基于学习的车辆自组织网的数据分发研究

发布时间：2021-08-27 02:35

　　自第一次工业革命汽车被发明以来,随着经济与科技的发展,各种各样的车辆越来越多,随着车辆的增多,传统的无线蜂窝网络已无法满足车辆间通信的带宽要求,然后车辆自组织网（Vehicle Ad-hoc Network,VANET）的概念被提出。在VANET中,每个车辆都配备有车载单元（On Board Unit,OBU）,这些OBU之间可以相互通信,同时它们也可以和路边单元（Roadside Unit,RSU）进行通信,获取相关路况数据信息等,从而降低事故发生率,实现实时导航,提高行驶效率等。为了保证所有车辆都能及时获取所需数据信息,提高数据分发效率在VANET中就尤为重要。在现有的研究中,大部分仅采用车辆到基础设施（Vehicle to Infrastructure,V2I）的通信方式进行数据分发,效率较低,即使采用了V2I与车辆到车辆（Vehicle to Vehicle,V2V）通信相结合的方式,也没有利用深度学习和强化学习等方式,因此对VANET的动态适应性较差。本课题采用V2I以及V2V通信相结合的基于深度强化学习进行簇头节点选择的方法来提高数据分发效率。具体说来,就是在VANET中,... 

【文章来源】：华侨大学福建省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

015-2018年中国汽车保有量车辆自组织网络（VehicleAd-hocNetwork,VANET）[5]的覆盖范围比车联网

第1章绪论3图1.2深度学习发展历程强化学习主要的目的是在不同的动作中，选择出回报值最大的那个动作，即选择出最优策略。具体说来，就是智能体在学习的过程中会不断地与环境交互，在此过程中，采用不同的学习策略，即不同的动作，会获得不同的奖励值，在不断学习的过程中，最终采取的动作是对应奖励值最大的动作，即最优策略[12]。下图展现了强化学习在发展中的一些重要时间节点。图1.3强化学习发展过程

第1章绪论3图1.2深度学习发展历程强化学习主要的目的是在不同的动作中，选择出回报值最大的那个动作，即选择出最优策略。具体说来，就是智能体在学习的过程中会不断地与环境交互，在此过程中，采用不同的学习策略，即不同的动作，会获得不同的奖励值，在不断学习的过程中，最终采取的动作是对应奖励值最大的动作，即最优策略[12]。下图展现了强化学习在发展中的一些重要时间节点。图1.3强化学习发展过程

【参考文献】：
期刊论文
[1]车联网通信机制概述[J]. 黄文荣,樊同亮,康晓蔚.  信息通信. 2016(03)
[2]基于网络仿真器NS2的Ad hoc网络路由协议仿真[J]. 马崇霄,吴长奇.  电子测量技术. 2008(05)
[3]基于Tan-Sigmoid函数参数调整的BP神经网络改进算法[J]. 罗兵,黄万杰,杨帅.  重庆大学学报(自然科学版). 2006(01)
[4]Ad Hoc网中的OLSR路由协议研究[J]. 周懿,郭伟,任智.  中国测试技术. 2004(05)

硕士论文
[1]基于机器学习的车联网资源分配机制研究[D]. 刘聪.西安电子科技大学 2017
[2]基于人工智能机器学习的文字识别方法研究[D]. 李雷.电子科技大学 2013



本文编号：3365474