一种计算节点选址方法、终端设备及存储介质与流程

1.本技术涉及云计算技术领域，尤其涉及一种计算节点选址方法、终端设备及存储介质。


背景技术：

2.现有技术中，在无人驾驶车辆应用场景中，在车车协同的技术方案中，车辆之间进行通信时，由于不同车辆之间遵守的通信标准不同，所涉及到的数据格式不统一，在通信过程需要不同的自动驾驶设备供应商之间进行统一的通信标准以及数据格式的协商，且在道路交通较为复杂时，道路上的车辆较多，导致通信连接数较多，会直接影响协同算法的实时性；而在车路协同的技术方案中，车辆之间进行通信时，需要将数据汇总到对应的自动驾驶设备供应商数据中心进行运算，再将运算结果经运营商基站发送给周边车辆；且利用基于运营商基站完成车与车之间的通信，无法保证无人驾驶车辆之间的通信具有最高优先级，以及确保运营商基站距离无人驾驶车辆之间的距离最小，从而，在道路交通复杂区域，无法保证车辆之间通信的实时性。


技术实现要素：

3.有鉴于此，本技术实施例期望提供一种计算节点选址方法、终端设备及存储介质，在道路交通复杂的区域，能够提高无人驾驶车辆之间通信的效率，提高车辆之间通信的实时性。
4.为达到上述目的，本技术的技术方案是这样实现的：
5.第一方面，本技术实施例提供一种计算节点选址方法，所述方法包括：
6.采集车辆在预设地理范围内的行驶轨迹数据；
7.对行驶轨迹数据进行聚类处理，得到多组聚类数据；
8.从每组聚类数据中确定对应的聚类中心数据，并确定聚类中心数据所处的第一位置和剩余聚类数据所处的第二位置；其中，剩余聚类数据为每组聚类数据中除聚类中心数据以外的数据；
9.分别确定第一位置和第二位置之间的距离，并当距离小于预设距离阈值的情况下，将所第一位置确定为部署第一计算节点的目标位置；以利用第一计算节点实现预设地理范围内车辆之间的通信。
10.第二方面，本技术实施例提供一种终端设备，所述终端设备包括：
11.采集单元，用于采集车辆在预设地理范围内的行驶轨迹数据；
12.处理单元，用于对行驶轨迹数据进行聚类处理，得到多组聚类数据；
13.确定单元，用于从每组聚类数据中确定对应的聚类中心数据，并确定聚类中心数据所处的第一位置和剩余聚类数据所处的第二位置；其中，剩余聚类数据为每组聚类数据中除聚类中心数据以外的数据；分别确定第一位置和第二位置之间的距离，并当距离小于预设距离阈值的情况下，将第一位置确定为部署第一计算节点的目标位置；以利用第一计
算节点实现预设地理范围内车辆之间的通信。
14.第三方面，本技术实施例提供一种终端设备，终端设备包括：处理器、存储器及通信总线；处理器执行存储器存储的运行程序时实现上述计算节点选址方法。
15.第四方面，本技术实施例提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述计算节点选址方法。
16.本技术实施例提供一种计算节点选址方法、终端设备及存储介质，所述方法包括：采集车辆在预设地理范围内的行驶轨迹数据；对行驶轨迹数据进行聚类处理，得到多组聚类数据；从每组聚类数据中确定对应的聚类中心数据，并确定聚类中心数据所处的第一位置和剩余聚类数据所处的第二位置；其中，剩余聚类数据为每组聚类数据中除聚类中心数据以外的数据；分别确定第一位置和第二位置之间的距离，并当距离小于预设距离阈值的情况下，将第一位置确定为部署第一计算节点的目标位置；以利用第一计算节点实现所述预设地理范围内车辆之间的通信，采用上述实现方案，通过部署计算节点，并在进行计算节点选址的过程中，通过聚类处理的方式将一个地理范围内采集的车辆的行驶轨迹数据划分为多组聚类数据，在每一组聚类数据中，根据聚类中心数据对应的第一位置与除聚类中心数据以外的聚类数据对应的第二位置之间的距离与预设距离阈值之间的大小关系，能够确定出距离任意一个聚类数据的位置最短的一个目标位置，通过在该目标位置上部署计算节点，使得在计算节点对应的地理范围内，每一个车辆距离计算节点的通信距离最小，且利用部署的计算节点用于车辆之间的通信具有最高优先级，能够达到在道路交通复杂的区域，提高无人驾驶车辆之间通信的效率，提高车辆之间通信的实时性。
附图说明
17.图1为本技术实施例提供的一种示例性地无人驾驶车辆与计算节点之间进行通信的示意图；
18.图2为本技术实施例提供的一种计算节点选址方法流程图一；
19.图3为一种示例性地k-means聚类算法结果示意图；
20.图4为一种示例性地聚类算法dbscan算法结果示意图；
21.图5为本技术实施例提供的一种计算节点选址方法流程图二；
22.图6为本技术实施例提供的一种计算节点选址方法流程图三；
23.图7为本技术实施例提供的一种终端设备1的结构示意图一；
24.图8为本技术实施例提供的一种终端设备1的结构示意图二。
具体实施方式
25.为了能够更加详尽地了解本技术实施例的特点及技术内容，下面结合说明书附图及具体实施例对本技术的技术方案做进一步的详细阐述，所附附图仅供参考说明之用，并非用来限定本技术实施例。
26.除非另有定义，本文所使用的所有技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文所使用的术语只是为了描述本技术实施例的目的，不是旨在限制本技术。
27.在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可
以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。还需要指出，本技术实施例所涉及的术语“第一/第二/第三”仅是用于区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一/第二/第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本技术实施例能够以除了在这里图示或描述以外的顺序实施例。
28.现有技术中，在无人驾驶技术领域中，在进行无人驾驶车辆之间的通信时，仍然存在以下问题：
29.(1)在道路交通较为复杂的路口或是在城市中心道路上车辆较多的路段，面临车辆之间进行通信时通信连接数量较多，协同算法实时性下降；
30.(2)短时期内无法实现无人驾驶供应商之间的通信协议能够达到统一的通信标准，从而导致通信数据计算过程较长，影响协同算法实时性；
31.(3)利用各运营商的第四代移动通信4g或第五代移动通信5g基站进行通信时，首先需要将获取到的无人驾驶车辆行驶过程中的产生的数据汇总至自动驾驶供应商对应的数据中心进行计算，再将计算的结果通过4g或5g基站同步给道路上的周边车辆，影响协同算法的实时性；
32.(4)现有的4g或5g基站是为了接入所有的移动通信而建立的，无法保证自动驾驶汽车之间的通信拥有最高的通信优先级，也无法保证自动驾驶车辆与最近的4g或5g基站之间的通信空间距离最短，从而影响协同算法的实时性。
