版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
H04W28/02(2009.01)H04W40/12(2009.01)地址511455广东省广州市南沙区翠樱所(普通合伙)44418HO4W4/06(2009.01)HO4W4/46(2018.01)H04W24/06(2009.01)复杂信源场景下智驾车辆动态网络冗余配本发明公开了一种复杂信源场景下智驾车车在行驶过程中不同位置处的多条通信链路的21.一种复杂信源场景下智驾车辆动态网络冗余配置及切换方法,其特征在于,包括如下步骤:检测无人出租车在行驶过程中不同位置处的多条通信链路的通信质量数据;将所述通信质量数据通过车载通信系统广播给周围的其他无人出租车,并接收其他无人出租车广播的通信质量数据;不依赖集中式服务器或云端平台,仅基于所述无人出租车自身检测的通信质量数据和接收到的其他无人出租车的通信质量数据,去中心化地融合生成所述无人出租车的信号地根据所述信号地图和预设的任务优先级,动态配置所述无人出租车的网络冗余策略;执行所述网络冗余策略,并记录策略执行效果的评分;将所述评分通过车载通信系统广播给周围的其他无人出租车,并接收其他无人出租车广播的评分;基于接收到的评分,优化并提前调整所述无人出租车的网络冗余策略。2.根据权利要求1所述复杂信源场景下智驾车辆动态网络冗余配置及切换方法,其特征在于,检测无人出租车在行驶过程中不同位置处的多条通信链路的通信质量数据具体包利用所述无人出租车上的高精度定位系统,记录所述无人出租车在行驶过程中的位置通过所述无人出租车上的通信模块,实时检测并记录所述多条通信链路的信号强度、延迟和丢包率。3.根据权利要求1所述复杂信源场景下智驾车辆动态网络冗余配置及切换方法,其特征在于,基于所述无人出租车自身检测的通信质量数据和接收到的其他无人出租车的通信质量数据,融合生成所述无人出租车的信号地图将所述通信质量数据与对应的位置信息关联,形成位置-通信质量数据集;采用加权平均算法对所述位置-通信质量数据集进行处理,生成所述信号地图,其中权重基于数据的新鲜度和所述无人出租车之间的距离。4.根据权利要求1所述复杂信源场景下智驾车辆动态网络冗余配置及切换方法,其特征在于,根据所述信号地图和预设的任务优先级,动态配置所述无人出租车的网络冗余策根据任务优先级,将所述无人出租车的任务划分为高优先级任务、中优先级任务和低优先级任务;针对所述高优先级任务,配置多条通信链路并行传输的冗余策略;针对所述中优先级任务和所述低优先级任务,根据所述信号地图选择通信质量最佳的单条通信链路。5.根据权利要求4所述复杂信源场景下智驾车辆动态网络冗余配置及切换方法,其特征在于,所述高优先级任务包括安全相关任务,所述中优先级任务包括导航和路径规划任务,所述低优先级任务包括乘客娱乐数据传输任务。6.根据权利要求1所述复杂信源场景下智驾车辆动态网络冗余配置及切换方法,其特征在于,执行所述网络冗余策略,并记录策略执行效果的评分,具体包括:监测所述网络冗3余策略执行过程中的任务完成率、平均延迟和能耗;利用以下公式计算所述评分:收集所述无人出租车自身和其他无人出租车的评分数据;利用机器学习算法分析所述评分数据,预测不同网络冗余策略在未来位置的执行效根据预测结果,提前调整所述无人出租车的网络冗余策略。8.根据权利要求7所述复杂信源场景下智驾车辆动态网络冗余配置及切换方法,其特征在于,所述机器学习算法采用强化学习算法。9.根据权利要求8所述复杂信源场景下智驾车辆动态网络冗余配置及切换方法,其特10.根据权利要求9所述复杂信源场景下智驾车辆动态网络冗余配置及切换方法,其特征在于,所述深度Q网络的训练过程包括:从多辆车的共享评分中采集训练数据;使用Adam优化器和均方误差损失函数对深度Q网络进行训练;通过以评分为基础的奖励函数优化模型参数。4技术领域[0001]本发明涉及智能交通和通信技术领域,更具体地说,涉及一种复杂信源场景下智驾车辆动态网络冗余配置及切换方法。背景技术[0002]智能驾驶车辆在现代交通领域中日益重要,尤其在城市交通和无人出租车服务中占据了核心地位。