1.一种基于边缘计算的车路协同车联网任务卸载与迁移方法，其特征在于由下述步骤组成：(1)建模目标车辆产生的任务

按下式建模目标车辆产生的任务H(t)：

H(t)＝(W(t),Z(t))

其中，W(t)为时隙t任务的数据量，Z(t)为该任务执行所需要的CPU周期数，t∈{1,

2,…,T}，T是总时隙，T为有限的正整数；

(2)确定卸载对象和卸载子任务数量

卸载对象为路边单元r和路上的接收车辆j，r∈{1,2,…,R}，R为路边单元的总数量，R为有限的正整数，j∈{1,2,…,V}，V为接收车辆的总数量，V为有限的正整数，对目标车辆产生的任务分为大小相等、随机排列的子任务，路边单元r与路上的接收车辆j可以处理来自目标车辆卸载的子任务，每个时隙t，目标车辆选择路边单元r与接收车辆j其中一个作为卸载对象，卸载部分子任务，在目标车辆处理的子任务为本地子任务，卸载到路边单元r或接收车辆j处理的子任务为卸载子任务，根据当前目标车辆的位置、目标车辆产生的任务、当前目标车辆可用的计算资源，用深度强化学习中的深度Q网络方法对目标车辆在每个时隙t产生的任务确定卸载对象α(t)和卸载子任务数量x(t)，α(t)∈{0,1}，0≤x(t)≤X，X是子任务总个数，X为有限的正整数；

(3)确定卸载子任务的传输时延

按下式确定时隙t卸载子任务的传输时延Tt(t)：

Tt(t)＝(1‑α(t))×Tr(t)+α(t)×Tj(t)PLr(dr(t))＝128.1+37.6×lg(dr(t))其中，Br为目标车辆到路边单元r的带宽，Pr为目标车辆给路边单元r传输时的发送功率，PLr(dr(t))为目标车辆到路边单元r的路径损耗，单位为dB，dr(t)表示时隙t目标车辆到路边单元r的距离，单位为km，N为高斯噪声的功率，Bj为目标车辆到接收车辆j的带宽，Pj为目标车辆给接收车辆传输时的发送功率，PLj(di(t))为目标车辆到接收车辆j的路径损耗，单位为dB，dj(t)表示时隙t目标车辆到接收车辆j的距离，单位为km，hv为车辆的天线高度，f为载波频率，C为自由空间传播速度；

(4)确定卸载子任务的计算时延

按下式确定卸载子任务的计算时延

其中，Cr(t)和Cj(t)分别为在时隙t时路边单元r和接收车辆j分配给目标车辆卸载子任务的计算资源；

(5)确定本地子任务的计算时延

P

按下式确定本地子任务的计算时延Tl(t)：

其中，Cl为本地计算资源；

(6)确定总处理时延

C

按下式确定总处理时延T(t)：

(7)迁移卸载子任务计算结果

目标车辆已超出卸载对象的通信范围，进入到交付路边单元d，d∈{1,2,…,R}的通信范围，计算结果无法直接发送给目标车辆，触发任务结果迁移机制，卸载对象将计算结果交付给交付路边单元d；

(8)返回卸载子任务计算结果

子任务计算结果返回目标车辆，卸载完成。

2.根据权利要求1所述的基于边缘计算的车路协同车联网任务卸载与迁移方法，其特征在于：所述的(2)步骤中，所述的用深度强化学习中的深度Q网络方法确定每个时隙t的卸载对象α(t)和卸载子任务数量x(t)的方法为：

1)按下式确定时隙t目标车辆产生的任务卸载成功或失败F(t)：其中，F(t)为1表示卸载成功，F(t)为0表示卸载失败，Tmax表示任务的最大容忍延迟时间，Tmax∈[1,20]，单位为毫秒，dd(t)表示时隙t目标车辆和交付路边单元d之间的距离，m(t)表示时隙t是否发生了结果迁移，m(t)为1表示结果迁移，m(t)为0表示结果未迁移，Rr表示路边单元的通信半径，Rr∈[50,150]，单位为m；

2)按下式选择每个时隙t的卸载对象α(t)和卸载子任务数量x(t)以最大化总收益：其中，γ为卸载失败时的惩罚因子，γ取值为‑8～‑1，选择每个时隙t的卸载对象α(t)和卸载子任务数量x(t)时需要满足以下条件：α(t)＝{0,1}

C

T(t)≤Tmax

其中，α(t)为0表示卸载到路边单元r，α(t)为1表示卸载到接收车辆j。

3.根据权利要求1所述的基于边缘计算的车路协同车联网任务卸载与迁移方法，其特征在于：在(7)步骤中，所述的触发任务结果迁移机制为：对于每一个任务，结果迁移最多只能发生一次，按下式确定时隙t任务的结果迁移情况m(t)：m(t)＝((1‑α(t))×mr(t)+α(t)×mj(t))C

dr(t)＝||(t+T(t))×vl‑locr||

C C

dj(t)＝||(t+T(t))×vl‑(t+T(t))×v||其中，mr(t)为1和mj(t)为1表示发生了结果迁移，mr(t)为0和mj(t)为0表示未发生结果迁移，Rr为路边单元的通信半径，vl为匀速行驶的目标车辆的速度，locr为卸载路边单元的位置，Rj为接收车辆的通信半径，vj为匀速行驶的接收车辆j的速度。

4.根据权利要求1所述的基于边缘计算的车路协同车联网任务卸载与迁移方法，其特征在于在(1)步骤中，所述的建模目标车辆产生的任务为：按下式建模目标车辆产生的任务H(t)：

H(t)＝(W(t),Z(t))

其中，W(t)为时隙t任务的数据量，W(t)的取值为2～8，Z(t)为该任务执行所需要的CPU周期数，t∈{1,2,…,T}，T是总时隙，T∈[1000,4332]。

5.根据权利要求1所述的基于边缘计算的车路协同车联网任务卸载与迁移方法，其特征在于在(2)步骤中，所述的确定卸载对象和卸载子任务数量为：卸载对象为路边单元r和路上的接收车辆j，r∈{1,2,…,R}，R为路边单元的总数量，R∈[1,10]，j∈{1,2,…,V}，V为接收车辆的总数量，V∈[5,35]，对目标车辆产生的任务分为大小相等、随机排列的子任务，路边单元r与路上的接收车辆j可以处理来自目标车辆卸载的子任务，每个时隙t，目标车辆选择路边单元r与接收车辆j其中一个作为卸载对象，卸载部分子任务，在目标车辆处理的子任务为本地子任务，卸载到路边单元r或接收车辆j处理的子任务为卸载子任务，根据当前目标车辆的位置、目标车辆产生的任务、当前目标车辆可用的计算资源，用深度强化学习中的深度Q网络方法对目标车辆在每个时隙t产生的任务确定卸载对象α(t)和卸载子任务数量x(t)，α(t)∈{0,1}，0≤x(t)≤X，X是子任务总个数，X∈[1,10]。