33.为解决上述问题，在本技术实施例中，应用于车路协同的自动驾驶场景中，通过在车路协同的自动驾驶场景中增加计算节点，并对计算节点的位置进行选取并部署，通过部署的计算节点进行无人驾驶车辆之间的通信，提高无人驾驶车辆之间通信的实时性。
34.在本技术实施例中，在道路复杂且车辆数量较多的路段，由于车辆数量较多，实现无人驾驶车辆与计算节点之间进行通信时，如图1所示，道路上的无人驾驶车辆都通过与计算节点进行连接，以通过连接的计算节点实现无人驾驶车辆之间的通信。
35.在本技术实施例中，无人驾驶车辆是基于激光雷达或高清摄像头技术原理实现的可以独立行驶在道路上的具有自动驾驶功能的车辆，在该车辆行驶过程中，为了保证无人驾驶车辆之间能够安全行驶，不与其他无人驾驶车辆发生碰撞，在同一路段内、同一时刻内的所有无人驾驶车辆均需保持相互通信，实时将各自的行驶速度、全球定位系统gps位置、相对地理坐标等数据分享给周边的车辆，并通过协同算法进行无人驾驶车辆之间行驶方式的协调。
36.在本技术实施例中，无人驾驶场景中的计算节点不同于运营商的5g基站，本技术中计算节点的部署位置是根据无人驾驶车辆和道路的实际情况来进行设置。计算节点除了可以完成运营商5g基站的实时通讯功能以外，还携带专用算力，可以完成协调算法的实时计算，并通过计算节点将计算的结果发送给周边车辆。
37.在本技术实施例中，自动驾驶车辆对通信的实时性就要求较高，需要保证道路上的所有无人驾驶车辆与计算节点之间总通信距离最小，并且能够达到运营商的5g基站通信所覆盖的250米至500米之间的范围，因而对计算节点的位置的选择至关重要。
38.在本技术实施例中，在进行计算节点位置选择时，如果计算节点所选取的位置偏离道路和道路上的车流量，造成无人驾驶车辆在与计算专有节点之间进行通信时，产生通
讯延迟，甚至导致道路较为复杂的路段上的车辆无法连接到计算节点，进而通过运营商的5g基站进行通讯，降低无人驾驶车辆之间通信的实时性；如果计算节点之间距离过远，则可能会造成在道路较为复杂的路段，无法实现信号对无人驾驶车辆的覆盖，不能满足无人驾驶车辆到计算节点之间的通信距离最小。
39.在本技术实施例中，在进行计算节点选址时，基于设施选址p中值选址理论，实现对部署计算节点的位置进行选择。
40.在本技术实施例中，p中值是指在一个给定数量和位置的需求集合和一个候选设施位置的集合下，分别为p个设施找到合适的位置，并指派每个需求点到一个特定的设施，使之达到设施和需求点之间的运输费用最低。p中值模型一般适用于工厂或者仓库的选址问题，例如，要求选择的工厂或仓库所在的位置与零售商或者顾客之间的费用最少。
41.需要说明的是，p中值是以用户到最近设施的平均距离或者总距离最小的方式，确定固定数量设施的位置，经典p中值中，无论需求有多少，每个设施都有足够的资源来满足需求，从而假设每个人都能利用离其最近的设施。
42.在本技术实施例中，将道路上行驶的无人驾驶车辆的所有位置信息抽象为需求点集合，将所有的计算节点抽象为候选设施，通过选择合适的计算节点位置进行计算节点部署，满足道路上所有位置处无人驾驶车辆之间的通信。
43.基于上述方案，本技术实施例提供一种计算节点选址方法，如图2所示，该方法可以包括：
44.s101、采集车辆在预设地理范围内的行驶轨迹数据。
45.在本技术实施例中，要实现对部署计算节点位置的选择，首先需要在预设地理范围内，对无人驾驶车辆的行驶轨迹数据进行采集。
46.在本技术实施例中，对道路上的无人驾驶车辆的行驶轨迹数据进行采集时，首先框定需要进行计算节点选址的地理范围。
47.需要说明的是，计算节点位置的选择，必须限定在某个地理范围内，比如，某个行政区、某个交通繁忙路段等。
48.需要说明的是，对地理范围的框定可以是在电子地图上进行框定，也可以利用其他的方式进行框定，具体地，可以根据实际情况进行选择，本技术中不做具体的限定。
49.在本技术实施例中，在框定的地理范围内，采集一段时间范围内的无人驾驶车辆的行驶轨迹数据。
50.在本技术实施例中，无人驾驶车辆的轨迹数据采集，可以通过无人驾驶车辆上的定位模块，实时上传位置信息，利用上传的所有位置信息形成无人驾驶车辆的行驶轨迹数据。
51.s102、对行驶轨迹数据进行聚类处理，得到多组聚类数据。
52.在本技术实施例中，在采集到一段时间范围内的无人驾驶车辆的行驶轨迹数据之后，对采集的行驶轨迹数据进行聚类处理，将行驶轨迹数据划分为多个不同的聚类。
53.在本技术实施例中，对行驶轨迹数据进行聚类时，可以采用k-means聚类算法和聚类算法dbscan(density-based spatial clustering of applications withnoise，dbscan)实现。
54.在本技术实施例中，k-means聚类算法的聚类结果是一个圆形，其较为显著的缺陷
是对噪声或者离群点比较敏感，k-means聚类算法无法清楚的区分出聚类样本中的噪声点或离群点，只能将样本中的每一个数据点都为其判断出一个对应的类别，在样本集合中存在噪声点或是离群点时，利用k-means聚类算法容易导致样本数据中的质心偏移，进而产生误判或者聚类的紧密程度降低。
55.示例性地，如图3所示，表示的是k-means聚类算法结果示意图，在图3 中，在进行k-means聚类后，将样本点数据划分为7个聚类，不同的聚类数据在图中展示的是不同的颜色，其近似于一个圆形，且其中的每一个样本点都被划分至对应的聚类集合中。
56.在本技术实施例中，dbscan算法是一种基于密度的算法，它能够将噪声点找出来，所以，dbscan算法在抗干扰能力上具有一定优势，但是dbscan 算法的缺陷就是利用dbscan算法聚合出来的结果不一定是一个圆形，可能无法满足基站圆形辐射的特性。
57.示例性地，如图4所示，表示的是dbscan算法结果示意图，dbscan 算法可以确定出样本点的全部密集区域，并把面积区域当做一个聚类簇，如图中聚类后生成的环状区域以及中心聚集区域。
58.需要说明的是，计算节点选址最终是通过k-means聚类算法来实现的，该算法的特点是聚类出的每个簇都是圆形，且k-means聚类算法会默认考虑所有的点，但是现实业务场景下，无人驾驶车辆的行驶轨迹并不是均匀分布的，在人口聚集区轨迹点就会特别多，在郊区、工业区、山区等地理位置车辆轨迹就会很少，此时，这些零散的、距离人口聚集区不集中的点也会被k-means聚类算法考虑进去，进而造成聚类结果不准，会导致聚集区不能充分享受计算节点带来的性能提升。在k-means聚类算法中，这种偏离聚集区的点叫做噪音点，对于k-means聚类算法而言如何去除噪音点很重要。本技术去除噪音点的方法是叠加使用dbscan算法，利用基于密度的dbscan算法对噪音点不敏感的特性来实现噪音点的去除。
59.在本技术实施例中，在进行聚类处理时，首先利用dbscan算法对行驶轨迹数据进行处理，可以得到样本中数据聚集区域的集合和样本中数据非聚集区域集合，进而可以将非聚集区域的噪声点数据剔除。
