本發明涉及車聯網，尤其涉及一種面向車聯網服務的計算卸載系統和方法。
背景技術：
1、智能網聯汽車，指車聯網與智能車的有機聯合，是搭載先進的車載傳感器、控制器、執行器等裝置，并融合現代通信與網絡技術，實現車與人、路、后臺等智能信息進行交換共享，實現安全、舒適、節能、高效行駛，并最終可替代人來操作的新一代汽車。
2、在智能網聯汽車發展浪潮中，邊緣計算(edge?computing,ec)，一種完全分布式處理架構，支持將云數據中心計算能力下沉到邊端和終端，來就近提供實時高質量的邊緣智能服務，提高網絡服務性能，可以滿足智能終端在敏捷聯接、實時業務、數據優化等方面的關鍵需求。車聯網+邊緣計算，可以有效利用邊緣計算提供的“現場級”智能服務，改善車聯網應用面臨的現實問題，如：終端應用實時性和可靠性問題，車、路、人等智能信息數據共享問題等，為車聯網現場大量的、復雜的異構設備和網絡提供聯接渠道，是推動智能網聯汽車行業發展的有效手段。
3、然而，現階段在車聯網+邊緣計算轉型進程中，智能終端(如移動設備、車載cpu、智能紅綠燈、攝像頭等)和邊緣節點(如路邊單元)進行有效協同來提供智能服務的過程中，面臨如下問題和挑戰：異構終端設備和邊緣節點資源種類繁多、且跨不同管理域難以進行有效協同，現場設備多且雜，網絡通信協議實現完全互通互聯缺少統一范式，車聯網應用場景多變，現場邊端設備異構，缺少有效的異構資源管理機制；同時，車聯網服務，如智能避障、智能預警等應用，對高實時性具有高需求，如何對環境中的資源進行分布式協同調度，有效完成計算卸載是車聯網系統所面臨的一個巨大挑戰。
4、現今，很多研究提出基于深度學習的方法來解決面向5g車聯網邊緣服務的計算卸載策略，此類方法本身對于資源的需求高，成本大，且當終端和邊緣服務器節點較多時，問題的狀態空間和動作空間都會呈現指數級增長，而造成維度災難，從而導致訓練速度緩慢，無法滿足服務對實時性的高需求。因此，如何高效的，在時間和成本上可以平衡的計算卸載方法及分布式算力融合管理機制，是當前車聯網服務亟需解決的問題之一。
技術實現思路
1、針對現有車聯網系統中存在分布式算力難以有效協同、計算卸載策略無法滿足高實時性需求等問題，本發明提出一種面向車聯網服務的計算卸載系統和方法。
2、實現本發明目的之一的一種面向車聯網服務的計算卸載系統，包括：
3、服務需求解析模塊：用于對車聯網服務進行多維度需求解析，得到每個車聯網服務的時間敏感型需求類型和算力需求類型；
4、服務流程構建模塊：用于根據每個車聯網服務的執行過程對車聯網服務進行業務分解得到多個獨立執行的子任務；并根據車聯網服務的時間敏感型需求類型和算力需求類型確定每個子任務的執行先后順序、算力需求、計算資源；
5、算力融合模塊：用于根據車聯網服務的算力需求類型確定基于多級算力部署的分布式算力融合架構；每一級代表不同的算力需求類型；
6、計算卸載模塊：根據每個車聯網服務的算力需求類型、基于子任務執行先后順序確定的車聯網服務的執行時間、基于子任務的算力需求和計算資源確定的車聯網服務的執行能耗，以服務延時和執行能耗為優化目標，采用基于模擬退火機制的灰狼算法計算出所述分布式算力融合架構下的最優計算卸載方案；所述最優計算卸載方案利用所述分布式算力融合架構實現多級算力資源的實時調度。
7、進一步的技術方案包括：所述服務需求解析模塊中，得到每個車聯網服務的時間敏感型需求類型和算力需求類型的方法包括：
8、根據數據流、計算流程和網絡交互維度對每個車聯網服務進行分析，提取關鍵需求；所述關鍵需求包括：數據相關需求、計算相關需求和網絡相關需求；
9、根據網絡相關需求，確定每個車聯網服務的時間敏感型需求類型；如，對響應時間要求極高，稍有延遲就可能導致嚴重后果的車聯網服務劃分為時間特別敏感型；對響應時間有一定要求，但允許有相對較短的延遲的車聯網服務則劃分為時間中等敏感型；對響應時間的要求較低的車聯網服務則劃分為時間不敏感型；
