一种面向边缘计算环境的车联网数据回传方法

摘要

一种面向边缘计算环境的车联网数据回传方法，属于物联网领域。本方法针对车联网中车辆在卸载任务完成前已经驶离RSU通信范围而面临的回传问题，提出了基于V2I直传和V2V辅助传输的可靠传输策略。首先，通过对卸载的任务量进行最大传输时延的估算和链路有效寿命进行计算，判断辅助传输是否失效。其次，在设计辅助传输策略时综合考虑车辆的速度、方向、位置因素并将这些指标量化为一个稳效值，通过对邻居节点计算稳效值进行对比建立通信链路，从而保证数据在有限的时间内完成高质量的传输。实验表明，本方法相比其他算法有更好的性能，具有一定的实用价值。

说明书

技术领域

本发明属于物联网领域，具体涉及一种面向边缘计算环境的车联网数据回传方法。

背景技术

在万物互联的背景下，车联网(Internet ofVehicles，IOV)逐渐进入公众的视野。通过GPS(Global Positioning System，全球定位系统)、RFID(Radio FrequencyIdentification，射频识别技术)、传感器等处理装置，车辆可以完成对所处环境和自身状态信息的采集，通过移动自组织和通讯技术，可以实现车与车(Vehicle to Vehicle，V2V)、车与人(Vehicle to Person，V2P)、车与路边智能(Vehicle to Infrastructure，V2I)、应用平台的多方位网络连接和资源共享。车联网逐渐实现了交通的智能化管理，信息的智能动态获取，车辆的智能化控制。而随着车联网的快速发展，车辆数目的增加，海量的数据产生将会导致本地的计算和存储资源不能有效及时地满足需求，基于云计算来解决这些问题会产生大量的时延和一些高额的消耗。

边缘计算是指在网络的边缘提供计算和存储能力的一种新型模型。其基本思想是将原有的云计算模型的部分计算和存储能力迁移到网络的边缘设备如基站、网关、路由器等，从而减缓端到端的时延，挖掘底层感知网络的内在能力，提高底层设备的智能化，缓解底层设备的计算存储压力。

在车联网的环境中当边缘服务器将计算任务处理完毕之后，需要从边缘服务器传输至移动的车辆。对于一些紧急消息和道路险情，能够及时有效的传输至目标区域车辆。对边缘计算架构下的数据的传输、计算研究可以有效解决物联网设备计算存储资源不足导致的传输的时延问题和可靠性问题。因此，研究在边缘计算复杂环境下的车辆任务卸载的回传策略，具有重要的理论价值和实际意义。

发明内容

本发明的目的是解决车联网中卸载任务回传时，由于车辆的移动特性以及路边单元和车辆有限的通信范围，车辆在卸载任务完成前已经驶离RSU(Road Side Unit，路侧单元)通信范围而面临的回传选择问题。本发明提出了基于V2I直传和V2V辅助传输的可靠传输策略。首先，通过对卸载的任务量进行最大传输时延的估算，和链路有效寿命进行计算，判断辅助传输是否失效。其次，在设计辅助传输策略时综合考虑车辆的速度、方向、位置因素并将这些指标量化为一个稳效值，通过对邻居节点计算稳效值进行对比建立通信链路，从而保证数据在有限的时间内完成高质量的传输。实验表明，本发明相比其他算法有更好的性能，具有一定的实用价值。

本发明的面向边缘计算环境的车联网数据回传方法，主要包括如下关键步骤：

第1、模型建立：

第1.1、建立道路和车辆区域模型；

第1.2、建立计算区域模型；

第1.3、建立数据传输区域模型；

第2、面向边缘计算环境的车联网数据回传方法的设计：

第2.1、状态初始化；

第2.2、链路维持时间评估；

第2.3、稳效值的定义与计算；

第2.4、V2V辅助策略算法描述；

第2.5、回传算法描述。

步骤第1.1中建立了道路和车辆区域模型，即考虑道路上存在两个对向的车道的场景，一条由西向东另一条由东向西，前者称其为A车道(正向)，后者为B车道(反向)，在道路内，假设有N_vehicle个车辆随机地分布在道路上，车道A的车速为公式v

步骤第1.2中建立计算区域模型的方法如下，本方法重点研究需要车辆将计算任务卸载到RSU上进行计算的场景，默认卸载到边缘服务器上的待计算的数据大于计算后输出的数据，假设卸载任务的数量大小为C

步骤第1.3中建立数据传输区域模型的方法如下，模型中数据传输的方式有V2I和V2V，两者各有利弊，本方法使用V2I等待策略和V2V辅助回传策略：

(1)V2I等待策略：RSU通过核心网络将待回传数据下发至下一个RSU，等待车辆驶入到RSU覆盖范围内通过V2I的方式建立通信进行传输；

(2)V2V辅助回传策略：在RSU未覆盖的区域通过寻找中继节点进行通信，寻找中继节点的方式也有两种，因为是在双向车道中，可以通过同方向的节点进行传输，也可以由对向车道中的节点进行传输，借助对向车道进行传输需要RSU先将数据传输至下一RSU。

