一种用户体验优先的车联网资源分配方法及系统与流程

本发明涉及计算机技术领域，具体涉及一种用户体验优先的资源分配方法及系统。

背景技术：

边缘计算(edgecomputing)是在靠近人、物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的新的网络架构和开放平台，就近提供边缘智能服务，满足计算任务在实时性、安全性、隐私保护、成本等方面的关键需求。边缘计算是一种近运算的概念，将运算更靠近数据源所在的本地区网内运算，尽可能地不用将数据回传到云端，减少数据往返云端的等待时间和网络成本.边缘计算将密集型计算任务迁移到附近的网络边缘服务器，降低核心网的拥塞与负担，减缓网络带宽压力，实现较低时延，带来较高带宽。

在车联网中，处于对安全问题的考虑，车联网通信系统对车辆操作的控制要做到通信的时延尽可能低，在一个完整的控制过程中，通信的延时是一个非常重要的因素。边缘计算被认为是一种解决延时问题的有效办法，由于采用边缘计算，用户的计算任务不需要穿过整个网络到达网络中心进行计算，相反地，只需要用户将任务上传至网络边缘的计算节点上就可以完成计算，这样就减少了信息跨越的层数，也就节约了时间。

见申请号为201710434272.6的专利，该方法提出了通过最优决策车载边缘计算节点与用户的配对方案，可以使得一定区域内总的用户体验达到最大，但未考虑用户间的公平性，无法保证每个用户的体验都接近。

技术实现要素：

本申请提供了一种用户体验优先的车联网资源分配方法，该方法在保证最大化用户体验的同时，兼顾各终端获取资源的公平性，尽量满足所有用户的需求。

根据第一方面，一种用户体验优先的车联网资源分配方法，该方法包括：

接收用户向边缘节点发出的任务请求和车辆状况；

根据所述车辆状况确定车辆对资源的需求量；将任务请求和车辆对资源的需求量储存为任务请求对象，并推入等待队列；

每过一定时间从所述等待队列中选取任务请求对象，加入分配列表；根据每种资源的剩余量和车辆对资源的需求量对分配列表中的任务请求对象进行资源分配。

在一些实施例，根据车辆状况确定车辆的需求量的步骤包括：

接收用户提供的车辆状况；

确定参数，根据所述车辆状况确定资源敏感度、资源单位价格、资源需求的基数；根据服务预算、容忍度、资源敏感度和资源单位价格确定资源需求的基数上限；

根据容忍度、资源敏感度、资源需求的基数和资源需求的基数上限计算车辆对资源的需求量。

在一些实施例，资源需求的基数上限为：

式中，max_sf表示资源需求的基数上限；m表示有m种资源；rsj表示第j种资源的资源敏感度；vj表示第j种资源的单位价格；t表示车辆的容忍度；sb表示车辆的服务预算。

在一些实施例，车辆对资源的需求量为：

式中，dj表示车辆对资源的需求量；min(sf，max_sf)表示用户资源需求的基数和资源需求的基数上限中的较小值；t表示车辆的容忍度；rsj表示第j种资源的资源敏感度。

在一些实施例，所述车辆状况包括：车辆的容忍度、作业大小、作业类型和服务价格。

在一些实施例，选取任务请求对象包括：

遍历等待队列，选取任务请求对象，根据边缘节点的负载确定阈值，所述阈值的取值范围为大于0而小于1，并判断车辆对资源的需求量是否小于资源的剩余量和阈值的乘积，如果车辆对资源的需求量大于资源的剩余量和阈值的乘积，则退出作业选取；反之，则将该任务请求对象加入分配列表。

在一些实施例，所述任务请求对象包括：作业类型、作业单位时间负载、作业id、车辆mac地址、该作业对资源的需求量。

在一些实施例，根据每种资源的剩余量和车辆对资源的需求量总和对分配列表中的任务请求对象进行资源分配时，如果每种资源的剩余量都大于车辆对资源的需求量，则直接进行资源分配；反之，则对最小化总体损失的满意度和最大最小车辆加权分配率进行建模，根据车辆偏好、路况衡量因子和车辆分配率确定最小化总体损失的满意度，根据最小化总体损失的满意度计算最大最小车辆加权分配率，根据最小化总体损失的满意度和最大最小车辆加权分配率得到最佳分配方式。

