欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024109438941
申请人: 宁波大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种车联网数据分配信息年龄最小化方法,其特征在于,包括如下步骤:S1:基于以无人机为移动中继节点的车联网建立以最小化所述车联网中所有车辆的平均信息年龄和所述无人机的能耗为目标的最优化模型;

S2:基于所述最优化模型获得通过所述无人机与所述车联网所在约束环境交互的马尔可夫过程,并规定所述马尔可夫过程的循环次数;

S3:基于所述马尔可夫过程,通过近端策略优化算法训练所述无人机并达到所述循环次数,获得近端优化模型;

S4:在基站中以所述近端优化模型驾驭所述无人机运行以最小化所有车辆的平均信息年龄和所述无人机的能耗;

所述步骤S3中,采用含有表演家网络和批判者网络的神经网络,通过强化学习的参数优化方式获得所述近端优化模型。

2.根据权利要求1所述的车联网数据分配信息年龄最小化方法,其特征在于,所述步骤S1包括如下步骤:S11:建立一个基站关联一架无人机、一架所述无人机关联多个车辆的通信网结构,据此获得所述车联网;

S12:将指定时间划分为多个时隙,并基于无人机位置变化导致其覆盖范围变化的通信事实获得各时隙所述无人机与各车辆间的连接约束;

S13:基于所述车联网的通信信道特征获得各时隙所述无人机与各车辆间的信道增益;

S14:基于所述步骤S13所获各时隙所述无人机与各车辆间的信道增益获得各时隙二者间的数据传输速率;

S15:根据无人机推进过程的能耗算法获得各时隙所述无人机的推进能耗,并根据所述无人机以调度操作进行悬停的事实获得所述无人机的总能耗;

S16:将所有所述车辆的信息采样行为设置为遵循所有所述时隙均进行采样更新,并以状态更新最小数据量代表各所述车辆一次成功状态更新的最低数据量需要,然后基于所述步骤S14所获数据传输速率获得各所述车辆在各时隙的状态更新的数据量,根据各所述车辆在各时隙的状态更新的数据量与所述状态更新最小数据量的比较情况获得各所述车辆的信息年龄更新算法;

S17:基于所述步骤S15所获的各时隙所述无人机的总能耗获得所述无人机在所述指定时间的平均能量消耗,基于所述步骤S16所获信息年龄更新算法获得所有所述车辆在所述指定时间的平均信息年龄,并将所述平均能量消耗与所述平均信息年龄之和的最小值作为所述目标;

S18:规定所述无人机的工作区域,以所述工作区域和所述步骤S12所获连接约束作为所述目标对应的约束,据此获得所述最优化模型。

3.根据权利要求2所述的车联网数据分配信息年龄最小化方法,其特征在于,所述步骤S12所获的所述无人机与各车辆间的连接约束的算式为:,

式中,

为车辆总数;

所述指定时间划分为N个时隙,代表时隙数;

是一个二元变量,代表第个车辆被所述无人机调度,否则。

4.根据权利要求3所述的车联网数据分配信息年龄最小化方法,其特征在于,所述步骤S13所获信道增益的算式为:,

式中,

代表时隙所述无人机与车辆间的信道增益;

代表车辆在时刻的位置;

代表所述无人机的二维坐标;

代表所述基站的位置;

代表参考距离时的信道增益;

代表所述无人机的飞行高度;

代表车辆在时隙与所述无人机之间的距离。

5.根据权利要求4所述的车联网数据分配信息年龄最小化方法,其特征在于,所述步骤S14所获数据传输速率的算式为:,

式中,

代表时隙所述无人机与车辆间的数据传输速率;

代表通信带宽;

代表加性高斯白噪声;

代表所述车辆的发送功率。

6.根据权利要求5所述的车联网数据分配信息年龄最小化方法,其特征在于,所述步骤S15中,所述无人机推进过程的能耗算法的算式为:,

式中,

代表时隙所述无人机的推进能耗;

代表所述无人机悬停时的叶型功率;

代表所述无人机悬停时的诱导功率;

代表所述无人机在时隙的速度;

代表所述无人机的旋翼叶片叶尖速度;

代表所述无人机悬停时的平均旋翼诱导速度;

