1.一种基于分布式鲁棒的软件定义车载任务卸载迁移规划方法，其特征在于，包括如下：S1、获取相关信息：车辆可接入的RSU的集合M、请求在RSU区域中的卸载的车辆任务大小集合N、RSU节点间距D、卸载任务起点RSU集合S与目标集合O、RSU之间的网络带宽B、任务完成约束时间窗Ltime、任务执行能耗约束Lenergy、通过信道的任务个数限制Lchannel；

S2、根据S1的信息计算车载任务在边缘网络进行任务传输的最优k条路径集S3、将车载任务卸载迁移决策方法进行数学建模；

S4、使用规划求解S3中的模型；

其中，

所述S2中最优k条路径集的计算方法包括：

S2.1，收集RSU的平均信号功率，记为P；收集RSU的噪声功率，记为Np；将RSU与车辆的链路损耗功率记为Lp；

S2.2，车载任务的传输延迟由RSU的带宽B、任务卸载规划车载任务的大小M决定，车载任务在卸载网络中的传输速率V可表示为：其中，d(km)为车辆与RSU的距离或RSU之间的距离，f(MHz)为RSU的信号频率；

S2.3，计算单位大小任务在某一传输路径中传输所需要花费的时间，即：S2.4，求得RSU节点之间的最优k条路径，计算方法如下：①使用Dijkstra算法求得任务i，从源点si到终点di的最短路径，将其记为Ri1，记j＝2；

②把位于Rij-1上的每个节点(除去终点di)分别看做偏离点(共有|Eij-1|-1)，将每个偏离点记为vj-1p(p＝1,2,…,|Eij-1|-1)；

③求vj-1p到终点di的次短路径；

④拼接Rij-1中从起点到vj-1p的路径与vj-1p到终点d的次短路径，并求得该路径的长度、通过该路径能源消耗，将其作为Rij的候选路径，放到候选路径集合S中，并综合考虑单位大小任务通过路径花费时间和能源消耗排序；

⑤循环②，③和④，遍历所有偏离点；

⑥判断S内是否为空：

a)若S为空，算法结束；

b)若S不为空，从S中选择长度最小的路径即为求得的Rij，将其从S中移除；

⑦置i＝i+1，判断是否i≤k:

a)不等式成立，返回步骤②；

b)不等式不成立，算法结束；

其中Rij表示完成任务i的第j条可选路径，路径中边的集合，记为E；单位大小任务通过路径所花费时间，记为Length；通过路径能量消耗，记为Energy，在实际运算中，将矩阵拆分为3个矩阵并简写为：E、Len、En，即R＝(E,Length,Energy)，其中Length矩阵可由公式Length＝dot(Cunittime,E)求得，dot为矩阵对应位置求乘积；

所述S3中将车载任务卸载迁移决策方法进行数学建模，包括：S3.1，确定SDN覆盖范围内的车载上传任务的一阶段卸载决策模型；由于所有参数固定，因此起点与终点来回的路线规划选择相同，定义X为车载任务卸载路径规划矩阵，X＝(x1,…xi,…x|N|)，xi表示任务i选择的任务卸载路径规划向量，xi为仅包含0，1的单位向量，且||xi||2＝1,||X||2＝|N|,X∈R|N|×Rk，|N|表示任务的个数，k为最优k条路径，得到的一阶段卸载决策模型如下：Ctime为车载任务卸载路径时间成本，Cenergy为车载任务卸载路径能耗成本，和分别表示任务上传和任务下载所花费的时间成本，为平均等待时间，为任务执行所花费的时间成本，和分别表示任务上传和任务下载所花费的时间能耗，Ccomputing为RSU节点计算资源向量，Lenforward为在任务上传时的可选路径距离,Eij表示任务i选择第k条路径的信道占用状况向量，λtime为时间成本在目标函数中的权重，λenergy为能耗车窗你过本在目标函数中的权重，且λenergy+λtime＝1；

tr()为求对应矩阵的迹；diag()为求由矩阵的主对角线上的元素组成的向量；e和分别表示卸载到RSU节点的任务执行率和到达率；

所述S3中将车载任务卸载迁移决策方法进行数学建模，还包括：步骤3.2，二阶段的目标函数表示在车载任务在传输过程中的起点RSU和目标点RSU确定的情况下，寻求车载任务上传、计算、下载按照权重λ组合的时间成本和能耗成本综合最低，针对实际情况下车载任务在信道中传输的速率和在RSU节点处理的速率分别受实时信噪比和RSU节点的计算资源状况的影响，同时原来满足约束条件的路径选择可能会由于剩余时间的变动而产生影响，因此，需要重新规划合理的回程的路线：设X为一阶段规划求得的任务上传选择的路径，Y表示二阶段所求的任务返回时的路径选择，X,Y∈R|N|×Rk,||X||＝||Y||＝|N|，首先，将车载任务在SDN中传输所花费的代价完整的用模型表示出来：然后，将二阶段决策模型设计为在矩不确定条件下的分布式鲁棒优化模型：with h(x)＝λtime×α×tr(Lenforward×X)+λenergy×tr(Enforward×X),其中Lenforward为单位大小任务通过可选上传路径所花费的时间矩阵，Enforward为单位大小任务通过可选上传路径所花费的能耗矩阵，Enback为单位大小任务通过可选下载路径所花费的能耗矩阵，为求得参数的期望，为随机参数ξ的概率分布；

