本發(fā)明屬于邊緣計算任務調度領域，具體涉及一種感算協(xié)同的高速鐵路接觸網缺陷實時檢測任務調度系統(tǒng)及方法。

背景技術：

1、高鐵作為一種高速、安全、便捷的交通工具，在我國鐵路運輸中有著重要的作用。電氣化鐵路系統(tǒng)的核心元素接觸網是高鐵唯一的動力來源，其穩(wěn)定性和可靠性至關重要。定期巡檢相關線路及設備是保證接觸網安全穩(wěn)定運行的一項基礎工作。目前主流的檢測方式為使用攝像裝置采集線路數據，然后傳輸數據中心分析處理。這種方式的拍攝環(huán)節(jié)和檢測環(huán)節(jié)往往分離，周期較長，增加了風險隱患。

2、近年來，有許多研究人員利用邊緣計算技術進行接觸網安全巡檢，這種方式通過檢測人員攜帶攝像采集裝置和邊緣設備添乘高鐵，在列車頭部部署裝置，攝像裝置采集視頻后直接傳輸邊緣設備進行處理，初步解決了采集端與檢測端分離的問題。但受限于邊緣設備資源不足、接觸網安全缺陷種類繁多、待檢測數據量大等難題，目前高鐵接觸網缺陷巡檢的邊緣檢測裝置處理速度落后于攝像裝置采集速度，無法做到感算協(xié)同、邊拍邊檢的實時檢測。急需對接觸網缺陷實時檢測調度問題建模，設計合適的任務調度策略，合理分配待檢測任務，充分利用邊緣設備算力，降低整體處理時間，滿足實時檢測的要求。

技術實現思路

1、本發(fā)明的目的在于提供一種感算協(xié)同的高速鐵路接觸網缺陷實時檢測任務調度系統(tǒng)及方法，通過構建高鐵接觸網缺陷實時檢測任務調度模型，解決邊緣設備與采集裝置無法協(xié)同工作的問題，利用改進的布谷鳥遺傳算法（ckga）解決實時任務調度優(yōu)化問題。

2、為了達到上述目的，本發(fā)明是通過以下技術方案實現的：第一方面，本發(fā)明提供一種感算協(xié)同的高速鐵路接觸網缺陷實時檢測任務調度系統(tǒng)，包括：

3、高鐵接觸網缺陷實時檢測模塊，包括邊緣設備模型、攝像裝置模型、目標檢測模型和任務模型，用于描述實時檢測要求下高鐵接觸網缺陷檢測任務調度；其中，邊緣設備模型描述邊緣設備的相關信息和參數，攝像裝置模型描述攝像采集設備的相關信息和參數，目標檢測模型描述用于接觸網缺陷檢測的模型，任務模型描述邊緣檢測任務的相關參數，并對任務的執(zhí)行時間進行約束；

4、約束條件構建模塊，用于建立高鐵接觸網缺陷實時檢測任務調度要求的一組任務調度模型的約束條件；

5、所述邊緣設備模型表示如下：

6、?；

7、其中，?表示邊緣設備集，邊緣設備個數為；表示編號為的邊緣設備；

8、其中單個邊緣設備表示為：

9、；

10、其中，表示第臺邊緣設備的計算資源；表示讀入數據流單幀圖片的時間；表示存儲數據流單幀結果的時間；

11、所述攝像裝置模型表示如下：

12、；

13、其中，表示使用的攝像裝置，為攝像裝置采集數據流的幀率，為開始采集數據流的時間；

14、為攝像裝置采集幀與幀之間的時間間隔，即為實時檢測中單幀任務處理最長時間；在實時檢測要求下，單幀圖片任務集中子任務的最晚完成時間不能超過，否則將會影響下幀圖片的處理；

