层级联任务处理模型之后，还可以对多层级联任务处理模型进行优化。
[0075]
具体地，可以以实现整体上最短时间完成任务为目标，对多层级联任务处理模型进行优化的过程，优化过程可以包括：
[0076]
根据多层级联任务处理模型，确定至少一层级联任务中至少一个任务的计算结果；
[0077]
获取确定至少一层级联任务中至少一个任务的第一计算时间；
[0078]
根据第一计算时间，对多层级联任务处理模型进行调整，得到优化后的目标多层级联任务处理模型。
[0079]
在一个实施例中，根据多层级联任务处理模型，确定至少一层级联任务中至少一个任务的计算结果，包括：
[0080]
根据每层级联任务处理模型中父部级联任务与子部级联任务的关联数值，确定多个交通工具对应的父部级联任务和子部级联任务的优先级，其中，关联数值根据一个父部级联任务关联的子部级联任务的数量和一个子部级联任务关联的父部级联任务的数量确定；
[0081]
根据父部级联任务和子部级联任务的优先级，确定至少一层级联任务中至少一个
任务的计算结果。
[0082]
其中，关联数值在本发明实施例中，可以称为级联出入度，其中，级联出入度di包括级联出度和级联入度两个指标值，通常情况下，越多数量的下部子任务对一个上部父任务依赖，则这个上部父任务fu越重要，级联出度越大，其优先级应该越高，那么优先完成这个上部父任务才能尽早执行后续的其它任务，减少大量后续任务的等待时间，其中通过公式(2)计算：
[0083][0084]
同理，越多数量的上部父任务完成后汇聚到一个下部子任务sv，则这个下部子任务越重要，级联入度越大，其优先级也应该越高，其中通过公式(3)计算：
[0085][0086]
在一个实施例中，多个交通工具中包括目标交通工具，其中，该目标交通工具可以包括救护车、消防车以及警车等执行特殊紧急任务的车辆，因此该目标交通工具的任务应该得到优先执行。
[0087]
因此在上述根据多层级联任务处理模型，确定至少一层级联任务中至少一个任务的计算结果的过程中，可以包括：
[0088]
根据每层级联任务处理模型中，目标交通工具对应的父部级联任务与子部级联任务的预设优先级，以及多个交通工具中除目标交通工具外的交通工具对应的父部级联任务与子部级联任务的关联数值，确定多个交通工具对应的父部级联任务和子部级联任务的优先级，其中，关联数值根据一个父部级联任务关联的子部级联任务的数量和一个子部级联任务关联的父部级联任务的数量确定，预设优先级即为执行特殊紧急任务的车辆的特殊优先级，每层级联任务处理模型中包括相互关联的父部级联任务和子部级联任务；
[0089]
之后根据父部级联任务和子部级联任务的优先级，确定至少一层级联任务中至少一个任务的计算结果。
[0090]
在一个实施例中，根据父部级联任务和子部级联任务的优先级，确定至少一层级联任务中至少一个任务的计算结果，包括：
[0091]
根据父部级联任务和子部级联任务的优先级，确定优先级对应的初始权重；
[0092]
根据初始权重，按照预设的权重顺序确定至少一层级联任务中至少一个任务的计算结果。
[0093]
具体地，上述的初始权重可以用wi表示，wi的确定过程可以如公式(4)所示。
[0094][0095]
在一个实施例中，根据第一计算时间，对多层级联任务处理模型进行调整，得到优化后的目标多层级联任务处理模型，包括：
[0096]
根据预设的优化算法，调整初始权重；
[0097]
获取根据调整后的初始权重，按照预设的权重顺序确定至少一层级联任务中至少一个任务的计算结果的第二计算时间；
[0098]
根据第一计算时间和第二计算时间，确定优化后的目标权重；
[0099]
根据优化后的目标权重，确定优化后的目标多层级联任务处理模型。
[0100]
需要说明的是，在根据第一计算时间和第二计算时间，确定优化后的目标权重的过程中，第二计算时间表示优化权重后形成新的任务执行顺序所耗费的时间，第一计算时间表示优化前执行任务所耗费的时间。
[0101]
如果第二计算时间小于第一计算时间，则应该接受优化后权重对应的比较好的新的任务执行顺序，否则说明优化后权重对应的重新组合后任务执行耗费时间更多，需要舍弃再继续下一次组合迭代过程，在迭代过程中，比较评价函数δtm与预定义的模型收敛阈值ε，如果δtm＞ε并且未达到最多迭代次数限制λ，则说明模型未收敛需要继续迭代训练修正模型，否则说明模型收敛终止迭代，输出机器计算过程中得到耗费时间最短的任务执行策略作为最优分配方案，其中，δtm的确定过程如公式(6)所示。
