网联汽车在多个边缘云网关进行软切换的方法及装置与流程

1.本发明涉及信息技术领域，具体而言，涉及一种网联汽车在多个边缘云网关进行软切换的方法及装置。

背景技术：

2.网联汽车与边缘云网关的v2x消息通讯是云控基础平台的重要组成部分，v2x消息的低时延性和高可靠性决定了云控基础平台中融合感知、协同决策和协同控制的有效性。在云控基础平台的相关方案中，每个边缘云网关会负责相应区域内道路上的动态交通数据采集与计算，由此能够为网联汽车提供增强安全与能效提升的实时性与弱实时性云控应用基础服务，但由于网联汽车大多数情况是高速动态行驶的，如果网联汽车一直连接同一个边缘云网关，会降低网联汽车与边缘云网关的v2x消息通讯的实时性。
3.目前，现有技术的解决方案通常是由网联汽车的车载单元obu根据路口pc5信号的强弱，选择信号较强的路侧设备发送消息，再由路侧设备转发消息至指定的边缘云网关，从而实现边缘云网关的切换。然而，在现有技术的这种硬切换方式中，车载单元obu与路侧设备之间的耦合度较高，一旦路口pc5信号较弱或者没有信号，可能会导致车载单元obu与路侧设备无法连接，进而导致边缘云网关切换失败，即这种硬切换方式会存在边缘云网关的非连续切换问题。

技术实现要素：

4.本发明提供一种网联汽车在多个边缘云网关进行软切换的方法及装置，主要在于不再需要车载单元obu与路侧设备的配合，能够实现边缘云网关的平滑切换，对于obu该切换过程连续且无感知。
5.根据本发明实施例的第一方面，提供一种网联汽车在多个边缘云网关进行软切换的方法，应用于网关代理，所述网关代理存储有多个边缘云网关分别对应的地理坐标信息，包括：
6.接收网联汽车发送的v2x消息，所述v2x消息中携带有所述网联汽车的车辆标识；
7.根据所述车辆标识从相应的归属地寄存器中获取所述网联汽车的最新位置信息，其中，所述归属地寄存器中存储有所述网联汽车的机动车基础信息；
8.根据所述最新位置信息和所述网联汽车当前对应的边缘云网关的地理坐标信息，计算所述网联汽车与当前的边缘云网关之间的距离；
9.若所述距离大于预设距离，则根据所述最新位置信息和所述多个边缘云网关中其他边缘云网关对应的地理坐标信息，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关；
10.将所述v2x消息转发至所述目标边缘云网关。
11.根据本发明实施例的第二方面，提供一种网联汽车在多个边缘云网关进行软切换的装置，所述网关代理存储有多个边缘云网关分别对应的地理坐标信息，包括：
12.接收单元，用于接收网联汽车发送的v2x消息，所述v2x消息中携带有所述网联汽车的车辆标识；
13.获取单元，用于根据所述车辆标识从相应的归属地寄存器中获取所述网联汽车的最新位置信息，其中，所述归属地寄存器中存储有所述网联汽车的机动车基础信息；
14.计算单元，用于根据所述最新位置信息和所述网联汽车当前对应的边缘云网关的地理坐标信息，计算所述网联汽车与当前的边缘云网关之间的距离；
15.确定单元，用于若所述距离大于预设距离，则根据所述最新位置信息和所述多个边缘云网关中其他边缘云网关对应的地理坐标信息，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关；
16.转发单元，用于将所述v2x消息转发至所述目标边缘云网关。
17.根据本发明实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
18.接收网联汽车发送的v2x消息，所述v2x消息中携带有所述网联汽车的车辆标识；
19.根据所述车辆标识从相应的归属地寄存器中获取所述网联汽车的最新位置信息，其中，所述归属地寄存器中存储有所述网联汽车的机动车基础信息；
20.根据所述最新位置信息和所述网联汽车当前对应的边缘云网关的地理坐标信息，计算所述网联汽车与当前的边缘云网关之间的距离；
21.若所述距离大于预设距离，则根据所述最新位置信息和所述多个边缘云网关中其他边缘云网关对应的地理坐标信息，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关；
22.将所述v2x消息转发至所述目标边缘云网关。
23.根据本发明实施例的第四方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
24.接收网联汽车发送的v2x消息，所述v2x消息中携带有所述网联汽车的车辆标识；
25.根据所述车辆标识从相应的归属地寄存器中获取所述网联汽车的最新位置信息，其中，所述归属地寄存器中存储有所述网联汽车的机动车基础信息；
26.根据所述最新位置信息和所述网联汽车当前对应的边缘云网关的地理坐标信息，计算所述网联汽车与当前的边缘云网关之间的距离；
