一种无人机辅助的车辆边缘计算协同任务卸载方法

1.本发明涉及车辆边缘计算领域，特别是一种无人机辅助的车辆边缘计算协同任务卸载方法。


背景技术：

2.作为智能交通系统的一种使能技术，车辆边缘计算支持车辆之间的资源协调和共享。移动应用程序的增加引发了对高计算能力需求的爆炸性增长。为了支持这些应用程序，计算卸载的思想应运而生，车辆可以将任务转移到另一个节点进行处理。移动边缘计算技术是计算任务卸载的强大范例，因为计算服务器位于车辆附近，例如mec服务器所在的路边单元。使用蜂窝车载到一切技术，这是第五代网络的关键功能之一。c-v2x设计在两个空气接口上；uu蜂窝接口是支持车辆到网络通信的传统上行链路/下行链路接口，以及用于节点间直接通信的侧链路接口。该接口支持车对车通信和车对基础设施通信。
3.无人机，目前正经历爆炸式增长和重大监管放松，并已广泛应用于民用领域，如交通监控、公共安全、搜索救援、灾难救援和恢复侦察。无人机不仅在广阔的地理区域提供扩展的覆盖范围而且具有快速部署、易于编程和高可扩展性等独特特性。各种有效载荷，如物联网传感器、微型基站和嵌入式计算模块，可以安装在无人机上，以实现不同的传感、通信和计算任务。特别是，如果正确部署和操作，无人机可以为大量实际场景提供可靠且经济高效的无线通信解决方案。无人机可以充当无线中继站或空中基站，以改善连通性并扩展地面无线设备的覆盖范围，因为无人机的高度使无线设备能够有效地建立视线通信链路，从而减轻潜在的信号阻塞和阴影，但是现有无人机技术还没有应用于车辆边缘计算，因此现在提出一种无人机辅助的车辆边缘计算协同任务卸载方法。


技术实现要素：

4.本发明的目的在于克服现有技术的不足而提供一种无人机辅助的车辆边缘计算协同任务卸载方法，其特征在于，该方法具体包括：
5.对目标区域的车辆进行分簇；
6.对需执行计算任务的车辆i，将其任务zi划分为若干子任务后，由车辆i以及其所在簇内具有空闲计算资源的其他车辆、无人机、基站进行联合卸载计算。
7.进一步地，对车辆采用贪婪迭代算法通过车辆-车辆间通信进行分簇，并依据设定要求选出簇头。
8.进一步地，所述联合卸载计算以总延迟和总能耗的加权和最小为目标，构建如下优化问题，求解得到最优卸载方案，具体为：
[0009][0010]
[0011][0012][0013][0014][0015][0016][0017]
其中，θi为惩罚项，λ是延迟成本系数，μ是通信和计算能耗成本系数，ti为完成任务zi的延迟，为完成任务zi的能耗；αi是由车辆i本地进行计算的任务比例，β
i,j
是车辆i分配给其所在簇内具有空闲计算资源的车辆j进行计算的任务比例，γi是车辆i经由簇头分配给无人机进行计算的任务比例，χi是车辆i的先后经由簇头以及无人机中继分配给基站进行计算的任务比例，εi是车辆i的经由簇头直接分配给基站进行计算的任务比例；是完成任务zi的最大延迟，是车辆i分配给车辆j进行计算的任务所需的计算资源，fj是车辆j的空闲计算资源，f
iuav
是由车辆i本地进行计算的任务所需的计算资源，f
uav
是无人机所能分配的最大计算资源，是车辆i分配给无人机进行中继转发的任务由无人机a2g下行传输所需的带宽，b
uav
是无人机的带宽，ki是完成任务zi的保密率，是完成任务zi要求的最低保密率；n是执行计算任务的车辆集合，m是车辆i所在簇内具有空闲计算资源的其他车辆集合。
[0018]
进一步地，
[0019]
其中，代表完成由车辆i本地进行计算的任务的延迟，si表示以位为单位的任务zi的数据大小，ci是执行每位任务所需的计算资源，f
iloc
是车辆i为完成由本地进行计算的任务所分配的计算资源；表示车辆i分配给车辆j进行计算的任务的卸载延时，表示车辆i和车辆j之间的数据传输速率，b
i,j
是车辆i给车辆j分配的带宽，p
i,j
是车辆i和车辆j之间的传输功率，是车辆i和车辆j之间的传输信道，i
i,j
是车辆i和车辆j之间的干扰，σ2表示噪声功率，是车辆j为完成车辆i分配的任务所分配的计算资源；是经车辆i所在簇内簇头向无人机传输任务时的传输速率，是经无人机向基站传输任务时的传输速率，f
imec
