【技術實現步驟摘要】
本專利技術涉及邊緣計算與人工智能相結合的，具體涉及一種面向智能網聯汽車協同計算的激勵系統與方法。
技術介紹
1、云邊端協同架構在智能網聯汽車中的應用推廣促進了車輛智能性與服務性的提升，同時也對數據實時處理提出更高要求。傳統云邊端協同計算以邊緣服務器為任務卸載的計算主體，未充分考慮到隨著車輛的更新迭代，其本身具有一定富余計算資源，能夠參與任務卸載。然而車輛屬于客戶端，參與任務卸載需額外消耗計算資源與通信資源，導致車輛參與協作計算的積極性不高，限制對車輛群中富余資源的利用。
2、激勵出自管理學，是指組織通過各種方式激發、引導其成員的行為，進而實現組織和成員個人的目標。在現有車輛任務卸載體系中引入公平合理的激勵系統，以積分等方式量化任務卸載過程中車輛對時延與能耗的貢獻，依此制定相關規則對參與任務卸載的車輛進行激勵。通過激勵系統的引入，車輛在任務卸載中的積極性能進一步提高，車輛間的資源利用率能得到充分保證。
技術實現思路
1、本專利技術所要解決的技術問題是：在閑置車輛參與任務卸載的背景下，提供面向智能網聯汽車協同計算的激勵系統與方法，提高車輛參與任務卸載的積極性。
2、為解決上述技術問題，本專利技術采用以下技術方案：
3、面向智能網聯汽車協同計算的激勵系統，包括云服務器層、邊緣服務器層與車輛層；
4、所述車輛層包括信息采集模塊、信息上傳模塊、卸載請求模塊、卸載執行模塊以及數據存儲模塊；
5、其中，信息采集模塊用于獲取車輛自身信息，
6、所述邊緣服務器層包括信息接收模塊、信息維護模塊、激勵決策模塊以及樣本上傳模塊；
7、其中，信息接收模塊用于接收邊緣服務器通信范圍內的車輛信息；信息維護模塊用于維護閑置車輛信息表，其依據信息接收模塊所接收的閑置車輛信息，實時更新閑置車輛信息表；激勵決策模塊用于激勵決策模型的學習與推理；當接收卸載請求后，其結合信息維護模塊的車輛信息表進行決策，依據積分最大化選擇最佳響應車輛；當決策完成后，其將獲取的局部樣本傳輸至樣本上傳模塊；當接收到云服務器的全局樣本后，其依據全局樣本進行模型的訓練更新；樣本上傳模塊用于向云服務器層的樣本接收模塊上傳決策過程中產生的局部樣本；
8、云服務器層分為樣本接收模塊、樣本下發模塊、樣本整合模塊以及樣本存儲模塊；
9、樣本接收模塊用于接收邊緣服務器上傳的局部樣本；樣本下發模塊用于定時向邊緣服務器的激勵決策模塊下發全局樣本；樣本整合模塊用于將局部樣本整合成全局樣本；樣本存儲模塊用于存儲局部樣本與全局樣本，承擔經驗池的功能，其接收樣本接收模塊的局部樣本，并將局部樣本送至樣本整合模塊處理成全局樣本，并定時將全局樣本給樣本下發模塊。
10、一種面向智能網聯汽車協同計算的激勵方法，具體包括如下步驟：
11、步驟s1，構建面向智能網聯汽車協同計算的激勵系統，系統包含云服務器層、邊緣服務器層與車輛層三層架構；
12、步驟s2，車輛層向邊緣服務器層同步車輛信息與積分信息，邊緣服務器層則通過接收到的車輛信息維護車輛信息表；
13、步驟s3，車輛層產生任務，當車輛自身無法在時限內完成任務時，向邊緣服務器層發送卸載請求；邊緣服務器層通過激勵決策模型做出卸載決策傳回車輛層；車輛層依據卸載決策完成任務卸載并對參與卸載的車輛積分進行更新；
14、步驟s4，邊緣服務器層在決策后生成局部樣本上傳至云服務器層的經驗池，云服務器將經驗池中的局部樣本整合成全局樣本后下發至邊緣服務器層的激勵決策模型進行模型訓練。
15、本專利技術的有益成果為：
16、(1)本專利技術將閑置車輛的計算資源融入到車聯網的任務卸載網絡，利用閑置車輛進行協作計算，進一步提高車輛的資源利用率，有效降低了系統的總成本。
17、(2)本專利技術引入積分激勵系統，以積分為媒介量化卸載收益，能指導計算任務在閑置車輛間的卸載決策，充分調動閑置車輛參與任務卸載的積極性，優化了計算資源在車輛間的配置，提高了車聯網任務卸載效率。
18、(3)本專利技術將多模型協同學習融入云邊端協同架構，將經驗池安置在云服務器，能綜合獲取全局的訓練樣本，增強決策的全局關聯性，進一步提高模型性能。