27.若所述距离大于预设距离，则根据所述最新位置信息和所述多个边缘云网关中其他边缘云网关对应的地理坐标信息，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关；
28.将所述v2x消息转发至所述目标边缘云网关。
29.本发明实施例的创新点包括：
30.1、通过网关代理实现边缘云网关的软切换方法，可以不依赖obu硬件与路侧设备的配合进行网联汽车的边缘云网关切换，连续且无感知是本发明实施例的创新点之一
31.2、采用ai算法自动选择距离网联汽车最近的边缘云网关，以保障网联汽车和边缘云网关的v2x消息通讯的低延时性和高可靠性是本发明实施例的创新点之一。
32.3、通过采用softmax函数和交叉熵损失函数使由多个弱学习分类器组成的强学习分类器能够进行多分类是本发明实施例的创新点之一。
33.本发明提供的一种网联汽车在多个边缘云网关进行软切换的方法及装置，与现有技术的硬切换方式相比，本发明能够接收网联汽车发送的v2x消息，所述v2x消息中携带有所述网联汽车的车辆标识，并根据所述车辆标识从相应的归属地寄存器中获取所述网联汽车的最新位置信息，与此同时，根据所述最新位置信息和所述网联汽车当前对应的边缘云网关的地理坐标信息，计算所述网联汽车与当前的边缘云网关之间的距离，若所述距离大于预设距离，则根据所述最新位置信息和所述多个边缘云网关中其他边缘云网关对应的地理坐标信息，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关，最终将所述v2x消息转发至所述目标边缘云网关。由此通过配置网关代理将网联汽车的v2x消息转发给与网联汽车相匹配的边缘云网关，可以不再依赖obu硬件与路侧设备的配合，从而能够实现边缘云网关的平滑切换，对于obu该切换过程连续且无感知，与此同时，本发明通过获取网联汽车的最新位置信息，能够确定与网联汽车最匹配的边缘云网关，以使得网联汽车与边缘云网关的距离最近，从而能够保证网联汽车与边缘云网关的v2x消息通讯的低延时性和高可靠性。
34.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
35.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
36.图1示出了本发明实施例提供的一种网联汽车在多个边缘云网关进行软切换的方法流程示意图；
37.图2示出了本发明实施例提供的网关代理与obu和边缘云网关之间的交互图；
38.图3示出了本发明实施例提供的另一种网联汽车在多个边缘云网关进行软切换的方法流程示意图；
39.图4示出了本发明实施例提供的又一种网联汽车在多个边缘云网关进行软切换的方法流程示意图；
40.图5示出了本发明实施例提供的再一种网联汽车在多个边缘云网关进行软切换的方法流程示意图；
41.图6示出了本发明实施例提供的一种网联汽车在多个边缘云网关进行软切换的装置的结构示意图；
42.图7示出了本发明实施例提供的另一种网联汽车在多个边缘云网关进行软切换的装置的结构示意图；
43.图8示出了本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
44.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
45.需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
46.在现有技术的硬切换方式中，车载单元obu与路侧设备之间的耦合度较高，一旦路口pc5信号较弱或者没有信号，可能会导致车载单元obu与路侧设备无法连接，进而导致边缘云网关切换失败，即这种硬切换方式会存在边缘云网关的非连续切换问题。
47.为了解决上述问题，本发明实施例提供了一种网联汽车在多个边缘云网关进行软切换的方法，应用于网关代理，如图1所示，该方法包括：
48.步骤101、接收网联汽车发送的v2x消息，所述v2x消息中携带有所述网联汽车的车辆标识。
49.其中，网关代理部署在云端，车辆标识具体可以为车辆id或者车辆识别码，v2x消息主要包括bsm消息(basic safety message，基础安全消息)、rsi消息(road side information，路侧信息)、rsm消息(road safety message，路侧安全消息)、spat消息(signal phase and timing message，交通灯相位与时序消息)和map消息(地图消息)等。bsm消息具体包括速度、转向、刹车、双闪、位置等等，多被用在v2v场景即变道预警，盲区预警，交叉路口碰撞预警等等；rsi消息用于事件的上报和下发，路侧rsu集成，平台下发，多被用于v2i场景即道路施工，限速标志，超速预警，公交车道预警等等；rsm消息主要对接路侧的边缘设备，用于事件的识别，比如，车辆发生事故，车辆异常，异物闯入等等；spat消息用于车速引导，绿波推送场景等等，路侧rsu集成信号机，或者信号机通过uu方式传入到平台；map消息用于描述一个路口、车道，和该路口的红绿灯也存在对应关系。