这类技术依赖于高效的通信系统来实现车辆的感知、决策与控制。然而,在城市峡谷、隧道或高架桥等复杂信源场景中,通信质量往往因信号干扰或遮挡而变得不稳定。这种不稳定性可能导致车辆在关键任务执行过程中出现延迟或中断,影响安全性和运行效率。因此,如何在复杂环境中保障通信的稳定性与可靠性,成为当前技术发展中需要重点解决的难题。发明内容[0003]本发明要解决的技术问题是提供一种复杂信源场景下智驾车辆动态网络冗余配置及切换方法,以解决背景技术中提到的问题。[0004]为了达到上述目的,本发明采取以下技术方案:一种复杂信源场景下智驾车辆动态网络冗余配置及切换方法,包括如下步骤:检测无人出租车在行驶过程中不同位置处的多条通信链路的通信质量数据;将所述通信质量数据通过车载通信系统广播给周围的其他无人出租车,并接收其他无人出租车广播的通信质量数据;不依赖集中式服务器或云端平台,仅基于所述无人出租车自身检测的通信质量数据和接收到的其他无人出租车的通信质量数据,去中心化地融合生成所述无人出租车的信号地图;根据所述信号地图和预设的任务优先级,动态配置所述无人出租车的网络冗余策执行所述网络冗余策略,并记录策略执行效果的评分;将所述评分通过车载通信系统广播给周围的其他无人出租车,并接收其他无人出租车广播的评分;基于接收到的评分,优化并提前调整所述无人出租车的网络冗余策略。[0005]一些实施例中,检测无人出租车在行驶过程中不同位置处的多条通信链路的通信质量数据具体包括:利用所述无人出租车上的高精度定位系统,记录所述无人出租车在行驶过程中的位置信息;通过所述无人出租车上的通信模块,实时检测并记录所述多条通信链路的信号强[0006]一些实施例中,基于所述无人出租车自身检测的通信质量数据和接收到的其他无5人出租车的通信质量数据,融合生成所述无人出租车的信号地图,具体包括:将所述通信质量数据与对应的位置信息关联,形成位置-通信质量数据集;采用加权平均算法对所述位置-通信质量数据集进行处理,生成所述信号地图,其中权重基于数据的新鲜度和所述无人出租车之间的距离。[0007]一些实施例中,根据所述信号地图和预设的任务优先级,动态配置所述无人出租根据任务优先级,将所述无人出租车的任务划分为高优先级任务、中优先级任务和低优先级任务;针对所述高优先级任务,配置多条通信链路并行传输的冗余策略;针对所述中优先级任务和所述低优先级任务,根据所述信号地图选择通信质量最佳的单条通信链路。[0008]一些实施例中,所述高优先级任务包括安全相关任务,所述中优先级任务包括导航和路径规划任务,所述低优先级任务包括乘客娱乐数据传输任务。[0009]一些实施例中,执行所述网络冗余策略,并记录策略执行效果的评分,具体包括:监测所述网络冗余策略执行过程中的任务完成率、平均延迟和能耗;利用以下公式计算所述评分:权重系数。[0010]一些实施例中,基于接收到的评分,优化并提前调整所述无人出租车的网络冗余收集所述无人出租车自身和其他无人出租车的评分数据;利用机器学习算法分析所述评分数据,预测不同网络冗余策略在未来位置的执行效果;根据预测结果,提前调整所述无人出租车的网络冗余策略。[0011]一些实施例中,所述机器学习算法采用强化学习算法。[0012]一些实施例中,所述强化学习算法为深度Q网络。[0013]一些实施例中,所述深度Q网络的训练过程包括:从多辆车的共享评分中采集训练数据;使用Adam优化器和均方误差损失函数对深度Q网络进行通过以评分为基础的奖励函数优化模型参数。[0014]本发明相对于现有技术的优点在于,本发明所采用的去中心化信号地图构建方式,使每辆无人出租车在行驶过程中通过车载通信系统将自身检测到的多条通信链路质量数据广播给周边车辆并接收来自其他车辆的通信质量数据,在不依赖任何集中式服务器或云端平台的情况下,基于车辆自身与周边车辆的数据融合生成实时高精度信号地图,彻底消除了集中式架构带来的单点故障风险,即便运营商网络中断或后台服务器不可用,各车辆之间依然可以通过相互广播与接收保持对通信环境的准确感知和动态更新,从而保证网6络冗余策略能够在任何环境下持续生效;同时,本发明将每次网络冗余策略执行效果的评分(包括任务完成率、平均延迟和能耗)同样通过