[0102]
δtm＝t'
m-tmꢀꢀꢀ
(6)
[0103]
在公式(6)中，t'm表示第二计算时间，tm表示第一计算时间。
[0104]
在一个实施例中，网络维护人员可以根据实际情况决定是否需要调节修正边缘计算预定义模型迭代收敛阈值ε和最多迭代次数限制λ的参数配置。
[0105]
在本发明实施例中，每一层的级联二部图按照上述的级联出入度自动识别出重要任务并划定初始优先级，对于优先级高的重要任务加权优先处理，整个过程中，利用迭代优化数学模型动态地调整任务优先级及执行顺序，从而使确定的级联任务处理模型能够实现最短时间完成重要任务的目标，最终实现智慧交通快速应对周边复杂的交通环境进行智能自动驾驶的效果。
[0106]
本发明实施例提供的级联任务处理模型的生成方法，因为在生成级联任务处理模型的过程中，通过将整体任务，即将交通工具的交通信息对应的所有任务，划分为多个层次的级联任务组，根据每个级联任务组中相互关联的父部级联任务和子部级联任务之间的预设关联关系来确定多层级联任务处理模型，多层级联任务处理模型中的所有级联任务组全部执行完成则标志着所有边缘计算任务全部执行完成，所以这种方式可以实现处理级联的依赖任务，能够在边缘计算的复杂场景下进行任务处理。
[0107]
在一个实施例中，为了根据生成的级联任务处理模型进行任务处理，本发明实施例还提供了一种级联任务处理的方法。
[0108]
图3是本发明实施例还提供的一种级联任务处理的方法的流程示意图，如图3所示，该方法包括：
[0109]
s201：实时获取多个交通工具采集的交通信息，其中，交通信息包括交通工具的状态信息和周边环境信息。
[0110]
s202：将交通工具的状态信息和周边环境信息输入级联任务处理模型中，得到至少一个任务的计算结果，其中，级联任务处理模型基于图1中的级联任务处理模型的生成方法得到。
[0111]
本发明实施例提供的级联任务处理的方法中，因为生成级联任务处理模型的过程
中，是通过将整体任务，即将交通工具的交通信息对应的所有任务，划分为多个层次的级联任务组，根据每个级联任务组中相互关联的父部级联任务和子部级联任务之间的预设关联关系来确定多层级联任务处理模型，所以在基于级联任务处理模型的任务处理过程中，所有级联任务组全部执行完成则标志着所有边缘计算任务全部执行完成，所以可以实现处理级联的依赖任务，能够在边缘计算的复杂场景下进行任务处理。
[0112]
在一个实施例中，为了能够及时获取到交通工具的交通信息，在s201中可以从多个交通工具周围的边缘计算节点来实时获取多个交通工具采集的交通信息，其中，该边缘计算节点为5g网络边缘计算节点。
[0113]
交通工具用来采集交通信息的传感器包括内部传感器和外部传感器，内部传感器主要包括车辆速度传感器、加速传感器、轮速传感器、横摆角速度传感器等，外部传感器包括摄像头、激光雷达、毫米波雷达及定位系统等。
[0114]
在一个具体示例中，以自动驾驶过程中的变道超车场景为例，交通工具通过外部传感器摄像头、激光雷达、毫米波雷达及定位系统采集前后方和左右方车辆速度和距离、道路交通限速、直行或转弯车道、交通信号灯等周边交通环境信息，通过内部传感器车速传感器、加速传感器采集自身车辆的速度、可用油量等信息，这些信息处理产生了多个边缘计算的交通级联任务，计算是否变道超车还是原路行驶任务需要综合依赖于这些所有的级联任务，变道超车完成后再继续行驶仍然需要内网传感器采集交通环境情况又产生了新的交通计算级联任务，前后任务存在紧密级联依赖关系，前面被级联的父任务完成后才能执行后续子任务，通过图1中确定的级联任务处理模型中的级联二部图进行处理，优先完成上部父任务就可以尽早执行下部子任务。
[0115]
与图1中级联任务处理模型的生成方法相对应，本发明实施例还提供了一种级联任务处理模型的生成装置。
[0116]
图4是本发明实施例提供的一种级联任务处理模型的生成装置的结构示意图，如图4所示，级联任务处理模型的生成装置可以包括：获取模块401、生成模块402以及确定模块403。
[0117]