50.本发明实施例主要适用于切换网联汽车的边缘云网关的场景。本发明实施例的执行主体为能够切换网联汽车的边缘云网关的装置，如网关代理。
51.为了解决边缘云网关的非连续切换问题，本发明实施例使用部署在云端的网关代理将网联汽车的v2x消息转发给与网联汽车相匹配的边缘云网关，可以不再需要车载单元obu与路侧设备的配合，从而实现边缘云网关的平滑切换，对于obu该切换过程连续且无感知。
52.对于本发明实施例，网联汽车在入网签约(开户)时，网联汽车的obu车载单元会配置交通运营商的签约信息，如网关代理域名，之后网联汽车通过该网关代理域名可以连接网关代理，或者通过指定公有的ip地址连接车云路云网关代理，连接之后该网关代理可以分别与网联汽车和边缘云网关进行通信，如图2所示，网关代理中也可以预先存储多个边缘云网关分别对应的地理坐标信息。本发明实施例中网关代理的代理实现方案为基于nginx做反向代理，涉及lua脚本语言，代理协议支持tcp协议和mqtt协议。
53.具体地，当网联汽车需要向边缘云网关发送v2x消息时，网联汽车会先将该v2x消息发送给网关代理，以便网关代理将该v2x消息转发给与网联汽车最适配的边缘云网关。
54.步骤102、根据所述车辆标识从相应的归属地寄存器中获取所述网联汽车的最新
位置信息。
55.其中，所述归属地寄存器中存储有所述网联汽车的机动车基础信息，包括：车辆编号、车辆识别码和车辆最新位置信息等，网联汽车的最新位置信息具体可以为经纬度信息或者地图坐标信息。
56.对于本发明实施例，网关代理为了确定与网联汽车最匹配的边缘云网关，需要获取网联汽车的最新位置信息。具体地，网关代理在接收到网关汽车的v2x消息后，可以向网联汽车的归属地寄存器发送最新位置信息获取请求，该最新位置信息获取请求携带有网联汽车的车辆id或者车辆识别码，归属地寄存器在接收到该请求后，会根据网联汽车的车辆id或者车辆识别码，查询该网联汽车对应的最新位置信息，并将该最新位置信息反馈给代理网关，以便代理网关根据网联汽车的最新位置信息，确定与其相匹配的边缘云网关。
57.步骤103、根据所述最新位置信息和所述网联汽车当前对应的边缘云网关的地理坐标信息，计算所述网联汽车与当前的边缘云网关之间的距离。
58.对于本发明实施例，网联汽车在进行网关切换之前，当前可能会对应一个边缘云网关，由于网联汽车一直处于动态行驶状态，如果网联汽车与当前对应的边缘云网关之间的距离大于预设距离，则会降低v2x消息通讯的实时性，此时需要进行网关切换；如果网联汽车与当前对应的边缘云网关之间的距离小于或者等于预设距离，则不会影响v2x消息通讯的实时性，此时不需要进行网关切换。因此，本发明实施例在执行网关切换流程之前，需要计算网联汽车与当前对应的边缘云网关之间的距离，以便根据该计算的距离判定是否进行网关切换，从而节约网关代理的系统资源。
59.具体地，由于网关代理当前已经获取网联汽车的最新位置信息，同时已知网联汽车当前对应的边缘云网关的地理坐标信息，因此可以计算两者之间的直线距离，根据计算的距离大小，判定是否需要进行网关切换。
60.需要说的是，多个边缘云网关的地理坐标信息可以预先存储在网关代理中，也可以由网关代理实时获取，本发明实施例对此不做具体限定。
61.步骤104、若所述距离大于预设距离，则根据所述最新位置信息和所述多个边缘云网关中其他边缘云网关对应的地理坐标信息，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关。
62.对于本发明实施例，如果网联汽车与当前对应的边缘云网关之间的距离小于或者等于预设距离，则网关代理可以继续将该v2x消息转发至当前对应的边缘云网关，此时并不会影响v2x消息通讯的实时性；相反如果网联汽车与当前对应的边缘云网关之间的距离大于预设距离，则网关代理会从其他边缘云网关中确定与该网联汽车相匹配的目标边缘云网关，以进行网关切换。
63.本发明实施例提供了两种确定目标边缘云网关的方式，一种是通过ai模型分析，另一种是通过最短路径距离的计算，在实施例一中先介绍通过最短路径距离的计算确定与网联汽车相匹配的目标边缘云网关的具体方法，如图3所示，该方法具体包括：根据所述最新位置信息和所述其他边缘云网关对应的地理坐标信息，计算所述网联汽车与其他边缘云网关之间的路径距离；根据所述网联汽车与其他边缘云网关之间的路径距离，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关。进一步地，所述根据所述网联汽车与其他边缘云网关之间的路径距离，确定所述其他边缘云网关中与所述网联汽车相匹
