用于轨迹预测的车联网资源调度方法、装置、设备及介质

本申请涉及车联网通信，尤其涉及一种用于轨迹预测的车联网资源调度方法、装置、设备及介质。

背景技术：

1、车辆轨迹预测是智能交通系统中的一项关键技术，旨在使用各类算法对车辆在未来一段时间内的位置和行进路线进行预测。这一技术的核心在于对车辆动态和行为模式的深入理解，利用历史数据和实时信息综合判断车辆未来的运动状态。车辆轨迹预测对于提高道路安全性、优化交通流量管理、减少交通拥堵以及促进自动驾驶技术的发展具有至关重要的作用。通过高效准确的轨迹预测，可以显著提高道路安全性，优化交通流量管理，减少拥堵，以及增强自动驾驶车辆的决策能力。

2、在轨迹预测技术中，根据任务的执行方式可以分为分布式和集中式两种场景，我们在此特别关注集中式轨迹预测任务。这类任务通常在诸如城市交通管理中心或大型智能交通监控系统中实施，其核心在于利用集中处理的方式，实时综合分析来自广泛车辆网络的数据，以形成对整个交通系统的宏观认知和预测。在这种场景中，集中式轨迹预测的实现依赖于车联网通信技术，中心节点通过车联网实时获取覆盖范围内各车辆的关键状态信息，如位置、速度和其他传感器数据，这些数据为轨迹预测提供了必要的输入，使预测模型能够基于全面的信息进行实时的准确分析。

3、然而，由于车联网通信面临着车辆移动引起的网络拓扑高动态性、时空复杂性以及无线传播环境复杂快时变等复杂通信环境，车辆状态信息的可靠性传输成为通信难题。这一挑战可能会导致车辆轨迹预测系统接收到的车辆状态信息不完整，从而影响中心节点对车辆历史状态信息的完整捕获，最终影响到预测结果的准确性，以及整个智能交通系统的运行效率和安全性。

技术实现思路

1、本申请实施例的目的在于提出一种用于轨迹预测的车联网资源调度方法、装置、设备及介质，通过管理调度有限的通信资源，达到通信成功传输和轨迹预测精度之间的最佳平衡，提高车辆轨迹预测系统的整体准确性，解决由车联网通信不可靠传输导致的历史状态信息残缺带来的轨迹预测精度下降问题。

2、为了解决上述技术问题，本申请实施例提供一种用于轨迹预测的车联网资源调度方法，应用于车联网无线通信系统中，包括：

3、接收各用户于每个时刻所上传当前自身的状态信息；

4、提取所述状态信息的时序特征，并采用目标深度神经网络模块基于所述时序特征对各用户进行当前时刻以及下一时刻的轨迹精度估计处理，得到当前时刻轨迹精度和下一时刻轨迹精度；

5、基于所述当前时刻轨迹精度和所述下一时刻轨迹精度生成用户通信优先级，并根据所述用户通信优先级进行车联网通信资源调度。

6、为了解决上述技术问题，本申请实施例提供一种用于轨迹预测的车联网资源调度装置，应用于车联网无线通信系统中，包括：

7、状态信息接收单元，用于接收各用户于每个时刻所上传当前自身的状态信息；

8、轨迹精度生成单元，用于提取所述状态信息的时序特征，并采用目标深度神经网络模块基于所述时序特征对各用户进行当前时刻以及下一时刻的轨迹精度估计处理，得到当前时刻轨迹精度和下一时刻轨迹精度；

9、通信资源调度单元，用于基于所述当前时刻轨迹精度和所述下一时刻轨迹精度生成用户通信优先级，并根据所述用户通信优先级进行车联网通信资源调度。

10、为解决上述技术问题，本发明采用的一个技术方案是：提供一种计算机设备，包括，一个或多个处理器；存储器，用于存储一个或多个程序，使得一个或多个处理器实现上述任意一项所述的用于轨迹预测的车联网资源调度方法。