60.需要说明的是，利用dbscan算法进行运算的过程，可以参考开源的 dbscan算法进行运算，在本技术中不再赘述。
61.需要说明的是，利用dbscan算法的目的不是为了进行聚类，而是为了剔除噪声点，即样本集合中孤立的行驶轨迹数据点。
62.需要说明的是，在去除噪音点时，还可以假设所有行驶轨迹采样点在与聚类重点的距离是符合正态分布的，强制的取6σ的标准差，依据标准正态分布特性可知，标准差在6σ之内包含的是95.73％的数据，将聚类数据与聚类中心数据距离超过4.27％的数据删除，假设这些数据全部是噪音点。基于此方法也可以将噪音点剔除，从而保证k-means算法的准确性。但是这种做法的缺点也是很明显的，只去95.73％的数据，这个百分比是一个强制的比值，并不能准确的保证噪音点数据占比就是4.27％，会造成一部分噪音点的漏删或误删。
63.本技术实施例中，对采集的行驶轨迹数据利用dbscan算法进行处理之后，利用k-means聚类算法对剔除孤立点的行驶轨迹数据进行聚类处理。
64.在本技术实施例中，在剔除孤立点的行驶轨迹数据中随机选取k个中心点，可以分别记为
65.在本技术实施例中，k值的选取是k-means算法中最重要参数，也是在一个地理范
围内需要聚类出的簇的数量，k值的选择对聚类的结果影响非常大。通常情况下，一个合适的k值需要进过反复的调参、计算才能确定出。
66.通常情况下，地理范围越大，k值也越大，基于此情况，本技术实施例中，在对k值的初始值进行选择时，可以设置k的初始值为0，然后根据选定区域的场景进行k值累加，得到k的最终初始值，具体的场景对应的k值如下：
67.(1)人口聚集区(含居住区、商业区、中小学校)，每个长宽在250-400 米的小区，k值初始值+1；
68.(2)人口聚集区(含居住区、商业区、中小学校)，每个长宽在100-300 米的综合商业体，k值+1；
69.(3)人口聚集区(含居住区、商业区、中小学校)，每个中、小学校，k 值+1；
70.(4)每个主干道交叉路口，k值+1；
71.(5)交通枢纽(火车站、汽车站，不含公交车站)，k值+1；
72.(6)二级以上医疗机构，k值+1。
73.示例性地，k值初始值为0，根据框定的地理范围所处的区域对应的场景，对k值进行累加，如果所框定的地理范围满足上述(2)-(4)的条件，则在k 值初始值的基础上增加3，则得到的聚类的数量为3。
74.需要说明的是，对区域场景的划分不限于本技术中的所涉及的几个类别的场景，具体地，可以根据实际情况进行选择，本技术中不做具体的限定。
75.需要说明的是，基于以上的条件确定初始k值的方式，可以减少k值运算的次数，提升运算效率。
76.在本技术实施例中，根据上述方法确定出k值后，即确定出了需要选择的 k个中心点，即可以利用k-means聚类算法将剔除孤立点的行驶轨迹数据划分为k组聚类数据。
77.在本技术实施例中，先分别计算剔除孤立点的行驶轨迹数据与确定的k个中心点之间的距离，根据距离各中心点距离大小，将行驶轨迹数据划分到对应的中心点聚类集合中，形成k组聚类数据。
78.示例性地，假设k值为3，则中心点为3个；假设行驶轨迹数据分别为k1、k2、k3、k4、k5、k6，分别计算k1到3个中心点的距离，若k1距离第一个中心点距离最短，则将k1划分到第一个中心点聚类集合中；依次类推，分别计算出k2、k3、k4、k5、k6到3个中心点的距离，便可以将k1、k2、k3、 k4、k5、k6分别划分到对应的中心点聚类集合中，形成三组聚类数据。
79.s103、从每组聚类数据中确定对应的聚类中心数据，并确定聚类中心数据所处的第一位置和剩余聚类数据所处的第二位置；其中，剩余聚类数据为每组聚类数据中除聚类中心数据以外的数据。
80.在本技术实施例中，在根据确定的k值得到多组聚类数据之后，再从每一组聚类数据中确定出对应的聚类中心数据。
81.在本技术实施例中，可以将每组中聚类中心对应的行驶轨迹数据确定为聚类中心数据，将每组聚类数据中除聚类数据中心以外的数据确定为剩余聚类数据。
82.在本技术实施例中，由于车辆行驶过程中会不断传输无人驾驶车辆的位置，在每组聚类数据中都会对应有具体的位置，从而可以确定出聚类数据中心对应的位置，以及除聚类中心数据意外其余的聚类数据对应的位置。
83.s104、分别确定第一位置和第二位置之间的距离，并当距离小于预设距离阈值的情况下，将第一位置确定为部署第一计算节点的目标位置；以利用第一计算节点实现预设地理范围内车辆之间的通信。
84.在本技术实施例中，在将行驶轨迹数据划分为多组聚类数据，并从每组聚类数据中获取到聚类中心数据对应的第一位置，以及除聚类中心数据以外剩余的聚类数据的第二位置之后，计算每组聚类数据中剩余聚类数据第二位置到聚类中心数据第一位置之间的距离。
85.需要说明的是，由于剩余聚类数据存在多个，因而此处的第二位置也存在多个。
86.在本技术实施例中，定义损失函数为：利用该损失函数以及第一位置与第二位置之间的距离对第一位置进行调整，其中，xi为剩余聚类数据对应的第二位置，μ
ci
为聚类中心数据对应的第一位置，m为聚类总个数。
87.在本技术实施例中，分别确定第一位置和第二位置之间的距离之后，当距离大于预设距离阈值的情况下，对第一位置进行调整，直至调整后的第一位置与第二位置之间的距离小于预设距离阈值的情况下，将调整后的第一位置确定为目标位置。
88.在本技术实施例中，分别对第一位置与多个第二位置之间的距离进行计算，在每组聚类数据中的xi到μ之间的最大距离不在250m-500m之间时，执行对第一位置进行迭代调整过程，直到每组聚类数据中的xi到μ之间的最大距离处于 250m-500m之间时，且j函数单调递减值极小值，将调整后的第一位置确定为目标位置。
89.需要说明的是，5g通讯基站的一个特性就是只能覆盖250-500米的半径，这里需要调整k-means聚类算法中的k值来不断的进行拟合，直到所有的聚类数据到计算节点对应的第一位置之间的平均距离在250-500米范围之内。
90.在本技术实施例中，对于一组聚类数据可以获取一个调整后的第一位置，对于剩余的每组聚类数据可以利用同样的方式获取对应的调整后的第一位置，在获取到的多个调整后的第一位置之后，可以在多个调整后的第一位置上部署计算节点。
91.在本技术实施例中，在确定出部署计算节点的多个第一位置之后，将计算节点分别部署在多个第一位置处，在无人驾驶车辆行驶过程中，会自动和距离自身最近的一个计算节点建立连接，并利用部署的计算节点进行无人驾驶车辆之间的通信，达到通信空间距离最小，且利用专有的计算节点进行计算，就散效率更高效，无人驾驶车辆之间的通信的实时性更高。