是基站为完成车辆i分配的任务所分配的计算
资源；表示车辆i分配给基站进行计算的任务的卸载延时，是车辆i经由簇头直接向基站传输任务时的传输速率。
[0020]
进一步地，其中，表示车辆i的能耗，κi代表车辆i的cpu构架的有效电容；表示车辆j的能耗，κj是带有vec服务器的车辆j的cpu构架的有效电容；表示无人机能耗，是无人机完成车辆i分配的任务的能耗，κ
uav
是无人机的cpu构架的有效电容，f
iuav
是无人机为完成车辆i分配的任务所分配的计算资源；是经车辆i所在簇内簇头向无人机传输任务时的g2a上行传输能耗，p
i,uav
是车辆i经由簇头向无人机传输任务时的传输功率，是经车辆i所在簇内簇头向无人机传输任务时的g2a上行传输延迟；是经无人机向基站传输任务时的a2g下行传输能耗，p
uav,mec
是无人机与基站之间的传输功率；是基站的能耗，κ
mec
是基站的cpu构架的有效电容，f
imec
是基站为完成车辆i分配的任务所分配的计算资源，p
i,mec
是车辆i经过簇头直接向基站传输任务时的传输功率。
[0021]
进一步地，其中，是车辆j完成车辆i分配的任务的保密率，r
i,e
是车辆i向窃听车辆传输数据的速率；是经无人机向基站传输任务时的a2g下行传输的保密率，是经车辆i所在簇内簇头向无人机传输任务时的g2a上行传输的保密率，是基站完成车辆i分配的任务的保密率，r
e,mec
是窃听车辆向基站传输数据的速率。
[0022]
进一步地，ki是完成计算任务i时所使用到的其他车辆、无人机、基站数量之和，ni是进行任务zi的联合卸载计算的具有空闲计算资源的其他车辆、无人机、基站的数量之和。
[0023]
进一步地，通过逐次凸逼近sca算法将优化问题转化为凸优化问题后，求解该凸优化问题，得到各子任务的分配比例、完成各子任务所需的计算资源以及带宽，即为最优卸载方案。
[0024]
本发明的另一目的在于提供一种无人机辅助的车辆边缘计算协同任务卸载设备，包括：
[0025]
存储器，用于存储计算机程序；
[0026]
控制器，用于执行所述计算机程序时实现如上所述的车辆边缘计算协同任务卸载方法。
[0027]
本发明的另一目的在于提供一种计算机可读存储介质，所述计算可读存储介质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上所述的车辆边缘计算协同任务卸载的步骤。
[0028]
本发明与现有技术相比，其显著优点是：
[0029]
1、本方法在边缘计算方案上多加入了车辆对车辆卸载以及无人机卸载中继方案，节约了能量，降低了延迟，同时保证安全性，适用于多种场景，尤其是当基站发生故障或通信链路受阻场景；
[0030]
2、本方法将单个任务划分为多个子任务，有效降低了时延和能耗，进行任务协同卸载；
[0031]
3、本方法在决策分配时考虑了延迟、能耗的指标，同时受到了保密性的约束，考虑了系统的安全性；
[0032]
4、本方法为防止少量数据任务采用了多节点或设备，为每个车辆节点所制定的卸载方案引入了专门的惩罚项，避免资源浪费。
附图说明
[0033]
图1是本发明无人机辅助的车辆边缘计算协同任务卸载方法的网络架构图。
[0034]
图2是本发明无人机辅助的车辆边缘计算协同任务卸载方法中考虑延迟能耗和保密性的车辆边缘计算协同任务卸载方法的流程图。
具体实施方式
[0035]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。
[0036]
以城市高速公路为场景，具有多条车道，如图1所示，有四种类型的车辆，a号车是任务车辆，有任务需要计算或卸载；b号车辆是带有vec服务器的车辆，可以通过车辆-车辆间通信进行卸载计算；c号车是窃听车辆，窃听发送信息；d号车是普通车辆。在公路上方设有固定翼无人机跟随飞行，无人机具有中继和卸载模块，这两个模块相互独立、互不影响。在公路远处有一个大型基站，具有充足计算资源可供卸载计算。
[0037]
