1.一种基于边缘协作的物联网虚拟计算资源调度方法，其特征在于，所述方法包括：

利用边缘水平智能IOT设备、垂直传感器节点及基础设施的空闲虚拟化资源，建立一种虚拟计算资源调度跨层架构；

基于拓扑排序的任务图分区算法确定各任务组件的最佳执行位置，并最小化计算任务完成时间；

执行最优的虚拟机选择方法，以在保证用户任务完成时延的要求下，最小化对系统侧虚拟机计算资源的占用率。

2.根据权利要求1所述的基于边缘协作的物联网虚拟计算资源调度方法，其特征在于，所述虚拟计算资源调度跨层架构的构件包括：智能IOT设备可通过蜂窝通信连接到上层具备计算服务器的基站，邻近IOT设备之间可通过D2D(Device to Device)、Wi-Fi(Wireless-Fidelity)、ZigBee等短程通信技术实现水平互联以调度资源进行计算卸载，同理，具有一定计算能力的邻近传感器节点可通过短程通信技术实现水平互联，或与上层邻近IOT设备连接以卸载任务；在基站的计算服务器中，配备了具有不同计算能力的虚拟机，为不同计算量级的任务提供卸载服务；当附近有没有可用的辅助设备卸载任务时，任务设备只能选择本地计算或者通过蜂窝网络将计算任务卸载到基站侧。

3.根据权利要求2所述的基于边缘协作的物联网虚拟计算资源调度方法，其特征在于，所述计算资源的调度过程由向无环图表示：在任务图中，节点表示处理任务组件的设备，任务组件指该设备所需执行的部分计算任务；有向边表示数据的依赖性，即任务数据经过前一节点部分的计算处理后，将任务传输给后续节点进行进一步的计算；节点的权重表示设备的计算能力，节点间的边权重定义为在两个相应任务组件间传输的数据量。

4.根据权利要求1所述的基于边缘协作的物联网虚拟计算资源调度方法，其特征在于，所述基于拓扑排序的任务图分区算法，在虚拟机类型固定的前提下，以确定各任务组件的最佳执行位置，最小化计算任务完成时间，具体包括：利用任务图的结构属性，即无环有向图对图进行拓扑排序，进而进行任务图分区，定义节点i的所有出向边节点集合为Δ(i)，拓扑排序中的最后一个节点为输出节点，基于节点的拓扑排序，通过反向归纳法解决任务图的分区问题：确定最后一个任务组件的最佳计算位置，以此为基点，通过向前移动逐步确定前一任务组件的最佳计算位置；定义任务组件i从开始被运行，到最后所有任务完成的最短时间为其中，Z(i)包括计算当前任务组件的时间

Tiy、到下一节点相关数据的传输时间 剩余任务组件的最小计算时延Z(j)；然后，Z(i)最小的节点即为任务组件i计算的最佳位置；对于所有剩余的任务组件，通过反向归纳，可以求得最佳的计算位置(设备)及相应的最小计算时延。

5.根据权利要求1所述的基于边缘协作的物联网虚拟计算资源调度方法，其特征在于，所述最优的虚拟机选择方法，在保证用户任务完成的时延要求下，最小化对系统(基站)侧虚拟机计算资源的占用率包括：根据计算资源从小到大，对基站提供的所有虚拟机类型进行排序；

依次选择虚拟机并利用任务图分区算法来计算任务完成的最低时延，一旦时延达到QoS要求，则停止算法，此时的虚拟机是占用资源最小的最佳选择。