本文檔來自技高網...【技術保護點】
1.面向智能網聯汽車協同計算的激勵系統，其特征在于：所述激勵系統包括云服務器層、邊緣服務器層與車輛層；
2.根據權利要求1所述的面向智能網聯汽車協同計算的激勵系統，其特征在于：信息上傳模塊進行車輛信息上傳的依據是車輛計算資源是否處于閑置狀態，只有當車輛沒有計算任務，處于閑置狀態時才進行車輛信息上傳；閑置車輛被定義為計算資源閑置的車輛，即車輛任務隊列為空且自身未產生新任務。
3.根據權利要求1所述的面向智能網聯汽車協同計算的激勵系統，其特征在于：卸載請求模塊進行卸載請求發送的依據是車輛當前任務隊列以及新任務的計算量，若車輛自身的計算能力不足以滿足新任務的時延要求，則向邊緣服務器層發起卸載請求。
4.根據權利要求1所述的面向智能網聯汽車協同計算的激勵系統，其特征在于：車輛積分使用橢圓曲線加密算法ECC加密的方式保存于車輛的數據存儲模塊上。
5.根據權利要求1所述的面向智能網聯汽車協同計算的激勵系統，其特征在于：樣本整合模塊中，將同一時隙下不同邊緣服務器的局部樣本進行拼接整合，將零散的局部信息統合成表征全局信息的全局樣本。
6
7.根據權利要求6所述的面向智能網聯汽車協同計算的激勵方法，其特征在于：步驟S1中的云服務器層包含一臺云服務器，邊緣服務器層包含K臺邊緣服務器，車輛層包含N臺車輛；K臺邊緣服務器與N臺車輛的集合表示分別為：
8.根據權利要求6所述的面向智能網聯汽車協同計算的激勵方法，其特征在于：步驟S2中的車輛信息表用于維護邊緣服務器通信范圍內的閑置車輛信息，并為激勵決策模型提供必要的決策信息；通過在車輛信息中加入時間戳的方式，動態維護車輛信息。
9.根據權利要求6所述的面向智能網聯汽車協同計算的激勵方法，其特征在于：步驟S3中激勵決策模型為車輛與車輛之間的任務卸載模型，其以積分最大化為最優化目標，選擇最合適的卸載響應車輛；積分量化了車輛在任務卸載過程中的貢獻與收益，請求車輛在卸載過程中得到了任務卸載的時延收益但需要承擔數據傳輸的能耗成本；響應車輛需要承擔數據計算能耗成本，設置與任務數據量正相關的響應積分對響應車輛進行激勵，彌補計算能耗成本。
10.根據權利要求6所述的面向智能網聯汽車協同計算的激勵方法，其特征在于：步驟S4中的經驗池用于存放激勵決策模型的訓練樣本，局部樣本由邊緣服務服務器上傳而來，全局樣本由同一時隙內不同邊緣服務器的局部樣本整合而來。
...【技術特征摘要】
1.面向智能網聯汽車協同計算的激勵系統，其特征在于：所述激勵系統包括云服務器層、邊緣服務器層與車輛層；
2.根據權利要求1所述的面向智能網聯汽車協同計算的激勵系統，其特征在于：信息上傳模塊進行車輛信息上傳的依據是車輛計算資源是否處于閑置狀態，只有當車輛沒有計算任務，處于閑置狀態時才進行車輛信息上傳；閑置車輛被定義為計算資源閑置的車輛，即車輛任務隊列為空且自身未產生新任務。
3.根據權利要求1所述的面向智能網聯汽車協同計算的激勵系統，其特征在于：卸載請求模塊進行卸載請求發送的依據是車輛當前任務隊列以及新任務的計算量，若車輛自身的計算能力不足以滿足新任務的時延要求，則向邊緣服務器層發起卸載請求。
4.根據權利要求1所述的面向智能網聯汽車協同計算的激勵系統，其特征在于：車輛積分使用橢圓曲線加密算法ecc加密的方式保存于車輛的數據存儲模塊上。
5.根據權利要求1所述的面向智能網聯汽車協同計算的激勵系統，其特征在于：樣本整合模塊中，將同一時隙下不同邊緣服務器的局部樣本進行拼接整合，將零散的局部信息統合成表征全局信息的全局樣本。
6.使用如權利要求1-5中任一項的面向智能網聯汽車協同計算的激勵系統的激勵方法，其特征在于：所述方法具體包括如下步...
【專利技術屬性】
技術研發人員：郭永安，田野，房晶晶，王宇翱，孫洪波，
申請(專利權)人：邊緣智能研究院南京有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。