买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利一种面向电动汽车的任务卸载方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120343028B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510815902.9，技术领域涉及：H04L67/1008；该发明授权一种面向电动汽车的任务卸载方法是由鲁蔚锋;殷杰;徐佳;高辉;徐力杰;刘婷婷;李德强;蒋凌云设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本一种面向电动汽车的任务卸载方法在说明书摘要公布了：本发明提出的一种面向电动汽车的任务卸载方法。首先，设计了车联网的卸载系统模型，考虑了任务车辆的时间延迟、能量消耗、支付成本，通过将车联网系统的卸载模型问题形式化后，将任务车辆的边缘卸载场景建模为智能体交互场景，结合深度强化学习算法设计了多目标优化方法解决该问题。最后，通过仿真实验分析该方法在时间延迟、能量消耗和卸载成本等多方面的实验结果，结果表明，相较于传统卸载算法，该方法减少时间延迟约43%，降低能量消耗约38%。

本发明授权一种面向电动汽车的任务卸载方法在权利要求书中公布了：1.一种面向电动汽车的任务卸载方法，其特征在于：包括以下具体步骤： 步骤1、考虑车辆移动场景下，设计边-端系统卸载框架； 所述步骤1中，边-端系统卸载框架的系统模型分为三部分：电动汽车、任务车辆和边缘服务器； 边-端系统卸载框架有三层构架； 第一层是边缘服务器，快速处理卸载的任务，为密集型任务提供服务； 第二层是电动汽车，电动汽车由停放在道路周围的车辆划分组成，具有空闲的计算资源，供任务车辆选择卸载； 第三层是任务车辆，任务车辆会产生待处理的数据，且任务车辆自身配备有小型计算能力的计算设备，密集型任务则需要卸载给边缘服务器或电动汽车，对服务质量需求的不同任务需要根据周围的计算资源选择进行卸载； 所述步骤1中，在车联网环境的车辆移动场景，考虑到车辆的移动性，车辆需要在边缘服务器的覆盖服务范围内完成任务，车辆用户在任务无法全部处理时，需要将数据卸载到边缘服务器或电动汽车，以满足自身任务需求，其中边缘服务器、电动汽车和任务车辆定义如下： （1）边缘服务器： 边缘服务器具有相应计算资源，能够为密集型任务体提供卸载服务，并根据任务车辆的任务多方面需求制定支付策略以获取收益，定义边缘服务器集合为，定义边缘服务器的数量为； （2）电动汽车： 任务车辆选择空闲的电动汽车的计算资源来完成任务的卸载与执行，通过制定的支付策略向任务车辆索取提供的卸载服务费用，以激励更多车辆提供卸载服务，定义电动汽车集合； （3）任务车辆： 任务车辆会在本地生成任务，并将本地计算资源无法满足需求的任务卸载给边缘服务器或电动汽车，并根据需要卸载的任务各方面需求选择卸载目标，并根据支付策略支付费用，定义任务车辆每个时隙都有任务需要卸载，定义任务车辆生成的任务集合为，为任务车辆下标，为对应任务，车辆卸载任务由元组组成，表示车辆需要执行的任务数据大小；表示任务处理每单位大小的数据所需要的计算资源；表示卸载指示器的卸载目标，任务车辆将任务请求卸载给边缘服务器，卸载目标，其中当时表示任务本地处理；当时表示卸载给相对应的服务器；当时表示卸载给相对应的电动汽车，为表示任务的时间敏感度，数值越大则任务对完成时间的要求越高，表示任务的期望完成时间阈值，若任务执行时间超过该阈值，则表示任务降低了任务车辆需要的服务质量； 任务车辆需要在提供服务的通信覆盖范围内完成卸载，任务卸载的执行时间应在任务的期望完成时间阈值内，且一个任务只能够卸载给一个卸载目标，如果任务车辆选择在本地计算设备执行，则卸载目标；如果任务卸载给边缘服务器执行，则卸载目标；如果任务卸载给电动汽车执行，则卸载目标，其中s为边缘服务器及为电动汽车； 步骤2、任务车辆产生密集型任务，设计通信模型、能量模型、时间模型以及支付成本模型； 所述步骤2中设计通信模型如下： 采用自由空间路径损耗模型来描述任务车辆任务卸载至边缘服务器过程，忽略下行链路传输产生的时延，假设对于不同移动车辆传输，采用正交频分多址方式，并且每个移动车辆拥有的信道带宽为B，忽略移动车辆之间的信道干扰，由香农公式可得，移动车辆将车辆卸载任务卸载到边缘服务器s的上行链路传输速率为，同理可得到移动车辆将任务卸载到电动汽车的上行链路传输速率为，其中表示任务车辆的传输功率，和分别表示任务车辆和边缘服务器s或电动汽车之间的信道增益，由于采用自由空间路径损耗模型，因此信道增益与距离成反比，和分别表示对应情况下的高斯白噪声的方差； 所述步骤2中时间模型如下： 