配的目标边缘云网关，包括：从所述网联汽车与其他边缘云网关之间的路径距离中确定最小路径距离；将最小路径距离对应的边缘云网关确定为与所述网联汽车相匹配的目标边缘云网关。
64.例如，其他边缘云网关包括边缘云网关a、边缘云网关b和边缘云网关c，之后根据网联汽车的最新位置信息和边缘云网关a、b和c分别对应的地理坐标信息，分别计算网联汽车与边缘云网关a、b和c之间的路径距离，接着从计算的各个路径距离中确定最小路径距离，若网联汽车与边缘云网关c之间的路径距离最小，则确定边缘云网关c为目标边缘云网关。
65.由此能够使目标边缘云网关与网联汽车之间的路径距离最短，从而能够保证网联汽车与目标边缘云网关的v2x消息通讯的实时性。
66.步骤105、将所述v2x消息转发至所述目标边缘云网关。
67.对于本发明实施例，网关代理在确定与网联汽车路径距离最短的目标边缘云网关之后，可以向该目标边缘云网关转发v2x消息。
68.需要说明的是，为了保证v2x消息通讯的实时性，云端的网关代理甚至需要提前预判网联汽车可能需要切换的边缘云网关。
69.本发明实施例提供的一种网联汽车在多个边缘云网关进行软切换的方法，通过配置网关代理将网联汽车的v2x消息转发给与网联汽车相匹配的边缘云网关，可以不再依赖obu硬件与路侧设备的配合，从而能够实现边缘云网关的平滑切换，对于obu该切换过程连续且无感知，与此同时，本发明实施例通过获取网联汽车的最新位置信息，能够确定与网联汽车最匹配的边缘云网关，以使得网联汽车与边缘云网关的距离最近，从而能够保证网联汽车与边缘云网关的v2x消息通讯的低延时性和高可靠性。
70.进一步的，作为对上述实施例的细化和扩展，本发明实施例提供了另一种网联汽车在多个边缘云网关进行软切换的方法，如图4所示，所述方法包括：
71.步骤201、接收网联汽车发送的v2x消息，所述v2x消息中携带有所述网联汽车的车辆标识。
72.对于本发明实施例，当网联汽车需要向边缘云网关发送v2x消息时，网联汽车会先将该v2x消息发送给网关代理，以便网关代理将该v2x消息转发给与网联汽车最适配的边缘云网关。
73.需要说明的是，本发明实施例采用openresty和lua脚本语言开发网关代理，openresty是一个强大的web应用服务器，web开发人员可以使用lua脚本语言调动nginx支持的各种c以及lua模块,更主要的是在性能方面，openresty可以快速构造出足以胜任10k以上并发连接响应的超高性能web应用系统。
74.本发明实施例通过采用openresty和lua相结合的技术方案，可以实现高性能、高智能的切换流程，能够支撑大量网联汽车的切换需求。
75.步骤202、根据所述车辆标识从相应的归属地寄存器中获取所述网联汽车的最新位置信息。
76.其中，所述归属地寄存器中存储有所述网联汽车的机动车基础信息。
77.对于本发明实施例，为了确定与网联汽车相匹配的目标边缘云网关，需要获取网联汽车的最新位置信息，该最新位置信息的获取方式与步骤102完全相同，在此不再赘述。
78.步骤203、根据所述最新位置信息和所述网联汽车当前对应的边缘云网关的地理坐标信息，计算所述网联汽车与当前的边缘云网关之间的距离。
79.对于本发明实施例，由于代理网关当前已经获取网联汽车的最新位置信息，同时已知网联汽车当前对应的边缘云网关的地理坐标信息，因此可以计算两者之间的直线距离，根据计算的距离大小，判定是否需要进行网关切换。
80.步骤204、若所述距离大于预设距离，则将所述最新位置信息输入至由多个弱学习分类器构成的强学习分类器中进行分类，得到多个弱学习分类器分别对应的分类结果。
81.其中，强学习分类器具体可以为abc boost模型，所述多个弱学习分类器均为神经网络模型，所述神经网络模型的最后一层为softmax函数，所述神经网络模型在训练过程中使用交叉熵损失函数。
82.在实施例二中介绍通过ai模型分析确定与网联汽车相匹配的目标边缘云网关的具体方法，如图5所示，该方法具体包括：将所述最新位置信息输入至所述由多个弱学习分类器构成的强学习分类器中进行分类，得到所述多个弱学习分类器分别输出的所述网联汽车对应不同边缘云网关的概率值；针对所述多个弱学习分类器中的任意一个弱学习分类器，从各个概率值中筛选出最大概率值；根据所述最大概率值对应的边缘云网关，确定所述任意一个弱学习分类器输出的分类结果。
83.例如，abc boost模型中某个弱学习分类器的输出为网联汽车对应边缘云网关a的概率值为0.25，对应边缘云网关b的概率值为0.15，对应边缘云网关c的概率值为0.60，由于边缘云网关c对应的概率值最大，因此可以确定该弱学习分类器对应的分类结果为边缘云网关c，即网联汽车与边缘云网关c相适配。由此按照上述方式能够得到每个弱学习分类器输出的分类结果，以便综合各个弱学习分类器的分类结果，得到强学习分类器的分类结果。
