粉丝服务

【专题推荐•2023年3月专题】车联网中的通信-感知-计算融合技术

车联网(IoV/V2X)通过智能互联实现自动驾驶汽车的协同感知、信息处理与决策,是突破单车智能局限和实现高级别自动驾驶的必要条件,具有降低交通拥堵、提高驾驶安全性和可靠性的巨大潜力。然而,长期以来车联网感知、通信、计算独立分治,难以满足多尺度感知信息获取、大规模感知信息实时交互与高效处理需求,为自动驾驶规模化商用落地带来巨大挑战。为实现复杂交通环境中的安全高效自动驾驶,通过探索通信、感知、计算之间的相互依赖关系,实现三元深度融合成为学术界和工业界广泛关系的研究方向。然而,车辆环境的复杂高动态性,为通信、感知、计算融合的机制、协议及算法研究带来诸多挑战,需要考虑车辆移动性、干扰、不同操作的不同服务质量、车辆和路侧的计算能力异构性及计算设施的异构性开展进一步深入研究。
《中国通信》在2023年第3期推出了“车联网中的通信-感知-计算融合技术”专题,最终收录6篇文章,对通信、感知和计算融合技术的机制、框架、协议和算法等问题展开了深入研究。具体来说,本专题收录的论文主要讨论以下四个方面:
1.针对通信、感知和计算融合技术的框架,本专题的一篇论文设计了一个数字孪生辅助的车联网决策框架,在该框架中,位于边缘的数字孪生实体可以有效地相互通信和合作,为各自的车辆规划子目标,并采用分层的多智能体强化学习方法来实现该框架,有效克服单车存在的感知与计算能力有限问题。

2.针对车载任务对低延迟性能的需求,本专题的一篇论文提出面向任务的车联网场景联合资源分配方案,面向车联网中多种不同需求的智能任务,构建了一种结合感知-通信-计算的系统模型,构建车联网实时任务和延迟任务的联合资源分配问题,利用分布式深度Q网络,在资源约束下有效提高任务执行效率;另外一篇论文提出一种针对所有内容的跨层协同缓存架构,使分布式缓存节点能够相互协作,该架构在有高命中率的同时降低了传输时延和缓存成本。

3.针对车联网中的隐私问题,本专题的一篇论文提出一种区块链和联邦学习相结合的数据共享模型,使用联邦学习来共享数据,而不是公开实际数据,并进一步提出自适应差异隐私方案,以解决车联网数据共享的安全性和隐私性问题;另外一篇论文提出基于联邦学习的高稳定、高精度车辆选择方案,保证缓存队列稳定性的前提下,最大化车辆选择方案的学习精度。

4.针对车联网中信息传输可靠性问题,本专题的一篇论文提出一种基于深度Q学习的自动驾驶V2I大规模多输入多输出链路自适应调度算法,将深度神经网络与Q学习算法相结合,用于调制编码方案和空分复用的联合调度,充分适应V2I场景下不同速度的信道环境,提高道路安全信息传输的准确性,避免碰撞事故的发生,带来良好的自动驾驶体验。

总之,此专题的文章针对车联网中的通信-感知-计算融合技术中的关键理论和关键技术问题提出解决方案和思路,旨在帮助学者们深入了解车联网通感算融合相关研究重点、研究思路以及应用场景,推动相关领域的研究。

扫码关注我们

中国通信

China Communications

www.cic-chinacommunications.cn

点击“阅读原文”阅读《中国通信》2023年第3期专题

本栏目精选

热门推荐

频道导航