车载通信系统广播,使周边车辆能够实时获取不同位置、不同策略配置下的实际性能表现,无需额外的后台数据库或专用通信链路就能同步评分信息,既降低了系统部署和维护成本,又避免了因服务器负载过高或网络质量波动造成的评分数据延迟或丢失;基于这些实时评分数据,采用强化学习算法对未来网络冗余配置进行预测和优化,不仅提高了决策的及时性和准确性,还使车辆能够根据历史评分和实时环境变化提前调整网络策略,显著提升了通信可靠性和资源利用效率,从而在复杂信源场景下为无人出租车提供了一种高可用、低成本、易扩展且极具鲁棒性的动态网络冗余配置及切换解决方案。附图说明[0015]图1是本发明的整体流程图;图2是本发明的通信质量检测和共享流程图;图3是本发的信号地图生成流程图;图4是本发明的冗余策略配置和优化流程图。具体实施方式[0016]下面结合附图对本发明的具体实施方式作描述。[0017]在复杂信源场景下,智能驾驶车辆(以下称为“无人出租车”)的通信质量会受到多种外部因素的影响,例如地理位置、建筑遮挡、天气变化以及网络负载等。为了确保无人出租车在行驶过程中能够稳定、高效地传输数据,尤其是在执行关键任务时,必须设计一种灵活的网络冗余配置及切换方法。如图1所示,本发明通过实时检测通信质量、共享数据、生成信号地图、动态配置冗余策略,并结合评分机制和预测优化,实现了在不同场景下通信方式的智能化选择和管理。以下是对该方法的详细描述和实施方案。[0018]更具体的,无人出租车在行驶过程中,需要实时监测多条通信链路的通信质量,以便为后续的信号地图生成和策略配置提供数据支持。这一过程主要依赖于车载的高精度定位系统和通信模块,如图2所示。[0019]高精度定位系统,例如全球定位系统(GPS)或全球导航卫星系统(GNSS),能够精确记录无人出租车的位置信息。这些信息通常以经纬度坐标的形式存储,例如某辆车在某一[0020]与此同时,通信模块负责检测多条通信链路的质量数据,包括信号强度、延迟和丢包率。无人出租车可能同时支持多种通信方式,如4G、5G和Wi-Fi,甚至卫星通信等,每种方式对应一条独立的通信链路。信号强度以分贝毫瓦(dBm)为单位测量,通常范围在-120dBm(极弱信号)到-50dBm(强信号)之间;延迟以毫秒(ms)为单位,表示数据包从发送到接收的时间间隔;丢包率以百分比表示,反映数据传输过程中丢失的数据包比例。例如,在某个位置,车辆检测到5G链路的信号强度为-70dBm,延迟为50ms,丢包率为1%,而4G链路的信号强度为-85dBm,延迟为120ms,丢包率为3%。这些数据会被记录下来,并与对应的位置信息关[0021]为了确保数据的全面性,通信模块需要以一定的频率(例如每秒一次)进行检测,7[0022]如图3所示,在检测到通信质量数据后,无人出租车需要将其共享给周围的其他[0023]具体来说,每辆无人出租车会将检测到的通信质量数据(包括位置坐标、链路类位置B检测到的数据(例如5G信号强度为-75dBm)结合使用。这种协作机制显著扩展了单车[0028]数据新鲜度反映了数据的时效性。新采集的数据通常更能代表当前的通信状况,0.1,则wt=e-0.1×5≈0.606。[0031]在生成信号地图时,对于地图上的每个位置点(例如以10米为间隔划分的网格点),收集该位置附近(例如半径50米内8车1:信号强度-70dBm,W1=0.8;车2:信号强度-75dBm,W2=0.6;车3:信号强度-65dBm,W3=.05;则该位置的综合信号强度为:延迟和丢包率也按类似方式计算,最终形成一张包含每个位置通信质量的信号地[0032]如图4所示,根据生成的信号地图和任务的优先级,无人出租车需要动态配置网络冗余策略,以平衡通信可靠性与资源利用效率。任务优先级的划分和策略配置是这一过程的核心。[0033]任务根据其重要性和实时性要求分为三类:高优先级任务,主要涉及安全相关功能,例如自动紧急制动、碰撞预警和障碍物检测。这些任务要求通信链路具有极高的可靠性和极低的延迟。[0034]中优先级任务,包括导航和路径规划,例如实时交通信息更新和些任务对通信质量有一定要求,但允许一定的容错。