所述S3中将车载任务卸载迁移决策方法进行数学建模，还包括：步骤3.3，针对不确定参数即任务返程所需要花费的时间和任务计算所花费的时间，使用模糊集去表示它们；

为方便对变量的表示，对在车载任务通过选择路径时，由于信噪比的或其他因素造成的干扰使得所花费的时间的不确定，此处记为同样的RSU由于系统占用情况，设备问题也可能出现一定的不确定性，因此记为Aij为除第i行j列为1外，其他皆为0的矩阵；ζi为第i位为1的单位向量，ξ＝(ξ1,…ξk,…ξi×k+1,…ξn×k,ξn×k+1,…ξ(n+1)×k)第一条约束表示所求参数在可取值范围内的概率密度和为1；第二条约束假设ξ的均值位于大小为γ1的椭球体上，中心为矩估计μ0；第三条约束要求协方差矩阵位于有矩阵不等式限定的半正定锥中，它描述了ξ在以∑为相关性的条件下，接近μ0的可能性有多大；

所述S3中将车载任务卸载迁移决策方法进行数学建模，还包括：步骤3.4，整理二阶段规划优化的模型内容，以简单的形式表示，方便后续操作：with h(x)＝λtime×(α×tr(Lenforward×X)+λenergy×(β×tr(Enforward×X),其中各个参数说明如下：

①ξ为随机参数向量；G是任何已知包含随机向量ξ的封闭凸集；P为未知参数ξ可能的概率分布；和∑分别表示求得参数的期望和方差；γ1≥0和γ2≥0是两个控制参数；

②0≤λ是一个权衡系数，代表决策者的风险厌恶率，系数λ越大，决策者越厌恶风险；

③CVaR(Conditional Value at Risk)即条件风险价值，是一种较VaR更优的风险计量技术，其含义为选择的卸载对策组合的消耗超过某个给定VaR值条件下的平均消耗值；

即：

其中φ为置信区间；

步骤3.5，使用拉格朗日对偶对原问题中的第二阶段模型进行处理：①定义拉格朗日函数(Lagrangian)，原问题经过转化可描述为以下半无限圆锥线性问题：其中

②定义拉格朗日对偶(Lagrangian Duality)：其中，r为等式约束的对偶变量，H为不等式约束的对偶变量，为二阶矩不等式约束的对偶变量；

③函数简化：

其中表示矩阵为半定矩阵；

S4的具体步骤为：

S4.1，求解一阶段决策优化问题，一阶段问题是一个较为简单的01整数规划问题，通过隐枚举法求解，是一种特殊的分支定界法；

1)将一阶段卸载决策模型转化为线性规划的标准形式；

2)分支定界：标准形式下的规划问题优先考虑xij＝0的情况，随机选择一个可能较优且符合约束条件的变量值情况，求出目标函数值，根据以下原则确实是否进行分支操作：①当前分支的子问题为可行解时，停止分支，保留当前可行解求得的目标函数值最小的分支，删去边界值较大的分支；

②无论是否为可行解，只要当前分支的边界值大于以求得的可行解的目标函数值，则停止分支；

③当部分固定变量，只要有一个约束条件不满足则直接停止分支；

3)分支操作：确定自由变量中的一个为固定变量，分支有两个选择，将固定变量置1或置0；

4)当所有其余分支都删去时，保留下来的可行解则为本模型最优解；

步骤4.2，根据已求得的一阶段决策模型，代入二阶段决策模型中，进行二阶段规划问题的求解；二阶段问题是基于CVaR约束的分布式鲁棒的车载任务卸载迁移规划模型，将原来的复杂且难以求解的DRO问题转换为半定规划(Semi-Definite Programming，SDP)问题，实现求解。

2.根据权利要求1所述的一种基于分布式鲁棒的软件定义车载任务卸载迁移规划方法，其特征在于，所述S1中的具体信息如下：①在SDN覆盖范围内车辆可介入的RSU集合为M＝{m1,…mi,...m|M|}；

②车载任务上传相关信息大小α，下载相关信息大小β，以及任务工作量ω，ni＝(α,β,ω)，即上传的车载任务集合为N＝{n1,...ni,…n|N|}③RSU间距离定义为

④车载任务卸载，起点RSU节点集合，记为S＝{s1,…si,…s|N|}；目标RSU节点集合定义为O＝{o1,…oi,…o|N|}；

⑤RSU的带宽记为其中bij表示节点i与j之间的网络带宽；

车载任务执行结束时间约束，记为车载任务执行中能耗约束，记为通过信道的任务个数限制，记为

3.SDN控制器的车载任务卸载迁移规划方法的部署方法，其特征在于，所述车载任务卸载迁移规划方法为权利要求1-2任一项所述的一种基于分布式鲁棒的软件定义车载任务卸载迁移规划方法，部署方法如下：SDN数据层将当前数据上传至SDN控制层，当确定卸载均衡决策后，根据RSU的当前状况，以及节点之间的信道状况，通过建立的数学模型求解得到最优解后将分配信息传输到应用层，车载任务依照给出的路线规划进行任务卸载和结果回传。