进一步的，步骤第2.1中对车辆进行状态初始化，假设源车辆S_vehicle的平均速度为v

d

假设X

X

假设回传任务的大小为C

车辆在道路上随机分布，假设车辆驶入符合泊松分布，并且参数为λ(λ表示在一定时间或单位时间内事件发生的平均次数)，则在时间[0，t]范围内，有m辆车驶入的概率为p

在同向双车道的环境下，假设车道1的分布参数为λ

在源车辆节点和其通信范围内同车道内距离最近的节点间距的累积分布函数表达式如公式6所示：

在源车辆节点和其通信范围之内的不同车道内最近节点之间间距的累积分布函数表达式如公式7所示：

假设参考节点有M个层间邻居，定义参考节点与最远层间邻居的距离为Y，则Y可以表示为公式8所示：

则Y的累积分布函数表达式如公式9所示：

在V2V辅助传输策略中，是按照逐条的方式选择中继节点，第l个中继节点的选取取决于第(l-1)个中继。假设在1车道上有k个邻居，在1车道上的一跳的距离为X，则第二跳的条件分配如公式10所示：

步骤第2.2中我们提出了链路维持时间的评估方式，并考虑到同向车道和反向车道两种场景，在同向上寻找中继节点时，目的车辆D_vehicle驶出RSU覆盖区域，与中继车辆S_vehicle在同一方向行驶，两车间的初始距离为d

(1)当v

X

(2)当v

X

(3)当v

在对向车道上寻找中继节点时，目的车辆D_vehicle驶离RSU覆盖区域，与中继车辆S_vehicle在不同方向行驶建立链路，两车间的初始距离为d

假设源车辆S_vehicle的平均速度为v

X

假设反向道路与正向道路的速度范围一致，最大速度为v

步骤第2.3所述稳效值的定义与计算如下，稳效值(Link stability andefficiency)主要用来评估链路的稳定性和传输的效率，其值越大则说明链路状态越理想，反之则不理想，其定义如公式19所示：

其中ρ是候选节点i的车辆的密度，单位为辆/千米，观察公式可知当其他影响因素固定，车流量密度与LSE成正比，v

对于指标的权值估计是使用网络层次分析(ANP)法，如附图4所示，本步骤的目标是寻找最佳的下一跳转发节点，对比元素的影响因子大小的结果比较矩阵，对于判断矩阵，通过求和的方法对每个矩阵内的元素进行求和得到向量α＝(α

每个向量汇总得到未加权超矩阵，对未加权超矩阵中的每一个向量进行归一化处理，定义

通过c＝αω汇总可以得到加权超矩阵，然后以加权超矩阵为基础，通过公式20对加权超矩阵做稳定性处理

步骤第2.4所述V2V辅助策略算法描述如下：

步骤第2.5所述回传算法描述如下：

本发明的优点和积极效果：

本发明主要设计了一种面向边缘计算环境的车联网数据回传方法，在该方法中，主要研究了车辆在卸载任务完成前已经驶离RSU通信范围而面临的回传选择问题。本发明考虑车辆所处位置以及链路有效寿命，提出了一个根据实际情况自适应地选择V2I直传方式和V2V辅助传输的可靠传输策略，通过卸载的任务量进行最大传输时延的估算，判断使用何种传输模式。在设计辅助传输策略时综合考虑车辆的速度、方向、位置因素并将这些指标量化为一个稳效值，通过对邻居节点计算稳效值进行对比建立最佳方案，从而保证数据的高时效高可靠传输。实验表明，本发明具有一定的实用价值。

附图说明

图1是车联网边缘计算模型图；

图2是同向车道场景图；

图3是反向车道场景图；

图4是网络层次分析法图；

图5是不同车辆密度与数据交付时延之间关系图；

图6是不同车辆密度与数据包交付率之间关系图；

图7是不同车辆密度与转发节点比率之间关系图；

图8是不同速度与数据交付时延之间关系图；

图9是不同速度与数据包交付率之间关系图；

图10是不同速度与转发节点比率之间关系图；

图11是不同RSU间距与数据交付时延之间关系图；

图12是不同RSU间距与数据包交付率之间关系图；

图13是本发明面向边缘计算环境的车联网数据回传方法的流程图。

具体实施方式

实施例1：

本实施例采用NS-2.35平台进行仿真实验，对本发明提出的算法进行仿真分析，并将本发明提出的辅助回传策略与no-co(不使用辅助车辆)回传策略、ra-co(随机选择车辆进行辅助下载)、CPB(基于连通概率)、DSRelay(基于动态时槽的协助方法)以及NICDM(无间隙协助回传算法)进行对比分析。仿真参数如表1所示。

