本发明涉及车联网的，更具体地，涉及一种面向车联网的空地协同移动边缘计算方法及系统。
背景技术：
1、随着物联网的发展以及新一代无线通信技术的出现，智能化和网络连接已成为汽车行业的发展趋势。信息传输和数据计算处理能力的急剧提升，加速了车联网(internet ofvehicles,iov)的范式转变。因此，车联网已成为一种新的网络范式，促进了智能交通系统的发展。在这种新范式中，车辆可以实时通信，实现车对车(vehicle-to-vehiclecommunication,v2v)和车对基站(vehicle-to-base station,v2b)的数据和信息共享。车联网应用不断涌现，需要实时车辆导航、车辆辅助驾驶、行驶目标监测、感知信息以及车载多媒体等时延敏感型数据密集型计算任务，需要大量的计算资源来处理。为了提高未来交通运输系统的可靠性，车联网可以根据固定的地面通信设施传输准确的实时信息，如基站(bss)。然而，由于车辆的计算资源有限和一些密集用户的地点，比如十字路口交汇处等，导致处理计算密集型任务会产生过多的能耗和延迟。
2、针对这一问题，现有技术提出一种车联网中移动边缘计算方法，包括步骤：步骤1，车载终端经由基站将数据包发送到移动边缘计算服务器；步骤2，所述移动边缘计算服务器判断所述数据包是否为车联网数据，如果是非车联网数据则将所述数据包发送到核心网进行处理，如果是车联网数据则通过移动边缘计算服务器对所述数据包进行处理后通过基站发送至特定的车载终端。利用本发明可解决车联网中网络时延过高和网络负荷过大等问题，通过把移动边缘计算服务器部署到汇聚机房，利用服务器上的流量分流网关针对不同类型的数据进行不同目的地址的转发，使得车联网信息在网络边缘处理，从而提升网络质量。
3、现有技术利用移动边缘计算(mobile edge computing,mec)技术提升网络质量，使得车辆移动用户的计算密集型任务可以被卸载到mec服务器上进行处理，mec服务器通常被放置在网络中更靠近移动用户的边缘，通过将计算密集型任务转移给mec服务器，可以有效地提升移动用户与mec服务器之间的传输能效。
4、无人机作为一种高度移动性和易于部署的设施，适用于车联网或者移动物联网用户的通信。例如，车辆将频繁地与固定地面基站进行信息共享，从而在远离基站时产生巨大的信道衰落，或固定地面基站在处理计算大量用户的密集型任务时产生计算资源的争夺。然而，无人机可以飞向车辆或移动用户，以提供更好的数据传输，同时也填补了地面服务器在部署时的不足。为了能进一步提高车辆的通信计算性能，我们考虑了部分卸载方案，在每个时隙中，任务分成三部分，分别在本地进行计算，卸载到无人机服务器计算和卸载到固定地面的基站服务器计算。
5、当前，基于移动边缘计算的车联网技术未考虑过使用配备接收发射传感器的无人机作为不同类型的空中通信平台(空中移动基站或移动中继)为地面终端用户提供必要的通信支持的空地协同策略，仅仅依靠基于用户与基站的移动边缘计算，使得用户频繁地与固定地面的基站进行信息共享，从而在远离基站时产生巨大的信道衰落，或固定地面的基站在处理计算大量用户的密集型任务时产生计算资源的争夺，仍然存在计算压力大和计算延迟长的问题。
技术实现思路
1、本发明为克服上述现有技术存在的计算压力大和计算延迟长的缺陷，提供一种利用无人机作为空中通信平台的面向车联网的空地协同移动边缘计算方法及系统。
2、为解决上述技术问题，本发明的技术方案如下：
3、构建空地协同移动边缘计算系统，所述系统包括：车辆移动用户、基站、基站上的若干个地面边缘服务器、无人机及无人机携带的一个空中边缘服务器；
4、获取无人机轨迹约束，以及车辆移动用户分配给无人机的边缘服务器的带宽分配约束，车辆移动用户分配给基站的边缘服务器的带宽分配约束；
5、将计算任务中的部分任务卸载到无人机和基站边缘服务器上，其余的任务在本地计算，获取车辆移动用户、无人机的边缘服务器和基站边缘服务器计算时的cpu频率约束，以及卸载比例分配约束；
6、获取空地协同移动边缘计算系统的总时延，包括：车辆移动用户的本地计算和卸载计算任务的时延，无人机的边缘服务器计算和下载结果的时延，以及基站边缘服务器计算和下载结果的时延；
7、根据移动边缘计算系统的总时延，计算得到完成每个时隙期间上传的所有任务所需时间，所述完成每个时隙期间上传的所有任务所需时间为最大用户的最大系统时延；
8、以最小化最大用户的最大平均系统时延为目标函数，考虑车辆移动用户分配给无人机的边缘服务器的带宽分配约束、车辆移动用户分配给基站的地面服务器的带宽分配约束、无人机轨迹约束、最大可用cpu频率约束、卸载比例分配约束，构建移动边缘计算优化模型；
9、利用交替迭代法求解移动边缘计算优化模型，得到最大用户系统时延的最优值。
10、与现有技术相比，本发明技术方案的有益效果是：
11、本发明通过构建空地协同移动边缘计算系统，利用无人机为地面终端用户提供必要的通信支持，并以最小化最大用户的最大平均系统时延为目标函数，考虑车辆移动用户分配给无人机的边缘服务器的带宽分配约束、车辆移动用户分配给基站的地面服务器的带宽分配约束、无人机轨迹约束、最大可用cpu频率约束、卸载比例分配约束，构建移动边缘计算优化模型，利用交替迭代法求解移动边缘计算优化模型，得到最大用户系统时延的最优值，通过缩短最大用户系统时延，有效降低了计算压力和计算延迟。
1.一种面向车联网的空地协同移动边缘计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向车联网的空地协同移动边缘计算方法，其特征在于，设无人机以最大速度vmax进行飞行，则所述无人机轨迹约束的表达式为：
3.根据权利要求2所述的面向车联网的空地协同移动边缘计算方法，其特征在于，车辆移动用户、无人机的边缘服务器和基站的边缘服务器均配备单个天线，设无人机和基站利用正交频分多址方案进行数据传输，则所述车辆移动用户分配给无人机的边缘服务器的带宽分配约束的表达式为：
4.根据权利要求3所述的面向车联网的空地协同移动边缘计算方法，其特征在于，所述车辆移动用户计算时的cpu频率约束的表达式为：
5.根据权利要求4所述的面向车联网的空地协同移动边缘计算方法，其特征在于，所述卸载比例分配约束的表达式为：
6.根据权利要求5所述的面向车联网的空地协同移动边缘计算方法，其特征在于，所述车辆移动用户本地计算时延的表达式为：
7.根据权利要求6所述的面向车联网的空地协同移动边缘计算方法，其特征在于，所述无人机通信计算时延的表达式为：
8.根据权利要求7所述的面向车联网的空地协同移动边缘计算方法，其特征在于，所述基站的通信计算时延的表达式为：
9.根据权利要求8所述的面向车联网的空地协同移动边缘计算方法，其特征在于，所述移动边缘计算优化模型的表达式为：
10.根据权利要求9所述的面向车联网的空地协同移动边缘计算方法，其特征在于，所述目标函数为非凸目标函数，利用交替迭代法求解移动边缘计算优化模型时，交替优化的对象为通信带宽分配值ba、无人机的轨迹集合q、计算任务的卸载比例值θ和计算资源分配值f；