84.对于本发明实施例，在利用abc boost模型进行分类之前，需要预先训练abc boost模型(强学习分类器)，针对该过程，所述方法包括：收集不同网联汽车的地理坐标信息样本，以及所述地理坐标信息样本对应的边缘云网关域名；利用所述边缘云网关域名，对所述不同网联汽车的地理坐标信息样本进行标注，得到标注后的地理坐标信息样本；将所述标注后的地理坐标信息样本作为样本训练集，并对所述样本训练集进行训练，构建所述强学习分类器。
85.进一步地，所述对所述样本训练集进行训练，构建所述强学习分类器，包括：确定所述样本训练集对应的初始权重分布；根据所述样本训练集及其对应的初始权重分布，训练第一弱学习分类器；根据所述第一弱学习分类器输出的分类结果，以及所述样本训练集对应的实际分类结果，计算所述第一弱学习分类器对应的交叉熵损失；基于所述交叉熵损失，计算所述第一弱学习分类器对应的权重值；基于所述第一弱学习分类器的权重值，对所述初始权重分布进行更新，得到所述样本训练集更新后的权重分布；根据所述样本训练集和所述更新后的权重分布，继续训练第二弱学习分类器，重复弱学习分类器的训练过程，直至达到预设训练次数，将训练的多个弱学习分类器依据其对应的权重值相加，得到所述强学习分类器。
86.具体地，首先构建样本训练集t＝{(x1,y1),(x2,y2),
…
,(xm,ym)}，并确定强学习分类器的训练次数为k+1，其中，xm为地理坐标信息样本，ym为对应的边缘云网关域名，构建的样本训练集如下：
87.(116.397128,39.916521,a1.gw.cicv)
88.(116.397128,39.916522,a1.gw.cicv)
89.(116.397128,39.916523,a1.gw.cicv)
90.(116.397128,39.916524,a2.gw.cicv)
91.(116.397128,39.916525,a3.gw.cicv)
92.(116.397128,39.916526,a4.gw.cicv)
93.…
94.进一步地，初始化初样本训练集的权重分布，如下所示：
95.d(1)＝(w
11
,w
12
,
…
,w
1m
)；w
1i
＝1/m；i＝1,2,
…
,m
96.接着使用初始权重分布训练第一弱学习分类器g1(x)，并计算第一弱学习分类器对应的交叉熵损失e1，进一步地，基于交叉熵损失e1，计算第一弱学习分类器g1(x)的权重值a1，最终基于第一弱学习分类器g1(x)的权重值a1，对初始权重分布d(1)进行更新，得到样本训练集更新后的权重分布，重复上述过程继续训练第二弱学习分类器g2(x)。
97.由于现有的abc boost模型主要是进行二分类，损失函数为指数函数，而通过上述样本训练集可知，本发明实施例需要进行多分类，基于此，本发明实施中的弱学习分类器均采用神经网络模型，为了能够实现多分类，在训练过程中每个神经网络模型的最后一层采用softmax函数，softmax函数的作用是将每个类别所对应的输出分量归一化，使各个分量的和为1，损失函数采用交叉熵损失函数。由此能够利用改进后的abc boost模型实现多分类，进而通过多分类确定与网联汽车相匹配的边缘云网关。
98.针对第k次训练的gk(x)，其对应的权重分布为d(k)＝(w
k1
,w
k2
,
…
,w
km
)，计算弱学习分类器gk(x)对应的交叉熵损失ek为：
[0099][0100]
其中，pi为弱学习分类器gk(x)输出的分类结果，yi为实际分类结果，c是样本标签。
[0101]
进一步地，计算弱学习分类器gk(x)的权重值ak，具体公式如下：
[0102][0103]
进一步地，更新样本训练集的权重分布，具体公式如下：
[0104][0105][0106]
其中，w
k+1
,i为更新后的权重分布，zk为规范化因子。进一步地，可以利用样本训练集更新后的权重分布w
k+1,i
，训练弱学习分类器g
k+1
(x)，最终根据训练的各个弱学习分类器对应的权重值，将各个弱学习分类器相加，得到强学习分类器为：
[0107][0108]
由此按照上述公式，能够训练强学习分类器，利用强学习分类器确定与网联汽车
最适配的边缘云网关域名。
[0109]
步骤205、根据所述多个弱学习分类器分别对应的权重值，综合所述多个弱学习分类器分别对应的分类结果，得到所述强学习分类器最终输出的分类结果。
[0110]
对于本发明实施例，在确定每个弱学习分类器输出的分类结果之后，可以根据多个弱学习分类器分别对应的权重值，综合弱学习分类器输出的分类结果，得到强学习分类器输出的分类结果。