表1仿真参数

参见附图13，本实施例面向边缘计算环境的车联网数据回传方法，主要包括如下关键步骤：

第1、模型建立：

第1.1、建立道路和车辆区域模型；

第1.2、建立计算区域模型；

第1.3、建立数据传输区域模型；

第2、面向边缘计算环境的车联网数据回传方法的设计：

第2.1、状态初始化；

第2.2、链路维持时间评估；

第2.3、稳效值的定义与计算；

第2.4、V2V辅助策略算法描述；

第2.5、回传算法描述。

步骤第1.1中建立了道路和车辆区域模型，即考虑道路上存在两个对向的车道的场景，一条由西向东另一条由东向西，前者称其为A车道(正向)，后者为B车道(反向)，在道路内，假设有N_vehicle个车辆随机地分布在道路上，车道A的车速为公式v

步骤第1.2中建立计算区域模型的方法如下，本方法重点研究需要车辆将计算任务卸载到RSU上进行计算的场景，默认卸载到边缘服务器上的待计算的数据大于计算后输出的数据，假设卸载任务的数量大小为C

步骤第1.3中建立数据传输区域模型的方法如下，模型中数据传输的方式有V2I和V2V，两者各有利弊，本方法使用V2I等待策略和V2V辅助回传策略：

(1)V2I等待策略：RSU通过核心网络将待回传数据下发至下一个RSU，等待车辆驶入到RSU覆盖范围内通过V2I的方式建立通信进行传输；

(2)V2V辅助回传策略：在RSU未覆盖的区域通过寻找中继节点进行通信，寻找中继节点的方式也有两种，因为是在双向车道中，可以通过同方向的节点进行传输，也可以由对向车道中的节点进行传输，借助对向车道进行传输需要RSU先将数据传输至下一RSU。

步骤第2.1中对车辆进行状态初始化，假设源车辆S_vehicle的平均速度为v

d

假设X

X

假设回传任务的大小为C

车辆在道路上随机分布，假设车辆驶入符合泊松分布，并且参数为λ(λ表示在一定时间或单位时间内事件发生的平均次数)，则在时间[0，t]范围内，有m辆车驶入的概率为p

在同向双车道的环境下，假设车道1的分布参数为λ

在源车辆节点和其通信范围之内的不同车道内最近节点之间间距的累积分布函数表达式如公式7所示：

假设参考节点有M个层间邻居，定义参考节点与最远层间邻居的距离为Y，则Y可以表示为公式8所示：

则Y的累积分布函数表达式如公式9所示：

在V2V辅助传输策略中，是按照逐条的方式选择中继节点，第l个中继节点的选取取决于第(l-1)个中继，假设在1车道上有k个邻居，在1车道上的一跳的距离为X，则第二跳的条件分配如公式10所示：

步骤第2.2中我们提出了链路维持时间的评估方式，并考虑到同向车道和反向车道两种场景，在同向上寻找中继节点时，目的车辆D_vehicle驶出RSU覆盖区域，与中继车辆S_vehicle在同一方向行驶，两车间的初始距离为d

(1)当v

X

(2)当v

X

(3)当v

假设正向道路的最大速度为v

在对向车道上寻找中继节点时，目的车辆D_vehicle驶离RSU覆盖区域，与中继车辆S_vehicle在不同方向行驶建立链路，两车间的初始距离为d

假设源车辆S_vehicle的平均速度为v

X

假设反向道路与正向道路的速度范围一致，最大速度为v

步骤第2.3所述稳效值的定义与计算如下，稳效值(Link stability andefficiency)主要用来评估链路的稳定性和传输的效率，其值越大则说明链路状态越理想，反之则不理想，其定义如公式19所示：

其中ρ是候选节点i的车辆的密度，单位为辆/千米，观察公式可知当其他影响因素固定，车流量密度与LSE成正比，v

对于指标的权值估计是使用网络层次分析(ANP)法，本步骤的目标是寻找最佳的下一跳转发节点，对比元素的影响因子大小的结果比较矩阵，对于判断矩阵，通过求和的方法对每个矩阵内的元素进行求和得到向量α＝(α

每个向量汇总得到未加权超矩阵，对未加权超矩阵中的每一个向量进行归一化处理，定义

通过c＝αω汇总可以得到加权超矩阵，然后以加权超矩阵为基础，通过公式20对加权超矩阵做稳定性处理

步骤第2.4所述V2V辅助策略算法描述如下：

步骤第2.5所述回传算法描述如下：

本发明考虑了一种车辆网与边缘计算结合的环境，如附图1车联网边缘计算模型图所示。参见附图2和附图3，为了简化模型，考虑道路上存在两个对向的车道的场景，一条由西向东另一条由东向西，前者称其为A车道(正向)，后者为B车道(反向)。在道路内，假设有N_vehicle个车辆随机的分布在道路上，车道A的车速为公式v