获取模块401，可以用户获取多个交通工具采集的交通信息，其中，交通信息包括交通工具的状态信息和周边环境信息。
[0118]
生成模块402，可以用于根据状态信息和周边环境信息生成级联任务组，其中，级联任务组中包括多层相互关联的父部级联任务和子部级联任务，子部级联任务根据父部级联任务的结果执行。
[0119]
确定模块403，可以用于根据父部级联任务与子部级联任务之间的预设关联关系，确定多层级联任务处理模型。
[0120]
在一个实施例中，级联任务处理模型的生成装置还可以包括优化模块(图中未示出)，优化模块，可以用于在确定多层级联任务处理模型之后，对多层级联任务处理模型进行优化。
[0121]
优化模块，具体可以用于根据多层级联任务处理模型，确定至少一层级联任务中至少一个任务的计算结果；获取确定至少一层级联任务中至少一个任务的第一计算时间；根据第一计算时间，对多层级联任务处理模型进行调整，得到优化后的目标多层级联任务处理模型。
[0122]
在一个实施例中，确定模块403，还可以用于根据每层级联任务处理模型中父部级联任务与子部级联任务的关联数值，确定多个交通工具对应的父部级联任务和子部级联任务的优先级，其中，关联数值根据一个父部级联任务关联的子部级联任务的数量和一个子部级联任务关联的父部级联任务的数量确定。
[0123]
确定模块403，还可以用于根据父部级联任务和子部级联任务的优先级，确定至少一层级联任务中至少一个任务的计算结果。
[0124]
在一个实施例中，多个交通工具中包括目标交通工具；每层级联任务处理模型中包括相互关联的父部级联任务和子部级联任务；确定模块403，还可以用于根据每层级联任务处理模型中，目标交通工具对应的父部级联任务与子部级联任务的预设优先级，以及多个交通工具中除目标交通工具外的交通工具对应的父部级联任务与子部级联任务的关联数值，确定多个交通工具对应的父部级联任务和子部级联任务的优先级，其中，关联数值根据一个父部级联任务关联的子部级联任务的数量和一个子部级联任务关联的父部级联任务的数量确定；以及根据父部级联任务和子部级联任务的优先级，确定至少一层级联任务中至少一个任务的计算结果。
[0125]
在一个实施例中，确定模块403，还可以用于根据父部级联任务和子部级联任务的优先级，确定优先级对应的初始权重；以及根据初始权重，按照预设的权重顺序确定至少一层级联任务中至少一个任务的计算结果。
[0126]
在一个实施例中，优化模块，还可以用于根据预设的优化算法，调整初始权重；获取根据调整后的初始权重，按照预设的权重顺序确定至少一层级联任务中至少一个任务的计算结果的第二计算时间；根据第一计算时间和第二计算时间，确定优化后的目标权重；根据优化后的目标权重，确定优化后的目标多层级联任务处理模型。
[0127]
可以理解的是，图4所示的级联任务处理模型的生成装置中的各个模块具有实现图1中各个步骤的功能，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
[0128]
本发明实施例提供的级联任务处理模型的生成装置，因为在生成级联任务处理模型的过程中，通过将整体任务，即将交通工具的交通信息对应的所有任务，划分为多个层次的级联任务组，根据每个级联任务组中相互关联的父部级联任务和子部级联任务之间的预设关联关系来确定多层级联任务处理模型，多层级联任务处理模型中的所有级联任务组全部执行完成则标志着所有边缘计算任务全部执行完成，所以可以实现处理级联的依赖任务，能够在边缘计算的复杂场景下进行任务处理。
[0129]
与图3中级联任务处理的方法相对应，本发明实施例还提供了一种级联任务处理的装置。
[0130]
图5是本发明实施例提供的一种级联任务处理的装置的结构示意图，如图5所示，级联任务处理的装置可以包括：获取模块501和处理模块502。
[0131]
获取模块501，可以用于实时获取多个交通工具采集的交通信息，其中，交通信息包括交通工具的状态信息和周边环境信息；
[0132]
处理模块502，将交通工具的状态信息和周边环境信息输入级联任务处理模型中，得到至少一个任务的计算结果，其中，级联任务处理模型基于图1中的级联任务处理模型的生成方法得到。
[0133]
可以理解的是，图5所示的级联任务处理的装置中的各个模块具有实现图3中各个