92.可以理解的是，在本技术实施例提供的一种计算节点选址方法中，在进行计算节点选址的过程中，通过聚类处理的方式将一个地理范围内采集的车辆的行驶轨迹数据划分为多组聚类数据，在每一组聚类数据中，根据聚类中心数据对应的第一位置与除聚类中心数据以外的聚类数据对应的第二位置之间的距离与预设距离阈值之间的大小关系，能够确定出距离任意一个聚类数据的位置最短的一个目标位置，通过在该目标位置上部署计算节点，使得在计算节点对应的地理范围内，每一个车辆距离计算节点的通信距离最小，且利用部署的计算节点用于车辆之间的通信具有最高优先级，能够达到在道路交通复杂的区域，提高无人驾驶车辆之间通信的效率，提高车辆之间通信的实时性。
93.可选地，将第一位置确定为部署第一计算节点的目标位置之后，还可以确定在预
设地理范围内的障碍物及对应的障碍物位置；根据障碍物位置，从至少一个第一计算节点中确定出包含障碍物的目标计算节点；分别确定目标计算节点的部署位置、目标计算节点对应的区域及区域中一组聚类数据的数据位置；根据障碍物位置、部署位置和数据位置，从一组聚类数据确定出第一聚类数据；其中，第一聚类数据为被障碍物遮挡的聚类数据；确定第一聚类数据对应的第一中心位置；并在第一中心位置部署第二计算节点，以利用第二计算节点实现第一子区域内的车辆之间的通信，第一子区域为区域中被障碍物遮挡的区域。
94.需要说明的是，在预设地理范围中，包含至少一个第一计算节点，每个第一计算节点用于预设地理范围中的一个区域中的无人驾驶车辆之间的通信。
95.在本技术实施例中，在确定出预设地理范围内的多个部署第一计算节点的第一位置之后，还可以在预设地理范围内检测是否存在障碍物，如果在预设地理范围内不存在障碍物，则不需要再进行计算节点位置的选择；如果在预设地理范围内，存在障碍物，则需要继续对计算节点的位置进行选择。
96.示例性地，假设在一个地理范围内部署了3个计算节点，每个计算节点都会有对应的通信覆盖范围，若在一个地理范围内都未检测到障碍物，则在该地理范围内，继续使用这3个计算节点进行无人驾驶车辆之间的通信；如果一个地理范围内，检测到了障碍物，则需要继续进行计算节点位置的选择，以增加计算节点的数量，满足实时通信的需求。
97.在本技术实施例中，进行障碍物检测的方式可以是在电子地图上直接对障碍物进行框定，标记出预设地理范围内存在的障碍物的电子围栏。
98.需要说明的是，对预设范围内障碍物检测的方式不限于本技术中的方式，其他检测障碍物的方式均属于本技术保护的范围，具体地，可以根据实际情况进行选择，本技术中不做具体的限定。
99.在本技术实施例中，在预设地理范围内，存在障碍物时，先进行障碍物电子围栏的标定，在标定障碍物的电子围栏之后，每一个障碍物电子围栏都会对应于一个障碍物位置，可以根据障碍物的电子围栏直接获取到的障碍物在预设地理范围内所处的位置。
100.在本技术实施例中，在预设地理范围内，可以根据获取的障碍物的位置信息，从至少一个第一计算节点中确定出包含障碍物的目标计算节点。
101.在本技术实施例中，每一个计算节点有对应的位置信息、对应的通信覆盖区域以及该区域中对应有一组聚类数据，其中，每个聚类数据都会有对应的位置。在确定包含障碍物的目标计算节点的部署位置之后，可以获取到该目标计算节点对应的区域中一组聚类数据的数据位置，进而，可以通过获取的障碍物位置、目标计算节点的部署位置以及一组聚类数据的数据位置判断一组聚类数据中被遮挡的数据。
102.在本技术实施例中，在判断一组聚类数据是否被障碍物遮挡时，分别连接一组聚类数据中各聚类数据的位置与目标计算节点的部署位置，二者之间的连接线若与障碍物位置处的障碍物电子围栏存在交点，表明该聚类数据被障碍物所遮挡，将一组聚类数据中被障碍物所遮挡的数据确定为第一聚类数据。
103.需要说明的是，第一聚类数据是一组聚类数据中的部分数据，可以利用同样的方式对每一个目标计算节点对应区域中的一组聚类数据进行划分，得到第一聚类数据。
104.在本技术实施例中，在得到第一聚类数据之后，从第一聚类数据中可以确定出部署第二计算节点的第一中心位置。
105.需要说明的是，确定部署第二计算节点的第一中心位置的方式可以参照 s102-s104步骤实现的过程，在这里不再赘述。
106.需要说明的是，每一个目标计算节点会对应于一个通信区域，第二计算节点利用了目标计算节点中的一部分聚类数据进行第一中心数据的确定，因而第二计算节点对应的通信区域可以包含于目标计算节点对应的通信区域或部分包含于目标计算节点对应的通信区域。
107.需要说明的是，在将目标计算节点对应的通信区域内的一组聚类数据进行划分，获取到被障碍物遮挡的第一聚类数据，并从第一聚类数据中确定出部署第二计算节点的第一中心位置之后，可以将确定出的第一中心位置添加至原有的目标位置中，增加该区域中部署计算节点目标位置的数量。针对于目标计算节点中包含障碍物时，为了不影响无人驾驶车辆之间的通信的效率，可以利用确定出的第二计算节点进行通信，提高无人驾驶车辆之间通信的实时性。
108.示例性地，一个地理范围内包含3个计算节点a、b、c，在a、c两个计算节点覆盖的通信范围内检测到了障碍物，对于a计算节点，假设包含聚类数据a1、a2、a3、a4、a5、a6、a7七个聚类数据，分别判断这七个聚类数据是否被障碍物遮挡，如果a1、a3、a7被障碍物所遮挡，则将a1、a3、a7划分为第一聚类数据，再分别从a1、a3、a7三个聚类数据对应的位置中分别确定出部署计算节点的第一中心位置，即在原有的3个计算节点的基础上，添加1个部署计算节点的位置，此时，部署计算节点的位置数量为4个。
109.可选地，将第一位置确定为部署第一计算节点的目标位置之后，还可以确定在预设地理范围内的障碍物及对应的障碍物位置；根据障碍物位置，从至少一个第一计算节点中确定出包含障碍物的目标计算节点；分别确定目标计算节点的部署位置、目标计算节点对应的区域及区域中一组聚类数据的数据位置；根据障碍物位置、部署位置和数据位置，从一组聚类数据确定出第二聚类数据；其中，第二聚类数据为未被障碍物遮挡的聚类数据；确定第二聚类数据对应的第二中心位置；并在第二中心位置部署第三计算节点，以利用第三计算节点实现第二子区域内的车辆之间的通信，第二子区域为区域中未被障碍物遮挡的区域。
110.在本技术实施例中，在确定出预设地理范围内的多个部署第一计算节点的第一位置之后，还可以在预设地理范围内检测是否存在障碍物，如果在预设地理范围内不存在障碍物，则不需要再进行计算节点位置的选择；如果在预设地理范围内，存在障碍物，则需要继续对计算节点的位置进行选择。
111.示例性地，假设在一个地理范围内部署了3个计算节点，每个计算节点都会有对应的通信覆盖范围，若在一个地理范围内都未检测到障碍物，则在该地理范围内，继续使用这3个计算节点进行无人驾驶车辆之间的通信；如果一个地理范围内，检测到了障碍物，则需要继续进行计算节点位置的选择，以增加计算节点的数量，满足实时通信的需求。
112.在本技术实施例中，进行障碍物检测的方式可以是在电子地图上直接对障碍物进行框定，标记出预设地理范围内存在的障碍物的电子围栏。
