1.一种车路云协同任务卸载与任务队列稳定性控制系统,其特征在于,包括:车辆任务管理器,其用于获取任务车k在当前时刻t生成的任务信息,同时根据上一时刻的任务卸载决策在当前时刻更新本地任务队列状态;
车辆任务调度器,其用于根据获取到的在当前时刻t任务车k与服务器m之间的信道功率增益Gk,m(t)、本地任务队列状态 以及服务器任务队列状态 对卸载策略进行优化;
服务器管理器,其具有:
资源分配更新单元,其用于根据优化后的卸载策略中任务卸载决策xk,m,t,通过服务器为相应任务车分配计算资源,向车辆任务调度器传输更新后的任务车k在当前时刻t的服务器任务队列状态 及计算资源分配 以及车辆k与服务器m之间的信道功率增益Gk,m(t)。
2.如权利要求1所述的车路云协同任务卸载与任务队列稳定性控制系统,其特征在于,服务器管理器还具有:轨迹预测单元,其用于通过收集到的车辆历史轨迹信息预测车辆未来行驶轨迹;
车辆云构建单元,其用于以任务车为中心进行相似轨迹聚类,基于现有虚拟化技术构建车辆云平台,并聚合车辆空闲计算资源构建车辆云虚拟计算单元,用于为任务车提供计算资源。
3.如权利要求1或2所述的车路云协同任务卸载与任务队列稳定性控制系统,其特征在于,车辆任务管理器利用下式(1)在当前时刻t更新本地任务队列状态 的方法具体包括:其中:
式中,Ak(t)为任务车k在t时刻待处理的任务量,τ为每一时刻长度, 为车辆本地计算单元分配的计算资源,εk为任务车k处理每字节任务所需CPU计算周期,xk,m,t为任务车k在t时刻所做出的任务卸载决策,Rk,m(t)为任务车k在t时刻更新与服务器m之间的通信速率;
式中,Bk,m为服务器m分配给任务车k的信道带宽,pk,m(t)为任务车k在当前时刻t与服务2
器m的传输功率,σ为接收器的背景噪声功率大小。
4.如权利要求3所述的车路云协同任务卸载与任务队列稳定性控制系统,其特征在于,若xk,m,t=1,则任务车k选择将任务卸载到第m台服务器;若xk,m,t=0,则任务车k未选择将任务卸载到第m台服务器。
5.如权利要求3所述的车路云协同任务卸载与任务队列稳定性控制系统,其特征在于,资源分配更新单元具体包括:资源分配子单元,其用于根据优化后的xk,m,t,通过服务器的计算单元为相应任务车分配计算资源;
资源更新子单元,其用于服务器m的计算单元为任务车k分配到的计算资源 得到其当前时刻t处理的任务量 表示为:式中, 为服务器m在t时刻的任务队列状态,其动态变化可表示为
6.如权利要求5所述的车路云协同任务卸载与任务队列稳定性控制系统,其特征在于,车辆任务调度器具有:卸载策略优化单元,其用于根据Gk,m(t)、 和 将每一时刻的任务吞吐量设置为 利用其中预先设置的任务卸载优化模型P1,对卸载策略进行优化;
P1:
s.t.:
式中,K为任务车的总数,T为总的时间步长, 为任务队列长度最大值, 为任务车k的最大能耗, 为任务车k最大CPU计算周期, 为任务车k的最大传输功率,为服务器m最大CPU计算周期。
7.如权利要求6所述的车路云协同任务卸载与任务队列稳定性控制系统,其特征在于,卸载策略优化单元具体包括:第一计算子单元,其用于采用李雅普诺夫优化方法将任务卸载优化模型P1对应的原问题分解为连续时间子问题;
第二计算子单元,其用于将连续时间子问题分解为如下三阶段进行求解:第一阶段,根据任务车每一时刻的能耗约束C2与本地计算资源约束C3,进行本地计算资源分配,并判断当前任务队列是否满足队列长度约束,若是,则进入下一时刻;若否,则进入第二阶段,任务车需将任务进行卸载计算;
第二阶段,以任务车为智能体,根据当前任务队列状态与通信状态,车辆智能体基于深度强化学习方法学习任务卸载决策,任务车做出卸载决策后进入第三阶段;
第三阶段,优化任务传输功率与服务器计算资源分配策略。
8.一种车路云协同任务卸载与任务队列稳定性控制方法,其特征在于,包括:步骤1,获取任务车k在当前时刻t生成的任务信息,同时根据上一时刻的任务卸载决策在当前时刻更新本地任务队列状态;
步骤2,根据获取到的在当前时刻t任务车k与服务器m之间的信道功率增益Gk,m(t)、本地任务队列状态 以及服务器任务队列状态 对卸载策略进行优化;
步骤3,根据优化后的卸载策略中任务卸载决策xk,m,t,通过服务器为相应任务车分配计算资源,向车辆任务调度器传输更新后的任务车k在当前时刻t的服务器任务队列状态及计算资源分配 以及车辆k与服务器m之间的信道功率增益Gk,m(t);其中,服务器包括边缘服务器和车辆云平台,车辆云平台的获取方法包括:通过收集到的车辆历史轨迹信息预测车辆未来行驶轨迹,再以任务车为中心进行相似轨迹聚类,基于现有虚拟化技术构建车辆云平台,并聚合车辆空闲计算资源构建车辆云虚拟计算单元,用于为任务车提供计算资源。
9.如权利要求8所述的车路云协同任务卸载与任务队列稳定性控制方法,其特征在于,步骤2中,利用下式(1)在当前时刻t更新本地任务队列状态 的方法具体包括:其中:
式中,Ak(t)为任务车k在t时刻待处理的任务量,τ为每一时刻长度, 为任务车本地计算单元分配的计算资源,εk为任务车k处理每字节任务所需CPU计算周期,xk,m,t为任务车k在t时刻所做出的任务卸载决策,若xk,m,t=1,则任务车k选择将任务卸载到第m台服务器;若xk,m,t=0,则任务车k未选择将任务卸载到第m台服务器,Rk,m(t)为任务车k在t时刻更新与服务器m之间的通信速率;
式中,Bk,m为服务器m分配给任务车k的信道带宽,pk,m(t)为任务车k在当前时刻t与服务2
器m的传输功率,σ为接收器的背景噪声功率大小。
10.如权利要求8或9所述的车路云协同任务卸载与任务队列稳定性控制方法,其特征在于,步骤2中,根据Gk,m(t)、 和 将每一时刻的任务吞吐量设置为利用其中预先设置的任务卸载优化模型P1,对卸载策略进行优化;
P1:
s.t.:
式中,K为任务车的总数, 为任务队列长度最大值, 为任务车k的最大能耗,为任务车k最大CPU计算周期, 为任务车k的最大传输功率, 为服务器m最大CPU计算周期。