11、为解决上述技术问题，本发明采用的一个技术方案是：一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的用于轨迹预测的车联网资源调度方法。

12、本发明实施例提供了一种用于轨迹预测的车联网资源调度方法、装置、设备及介质。其中，方法包括：接收各用户于每个时刻所上传当前自身的状态信息；提取所述状态信息的时序特征，并采用目标深度神经网络模块基于所述时序特征对各用户进行当前时刻以及下一时刻的轨迹精度估计处理，得到当前时刻轨迹精度和下一时刻轨迹精度；基于所述当前时刻轨迹精度和所述下一时刻轨迹精度生成用户通信优先级，并根据所述用户通信优先级进行车联网通信资源调度。本发明实施例基于用户上传的状态信息进行轨迹精度估计，并根据轨迹精度估计的值进行用户通信优先级的计算和车联网通信资源调度，考虑单个通信链路的性能的同时关注整体轨迹预测精度的最大化，缓解了历史状态信息残缺问题带来的影响，解决了历史信息残缺情况下的轨迹预测精度降低的问题，提高了智能交通系统中轨迹预测的准确性。

技术特征：

1.一种用于轨迹预测的车联网资源调度方法，应用于车联网无线通信系统中，其特征在于，包括：

2.根据权利要求1所述的用于轨迹预测的车联网资源调度方法，其特征在于，所述提取所述状态信息的时序特征，并采用目标深度神经网络模块基于所述时序特征对各用户进行当前时刻以及下一时刻的轨迹精度估计处理，得到当前时刻轨迹精度和下一时刻轨迹精度，包括：

3.根据权利要求2所述的用于轨迹预测的车联网资源调度方法，其特征在于，所述将所述时序特征输入至所述目标深度神经网络模块中进行特征提取，得到非线性特征，包括：

4.根据权利要求1所述的用于轨迹预测的车联网资源调度方法，其特征在于，所述下一时刻轨迹精度包括传输成功后下一时刻轨迹精度和传输失败后下一时刻轨迹精度，所述基于所述当前时刻轨迹精度和所述下一时刻轨迹精度生成用户通信优先级，并根据所述用户通信优先级进行车联网通信资源调度，包括：

5.根据权利要求4所述的用于轨迹预测的车联网资源调度方法，其特征在于，所述第一预设公式和所述第二预设公式分别为：

6.根据权利要求1至5任一项所述的用于轨迹预测的车联网资源调度方法，其特征在于，所述接收各用户于每个时刻所上传当前自身的状态信息之后，所述方法还包括：

7.根据权利要求1至5任一项所述的用于轨迹预测的车联网资源调度方法，其特征在于，所述状态信息包括位置、速度、加速度、朝向角中的至少一项。

8.一种用于轨迹预测的车联网资源调度装置，应用于车联网无线通信系统中，其特征在于，包括：

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的用于轨迹预测的车联网资源调度方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的用于轨迹预测的车联网资源调度方法。

技术总结
本申请涉及一种用于轨迹预测的车联网资源调度方法、装置、设备及介质，其中方法包括：接收各用户于每个时刻所上传当前自身的状态信息；提取所述状态信息的时序特征，并采用目标深度神经网络模块基于所述时序特征对各用户进行当前时刻以及下一时刻的轨迹精度估计处理，得到当前时刻轨迹精度和下一时刻轨迹精度；基于所述当前时刻轨迹精度和所述下一时刻轨迹精度生成用户通信优先级，并根据所述通信优先级进行用于轨迹预测的车联网资源调度。本申请通过考虑单个通信链路的性能的同时关注整体轨迹预测精度的最大化，缓解了历史状态信息残缺问题带来的影响，解决了历史信息残缺情况下的轨迹预测精度降低的问题，提高了轨迹预测的准确性。

技术研发人员：郭重涛,王恩超,梁荣钦,刘志华,黄志森,黄淇楠,黄志远
受保护的技术使用者：深圳大学
技术研发日：
技术公布日：2024/3/24