在执行车辆边缘计算协同任务卸载时，首先对车辆采用贪婪迭代算法通过车辆-车辆间通信进行分簇，并在每个簇内选出一个簇头，由簇头代表簇内车辆与无人机以及基站进行网络通信。然后对执行计算任务的车辆，将其任务划分为若干子任务后，由该车辆以及其所在簇内具有空闲计算资源的其他车辆、无人机、基站进行联合卸载计算。其中，该车辆利用车辆-车辆间直达链路将子任务传输至其所在簇内具有空闲计算资源的其他车辆进行计算，利用簇头将子任务分别直接传输至无人机、基站进行计算，利用簇头以及无人机的中继模块间接将子任务传输至基站进行计算。这里需要说明的是，基站需处理的包括无人
机中继转发以及经过簇头直接分配的两部分子任务。
[0038]
在簇头选择时，引入一些重要度量集合，比如链路寿命、速度和通信车辆之间的平均距离计算加权后值最小的车辆成为簇头。
[0039]
如图2所示，本发明实施例提供的一种无人机辅助的车辆边缘计算协同任务卸载方法的流程图，该方法包括以下步骤：
[0040]
步骤201：对车辆采用贪婪迭代算法通过车辆-车辆间通信进行分簇，然后引入一些用于簇头选择的重要度量集合，如链路寿命、速度和通信车辆之间的平均距离计算加权后值最小的车辆成为簇头。
[0041]
步骤202：车辆i需执行的计算任务表示为其中si(以位为单位)表示任务zi的数据大小，ci(以cpu周期/位为单位)是执行每位所需的计算资源量，是完成任务zi的最大延迟。代表车辆i进行本地计算的延迟，其中αi是车辆i进行本地计算的任务分配比例，f
iloc
是车辆i在本地服务器分配的计算资源，用κi代表取决于车辆i的cpu构架的有效电容，因此车辆i的本地计算能耗表示为：
[0042][0043]
车辆i通过pc5接口将部分任务传输到簇中具备空闲计算能力的带有vec服务器的车辆，用代表车辆i将子任务转移到簇中具备空闲计算能力的车辆j时两者之间数据的传输速率，表示为：
[0044][0045]
其中，b
i,j
是车辆i给车辆j分配的带宽，p
i,j
是车辆i和车辆j之间的传输功率，i
i,j
是其他车辆造成的干扰，σ2表示噪声功率。表示车辆i和车辆j之间之间的信道增益，考虑自由空间路径损耗模型，表示为
[0046][0047]
其中，a0表示传输功率为1w时在1m参考距离处的接收功率，d
x,y
表示车辆i和车辆j之间的距离，||
·
||表示向量的欧氏范数；
[0048]
因此，车辆i分配给车辆j进行计算的任务的卸载延迟由任务传输时间和任务执行时间组成，可以表示为：
[0049][0050]
其中β
i,j
是车辆i分配给车辆j的任务比例，是车辆i分配给车辆j进行计算的任务所需的计算资源。
[0051]
类似的，车辆之间的传输和计算能耗表示为：
[0052][0053]
其中p
i,j
是车辆i和车辆j之间传输功率，κj是带有vec服务器的车辆j的cpu构架的有效电容，将保密率k
ij
定义为车辆i向车辆j传输数据速率与车辆i向窃听车辆传输数据速率r
i,e
之差，得到：
[0054][0055]
车辆i通过簇头将部分任务传输到无人机进行卸载计算，簇头与无人机之间的通信采用带避免冲突的载波监听多址协议进行数据传输的ieee802.11p协议。
[0056]
通过无人机进行卸载计算或中继的延迟由g2a上行传输延迟uav计算延迟a2g下行传输延迟和基站mec服务器计算延迟组成，表示为
[0057][0058]
其中，γi是车辆i分配给无人机mec服务器进行卸载计算的任务比例，χi是车辆i分配给无人机mec服务器进行中继转发的任务比例(转发至基站mec服务器进行卸载计算)，是车辆i的计算任务中由簇头向无人机传输的传输速率，是车辆i的计算任务中经由簇头以及无人机向mec服务器传输的传输速率，f
iuav
是无人机为完成车辆i分配的计算任务所分配的计算资源，f
imec
是基站为车辆i分配的计算任务所分配的计算资源。
[0059]
无人机能耗由计算能耗g2a上行传输能耗和a2g下行传输能耗相加组成，其中：
[0060][0061][0062][0063]
其中，p
i,uav
是车辆i经过簇头向无人机发送的传输功率，p
uav,mec
是无人机向基站发送的传输功率。
[0064]
g2a上行传输和a2g下行传输的保密率分别为：
[0065][0066][0067]
其中，r