步骤的功能，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
[0134]
本发明实施例提供的级联任务处理的装置中，因为生成级联任务处理模型的过程中，是通过将整体任务，即将交通工具的交通信息对应的所有任务，划分为多个层次的级联任务组，根据每个级联任务组中相互关联的父部级联任务和子部级联任务之间的预设关联关系来确定多层级联任务处理模型，所以在基于级联任务处理模型的任务处理过程中，所有级联任务组全部执行完成则标志着所有边缘计算任务全部执行完成，所以可以实现处理级联的依赖任务，能够在边缘计算的复杂场景下进行任务处理。
[0135]
图6是本发明实施例提供的一种计算设备的硬件架构的结构图。如图6所示，计算设备600包括输入接口601、中央处理器602、存储器603以及输出接口604。其中，输入接口601、中央处理器602、存储器603、以及输出接口604通过总线610相互连接。
[0136]
具体地，输入接口601用于获取多个交通工具采集的交通信息，其中，交通信息包括交通工具的状态信息和周边环境信息，并将获取的交通信息传送到中央处理器602；中央处理器602基于存储器603中存储的计算机可执行指令根据状态信息和周边环境信息生成级联任务组，其中，级联任务组中包括多层相互关联的父部级联任务和子部级联任务，子部级联任务根据父部级联任务的结果执行；之后根据父部级联任务与子部级联任务之间的预设关联关系，确定多层级联任务处理模型，并将多层级联任务处理模型临时或者永久地存储在存储器603中，然后通过输出接口604将多层级联任务处理模型传送到计算设备600的外部供用户使用。
[0137]
又或是输入接口601用于获取实时获取多个交通工具采集的交通信息，其中，交通信息包括交通工具的状态信息和周边环境信息，并将获取的交通信息传送到中央处理器602；中央处理器602基于存储器603中存储的计算机可执行指令和确定的多层级联任务处理模型，对交通工具的状态信息和周边环境信息进行计算得到至少一个任务的计算结果，并计算结果临时或者永久地存储在存储器603中，然后通过输出接口604将计算结果传送到计算设备600的外部供用户使用。
[0138]
也就是说，图6所示的计算设备也可以被实现为级联任务处理模型的生成设备，或级联任务处理的设备，该计算设备可以包括：处理器以及存储有计算机可执行指令的存储器；该处理器在执行计算机可执行指令时可以实现本发明实施例提供的级联任务处理模型的生成方法，或级联任务处理的方法。
[0139]
本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现本发明实施例提供的级联任务处理模型的生成方法，或级联任务处理的方法。
[0140]
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
[0141]
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(application specific integrated circuit，asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明
的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、只读存储器(read-only memory，rom)、闪存、可消除的只读存储器(erasable read only memory，erom)、软盘、只读光盘(compact disc read-only memory，cd-rom)、光盘、硬盘、光纤介质、射频(radio frequency，rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
[0142]
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
[0143]
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
[0144]
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。