[发明专利]一种基于智能网联车的网络接入方法及系统

权利要求书

1.一种基于智能网联车的网络接入方法，其特征在于，包括：

根据车辆的当前时刻状态以及自适应滤波算法计算所述车辆的下一时刻预测运动状态；

将所述下一时刻预测运动状态广播至所述车辆周围预设范围内的RSU，根据所述下一时刻预测运动状态的车辆位置以及所述RSU的位置，计算得到车辆的下一时刻预测RSS；

根据所述下一时刻预测RSS，利用深度学习进行切换决策，获得所述车辆的最优RSU切换。

2.如权利要求1所述的基于智能网联车的网络接入方法，其特征在于，所述根据车辆的当前时刻状态以及自适应滤波算法计算所述车辆的下一时刻预测运动状态，具体为：

根据车辆的当前时刻状态以及当前时刻到下一时刻的状态转移矩阵，计算所述车辆的下一时刻运动状态；

计算自适应增益，并根据所述自适应增益与所述车辆的下一时刻运动状态计算得到所述车辆的下一时刻预测运动状态。

3.如权利要求1所述的基于智能网联车的网络接入方法，其特征在于，所述将所述下一时刻预测运动状态广播至所述车辆周围预设范围内的RSU，根据所述下一时刻预测运动状态的车辆位置以及所述RSU的位置，计算得到车辆的下一时刻预测RSS，具体为：

提取所述下一时刻预测运动状态中的下一时刻车辆位置，计算所述下一时刻车辆位置与所述车辆周围预设范围内的RSU位置的距离，根据所述距离计算得到车辆的下一时刻预测RSS。

4.如权利要求1所述的基于智能网联车的网络接入方法，其特征在于，所述根据所述下一时刻预测RSS，利用深度学习进行切换决策，获得所述车辆的最优RSU切换，具体为：

设置车辆状态集，所述车辆状态集的车辆状态包括当前服务网络的RSS和邻近网络的RSS、每一所述RSS对应的网络ID和车辆相对于对应基站的速度；

基于当前的车辆状态，学习代理并选择执行一个动作进行RSU的切换，在执行动作后，根据状态转移概率使车辆进入下一状态，并获得执行动作的反馈值；

基于所有所述反馈值获得决策集，根据所述决策集计算总期望收益反馈的最优解，获得所述车辆的最优RSU切换。

5.如权利要求4所述的基于智能网联车的网络接入方法，其特征在于，所述基于所有所述反馈值获得决策集，根据所述决策集计算总期望收益反馈的最优解，获得所述车辆的最优RSU切换，具体为：

基于决策集，根据收益因子、期望运算法和状态动作对应的反馈函数计算总期望收益反馈；

根据所述总期望收益反馈定义关于状态—动作的强化学习函数；

根据所述强化学习函数、收益因子和学习率对所述强化学习函数进行更新，当所述学习率趋向于0时，得到最大的强化学习函数作为所述总期望收益反馈的最优解，实现车辆的最优RSU切换。

6.一种基于智能网联车的网络接入系统，其特征在于，包括：

第一计算模块，用于根据车辆的当前时刻状态以及自适应滤波算法计算所述车辆的下一时刻预测运动状态；

第二计算模块，用于将所述下一时刻预测运动状态广播至所述车辆周围预设范围内的RSU，根据所述下一时刻预测运动状态的车辆位置以及所述RSU的位置，计算得到车辆的下一时刻预测RSS；

切换决策模块，用于根据所述下一时刻预测RSS，利用深度学习进行切换决策，获得所述车辆的最优RSU切换。

7.如权利要求6所述的基于智能网联车的网络接入系统，其特征在于，第一计算模块，具体用于：

根据车辆的当前时刻状态以及当前时刻到下一时刻的状态转移矩阵，计算所述车辆的下一时刻运动状态；

计算自适应增益，并根据所述自适应增益与所述车辆的下一时刻运动状态计算得到所述车辆的下一时刻预测运动状态。

8.如权利要求6所述的基于智能网联车的网络接入系统，其特征在于，所述第二计算模块，具体用于：

提取所述下一时刻预测运动状态中的下一时刻车辆位置，计算所述下一时刻车辆位置与所述车辆周围预设范围内的RSU位置的距离，根据所述距离计算得到车辆的下一时刻预测RSS。