一种车辆编队模式下基于NOMA的分布式资源分配方法

    公开(公告)号:CN111132083B

    公开(公告)日:2021-10-22

    申请号:CN201911214993.1

    申请日:2019-12-02

    Abstract: 本发明公开了一种车辆编队模式下基于NOMA的分布式资源分配方法,属于无线通信领域。本发明提出的方法首先将该资源分配问题解耦为功率分配和子信道分配两部分,然后分别提出基于车队行驶状态的功率分配方案和基于分布式多智能体强化学习(RL,reinforcement learning)的频谱分配方案进行求解。在功率分配部分,通过与固定功率分配方案进行对比,本发明提出的考虑安全距离的功率分配方案能够为不同车道上的车辆编队提供更加公平的通信性能;在频谱分配部分,本发明提出的方案可以充分利用强化学习强大的自主学习能力,通过在多智能体Q‑learning中考虑基于队列位置的邻域迭代顺序来获得较快的收敛速度。本发明在保证V2I通信的前提下,通过利用基于NOMA的分布式资源分配,实现了最大化V2mV链路总吞吐量,提高了系统的通信性能。

    一种面向多样化动态信号灯模式的车速推荐方法及装置

    公开(公告)号:CN116259175A

    公开(公告)日:2023-06-13

    申请号:CN202211719951.5

    申请日:2022-12-30

    Abstract: 本发明公开了一种面向多样化动态信号灯模式的车速推荐方法及装置,首先根据邻接路口及自身路口的交通状况,利用相位感知注意力机制推测几秒后本路口各个车道的车辆数占比;然后根据前K个时间段的本路口各个车道的车辆数占比和推测的几秒后本路口各个车道的车辆数占比,利用模仿学习来近似估计信号灯的最优偏好,利用LSTM模型推测接下来一段时间的信号灯相位变化序列;最后根据预测的信号灯相位变化序列,结合多种传感器获取的交通状况,利用策略梯度强化学习的方法给出在多维数据影响下的对多个目标进行优化的绿灯最优速度。本发明可应用于城市道路的任意场景,且推荐速度为多目标最优速度,保证绿灯最优速度推荐算法的安全性、高效性和省时特性。

    一种车辆编队模式下基于NOMA的分布式资源分配方法

    公开(公告)号:CN111132083A

    公开(公告)日:2020-05-08

    申请号:CN201911214993.1

    申请日:2019-12-02

    Abstract: 本发明公开了一种车辆编队模式下基于NOMA的分布式资源分配方法,属于无线通信领域。本发明提出的方法首先将该资源分配问题解耦为功率分配和子信道分配两部分,然后分别提出基于车队行驶状态的功率分配方案和基于分布式多智能体强化学习(RL,reinforcement learning)的频谱分配方案进行求解。在功率分配部分,通过与固定功率分配方案进行对比,本发明提出的考虑安全距离的功率分配方案能够为不同车道上的车辆编队提供更加公平的通信性能;在频谱分配部分,本发明提出的方案可以充分利用强化学习强大的自主学习能力,通过在多智能体Q-learning中考虑基于队列位置的邻域迭代顺序来获得较快的收敛速度。本发明在保证V2I通信的前提下,通过利用基于NOMA的分布式资源分配,实现了最大化V2mV链路总吞吐量,提高了系统的通信性能。

Patent Agency Ranking