[0035]低优先级任务,例如乘客娱乐数据传输(如视频流或音乐下载),对通信质量要求[0036]针对不同优先级的任务,配置不同的冗余策略:对于高优先级任务,采用多条通信链路并行传输的冗余策略。例如,同时使用5G和4G链路传输相同的数据包,即使一条链路因信号衰减或干扰中断,另一条链路仍能保证数据传输。这种方式显著提高了通信的可靠性,但会增加能耗和带宽占用。[0037]对于中优先级和低优先级任务,根据信号地图选择通信质量最佳的单条链路。例如,如果信号地图显示当前位置5G链路的信号强度为-65dBm,延迟为40ms,而4G链路为-85dBm,延迟为100ms,则选择5G链路传输数据。这种方式在满足任务需求的同时,减少了资源浪费。[0038]在实际行驶中,车辆可能需要频繁切换策略。例如,当车辆进入信号较弱的区域(如隧道),高优先级任务可能从双链路切换到三链路(例如增加Wi-Fi),以进一步提升可靠[0039]在配置好冗余策略后,无人出租车会执行该策略,并通过监测关键指标评估其效[0040]任务完成率(C)表示成功完成的任务比例,以百分比表示。例如,如果发送了100个[0041]平均延迟(D)是数据传输的平均时间,以毫秒为单位。例如,若10个数据包的延迟[0042]能耗(E)反映执行策略期间的通信功耗,以瓦特(W)为单位,可以通过通信模块的功耗传感器测量。9[0043]评分的计算公式为:其中,S为评分,W1,W2,W3为权重系数。这一公式的设计综合考虑了任务完[0044]权重系数的取值范围通常为0到1,且W1+W2+W3=1,以保持评分的标准化。例如,对于高优先级任务,可以设置W1=0.6,W2=0.2,W3=0.2,突出完成率的重要性;对于低优先级任务,可以调整为W1=0.3,W2=0.3,W3=0.4,更关注能耗。假设某次执行中,完成率为95%,延迟为100ms,能耗为10W,权重为0.6、0.2、0.2,则评分S=0.6×95-0.2×100-0.2×10=57-20-2=35.[0045]执行策略并计算评分后,无人出租车会通过车载通信系统将评分广播给周围车辆,并接收其他车辆的评分。这一过程与通信质量数据的广播类似,旨在共享策略效果信[0046]评分数据包中包含策略配置信息(例如使用的链路类型)、任务类型和评分值。例到的评分则存储在本地,用于后续优化。[0047]通过收集自身和其他车辆的评分数据,无人出租车可进一步利用机器学习算法分析这些数据,预测不同策略在未来位置的效果,并提前调整策略。学习模型进行分析。[0049]模型选择上,可以采用
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 高中物理必修第二册“万有引力定律”教学设计:核心规律的多维建构与深度应用
- 小学二年级数学第四单元易错题辨析教学设计
- 高中信息技术必修1数据与信息复习教学设计
- 小学二年级德育教学设计:新学期家长会“同心护航·共待花开”主题班会活动方案
- 高三地理教学设计:生态脆弱区综合治理专题复习策略与实战演练
- 初中七年级科学无脊椎动物分类与适应教学设计
- (新)年手术室医院感染工作总结2篇
- 2026事业单位工勤技能-新疆-新疆政务服务办事员一级(高级技师)历年参考题库含答案详解
- 2026事业单位工勤技能-新疆-新疆医技工四级(中级工)历年参考题库含答案详解
- CN119537739A 一种水气交替驱注采比计算方法、装置、电子设备及介质 (中国石油天然气股份有限公司)
- 2025年南宁铁路机考题库及答案
- 基于培养方案剖析牛津大学本科生培养模式及启示
- 统编版(2024)七年级上册语文期中复习:第1~3单元共3套单元测试卷汇编(含答案)
- 化工电仪安全培训课件
- Costco供应商行为准则审核指南-202301修订(中文)
- 文书档案数字化培训课件
- 核电厂管工基础知识培训课件
- 2025至2030中国汽车主动健康监测系统行业项目调研及市场前景预测评估报告
- 《法国电影》课件 - 欣赏法国电影艺术的魅力
- 《汽车底盘机械系统检测与修复》 学生实训工单9-制动系统结构拆装与检修实训
- 基坑松木桩加固方案
评论
0/150
提交评论