在得到了移动车辆同服务器或电动汽车之间的上行链路传输速率后，不考虑传输过程中的速度损耗，任务车辆卸载任务给边缘服务器s及电动汽车g的传输时间延迟和分别如下式表示： ； ； 表示车辆需要执行的任务数据大小，表示任务车辆的传输功率，B为每个移动车辆拥有的信道带宽，为移动车辆将车辆卸载任务卸载到边缘服务器s的上行链路传输速率，为移动车辆将车辆卸载任务卸载到电动汽车的上行链路传输速率，和分别表示对应情况下的高斯白噪声的方差； 任务的总完成时间由传输时间和执行时间构成，根据模型，任务车辆可将任务部分卸载给边缘服务器、电动汽车或本地执行，由于卸载目标不同，任务的执行时间将根据不同卸载目标计算； 定义各个终端计算设备的计算资源集合，其中当计算设备下标为0时表示任务车辆本地的计算资源大小，下标在1到s之间表示边缘服务器计算设备的计算资源大小，下标在s+1到s+g之间表示电动汽车的计算资源大小，下面给出在不同卸载目标下的执行时间： （1）任务车辆在本地执行任务，本地执行时间由下式得出： ； 其中表示车辆需要执行的任务数据大小，表示任务处理每单位大小的数据所需要的计算资源，表示任务车辆本地的计算资源大小,为卸载目标； （2）任务车辆将任务卸载给边缘服务器或电动汽车时需要通过通信链路进行传输，相比于本地执行会有传输时延，任务卸载的执行时间由下式得出： ； 其中表示边缘服务器计算设备的计算资源大小，表示电动汽车的计算资源大小，和分别表示任务车辆卸载任务给边缘服务器s及电动汽车g的传输时间延迟； 所述步骤2中能耗模型如下： 当车辆在本地执行车辆卸载任务时，能量消耗应当比车辆设定的任务能耗阈值小，定义车辆执行的车辆卸载任务能耗阈值为； （1）传输能耗： 任务车辆的传输能耗来源于将任务数据通过无线网络传输到边缘服务器或电动汽车的过程，此过程中，任务车辆需要根据传输距离、信号强度和网络带宽因素调整传输功率，任务车辆选择将任务卸载给边缘服务器或电动汽车时，得出任务传输的时延，定义任务车辆的传输功率为，将任务卸载给边缘服务器所需要消耗的能量为：;将任务卸载电动汽车时所需要消耗的能量为：，其中和分别是将任务卸载给边缘服务器和电动汽车的传输时延，表示任务车辆的传输功率； （2）本地能耗： 当在任务处理所需资源较少、网络条件不理想或任务处理时延要求高时，任务车辆选择在本地执行任务，任务车辆需要在计算资源消耗和网络传输消耗之间做出权衡，选择最合适的处理方式,下面定义任务车辆的计算设备功耗为，任务本地执行时间为,因此任务在本地需要处理的能量消耗可由下式得出：； （3）电动汽车能耗： 当任务车辆选择将任务卸载给电动汽车时，电动汽车负责处理卸载的任务，电动汽车的计算能耗与其处理能力和执行任务的复杂度相关，电动汽车通常处于低功耗状态，且计算资源相对有限，下面定义电动汽车的计算设备功耗为，其中，在电动汽车计算设备上在处理任务时所需要消耗的能量为：，其中表示车辆需要执行的任务数据大小，表示任务处理每单位大小的数据所需要的计算资源，表示电动汽车的计算资源大小； （4）边缘服务器能耗： 边缘计算服务器部署在网络边缘，靠近用户设备，边缘服务器的计算设备功耗取决于服务器的性能和任务的复杂性，在任务卸载决策时需要考虑任务的计算需求与服务器的负载能力，如果边缘服务器负载过高，会导致能耗上升并影响任务的响应时间，边缘服务器在处理任务时所需要消耗的能量可由下式计算得出：，其中表示边缘服务器的计算设备功耗，表示边缘服务器计算设备的计算资源大小； 所述步骤2中设支付成本模型如下： 在车辆将任务卸载给边缘服务器或电动汽车后，边缘服务器或电动汽车会根据自身的支付策略向任务车辆收取对应的费用，作为边缘服务器或电动汽车的收益，同时也是任务车辆的成本之一; 边缘服务器和电动汽车对任务车辆产生的任务在内存占用、计算资源需求以及安全成本方面都会收取费用以提供服务以保证自身的运营成本，假设边缘服务器和电动汽车按自身计算资源定价，并根据任务卸载的数据量进行收费，任务车辆m卸载任务所需要支付的费用具体计算方式如下： ； 其中表示边缘服务器处理每单位数据量索取的价格，表示电动汽车处理每单位数据量索取的价格,假设任务车辆需要支付的费用与任务的数据大小以及任务时间延迟敏感度有关，为获取服务支付相应费用,任务车辆m需要支付的总费用计算定义为： ； 表示车辆需要执行的任务数据大小，为表示任务的时间敏感度； 步骤3、根据问题模型，设计系统目标函数，多目标优化系统时间延迟、能量消耗以及支付成本； 步骤4、根据系统模型以及强化学习方法，设计车辆智能体交互环境； 步骤5、设计多目标近端策略优化算法，训练智能体后确定卸载目标。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210003 江苏省南京市新模范马路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。