在一些实施例，对最小化总体损失的满意度和最大最小车辆加权分配率进行建模，建立的模型包括：

其中：

0≤aij≤dij,i∈i,j∈j

其中，目标函数表示最小化总体损失的满意度；i表示待服务车辆的集合；j表示资源种类的集合；pij表示第i辆车对于第j种资源的偏好；dij表示第i辆车对于第j种资源的需求量；aij表示给第i辆车第j种资源的分配量；c表示路况衡量因子；目标函数表示最大最小车辆加权分配率；qj表示边缘节点第j种资源的剩余量。

根据第二方面，一种用户体验优先的车联网资源分配系统，该系统包括：

接收模块，用于接收用户向边缘节点发出的任务请求和车辆状况；

需求计算模块，用于根据所述车辆状况确定车辆对资源的需求量；将任务请求和车辆对资源的需求量储存为任务请求对象，并推入等待队列；

资源分配模块，用于每过一定时间从所述等待队列中选取任务请求对象，加入分配列表；根据每种资源的剩余量和车辆对资源的需求量对分配列表中的任务请求对象进行资源分配。

依据上述实施例，本申请提供了一种用户体验优先的车联网资源分配方法，通过对最小化总体损失的满意度和最大最小车辆加权分配率进行建模，得到最佳的分配方式，使得用户获得最大化总用户体验的同时，保证了资源分配的公平性。

附图说明

图1为本申请提供的车联网资源分配方法的流程图；

图2为一种实施例中确定车辆需求量的流程图；

图3为一种实施例中作业选取的流程图；

图4为本申请提供的车联网资源分配系统的结构示意图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

应当理解的是，本文中提到的容忍度表示车辆本身的状况，各个车辆的速度与自身运算速度存在差异，容忍度越小证明车辆所需的运算速度越快，车辆可以通过每次服务的响应速度来调整容忍度。本文中提到的路况衡量因子用于表示路况，该参数会影响用户体验，当路况恶劣时，应适当提高路况衡量因子。

如图1所示，本申请提供了一种用户体验优先的车联网资源分配方法，方法10包括：

s1：接收用户向边缘节点发出的任务请求和车辆状况。

s2：根据车辆状况确定车辆对资源的需求量d。将任务请求和车辆对资源的需求量d储存为任务请求对象，并推入等待队列。

s3：每过一定时间从等待队列中选取任务请求对象，加入分配列表。根据每种资源的剩余量和车辆对资源的需求量d对分配列表中的任务请求对象进行资源分配。

在一些实施例，所述车辆状况包括：车辆的容忍度t、作业大小w、作业类型cat和服务价格sb。

如图2所示，在一些实施例，步骤s2包括：

s21：接收用户提供的车辆状况。

s22：确定参数。根据车辆状况确定资源敏感度rs、资源单位价格v、资源需求的基数sf；根据服务预算sb、容忍度t、资源敏感度rs和资源单位价格v确定资源需求的基数上限max_sf。

具体地，资源需求的基数上限max_sf的确定步骤为：

收到作业请求后，根据作业类型cat，获取该类作业应该分配的资源敏感度rs和每种资源的单位价格v。应当理解的是，边缘节点拥有一个知识库，记录了若干种作业的信息，收到作业请求后，在知识库中查找作业类型cat，获取该类作业应该分配的资源敏感度rs和单位价格v。通过作业类型cat和作业大小w确定用户资源需求的基数sf。