15、所述目標檢測模型表示如下：

16、；

17、其中，表示目標檢測模型；為使用模型檢測一幀圖片需要的處理時間；為使模型檢測一幀圖片需要的計算資源；

18、所述任務模型表示如下：

19、?；

20、其中，?表示待檢測實時任務集，任務個數為；表示編號為??的待檢測任務。

21、進一步的，tlfg任務模型（time?less?than?frame?gap）表示模型處理時間小于數據幀間隙時間的任務，即；對于此類任務，通過調度找到滿足實時檢測的任務分配方案。

22、定義為調度的最小子任務，表示攝像裝置采集的數據幀使用處理的子任務；表示子任務的任務開始時刻，表示任務結束時刻，且?=。

23、經過調度后，得到?，表示??時刻邊緣設備是否在運行檢測攝像裝置數據幀缺陷檢測模型子任務。

24、進一步的，定義高鐵接觸網缺陷任務調度實時檢測要求的一組約束條件，包括任務約束、計算資源約束和實時檢測時間約束；

25、所述任務約束如下：

26、對于接觸網缺陷檢測任務所涉及的模型，在一個幀與幀間隔之中，單幀圖片的單個模型的檢測任務不能分配至多臺邊緣設備；

27、；

28、上式定義表示：對于接觸網缺陷檢測任務所涉及的模型，單幀圖片的單個模型的檢測任務只分配至一臺邊緣設備，表示在單幀時間間隙中，邊緣設備?是否運行檢測攝像裝置數據幀缺陷檢測模型子任務；

29、所述計算資源約束如下：

30、對于每一時刻，每個邊緣設備上執(zhí)行的任務所需要的資源不能超過邊緣設備最大資源量；

31、；

32、上式定義表示：對于每一時刻，每個邊緣設備上執(zhí)行的任務所需要的資源要小于或等于邊緣設備最大資源量；

33、所述實時檢測時間約束如下：

34、在實時檢測中，每幀圖片的任務的最早開始時間要晚于圖片到來的時間，最晚完成時間要早于下一幀圖片到達的時間，以滿足實時的要求；

35、；

36、；

37、其中，表示檢測任務??的開始時間，即單幀圖片的所有檢測任務的最早開始時間；表示檢測任務的結束時間，單幀照片所有檢測任務的最晚完成時間。

38、上式定義表示以零時刻為開始時刻。根據??和檢測的幀數，可以得到第??幀的輸入時間為?，則針對第??幀圖片任務的時間約束為：

39、；

40、；

41、其中：，表示邊緣設備接收到第??幀的時刻，?表示傳輸時延。為第??幀圖片的所有檢測任務的最早開始時間，為第??幀圖片的所有檢測任務的最晚完成時間。

42、第二方面，本發(fā)明提供一種基于改進布谷鳥遺傳算法的感算協(xié)同實時檢測任務調度方法，基于第一方面所述感算協(xié)同的高速鐵路接觸網缺陷實時檢測任務調度系統(tǒng)實現，調度方法包括以下步驟：

43、步驟s1：邊緣設備計算端接收到采集裝置感知端傳輸的數據幀任務，并進行可調度性驗證，檢驗數據幀任務是否為tlfg任務；

44、步驟s2：在檢驗結果為任務可調度的基礎上，主邊緣設備將檢測任務劃分成多個子任務，獲得子任務集；

45、步驟s3：在子任務集的基礎上，主邊緣設備采用改進的布谷鳥遺傳算法獲得調度方案，以滿足任務調度模型的約束條件；

46、步驟s4：每個邊緣設備根據調度方案執(zhí)行子任務，獲得最終結果。

47、進一步的，在步驟s3中，基于改進布谷鳥遺傳算法的任務調度方法，具體包括：

48、步驟s3.1，感知端傳輸新的任務后，邊緣計算端將任務劃分為多個子任務，根據子任務集中的任務個數確定布谷鳥個體序列的編碼格式：

49、

50、其中，任務個數為，表示將編號的子任務分配給邊緣設備；

51、步驟s3.2，初始化種群；假設種群中巢穴數量為，每個巢穴內的布谷鳥個數為，每個布谷鳥個體由條基因序列構成；在初始化種群時，采用完全隨機的方法，首先生成條基因序列，然后平均隨機分配至個布谷鳥個體；再將布谷鳥個體平均隨機分配至每個巢穴中；對于個不同的種群，皆由上述方法生成；由此獲得不同的初始調度策略；