[0111]
步骤206、根据所述强学习分类器最终输出的分类结果，确定与所述网联汽车相匹配的目标边缘云网关。
[0112]
例如，分类结果中1代表边缘云网关域名a1.gw.cicv，2代表边缘云网关域名a2.gw.cicv，3代表边缘云网关域名a3.gw.cicv，如果强学习分类器输出的分类结果为3，则确定目标边缘云网关的域名为a3.gw.cicv。
[0113]
步骤207、将所述v2x消息转发至所述目标边缘云网关。
[0114]
本发明实施例提供的另一种网联汽车在多个边缘云网关进行软切换的方法，通过配置网关代理将网联汽车的v2x消息转发给与网联汽车相匹配的边缘云网关，可以不再依赖obu硬件与路侧设备的配合，从而能够实现边缘云网关的平滑切换，对于obu该切换过程连续且无感知，与此同时，本发明实施例通过获取网联汽车的最新位置信息，能够确定与网联汽车最匹配的边缘云网关，以使得网联汽车与边缘云网关的距离最近，从而能够保证网联汽车与边缘云网关的v2x消息通讯的低延时性和高可靠性。
[0115]
进一步地，作为图1的具体实现，本发明实施例提供了一种网联汽车在多个边缘云网关进行软切换的装置，即网关代理，如图6所示，所述装置包括：接收单元31、获取单元32、计算单元33、确定单元34和转发单元35。
[0116]
所述接收单元31，可以用于接收网联汽车发送的v2x消息，所述v2x消息中携带有所述网联汽车的车辆标识。
[0117]
所述获取单元32，可以用于根据所述车辆标识从相应的归属地寄存器中获取所述网联汽车的最新位置信息，其中，所述归属地寄存器中存储有所述网联汽车的机动车基础信息。
[0118]
所述计算单元33，可以用于根据所述最新位置信息和所述网联汽车当前对应的边缘云网关的地理坐标信息，计算所述网联汽车与当前的边缘云网关之间的距离。
[0119]
所述确定单元34，可以用于若所述距离大于预设距离，则根据所述最新位置信息和所述多个边缘云网关中其他边缘云网关对应的地理坐标信息，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关。
[0120]
所述转发单元35，可以用于将所述v2x消息转发至所述目标边缘云网关。
[0121]
在具体应用场景中，所述确定单元34，如图7所示，包括：计算模块341和确定模块342。
[0122]
所述计算模块341，可以用于根据所述最新位置信息和所述其他边缘云网关对应的地理坐标信息，计算所述网联汽车与其他边缘云网关之间的路径距离。
[0123]
所述确定模块342，可以用于根据所述网联汽车与其他边缘云网关之间的路径距离，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关。
[0124]
进一步地，所述确定模块342，具体可以用于从所述网联汽车与其他边缘云网关之
间的路径距离中确定最小路径距离；将最小路径距离对应的边缘云网关确定为与所述网联汽车相匹配的目标边缘云网关。
[0125]
在具体应用场景中，所述确定单元34，还包括：分类模块343和综合模块344。
[0126]
所述分类模块343，可以用于根据所述多个弱学习分类器分别对应的权重值，综合所述多个弱学习分类器分别对应的分类结果，得到所述强学习分类器最终输出的分类结果。
[0127]
所述综合模块344，可以用于根据所述强学习分类器最终输出的分类结果，确定与所述网联汽车相匹配的目标边缘云网关。
[0128]
进一步地，所述综合模块344，具体可以用于将所述最新位置信息输入至所述由多个弱学习分类器构成的强学习分类器中进行分类，得到所述多个弱学习分类器分别输出的所述网联汽车对应不同边缘云网关的概率值；针对所述多个弱学习分类器中的任意一个弱学习分类器，从各个概率值中筛选出最大概率值；根据所述最大概率值对应的边缘云网关，确定所述任意一个弱学习分类器输出的分类结果。
[0129]
在具体应用场景中，所述装置还包括：收集单元36、标注单元37和训练单元38。
[0130]
所述收集单元36，可以用于收集不同网联汽车的地理坐标信息样本，以及所述地理坐标信息样本对应的边缘云网关域名。
[0131]
所述标注单元37，可以用于利用所述边缘云网关域名，对所述不同网联汽车的地理坐标信息样本进行标注，得到标注后的地理坐标信息样本。
[0132]
所述训练单元38，可以用于将所述标注后的地理坐标信息样本作为样本训练集，并对所述样本训练集进行训练，构建所述强学习分类器。
[0133]