113.需要说明的是，对预设范围内障碍物检测的方式不限于本技术中的方式，其他检测障碍物的方式均属于本技术保护的范围，具体地，可以根据实际情况进行选择，本技术中不做具体的限定。
114.在本技术实施例中，在预设地理范围内，存在障碍物时，先进行障碍物电子围栏的标定，在标定障碍物的电子围栏之后，每一个障碍物电子围栏都会对应于一个障碍物位置，可以根据障碍物的电子围栏直接获取到的障碍物在预设地理范围内所处的位置。
115.在本技术实施例中，在预设地理范围内，可以根据获取的障碍物的位置信息，从至少一个第一计算节点中确定出包含障碍物的目标计算节点。
116.在本技术实施例中，每一个计算节点有对应的位置信息、对应的通信覆盖区域以及该区域中对应有一组聚类数据，其中，每个聚类数据都会有对应的位置。在确定包含障碍物的目标计算节点的部署位置之后，可以获取到该目标计算节点对应的区域中一组聚类数据的数据位置，进而，可以通过获取的障碍物位置、目标计算节点的部署位置以及一组聚类数据的数据位置判断一组聚类数据中被遮挡的数据。
117.在本技术实施例中，在判断一组聚类数据是否被障碍物遮挡时，分别连接一组聚类数据中各聚类数据的位置与目标计算节点的部署位置，二者之间的连接线若与障碍物位置处的障碍物电子围栏存在交点，表明该聚类数据被障碍物所遮挡，将一组聚类数据中未被障碍物所遮挡的数据确定为第二聚类数据。
118.需要说明的是，第二聚类数据是一组聚类数据中的部分数据，且第二聚类数据是未被障碍物遮挡的数据，可以利用同样的方式对每一个目标计算节点对应区域中的一组聚类数据进行划分，得到第二聚类数据。
119.在本技术实施例中，在得到第二聚类数据之后，从第二聚类数据中可以确定出部署第三计算节点的第二中心位置。
120.需要说明的是，确定部署第三计算节点的第二中心位置的方式可以参照 s102-s104步骤实现的过程，在这里不再赘述。
121.需要说明的是，每一个目标计算节点会对应于一个通信区域，第三计算节点利用了目标计算节点中的一部分聚类数据进行第二中心位置的确定，因而第三计算节点对应的通信区域可以包含于目标计算节点对应的通信区域或部分包含于目标计算节点对应的通信区域。
122.需要说明的是，在将目标计算节点对应的通信区域内的一组聚类数据进行划分，获取到未被障碍物遮挡的第二聚类数据，并从第二聚类数据中确定出部署第三计算节点的第二中心位置之后，可以将确定出的第二中心位置添加至原有的目标位置中，增加该区域中部署计算节点目标位置的数量。针对于目标计算节点中包含障碍物时，但未被障碍物遮挡时，为了提高车辆之间的通信效率，还可以利用确定出的第三计算节点进行通信，提高无人驾驶车辆之间通信的实时性。
123.需要说明的是，存在障碍物的情况下，在目标计算节点对应的通信范围内，虽然部署的目标计算节点仍然可以用于未被遮挡情况下无人驾驶车辆之间的通信，但是，存在障碍物时，目标计算节点未必距离未被遮挡的聚类数据的通信距离最短，因而，可以利用确定的第三计算节点进行通信，通信的实时性更高。
124.示例性地，一个地理范围内包含3个计算节点a、b、c，在a、c两个计算节点覆盖的通信范围内检测到了障碍物，对于a计算节点，假设包含聚类数据a1、a2、a3、a4、a5、a6、a7七个聚类数据，分别判断这七个聚类数据是否被障碍物遮挡，如果a2、a4、a5、a6被障碍物所遮挡，则将a2、a4、a5、a6 划分为第二聚类数据，再从a2、a4、a5、a6四个聚类数据对应的位置中
分别确定出部署计算节点的第二中心位置，即在原有的3个计算节点的基础上，添加 1个部署计算节点的位置，此时，部署计算节点的位置数量为4个。
125.可选地，采集车辆在预设地理范围内的行驶轨迹数据之后，对行驶轨迹数据进行聚类处理，得到多组聚类数据之前，还可以在预设地理范围内检测预存计算节点；并获取预存计算节点的覆盖范围内包含的一组行驶轨迹数据；对剩余行驶轨迹数据进行聚类处理，得到多组聚类数据；所述剩余行驶轨迹数据为所述行驶轨迹数据中除所述一组行驶轨迹数据外的数据。
126.在本技术实施例中，在框定的一个地理范围内，采集到车辆的行驶轨迹数据之后，利用行驶轨迹数据进行聚类处理之前，需要检测框定的地理范围内是否已部署计算节点，如果已部署计算节点，则将包含于已部署计算节点所覆盖的通信范围内的行驶轨迹数据剔除。
127.在本技术实施例中，在进行已部署计算节点检测之前，还需要采集已部署计算节点的gps位置，并通过区块链技术记录已部署计算节点的相关信息。
128.在本技术实施例中，可以通过查询已部署计算节点的gps位置，确定出已部署节点的通信所覆盖范围，将该范围内包含采集的行驶轨迹数据进行删除。
129.需要说明的是，使用区块链技术来记载已部署计算节点的相关信息，应用的是区块链的共识性、不可伪造特性。将已部署计算节点能够覆盖到的行驶轨迹数据从采集的行驶轨迹数据中删除，这样，可以尽可能的保障既有投资，让新添加的计算节点能尽可能的去满足新增加的需求。
130.示例性地，采集的行驶轨迹数据包含c1、c2、c3、c4，而c4在确定的已部署计算节点所覆盖的通信范围内，可以利用剩余的c1、c2、c3进行聚类处理得到多组聚类数据。
131.可选地，采集车辆在预设地理范围内的行驶轨迹数据之后，对行驶轨迹数据进行聚类处理，得到多组聚类数据之前，还可以根据预设时间间隔，对行驶轨迹数据进行降采样处理，得到采样数据；对采样数据进行聚类处理，得到多组聚类数据。
132.在本技术实施例中，在采集到框定的一个地理范围内的行驶轨迹数据之后，因为无人驾驶车辆在行驶的过程中不断传输当前的位置信息，造成采集到的行驶轨迹数据量较大，为了方便进行后续的聚类处理，对采集的行驶轨迹数据按照固定的时间间隔对数据进行采样，即间隔固定时间段，从采集的行驶轨迹数据中获取一个数据，以此降低行驶轨迹数据的数据量。
133.需要说明的是，时间间隔的选择可以根据实际情况进行选择，本技术中不做具体的限定。
134.可选地，将第一位置确定为部署第一计算节点的目标位置之后，还可以在预设时间内，检测预设地理范围内的车辆的数量；在数量小于预设数量阈值的情况下，则切换至第五代移动通信技术5g基站实现预设地理范围内车辆之间的通信。
135.在本技术实施例中，在一个预设地理范围内，无人驾驶车辆之间进行通信的过程中，可以检测框定的地理范围内，一段时间内道路上行驶车辆的数量，在车辆的数量小于预设数量阈值的情况下，表明该路段为车辆稀少路段，在此种类型路段上，可以直接利用运营商的5g基站完成车与车无人驾驶车辆之间的通信，不需要利用部署的计算节点进行通信。
136.需要说明的是，在路段上车辆较少的情况下，可以利用除5g基站以外其他的通信
方式进行车辆之间的通信，具体地，可以根据实际情况进行选择，本技术中不做具体限定。
137.需要说明的是，各无人驾驶车辆之间的协同算法由集群式算法来实现，所有车辆共同参与计算。