本实施例进行仿真实验测试。通过改变驶入车道的车辆的密度、速度因子以及研究RSU分布密度等因素，利用数据包交付率、数据交付时延以及转发节点比率三个性能指标，评估本发明提出的传输策略。

实验过程将考虑三个性能指标，其分别是：

1.数据包交付率。定义为成功传送到目标节点的数据分组的数量与源节点传输的数据分组的数量之间的比率。该指标反映了数据传输可靠性。

2.数据交付时延。又叫做端到端传输时延是指数据包从分组生成到传递到目的地的时间延迟。此度量标准指示从源节点发送数据包后目标接收的速度，用来评估传输的效率。

3.转发节点比率。定义为参与转发的中继节点在车道上总的节点数的比率，用于反链路的开销，参与转发的中继节点越多，网络的开销就越大。

本实施例的仿真实验结果如下：

1.在改变车道上车辆密度的情况下，保证其他因素一致，比较五种方法的三个性能

1)不同车辆密度与数据交付时延之间的关系

由附图5不同车辆密度与数据交付时延之间的关系图可以清晰地看出，不使用车辆辅助传输的no-co由于使用V2I的方式进行传输，其性能与车辆密度无关。而剩余的其余四个方法皆随着车辆密度的增加，数据的交付时延随之降低。本发明提出的算法在选择中继节点的时候，保证在链路的生命周期内完成数据的传输，防止因为节点移动而导致的链路中断所耗费的时间，并且在LSE相等的情况下优先考虑选择距离目标节点最近的节点作为中继节点。实验分析表明，本发明提出的回传算法在时效性上具有更大的优势。

2)不同车辆密度与数据包交付率之间的关系

附图6为不同车辆密度与数据包交付率之间关系。从图6中可以看出，随着车辆密集度的增加，除no-co的其余四个方法的R包的交付率均呈上升的趋势。实验证明当车辆密度一样时，本发明提出的算法的数据包的交付率始终高于其他几个方法。

3)不同车辆密度与转发节点比率之间的关系

附图7表明了不同车辆密度与转发节点比率之间的关系。通过图7可以看出，在链路开销方面本文的辅助传输策略同样是最少的，这是因为本发明在构建链路时综合考虑相对距离和速度因子等因素，在构建链路时在保证质量的前提下保证最少的跳数。

2.在改变车辆平均速度的情况下，保证其他因素一致，比较五种方法的性能指标

1)不同速度与数据交付时延之间的关系

附图8为不同速度与数据交付时延之间关系。由图8可以清晰地看出，不使用车辆辅助传输的no-co因为使用V2I的方式进行传输，所以其性能与速度无关。随着车辆速度的增大，平均端到端时延变大，这是因为速度增大，导致网络拓扑发生变化，已有的路径可能不再满足通信的需求，导致需要重启路由发现过程，这无疑增大了传输时延，但相比其它的算法，本发明的算法有较好的性能。

2)不同速度与数据包交付率之间的关系

附图9表明了不同速度与数据包交付率之间的关系。通过图9看出，随着速度因子的增加，除no-co的其余四个方法的R包的交付率均呈下降的趋势。这是因为随着车速的增加导致链路的有效链路时间减少会出现频繁的重连甚至增加网络的跳数，但本发明提出的算法的数据包的交付率始终高于其他几个方法。

3)不同速度与转发节点比率之间的关系

附图10为不同速度与转发节点比率之间的关系。通过图10可以看出，在链路开销方面随着速度的增加导致跳数的增加，这也验证了之前的分析。

3.在改变RSU覆盖密度的情况下，保证其他因素一致，比较五种方法的三个性能

附图11、附图12分别表明了不同RSU间距与数据交付时延之间的关系、不同RSU间距与数据包交付率之间关系。如图11、图12所示，通过实验结果可以看出，随着RSU间距的扩大，各个传输策略的性能都在下降，当RSU的部署密度增加时，对于车联网的发展有更好的促进作用。

实验表明，本发明提出的回传算法取得了较好的效果。根据实际情况自适应的选择V2I直传方式和V2V辅助传输的可靠传输策略，通过卸载的任务量进行最大传输时延的估算，判断使用何种传输模式。在设计辅助传输策略时综合考虑车辆的速度、方向、位置因素并将这些指标量化为一个稳效值，通过对邻居节点计算稳效值进行对比建立最佳方案，从而保证了数据的稳定性。