进一步地，所述训练单元38，具体可以用于确定所述样本训练集对应的初始权重分布；根据所述样本训练集及其对应的初始权重分布，训练第一弱学习分类器；根据所述第一弱学习分类器输出的分类结果，以及所述样本训练集对应的实际分类结果，计算所述第一弱学习分类器对应的交叉熵损失；基于所述交叉熵损失，计算所述第一弱学习分类器对应的权重值；基于所述第一弱学习分类器的权重值，对所述初始权重分布进行更新，得到所述样本训练集更新后的权重分布；根据所述样本训练集和所述更新后的权重分布，继续训练第二弱学习分类器，重复弱学习分类器的训练过程，直至达到预设训练次数，将训练的多个弱学习分类器依据其对应的权重值相加，得到所述强学习分类器。
[0134]
需要说明的是，本发明实施例提供的一种网关代理所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。
[0135]
基于上述如图1所示方法，相应的，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：接收网联汽车发送的v2x消息，所述v2x消息中携带有所述网联汽车的车辆标识；根据所述车辆标识从相应的归属地寄存器中获取所述网联汽车的最新位置信息，其中，所述归属地寄存器中存储有所述网联汽车的机动车基础信息；根据所述最新位置信息和所述网联汽车当前对应的边缘云网关的地理坐标信息，计算所述网联汽车与当前的边缘云网关之间的距离；若所述距离大于预设距离，则根据所述最新位置信息和所述多个边缘云网关中其他边缘云网关对应的地理坐标信息，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关；将所述v2x消息转发至所述目标边缘云网关。
[0136]
基于上述如图1所示方法和如图6所示装置的实施例，本发明实施例还提供了一种电子设备的实体结构图，如图8所示，该电子设备包括：处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序，其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤：接收网联汽车发送的v2x消息，所述v2x消息中携带有所述网联汽车的车辆标识；根据所述车辆标识从相应的归属地寄存器中获取所述网联汽车的最新位置信息，其中，所述归属地寄存器中存储有所述网联汽车的机动车基础信息；根据所述最新位置信息和所述网联汽车当前对应的边缘云网关的地理坐标信息，计算所述网联汽车与当前的边缘云网关之间的距离；若所述距离大于预设距离，则根据所述最新位置信息和所述多个边缘云网关中其他边缘云网关对应的地理坐标信息，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关；将所述v2x消息转发至所述目标边缘云网关。
[0137]
本发明实施例通过配置网关代理将网联汽车的v2x消息转发给与网联汽车相匹配的边缘云网关，可以不再依赖obu硬件与路侧设备的配合，从而能够实现边缘云网关的平滑切换，对于obu该切换过程连续且无感知，与此同时，本发明实施例通过获取网联汽车的最新位置信息，能够确定与网联汽车最匹配的边缘云网关，以使得网联汽车与边缘云网关的距离最近，从而能够保证网联汽车与边缘云网关的v2x消息通讯的低延时性和高可靠性。
[0138]
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
[0139]
本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
[0140]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

技术特征：

1.一种网联汽车在多个边缘云网关进行软切换的方法，其特征在于，应用于网关代理，所述网关代理存储有多个边缘云网关分别对应的地理坐标信息，包括：接收网联汽车发送的v2x消息，所述v2x消息中携带有所述网联汽车的车辆标识；根据所述车辆标识从相应的归属地寄存器中获取所述网联汽车的最新位置信息，其中，所述归属地寄存器中存储有所述网联汽车的机动车基础信息；根据所述最新位置信息和所述网联汽车当前对应的边缘云网关的地理坐标信息，计算所述网联汽车与当前的边缘云网关之间的距离；若所述距离大于预设距离，则根据所述最新位置信息和所述多个边缘云网关中其他边缘云网关对应的地理坐标信息，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关；将所述v2x消息转发至所述目标边缘云网关。2.根据权利要求1所述的方法，其特征在于，所述根据所述最新位置信息和所述多个边缘云网关中其他边缘云网关对应的地理坐标信息，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关，包括：根据所述最新位置信息和所述其他边缘云网关对应的地理坐标信息，计算所述网联汽车与其他边缘云网关之间的路径距离；根据所述网联汽车与其他边缘云网关之间的路径距离，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关。