[发明专利]无人机辅助车联网资源调配方法、装置和电子设备

权利要求书

1.一种无人机辅助车联网资源调配方法，其特征在于，包括：

根据检测到车辆的轨迹点数据预测所述车辆下一时刻的车辆位置；

接收所述车辆的任务卸载请求，基于所述任务卸载请求建立为车辆进行车联网资源调配的资源调配模型；所述任务卸载请求包括车辆关联模式、任务所需要的计算资源量，任务所需要的数据量，任务所能容忍的最大延迟；所述车辆关联模式包括车辆与无人机关联模式以及车辆不与无人机关联模式；

基于强化学习方法和深度确定性策略梯度方法对所述资源调配模型进行求解，得到车辆关联最优模式和资源调配策略。

2.根据权利要求1所述的无人机辅助车联网资源调配方法，其特征在于，所述根据检测到的车辆轨迹点数据预测车辆下一时刻的车辆位置，包括：

确定检测到的所述车辆的多个轨迹点数据；

计算所述车辆的多个所述轨迹点数据对应的速度和加速度；

根据多个所述轨迹点数据的所述速度和所述加速度计算得到车辆和无人机之间的距离，以及车辆方位角。

3.根据权利要求1所述的无人机辅助车联网资源调配方法，其特征在于，所述基于所述任务卸载请求建立为车辆进行车联网资源调配的资源调配模型，包括：

基于所述任务卸载请求、车辆可用资源、无人机可用资源、车辆与无人机上行链路的传输速率以及车辆自身链路的传输速率建立为车辆进行车联网资源调配的资源调配模型。

4.根据权利要求1所述的无人机辅助车联网资源调配方法，其特征在于，所述基于强化学习方法和深度确定性策略梯度方法对所述资源调配模型进行求解，得到车辆关联最优模式和资源调配策略，包括：

基于所述资源调配模型获取优化问题函数；

基于强化学习方法对所述优化问题函数进行转换；

根据深度确定性策略梯度方法对转换后的结果进行求解，得到车辆关联最优模式和资源调配策略。

5.根据权利要求4所述的无人机辅助车联网资源调配方法，其特征在于，所述基于强化学习方法对所述优化问题函数进行转换，包括：

将所述优化问题函数转换成环境状态空间集合、动作决策集合以及奖励函数；

所述环境状态空间集合包括车辆任务所需要的计算资源量、任务所需要的数据量、任务能容忍的最大延迟、车辆位置和无人机位置；

所述动作决策集合包括车辆关联模式，以及无人机分配给相关联的车辆的计算资源比例和缓存资源比例；

所述奖励函数基于车辆任务所能容忍的最大延迟和车辆所具有缓存资源的构建。

6.根据权利要求5所述的无人机辅助车联网资源调配方法，其特征在于，所述根据深度确定性策略梯度方法对转换后的结果进行求解，得到车辆关联最优模式和资源调配策略，包括

初始化深度确定性策略梯度方法的网络参数，基于所述环境状态空间集合的状态选择所述动作决策集合的动作决策并执行，获得所述奖励函数；

基于经验数据作为训练集训练深度确定性策略梯度方法的网络，更新所述网络参数，得到车辆关联最优模式和资源调配策略。

7.一种无人机辅助车联网资源调配装置，其特征在于，包括：

车辆位置预测模块，用于根据检测到车辆的轨迹点数据预测所述车辆下一时刻的车辆位置；

资源调配模型建立模块，用于接收所述车辆的任务卸载请求，基于所述任务卸载请求建立为车辆进行车联网资源调配的资源调配模型；所述任务卸载请求包括车辆关联模式、任务所需要的计算资源量，任务所需要的数据量，任务所能容忍的最大延迟；所述车辆关联模式包括车辆与无人机关联模式以及车辆不与无人机关联模式；

求解模块，用于基于强化学习方法和深度确定性策略梯度方法对所述资源调配模型进行求解，得到车辆关联最优模式和资源调配策略。

8.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的无人机辅助车联网资源调配方法的步骤。