10、根據數據相關需求、計算相關需求，確定每個車聯網服務的算力需求類型；所述算力需求類型包括數據密集型、計算密集型和網絡密集型。
11、上述技術方案的技術效果包括：通過數據流、計算流程和網絡交互分析，避免單一維度分析的片面性；基于網絡相關需求對服務類型進行分類，為任務卸載策略提供了時間方面的約束；結合數據量和計算復雜度確定算力類型，確保了任務與算力資源的匹配，提升了計算效率。
12、進一步的技術方案包括：車聯網服務的時間敏感型需求類型包括：時間特別敏感型、時間中等敏感型和時間不敏感型；對響應時間要求從高到低的排序為：時間特別敏感型服務>時間中等敏感型>時間不敏感型；對車聯網服務進行業務分解得到多個獨立執行的子任務的方法包括：
13、對于時間特別敏感型(h)服務：將服務拆解為嚴格串行執行的子任務鏈；
14、對于時間中等敏感型(m)服務：拆解為允許短時延彈性調度的多個子任務序列，子任務可進行動態合并與延遲執行；
15、對于時間不敏感型(l)服務：拆解為異步批處理的多個子任務，子任務支持任務中斷與閑時資源調度。
16、進一步的技術方案包括：每個車聯網服務用一個有向無環圖(vi,e_edgei)表示，其中vi表示第i個車聯網服務si的子任務集合，vi＝{vi,1，vi,2，…，vi,n-1，vi,n,}，e_edgei＝{ei|ei＝(vi,m,vi,n)}表示邊的集合，其中第i條邊由頂點vi,m指向vi,n，表示子任務vi,n須在子任務vi,m之后執行。
17、上述技術方案的技術效果包括：將服務拆分為獨立子任務的方案支持分布式并行處理，縮短整體執行時間，為動態調度提供了細粒度控制，適應車聯網中服務的動態變化；通過有向無環圖明確子任務執行順序，避免任務沖突，保障了服務流程的邏輯正確性。
18、進一步的技術方案包括：確定每個車聯網服務的執行時間和執行能耗的方法包括：
19、當所述車聯網服務的算力需求類型由終端設備所組成的第一算力節點網絡提供所需算力需求，則該車聯網服務的每個子任務的執行時間和執行能耗分別為：ti,j＝c_qi,j/ci，ei,j＝c_qi,j×pci/ci；
20、當所述車聯網服務的算力需求類型由邊緣設備所組成的第二算力節點網絡提供所需算力需求，則該車聯網服務的每個子任務的執行時間和執行能耗分別為：ti,j＝c_qi,j/ci+c_qi,j/ni；
21、當所述車聯網服務的算力需求類型由云算力節點網絡提供所需算力需求，則該車聯網服務的每個子任務的執行時間和執行能耗分別為：ti,j＝c_qi,j/ci+c_qi,j/ni,ei,j＝c_qi,j×pci/ci+c_qi,j×pti/ni；
22、ti,j和ei,j分別表示第i個車聯網服務的第j個子任務的執行時間和執行能耗；c_qi,j表示第i個車聯網服務的第j個子任務需要計算的數據量；ci表示第i個車聯網服務所屬算力類型的計算能力；ni表示第i個車聯網服務所屬算力類型的網絡傳輸能力；pci表示第i個車聯網服務所屬算力類型的計算功率；pti表示第i個車聯網服務所屬算力類型的傳輸功率；
23、將所有子任務的執行時間相加，得到該車聯網服務的執行時間；
24、將所有子任務的執行能耗相加，得到該車聯網服務的執行能耗。
25、上述技術方案的技術效果包括：針對終端、邊緣、云三類算力節點分別建立執行時間和能耗模型，并考慮計算能力、網絡傳輸能力、功率等參數，確保了模型與實際硬件性能緊密結合，提升了決策可靠性；同時通過子任務執行時間和能耗的累加，實現了對車聯網服務的全局性能評估。
26、進一步的技術方案包括：最優計算卸載方案的計算方法包括：
27、設定每只灰狼的位置為(si,r_typej)，其中si表示車聯網服務，r_typej表示車聯網服務被分配的算力類型；