3.根据权利要求2所述的方法，其特征在于，所述根据所述网联汽车与其他边缘云网关之间的路径距离，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关，包括：从所述网联汽车与其他边缘云网关之间的路径距离中确定最小路径距离；将最小路径距离对应的边缘云网关确定为与所述网联汽车相匹配的目标边缘云网关。4.根据权利要求1所述的方法，其特征在于，所述根据所述最新位置信息和所述多个边缘云网关中其他边缘云网关对应的地理坐标信息，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关，包括：将所述最新位置信息输入至由多个弱学习分类器构成的强学习分类器中进行分类，得到多个弱学习分类器分别对应的分类结果，其中，所述多个弱学习分类器均为神经网络模型，所述神经网络模型的最后一层为softmax函数，所述神经网络模型在训练过程中使用交叉熵损失函数；根据所述多个弱学习分类器分别对应的权重值，综合所述多个弱学习分类器分别对应的分类结果，得到所述强学习分类器最终输出的分类结果；根据所述强学习分类器最终输出的分类结果，确定与所述网联汽车相匹配的目标边缘云网关。5.根据权利要求4所述的方法，其特征在于，所述将所述最新位置信息输入至由多个弱学习分类器构成的强学习分类器中进行分类，得到多个弱学习分类器分别对应的分类结果，包括：将所述最新位置信息输入至所述由多个弱学习分类器构成的强学习分类器中进行分类，得到所述多个弱学习分类器分别输出的所述网联汽车对应不同边缘云网关的概率值；
针对所述多个弱学习分类器中的任意一个弱学习分类器，从各个概率值中筛选出最大概率值；根据所述最大概率值对应的边缘云网关，确定所述任意一个弱学习分类器输出的分类结果。6.根据权利要求4所述的方法，其特征在于，所述方法还包括：收集不同网联汽车的地理坐标信息样本，以及所述地理坐标信息样本对应的边缘云网关域名；利用所述边缘云网关域名，对所述不同网联汽车的地理坐标信息样本进行标注，得到标注后的地理坐标信息样本；将所述标注后的地理坐标信息样本作为样本训练集，并对所述样本训练集进行训练，构建所述强学习分类器。7.根据权利要求6所述的方法，其特征在于，所述对所述样本训练集进行训练，构建所述强学习分类器，包括：确定所述样本训练集对应的初始权重分布；根据所述样本训练集及其对应的初始权重分布，训练第一弱学习分类器；根据所述第一弱学习分类器输出的分类结果，以及所述样本训练集对应的实际分类结果，计算所述第一弱学习分类器对应的交叉熵损失；基于所述交叉熵损失，计算所述第一弱学习分类器对应的权重值；基于所述第一弱学习分类器的权重值，对所述初始权重分布进行更新，得到所述样本训练集更新后的权重分布；根据所述样本训练集和所述更新后的权重分布，继续训练第二弱学习分类器，重复弱学习分类器的训练过程，直至达到预设训练次数，将训练的多个弱学习分类器依据其对应的权重值相加，得到所述强学习分类器。8.一种网联汽车在多个边缘云网关进行软切换的装置，其特征在于，所述网关代理存储有多个边缘云网关分别对应的地理坐标信息，包括：接收单元，用于接收网联汽车发送的v2x消息，所述v2x消息中携带有所述网联汽车的车辆标识；获取单元，用于根据所述车辆标识从相应的归属地寄存器中获取所述网联汽车的最新位置信息，其中，所述归属地寄存器中存储有所述网联汽车的机动车基础信息；计算单元，用于根据所述最新位置信息和所述网联汽车当前对应的边缘云网关的地理坐标信息，计算所述网联汽车与当前的边缘云网关之间的距离；确定单元，用于若所述距离大于预设距离，则根据所述最新位置信息和所述多个边缘云网关中其他边缘云网关对应的地理坐标信息，确定所述其他边缘云网关中与所述网联汽车相匹配的目标边缘云网关；转发单元，用于将所述v2x消息转发至所述目标边缘云网关。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的
方法的步骤。

技术总结

本发明公开了一种网联汽车在多个边缘云网关进行软切换的方法及装置，本发明涉及信息技术领域，其中包括：V2X消息网关代理接收到网联汽车网络连接(MQTT/TCP/UDP)后，根据车辆标识从机动车归属地寄存器中获取所述网联汽车的最新位置信息；再根据边缘云的分类器AI模型，确定所述当前网联汽车对应的目标边缘云网关；最后将所述网络连接(MQTT/TCP/UDP)转发至所述目标边缘云网关。通过应用本申请的技术方案，能够实现边缘云网关的平滑切换。能够实现边缘云网关的平滑切换。能够实现边缘云网关的平滑切换。