代表所述无人机的机身阻力比;

代表空气密度;

代表所述无人机的旋翼实体度;

代表所述无人机的旋翼盘面积;

所述无人机的总能耗的算式为:

,

,

式中,

代表所述无人机飞行时间;

代表所述无人机悬浮时间;

代表所述无人机悬停状态下的功耗。

7.根据权利要求6所述的车联网数据分配信息年龄最小化方法,其特征在于,所述步骤S16中,各所述车辆在各时隙的状态更新的数据量的算式为:,

式中,

代表车辆在时隙的状态更新的数据量;

代表时隙的时长;

各所述车辆的信息年龄更新算法的算式为:,

式中,

代表车辆在时隙的信息年龄;

代表车辆的所述状态更新最小数据量;

代表车辆的集合。

8.根据权利要求7所述的车联网数据分配信息年龄最小化方法,其特征在于,所述步骤S2中的所获马尔可夫过程表述如下:将所述无人机作为智能体,所述智能体与所述车联网所在的约束环境循环交互,循环交互次数为所述步骤S2所规定的所述马尔可夫过程的循环次数,每次循环所进行的步数相同;

对于每一步,所述智能体在本步始观测所述约束环境,获取当前步的观测状态,基于此观测状态和所述智能体自身的策略,所述智能体在本步中从混合动作空间中选择一个混合动作;

所述混合动作空间由离散动作空间和连续动作空间组成;

所述智能体在本步中从所述混合动作空间中选择一个混合动作是指所述智能体从所述离散动作空间中为当前需要更新信息年龄的所述车辆选择一个离散动作,且在所述连续动作空间中为所述无人机移动速度和方向选择两个连续动作;

所述智能体在本步中执行所述混合动作后,所述约束环境的状态发生变化,且所述智能体获得相应的奖励值,至此本步结束并进入下一步。

9.根据权利要求8所述的车联网数据分配信息年龄最小化方法,其特征在于,所述步骤S3包括如下步骤:S31:根据所述近端策略优化算法需求,采用含有表演家网络和批判者网络的神经网络,将所述神经网络的所有参数进行初始化处理,并将所述智能体对应的经验回放池进行初始化,同时设定训练阶段的循环个数为所述马尔可夫过程的循环次数,并规定训练阶段的每次循环所进行的步数与所述马尔可夫过程所设定的步数相同;

所述表演家网络由用于输出离散动作的离散动作网络模块和用于输出连续动作的连续动作网络模块构成;

S32:在当前步中,所述智能体在当前步始观测所述约束环境,获得各时隙的当前观测状态;

S33:将所述当前观测状态同时输入所述表演家网络和所述批判者网络;

通过所述表演家网络的离散动作网络模块输出各时隙的所述智能体调度车辆索引,根据各时隙的调度车辆索引依次为索引代表车辆发送状态更新报文,所述状态更新报文包含所涉车辆的信息年龄,并将所涉车辆在所述智能体处的信息年龄重置为,而未发送状态更新报文车辆的信息年龄增加,本步的离散动作至此获得更新;

通过所述表演家网络的连续动作网络模块计算各时隙连续动作的当前输出值,该当前输出值包含所述智能体的移动方向和所述智能体的移动速度,所述智能体按该当前输出值依次执行,本步的连续动作至此获得更新;

本步的离散动作和连续动作获得更新后,所述智能体基于本步的所述约束环境更新获得奖励值并基于该奖励和所述批判者网络的输出获得各时隙的下一步观测状态;

S34:将当前步的状态、动作、奖励、各时隙的下一步观测状态存储在所述经验回放池中;

S35:判断当前是否执行完一个循环,若否,则以各时隙的下一步观测状态作为各时隙的当前观测状态且回转执行所述步骤S32;

若是,则执行下一步;

S36:判断当前已循环次数是否达到所述循环次数或达到所述经验回放池的存储极限,若至少其中之一满足,则通过基于所述经验回放池收集的所有数据进行若干次历时迭代的方式获得所述近端优化模型且将所述近端优化模型嵌入所述基站,否则,以各时隙的下一步观测状态作为各时隙的当前观测状态且回转执行所述步骤S32。