28、設定最優灰狼的目標函數值為f(si,r_typej)＝∑ti/∑t_di+∑ei/∑e_di；其中，∑t_di表示當前所有車聯網任務的最大允許執行時間；∑e_di表示當前所有車聯網任務在最大時延情況下的系統能耗；
29、初始化模擬退火機制算法所有參數，包括種群規模、最大迭代次數、初始溫度值，并隨機初始灰狼種群個體的位置，計算灰狼群的目標函數值，并記錄最優位置；
30、根據模擬退火機制更新灰狼位置，定義接受新位置的概率為對位置進行刪選，其中f和f’分別為當前位置和新位置的目標函數值，t(h)表示模擬退火過程中的溫度參數；若p大于設定值則更新灰狼位置為新位置；
31、判斷是否滿足迭代條件，如果不滿足重復上述更新灰狼位置的步驟；如果滿足，則輸出最優解，所述最優解即為最優計算卸載方案。
32、上述技術方案的技術效果包括：灰狼算法的群體智能和模擬退火的全局搜索能力可有效地平衡延時與能耗的沖突，避免了局部最優；通過退火機制逐步縮小搜索范圍，提升了算法的收斂速度和精度；基于灰狼位置編碼(服務-算力類型映射)，實現了快速對解空間的遍歷，可以很好地響應車聯網的高實時性要求。
33、進一步的技術方案包括：所述車聯網服務si包括：si＝(ti,qi,t_typei,c_typei,t_di,c_qi)；ti表示第i個服務的請求服務時間，qi表示第i個服務的請求服務發起設備；t_typei表示第i個服務對時間敏感類型；c_typei表示第i個服務的算力需求類型；t_di表示第i個服務可容忍的最長時延；c_qi表示第i個服務需要計算的數據量。
34、上述技術方案的技術效果包括：通過定義統一的服務描述元組si，支持系統各模塊間的信息交互與處理；通過明確的時間容忍度t_di和數據量c_qi為卸載策略提供關鍵約束參數，確保了決策的可行性；通過時間敏感類型t_typei和算力需求類型c_typei實現了服務的快速分類，支撐了系統的分層處理和資源預分配。
35、實現本發明目的之二的一種面向車聯網服務的計算卸載方法，包括：
36、對車聯網服務進行多維度需求解析，得到每個車聯網服務的時間敏感型需求類型和算力需求類型；
37、根據每個車聯網服務的執行過程對車聯網服務進行業務分解得到多個獨立執行的子任務；并根據車聯網服務的時間敏感型需求類型和算力需求類型確定每個子任務的執行先后順序、算力需求、計算資源；
38、根據車聯網服務的算力需求類型確定基于多級算力部署的分布式算力融合架構；每一級代表不同的算力需求類型；
39、根據每個車聯網服務的算力需求類型、基于子任務執行先后順序確定的車聯網服務的執行時間、基于子任務的算力需求和計算資源確定的車聯網服務的執行能耗，以服務延時和執行能耗為優化目標，采用基于模擬退火機制的灰狼算法計算出所述分布式算力融合架構下的最優計算卸載方案；所述最優計算卸載方案利用所述分布式算力融合架構實現多級算力資源的實時調度。
40、實現本發明目的之三的一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現所述面向車聯網服務的計算卸載方法的步驟。
41、實現本發明目的之四的一種計算機程序產品，包括計算機程序/指令，該計算機程序/指令被處理器執行時實現所述面向車聯網服務的計算卸載方法的步驟。
42、本發明的有益效果包括：
43、本發明通過時間敏感型和算力需求類型的雙重分類，實現對車聯網服務的精準刻畫，提升了復雜服務場景的適配能力；
44、終端設備、邊緣設備、云服務的多級算力部署可動態匹配不同車聯網任務的資源需求，優化了資源利用率，降低了單點負載壓力；
45、以服務延時和執行能耗為優化目標，通過改進的模擬退火灰狼算法實現了全局最優卸載決策，實現了實時性與能效的平衡；
46、基于實時算力需求的分布式架構，可以支持車聯網服務的動態任務調度，能很好的適應高動態性的車載環境。