138.需要说明的是，对道路上行驶的车辆的数量进行检测的方式可以参考现有技术中进行一段时间内车辆数量进行检测的方式，在这里不再赘述。
139.需要说明的是，预设数量阈值的选取可以根据实际情况进行选择，本技术中不做具体的限定。
140.需要说明的是，在复杂的道路交通场景中部署专有计算节点，即能保证自动驾驶车辆实时通讯，还能够提供协同算法计算服务，基于dbscan算法和改进的k-means聚类算法进行选址，即规避了dbscan算法不规则的聚类结果又绕开了噪音点对k-means聚类算法精确度的不利影响，进一步确保了行驶车辆与计算节点之间通信的平均直线距离最小化，改进的k-means聚类算法还充分考虑了现实的地理位置，提供了躲避障碍物的特性，并且支持了对已有计算节点地区的竞争选址方法。
141.基于上述实施例，本技术实施例提供一种计算节点选址方法，如图5所示，具体实现流程如下：
142.a、框定需要进行计算节点选址的预设地理范围；
143.b、采集车辆一段时间范围内，在预设地理范围内的行驶轨迹数据；
144.c、对行驶轨迹数据根据时间间隔进行采样处理；
145.d、利用dbscan算法对采样后的行驶轨迹数据进行处理，剔除孤立点数据；
146.e、从剔除孤立点数据后的行驶轨迹数据随机选择k个聚类中心，利用 k-means算法对剔除孤立点数据后的行驶轨迹数据进行聚类处理，得到多组聚类数据；
147.f、从每多组聚类数据中确定出聚类中心数据和剩余聚类数据，并确定出所述聚类中心数据所处的第一位置和剩余聚类数据所处的第二位置；
148.g、定义损失函数，计算第一位置和所述第二位置之间的距离；
149.h、根据计算的距离与预设距离阈值的大小关系，进行迭代处理；
150.i、判断损失函数是否单调递减至极小值，且每组聚类数据中聚类中心数据对应的第一位置与每个剩余聚类数据对应的第二位置之间的最大距离是否在 250-500米之间；
151.j、满足条件时，将第一位置确定为该地理范围内的用于部署第一计算节点的目标位置；
152.k、不满足条件，则继续执行e-j步骤；
153.l、在目标位置对应的区域范围内检测障碍物电子围栏位置；
154.m、判断障碍物是否存在于目标位置对应的区域范围中；
155.n、若是，则判断目标位置对应的区域范围中的聚类数据对应的位置与目标位置的连接线是否与障碍物电子围栏存在交点，以判断聚类数据是否被障碍物遮挡；若否，结束。
156.o、若是，将聚类数据划分为第一聚类数据；
157.p、若否，将聚类数据划分为第二聚类数据；
158.q、从第一聚类数据中，利用e-j步骤中的方式确定出部署第二计算节点的第一中心位置，并将第一中心位置添加至部署计算节点的目标位置中；
159.r、从第二聚类数据中，利用e-j步骤中的方式确定出部署第三计算节点的第二中
心位置，并将第二中心位置添加至部署计算节点的目标位置中。
160.需要说明的是，o和p以及q和r在执行的过程是并列执行的关系。
161.基于上述实施例，本技术实施例提供另一种计算节点选址方法，如图6所示，具体实现流程如下：
162.a、框定需要进行计算节点选址的预设地理范围；
163.b、采集车辆一段时间范围内，在预设地理范围内的行驶轨迹数据；
164.c、对行驶轨迹数据根据时间间隔进行采样处理，得到采样后的行驶轨迹数据；
165.d、利用dbscan算法对采样后的行驶轨迹数据进行处理，剔除孤立点数据；
166.e、从剔除孤立点数据后的行驶轨迹数据随机选择k个聚类中心，利用 k-means算法对剔除孤立点数据后的行驶轨迹数据进行聚类处理，得到多组聚类数据；
167.f、从每多组聚类数据中确定出聚类中心数据和剩余聚类数据，并确定出所述聚类中心数据所处的第一位置和剩余聚类数据所处的第二位置；
168.g、定义损失函数，计算第一位置和所述第二位置之间的距离；
169.h、根据计算的距离与预设距离阈值的大小关系，进行迭代处理；
170.i、判断损失函数是否单调递减至极小值，且每组聚类数据中聚类中心数据对应的第一位置与每个剩余聚类数据对应的第二位置之间的最大距离是否在250-500米之间；
171.j、满足条件时，将第一位置确定为该地理范围内的用于部署第一计算节点的目标位置；
172.k、不满足条件，则继续执行e-j步骤；
173.l、在目标位置对应的区域范围内检测障碍物电子围栏位置；
174.m、判断障碍物是否存在于目标位置对应的区域范围中；
175.n、若是，则判断目标位置对应的区域范围中的聚类数据对应的位置与目标位置的连接线是否与障碍物电子围栏存在交点，以判断聚类数据是否被障碍物遮挡；若否，结束。
176.o、若是，将聚类数据划分为第一聚类数据；
177.p、若否，将聚类数据划分为第二聚类数据；
178.q、从第一聚类数据中，利用e-j步骤中的方式确定出部署第二计算节点的第一中心位置，并将第一中心位置添加至部署计算节点的目标位置中；
179.r、从第二聚类数据中，利用e-j步骤中的方式确定出部署第三计算节点的第二中心位置，并将第二中心位置添加至部署计算节点的目标位置中；
180.s、采集已部署计算节点的gps位置；
181.t、通过区块链技术对采集的已部署计算节点的信息进行记录；
182.u、从记录的信息中，检测预设地理范围内的已部署计算节点，并获取已部署计算节点位置；并剔除已部署计算节点所覆盖的通信范围内的行驶轨迹数据。
183.需要说明的是，o和p以及q和r在执行的过程是并列执行的关系。
184.需要说明的是，s、t、u步骤可以是在步骤d之后执行。
185.基于上述实施例，在本技术的另一实施例中提供一种终端设备1，如图7 所示，该终端设备1包括：
186.采集单元10，用于采集车辆在预设地理范围内的行驶轨迹数据；
187.处理单元11，用于对行驶轨迹数据进行聚类处理，得到多组聚类数据；
188.确定单元12，用于从每组聚类数据中确定对应的聚类中心数据，并确定聚类中心数据所处的第一位置和剩余聚类数据所处的第二位置；其中，剩余聚类数据为每组聚类数据中除聚类中心数据以外的数据；分别确定第一位置和第二位置之间的距离，并当距离小于预设距离阈值的情况下，将第一位置确定为部署第一计算节点的目标位置；以利用第一计算节点实现预设地理范围内车辆之间的通信。
189.可选地，所述确定单元12，还用于确定在预设地理范围内的障碍物及对应的障碍物位置；根据障碍物位置，从至少一个第一计算节点中确定出包含障碍物的目标计算节点；分别确定目标计算节点的部署位置、目标计算节点对应的区域及区域中一组聚类数据的数据位置；根据障碍物位置、部署位置和数据位置，从一组聚类数据确定出第一聚类数据；其中，第一聚类数据为被障碍物遮挡的聚类数据；确定第一聚类数据对应的第一中心位置；并在第一中心位置部署第二计算节点，以利用第二计算节点实现第一子区域内的车辆之间的通信，第一子区域为所述区域中被障碍物遮挡的区域。