e,uav
为窃听车辆向无人机的传输数据速率。
[0068]
车辆i把部分任务转发到基站mec服务器进行卸载计算(其中一部分由簇头直接传输至无人机，另一部分先经簇头传输至无人机、再经无人机中继转发至基站mec服务器)，卸
载延迟所对应的能耗和保密率k
i,mec
表示为：
[0069][0070][0071][0072]
其中，f
imec
是基站mec服务器为完成车辆的计算任务所分配的计算资源，是车辆i向基站mec服务器传输的传输速率，r
e,mec
是窃听车辆向mec服务器的传输数据速率，εi是车辆i分配任务给基站mec服务器进行卸载计算的比例，p
i,mec
是车辆i经过簇头直接向基站发送的传输功率。
[0073]
步骤203：完成任务zi所需的延迟ti、能耗和保密率ci表达为：
[0074][0075][0076][0077]
为防止少量数据任务采用了多节点或设备(这里的节点指的是车辆，设备一般指的是无人机和基站)，为每个车辆所制定的卸载方法引入了专门的惩罚项θ，定义为：
[0078][0079]
其中ki是完成计算任务zi时所使用到的节点、设备的数量之和，ni是为计算任务zi制定联合卸载方案时具有空闲计算资源的其他车辆、无人机、基站数量之和。该惩罚项可以使计算数据量少且时间不紧迫任务尽可能的在本地进行计算或采取少量其他节点/设备进行计算，避免资源浪费。
[0080]
综上，将问题变成联合优化通信资源分配，目标是最小化完成所有任务zi的延迟、能耗的加权和，可以将优化问题表示为
[0081][0082][0083][0084][0085]
[0086][0087][0088][0089]
其中，θi为惩罚项，λ是延迟成本系数，μ是通信和计算能耗成本系数，ti为完成任务zi的延迟，为完成任务zi的能耗；αi是由车辆i本地进行计算的任务比例，β
i,j
是车辆i分配给其所在簇内具有空闲计算资源的车辆j进行计算的任务比例，γi是车辆i经由簇头分配给无人机进行计算的任务比例，χi是车辆i的先后经由簇头以及无人机中继分配给基站进行计算的任务比例，εi是车辆i的经由簇头直接分配给基站进行计算的任务比例；是完成任务zi的最大延迟，是车辆i分配给车辆j进行计算的任务所需的计算资源，fj是车辆j的空闲计算资源，f
iuav
是由车辆i本地进行计算的任务所需的计算资源，f
uav
是无人机所能分配的最大计算资源，是车辆i分配给无人机进行中继转发的任务由无人机a2g下行传输所需的带宽，b
uav
是无人机的带宽，ki是完成任务zi的保密率，是完成任务zi要求的最低保密率；n是执行计算任务的车辆集合，m是车辆i所在簇内具有空闲计算资源的其他车辆集合。约束c1保证任务被完全分配，约束c2是任务划分变量约束，约束c3保证完成的延迟不超过最大延迟，约束c4和约束c5保证车辆和无人机的计算资源不超过上限，约束c6保证车辆和无人机的分配带宽不超过上限，约束c7保证每个任务的保密率不低于下限。
[0090]
上述优化问题可以通过一种基于sca(逐次凸逼近)的算法，将非凸目标函数和约束转化为合适的近似凸，以迭代方式解决由此产生的优化问题，得到最优卸载方案。
[0091]
本发明还提供了一种无人机辅助的车辆边缘计算协同任务卸载设备，该设备包括存储器和控制器；其中，存储器上存储有计算机程序；当控制器执行计算机程序时实现上述车辆边缘计算协同任务卸载方法。
[0092]
本发明还提供了一种计算机可读存储介质，计算可读存储介质上存储有计算机程序，当计算机程序被处理器执行时实现上述车辆边缘计算协同任务卸载方法的步骤。该计算机可读存储介质可以包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0093]
本领域普通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，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0094]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。