公开(公告)号：CN119107795A

公开(公告)日：2024-12-10

申请号：CN202411122066.8

申请日：2024-08-15

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  李佳 ,  陈名 ,  陈前斌

IPC: G08G1/01

Abstract: 本发明涉及一种基于用户画像的多维协同车辆变道决策方法，属于移动通信技术领域。在自动驾驶技术中，神经网络在车辆变道决策中的传统方法主要依赖单车数据，导致准确性和实时性差。为解决上述问题，首先，车辆基于传感器数据生成驾驶特征图和车辆轨迹流图，并共享给周围车辆和路侧单元，实现数据协同；其次，车辆从路侧单元下载初始决策模型，结合自身及周围车辆数据进行变道决策；然后，路侧单元基于这些数据及交通因素，使用深度神经网络更新模型并重新下发至车辆，确保决策的实时性和安全性。本发明通过整合历史驾驶特征和车辆轨迹预测生成用户画像，再应用深度神经网络，实现更精准的变道决策，提升交通系统的安全性和运行效率。

公开(公告)号：CN119030976A

公开(公告)日：2024-11-26

申请号：CN202411122093.5

申请日：2024-08-15

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  陈名 ,  李佳 ,  陈前斌

IPC: H04L67/10 ,  G06V10/80 ,  G06V10/52 ,  G06N3/0464 ,  G06V20/58 ,  G06N3/08 ,  G06F16/27 ,  G06F16/25 ,  G06F21/64 ,  G06F21/62 ,  H04L67/12 ,  H04W4/44 ,  H04W28/084 ,  H04W4/06 ,  H04W12/0431 ,  H04W12/03 ,  H04W12/00 ,  H04L9/00 ,  H04L9/08 ,  H04W12/122 ,  H04W12/02

Abstract: 本发明涉及一种基于联邦学习的智能网联汽车全景感知方法，属于移动通信技术领域。由于驾驶场景的复杂性，单任务模型难以处理多样化任务。深度学习模型的效果依赖于大量的数据，单车收集的数据不足以训练出具有泛化性的模型。本发明在车联网云边端网架构下，使车辆能够并行完成驾驶场景中的多个感知任务，实现全景感知。此外，设计了一种基于信誉值的车辆选择方法，以筛选高质量的车辆本地模型，并在聚合过程中采用秘密共享方法，避免因服务器遭受攻击或宕机导致的数据泄露。最后，将全局模型上传至区块链保存，提出数据异步分区共享方法。该方法在保护车辆的数据隐私同时，使车辆以更短的时间完成对驾驶场景的全景感知。