190.可选地，所述确定单元12，还用于确定在预设地理范围内的障碍物及对应的障碍物位置；根据障碍物位置，从至少一个第一计算节点中确定出包含障碍物的目标计算节点；分别确定目标计算节点的部署位置、目标计算节点对应的区域及区域中一组聚类数据的数据位置；根据障碍物位置、部署位置和数据位置，从一组聚类数据确定出第二聚类数据；其中，第二聚类数据为未被障碍物遮挡的聚类数据；确定第二聚类数据对应的第二中心位置；并在第二中心位置部署第三计算节点，以利用第三计算节点实现第二子区域内的车辆之间的通信，第二子区域为所述区域中未被障碍物遮挡的区域。
191.可选地，终端设备1还可以包括：检测单元，
192.检测单元，用于在预设地理范围内检测预存计算节点。
193.可选地，终端设备1还可以包括：获取单元，
194.获取单元，用于获取预存计算节点的覆盖范围内包含的一组行驶轨迹数据。
195.可选地，处理单元11，还用于对剩余行驶轨迹数据进行聚类处理，得到多组聚类数据；剩余行驶轨迹数据为行驶轨迹数据中除所述一组行驶轨迹数据外的数据。
196.可选地，终端设备1还可以包括：调整单元，
197.调整单元，用于当距离大于预设距离阈值的情况下，对第一位置进行调整，直至调整后的第一位置与第二位置之间的距离小于预设距离阈值的情况下，将调整后的第一位置确定为目标位置。
198.可选地，处理单元11，还用于根据预设时间间隔，对行驶轨迹数据进行降采样处理，得到采样数据；对采样数据进行聚类处理，得到多组聚类数据。
199.可选地，检测单元，还用于在预设时间内，检测预设地理范围内的车辆的数量。
200.可选地，终端设备1还可以包括：切换单元，
201.切换单元，用于在数量小于预设数量阈值的情况下，切换至第五代移动通信技术5g基站实现预设地理范围内车辆之间的通信。
202.本技术实施例提供一种终端设备，采集车辆在预设地理范围内的行驶轨迹数据；对行驶轨迹数据进行聚类处理，得到多组聚类数据；从每组聚类数据中确定对应的聚类中心数据，并确定聚类中心数据所处的第一位置和剩余聚类数据所处的第二位置；其中，剩余聚类数据为每组聚类数据中除聚类中心数据以外的数据；分别确定第一位置和第二位置之
间的距离，并当距离小于预设距离阈值的情况下，将第一位置确定为部署第一计算节点的目标位置；以利用第一计算节点实现所述预设地理范围内车辆之间的通信。由此可见，本技术实施例提出的一种终端设备，在进行计算节点选址的过程中，通过聚类处理的方式将一个地理范围内采集的车辆的行驶轨迹数据划分为多组聚类数据，在每一组聚类数据中，根据聚类中心数据对应的第一位置与除聚类中心数据以外的聚类数据对应的第二位置之间的距离与预设距离阈值之间的大小关系，能够确定出距离任意一个聚类数据的位置最短的一个目标位置，通过在该目标位置上部署计算节点，使得在计算节点对应的地理范围内，每一个车辆距离计算节点的通信距离最小，且利用部署的计算节点用于车辆之间的通信具有最高优先级，能够达到在道路交通复杂的区域，提高无人驾驶车辆之间通信的效率，提高车辆之间通信的实时性。
203.图8为本技术实施例提供的一种终端设备1的组成结构示意图，在实际应用中，基于上述实施例的同一公开构思下，如图8所示，本实施例的终端设备 1包括处理器13、存储器14和通信总线15。
204.在具体的实施例过程中，上述采集单元10、处理单元11、确定单元12、检测单元、获取单元、调整单元、切换单元可由位于终端设备1上的处理器13 实现，上述处理器13可以为特定用途集成电路(asic，application specificintegrated circuit)、数字信号处理器(dsp，digital signal processor)、数字信号处理图像处理装置(dspd，digital signal processing device)、可编程逻辑图像处理装置(pld，programmable logic device)、现场可编程门阵列(fpga， field programmable gate array)、cpu、控制器、微控制器、微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器功能的电子器件还可以为其它，本实施例不作具体限定。
205.在本技术实施例中，上述通信总线15用于实现处理器13和存储器14之间的连接通信；上述处理器13执行存储器14中存储的运行程序时实现如下的计算节点选址方法：
206.采集车辆在预设地理范围内的行驶轨迹数据；对行驶轨迹数据进行聚类处理，得到多组聚类数据；从每组聚类数据中确定对应的聚类中心数据，并确定聚类中心数据所处的第一位置和剩余聚类数据所处的第二位置；其中，剩余聚类数据为每组聚类数据中除聚类中心数据以外的数据；分别确定第一位置和第二位置之间的距离，并当距离小于预设距离阈值的情况下，将第一位置确定为部署第一计算节点的目标位置；以利用第一计算节点实现所述预设地理范围内车辆之间的通信。
207.进一步地，上述处理器13，还用于确定在预设地理范围内的障碍物及对应的障碍物位置；根据障碍物位置，从至少一个第一计算节点中确定出包含障碍物的目标计算节点；分别确定目标计算节点的部署位置、目标计算节点对应的区域及区域中一组聚类数据的数据位置；根据障碍物位置、部署位置和数据位置，从一组聚类数据确定出第一聚类数据；其中，第一聚类数据为被障碍物遮挡的聚类数据；确定第一聚类数据对应的第一中心位置；并在第一中心位置部署第二计算节点，以利用第二计算节点实现第一子区域内的车辆之间的通信，第一子区域为所述区域中被所述障碍物遮挡的区域。
208.进一步地，上述处理器13，还用于确定在预设地理范围内的障碍物及对应的障碍物位置；根据障碍物位置，从至少一个第一计算节点中确定出包含障碍物的目标计算节点；分别确定目标计算节点的部署位置、目标计算节点对应的区域及区域中一组聚类数据的数
据位置；根据障碍物位置、部署位置和数据位置，从一组聚类数据确定出第二聚类数据；其中，第二聚类数据为未被障碍物遮挡的聚类数据；确定第二聚类数据对应的第二中心位置；并在第二中心位置部署第三计算节点，以利用第三计算节点实现第二子区域内的车辆之间的通信，第二子区域为区域中未被障碍物遮挡的区域。
209.进一步地，上述处理器13，还用于在预设地理范围内检测预存计算节点；并获取预存计算节点的覆盖范围内包含的一组行驶轨迹数据；对剩余行驶轨迹数据进行聚类处理，得到多组聚类数据；剩余行驶轨迹数据为行驶轨迹数据中除一组行驶轨迹数据外的数据。
210.进一步地，上述处理器13，还用于当距离大于预设距离阈值的情况下，对第一位置进行调整，直至调整后的第一位置与第二位置之间的距离小于预设距离阈值的情况下，将调整后的第一位置确定为目标位置。
211.进一步地，上述处理器13，还用于根据预设时间间隔，对行驶轨迹数据进行降采样处理，得到采样数据；对采样数据进行聚类处理，得到多组聚类数据。
