公开(公告)号：CN119107796A

公开(公告)日：2024-12-10

申请号：CN202411122070.4

申请日：2024-08-15

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  何金泽 ,  肖洒 ,  肖亚莉 ,  陈前斌

IPC: G08G1/01

Abstract: 本发明涉及一种车联网中基于双层区块链的个性化智能跟驰方法，属于移动通信技术领域。目前，使用深度强化学习DRL能够让CAV通过不断的与环境交互来学习和优化策略，来提高系统决策的适应性和灵活性。然而，当前交通环境的复杂性对单车独立学习环境变化做出准确响应提出了挑战。联邦学习可以聚合不同环境中的多个学习模型，提升CAV对复杂环境的适应性。本发明建立了一种车联网场景基于双层区块链的群学习DRL架构，基于CAV的移动性，提出了基于名誉值的CAV选择策略，再提出基于确定性策略梯度算法的个性化跟驰模型。该方法可实现个性化安全智能跟驰驾驶，可利用边缘网络和CAV用户数据资源，推动人工智能在车联网场景中的应用。

公开(公告)号：CN119067200A

公开(公告)日：2024-12-03

申请号：CN202411127492.0

申请日：2024-08-16

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  甘苗蓉 ,  黎文静 ,  肖洒 ,  陈前斌

IPC: G06N3/098 ,  G06N3/092 ,  G06N3/042 ,  G06N3/045 ,  G06V20/56 ,  G06V10/82 ,  G06F21/62 ,  G06F21/64 ,  B60W60/00 ,  B60W50/00 ,  H04L9/00 ,  H04W12/00 ,  H04W12/106 ,  H04W4/44

Abstract: 本发明涉及一种区块链辅助基于PPO的自动驾驶决策方法，属于移动通信技术领域。智能网联汽车CAV自动驾驶决策模型需要海量的训练数据，然而共享CAV数据将带来隐私泄露和数据安全问题。为了解决上述问题，本发明首先设计了结合有向无环图DAG区块链和联邦学习技术的双层车联网络架构，并基于该架构设计了基于深度确定性策略梯度DDPG算法的异步联邦学习方案；其次，在本地训练阶段，提出基于条件模仿学习CIL的策略网络预训练算法；最后，提出一种基于近端策略优化PPO的自动驾驶决策模型，并在复杂道路场景下设计个性化奖励函数。该方案在提升CAV自动驾驶决策性能的同时，实现低负载CAV协同训练，保证CAV数据隐私安全。

公开(公告)号：CN118509825A

公开(公告)日：2024-08-16

申请号：CN202410646235.1

申请日：2024-05-23

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  肖洒 ,  黎文静 ,  唐玮凡 ,  陈前斌

IPC: H04W4/44 ,  H04W12/122 ,  G06N3/08 ,  G06F18/214

Abstract: 本发明涉及一种车路协同数据智能安全共享方法，属于移动通信技术领域。首先，筛选本地冗余数据与噪声数据，避免过拟合。其次，设计恶意模型检测方案，提供针对标签翻转攻击的防御方法；然后，建立基于动态互蒸馏技术的预学习方案以提高模型泛化能力，降低通信负载；最后，提出基于CAV个性化聚合策略，最后一个CAV互蒸馏执行完毕后，将最终的互蒸馏模型广播给剩余所有CAV，CAV分别基于各自本地数据集评估互蒸馏模型与本地训练模型的精度。用于解决车联网场景下异构数据导致模型精度低、模型共享通信开销大以及针对联邦学习的标签翻转攻击问题。本方案在保证安全低负载CAV协同训练的前提下，提高模型泛化能力，最大化共享效率。