设车辆对第j种资源的需求量dj暂时如下：

式中，rsj表示rsj表示第j种资源的资源敏感度。

除容忍度t之外，边缘节点还应该考虑价格的问题。假设车辆的服务预算sb与资源总价格成正比，应该保证车辆被分配的资源总价格不大于车辆的服务预算sb，即

可转换为下式：

进一步转换得：

定义资源需求的基数上限max_sf为：

式中，m表示有m种资源；rsj表示第j种资源的资源敏感度；vj表示第j种资源的单位价格；t表示车辆的容忍度；sb表示车辆的服务预算。

s23：根据容忍度t、资源敏感度rs、资源需求的基数sf和资源需求的基数上限max_sf计算车辆对资源的需求量d。

具体地，车辆对第j种资源的需求量dj为：

式中，min(sf，max_sf)表示用户资源需求的基数和资源需求的基数上限中的较小值。

如图3所示，在一些实施例，选取任务请求对象的流程为：

遍历等待队列，选取任务请求对象，根据边缘节点的负载确定阈值θ，0<θ<1，并判断车辆对第j种资源的需求量dj是否小于该种资源的剩余量qj和阈值θ的乘积，即判断dj<θ*qj是否成立，若成立，则将该任务请求对象加入分配列表，并从等待队列中删除，同时，在该种资源的剩余量qj中扣除相应的资源量，即qj-＝θ*dj，若不成立，则显示资源不足，退出作业选取。

在一些实施例，所述任务请求对象包括：作业类型cat、作业单位时间负载、作业id、车辆mac地址、该作业对资源的需求量d。

在一些实施例，根据每种资源的剩余量和车辆对资源的需求量总和对分配列表中的任务请求对象进行资源分配时，如果每种资源的剩余量都大于车辆对资源的需求量总和，则直接进行资源分配；反之，则对最小化总体损失的满意度和最大最小车辆加权分配率进行建模，根据车辆偏好p、路况衡量因子c和车辆分配率确定最小化总体损失的满意度，根据最小化总体损失的满意度，计算最大最小车辆加权分配率，根据最小化总体损失的满意度和最大最小车辆加权分配率得到最佳分配方式。

具体地，对最小化总体损失的满意度和最大最小车辆加权分配率进行建模，具体步骤为：

定义总用户体验e为：

式中，i表示待服务车辆的集合；j表示服务资源种类的集合；eij表示第i辆车对第j种资源的用户体验。

假设给第i辆车第j种资源的分配量为aij，第i辆车对于第j种资源的需求量为dij，第i辆车对于第j种资源不足损失的满意度为lij；当aij＝dij时，eij达到最大，记为emax；当aij<dij时，lij＝emax-eij；当所有用户的所有需求都被满足时，总用户体验e达到最大，记为emax，即总用户体验e为：

lij不仅与分配率(dij-aij)/dij相关，还与车辆偏好pij和路况衡量因子c有关.定义第i辆车对于第j种资源分配不足时损失的满意度lij为：

其中，pij>0；c>1。

式中，pij表示第i辆车对于第j种资源的偏好；c表示路况衡量因子。

则总用户体验e为：

由上式可知，最大化总用户体验，等同于最小化总用户损失的满意度。

为了使总用户体验最大化，同时优化资源分配的公平性，建立以下优化模型：

其中，

0≤aij≤dij,i∈i,j∈j

应当理解的是，上述模型中，目标函数表示最小化总体损失的满意度，目标函数表示最大最小加权资源满足率，用于衡量用户的资源满足率是否接近。

上述模型可以使用粒子群算法求解，获取帕累托最优解集，构成帕累托前沿。但该解法耗时严重，因此本文提出另一种解法：

首先，去掉目标函数转换成单目标优化问题，求解出最优解opt1；然后恢复目标函数将目标函数转换为约束条件0<μ<1，μ表示对效率损失的容忍度；将模型转换为单目标优化问题，求解目标函数得到最优解optμ1；更改μ的值，解得下一个optμ2，重复上述步骤，得出最优解集。

如图4所示，本申请还提供了一种用户体验优先的车联网资源分配系统，系统20包括：

接收模块21，用于接收用户向边缘节点发出的任务请求和车辆状况；

需求计算模块22，用于根据所述车辆状况确定车辆对资源的需求量；将任务请求和车辆对资源的需求量储存为任务请求对象，并推入等待队列；

资源分配模块23，用于每过一定时间从所述等待队列中选取任务请求对象，加入分配列表；根据资源的剩余量和车辆对资源的需求量总和对分配列表中的任务请求对象进行资源分配。

综上所述，本申请提供了一种用户体验优先的车联网资源分配方法及系统，通过对最小化总体损失的满意度和最大最小车辆加权分配率进行建模，优化了用户体验和资源分配的公平性，使得总用户体验最大化的同时，让各辆车的用户体验尽量接近。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。