212.进一步地，上述处理器13，还用于在预设时间内，检测预设地理范围内的车辆的数量；在数量小于预设数量阈值的情况下，切换至第五代移动通信技术 5g基站实现预设地理范围内车辆之间的通信。
213.基于上述实施例，本技术实施例提供一种存储介质，其上存储有计算机程序，上述计算机可读存储介质存储有一个或者多个程序，上述一个或者多个程序可被一个或者多个处理器执行，应用于终端设备中，该计算机程序实现如上述的数据处理方法。
214.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
215.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本公开的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台图像显示设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本公开各个实施例所述的方法。
216.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种计算节点选址方法，其特征在于，所述方法包括：采集车辆在预设地理范围内的行驶轨迹数据；对所述行驶轨迹数据进行聚类处理，得到多组聚类数据；从每组聚类数据中确定对应的聚类中心数据，并确定所述聚类中心数据所处的第一位置和剩余聚类数据所处的第二位置；其中，所述剩余聚类数据为每组聚类数据中除所述聚类中心数据以外的数据；分别确定所述第一位置和所述第二位置之间的距离，并当所述距离小于预设距离阈值的情况下，将所述第一位置确定为部署第一计算节点的目标位置；以利用所述第一计算节点实现所述预设地理范围内车辆之间的通信。2.根据权利要求1所述的方法，其特征在于，所述第一计算节点的数量为至少一个，每个第一计算节点实现所述预设地理范围中一个区域内的车辆通信，所述将所述第一位置确定为部署第一计算节点的目标位置之后，所述方法还包括：确定在所述预设地理范围内的障碍物及对应的障碍物位置；根据所述障碍物位置，从至少一个第一计算节点中确定出包含所述障碍物的目标计算节点；分别确定所述目标计算节点的部署位置、所述目标计算节点对应的区域及所述区域中一组聚类数据的数据位置；根据所述障碍物位置、所述部署位置和所述数据位置，从所述一组聚类数据确定出第一聚类数据；其中，所述第一聚类数据为被所述障碍物遮挡的聚类数据；确定所述第一聚类数据对应的第一中心位置；并在所述第一中心位置部署第二计算节点，以利用所述第二计算节点实现第一子区域内的车辆之间的通信，所述第一子区域为所述区域中被所述障碍物遮挡的区域。3.根据权利要求1所述的方法，其特征在于，所述第一计算节点的数量为至少一个，每个第一计算节点实现所述预设地理范围中一个区域内的车辆通信，所述将所述第一位置确定为部署第一计算节点的目标位置之后，所述方法还包括：确定在所述预设地理范围内的障碍物及对应的障碍物位置；根据所述障碍物位置，从至少一个第一计算节点中确定出包含所述障碍物的目标计算节点；分别确定所述目标计算节点的部署位置、所述目标计算节点对应的区域及所述区域中一组聚类数据的数据位置；根据所述障碍物位置、所述部署位置和所述数据位置，从所述一组聚类数据确定出第二聚类数据；其中，所述第二聚类数据为未被所述障碍物遮挡的聚类数据；确定所述第二聚类数据对应的第二中心位置；并在所述第二中心位置部署第三计算节点，以利用所述第三计算节点实现第二子区域内的车辆之间的通信，所述第二子区域为所述区域中未被所述障碍物遮挡的区域。4.根据权利要求1所述的方法，其特征在于，所述采集车辆在预设地理范围内的行驶轨迹数据之后，所述对所述行驶轨迹数据进行聚类处理，得到多组聚类数据之前，所述方法还包括：在预设地理范围内检测预存计算节点；并获取所述预存计算节点的覆盖范围内包含的
一组行驶轨迹数据；所述对所述行驶轨迹数据进行聚类处理，得到多组聚类数据，包括：对剩余行驶轨迹数据进行聚类处理，得到多组聚类数据；所述剩余行驶轨迹数据为所述行驶轨迹数据中除所述一组行驶轨迹数据外的数据。5.根据权利要求1所述的方法，其特征在于，所述分别确定所述第一位置和所述第二位置之间的距离之后，所述方法还包括：当所述距离大于预设距离阈值的情况下，对所述第一位置进行调整，直至调整后的第一位置与所述第二位置之间的距离小于所述预设距离阈值的情况下，将所述调整后的第一位置确定为所述目标位置。6.根据权利要求1所述的方法，其特征在于，所述采集车辆在预设地理范围内的行驶轨迹数据之后，所述对所述行驶轨迹数据进行聚类处理，得到多组聚类数据之前，所述方法还包括：根据预设时间间隔，对所述行驶轨迹数据进行降采样处理，得到采样数据；所述对所述行驶轨迹数据进行聚类处理，得到多组聚类数据，包括：对所述采样数据进行聚类处理，得到多组聚类数据。7.根据权利要求1所述的方法，其特征在于，所述将所述第一位置确定为部署第一计算节点的目标位置之后，所述方法还包括：在预设时间内，检测所述预设地理范围内的车辆的数量；在所述数量小于预设数量阈值的情况下，切换至第五代移动通信技术5g基站实现所述预设地理范围内车辆之间的通信。8.一种终端设备，其特征在于，所述终端设备包括：采集单元，用于采集车辆在预设地理范围内的行驶轨迹数据；处理单元，用于对所述行驶轨迹数据进行聚类处理，得到多组聚类数据；确定单元，用于从每组聚类数据中确定对应的聚类中心数据，并确定所述聚类中心数据所处的第一位置和剩余聚类数据所处的第二位置；其中，所述剩余聚类数据为每组聚类数据中除所述聚类中心数据以外的数据；分别确定所述第一位置和所述第二位置之间的距离，并当所述距离小于预设距离阈值的情况下，将所述第一位置确定为部署第一计算节点的目标位置；以利用所述第一计算节点实现所述预设地理范围内车辆之间的通信。9.一种终端设备，其特征在于，所述终端设备包括：处理器、存储器及通信总线；所述处理器执行存储器存储的运行程序时实现如权利要求1-7任一项所述的方法。10.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。

技术总结
本申请实施例公开了一种计算节点选址方法、终端设备及存储介质，计算节点选址方法包括：采集车辆在预设地理范围内的行驶轨迹数据；对行驶轨迹数据进行聚类处理，得到多组聚类数据；从每组聚类数据中确定对应的聚类中心数据，并确定聚类中心数据所处的第一位置和剩余聚类数据所处的第二位置；其中，剩余聚类数据为每组聚类数据中除聚类中心数据以外的数据；分别确定第一位置和第二位置之间的距离，并当距离小于预设距离阈值的情况下，将第一位置确定为部署第一计算节点的目标位置；以利用第一计算节点实现预设地理范围内车辆之间的通信。通信。通信。


技术研发人员：李鑫
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2022.10.24
技术公布日：2023/9/22