52、步驟s3.3，對巢穴內的布谷鳥個體進行更新，包括選擇、交叉和變異操作；選擇操作采用輪盤賭和二元錦標法；交叉操作使用兩點交叉法；變異操作則根據變異概率，對除了個體序列第一個基因與最后一個基因之外的其他某一個位置的基因進行變異操作；

53、選擇操作根據適應度評估和實時性約束條件來選擇個體：根據的實時性約束判斷布谷鳥個體序列和布谷鳥個體序列的可行性，當一個為可行方案另一個為不可行方案時，選擇可行方案的個體序列；當兩個個體序列都為可行方案時，選擇較大的個體序列；當兩個個體序列均為不可行方案時，選擇?較大的序列，并根據準則，判斷是否接受該不可行方案；在任務無法滿足實時性要求時，算法將給出最晚完成時間最短的方案；

54、步驟s3.4，隨機遷徙選擇需要更新的巢穴，方法使用飛行；

55、步驟s3.5，巢穴替代操作；計算布谷鳥個體適應度值，更新巢穴最優(yōu)解；其中，隨機生成新的巢穴并計算適應度值；如果新巢穴的適應度值小于原巢穴，則保留原巢穴；否則根據metropolis準則，判斷是否接受新巢穴；然后對種群中所有巢穴按照適應度函數評估，根據適應度值進行排序，隨機淘汰末尾巢穴，并生成新的巢穴；更新巢穴后，計算種群中適應度最高的個體序列并保留結果；達到最大迭代次數時輸出最優(yōu)方案。

56、進一步的，所述步驟s3.3中，以實時檢測為目標的適應度計算函數：

57、

58、其中，表示目標適應度值，為按照布谷鳥個體序列的調度方案分配任務計算得出的最晚完成時間；布谷鳥個體序列的適應度值由上述適應度函數獲得，布谷鳥巢穴的適應度值為其包含的基因序列的適應度值的最大值；

59、

60、其中，表示單個布谷鳥個體序列，為布谷鳥個體所在巢穴的適應度值函數，取其包含的所有基因序列的適應度值的最大值。

61、第三方面，本發(fā)明提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現第二方面所述方法的步驟。

62、第四方面，本發(fā)明提供一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現第二方面所述方法的步驟。

63、與現有技術相比，本發(fā)明的有益效果是：本發(fā)明針對實際應用中高鐵添乘攝像裝置連續(xù)拍攝的場景，對檢測任務流程解耦合，將缺陷實時檢測問題抽象建模，分析為組合優(yōu)化問題中的0-1優(yōu)化問題；模型設計為單目標任務調度問題，以滿足實時檢測要求為目標，分析約束條件，構建感算協(xié)同的高鐵接觸網缺陷檢測模型；根據采集裝置拍攝幀率帶來的處理時間要求和持續(xù)向邊緣設備輸出數據流的特點，設計了適應度評估函數；將布谷鳥算法（cuckoo?search，cs）的全局搜索能力和遺傳算法（genetic?algorithm，ga）的優(yōu)化能力結合，將cs的和ga的結合，提出了改進布谷鳥遺傳算法調度策略（improved?cuckoogenetic?algorithm，ckga），實現了對感算協(xié)同架構下接觸網缺陷檢測場景中邊緣設備資源的合理調配。本發(fā)明旨在針對高鐵接觸網缺陷實時檢測場景，構建感算協(xié)同的高鐵接觸網缺陷實時檢測模型，并針對實時檢測的具體要求設計了改進ckga調度策略。通過實驗證明，本文提出的感算協(xié)同的高速鐵路接觸網缺陷實時檢測調度模型及改進布谷鳥遺傳算法調度策略有效地提升了接觸網缺陷檢測場景中任務執(zhí)行效率和邊緣端設備利用率，更好地滿足了實時檢測的要求。