[发明专利]面向车联网的分布式智能资源可信共享方法和系统

说明书

本发明提供一种面向车联网的分布式智能资源可信共享方法和系统，所述方法包括：由分布式智能资源提供车辆的基于NFT的本地车载客户端利用智能资源秘钥对本地训练好的智能资源进行加密，并利用预先存储在本地车载客户端的加密秘钥对智能资源秘钥加密；由本地车载客户端调用分布式智能资源提供车辆中的IPFS客户端来将加密的智能资源、加密的智能资源秘钥和未加密的智能资源描述上传到分布式IPFS子系统；本地车载客户端接收分布式IPFS子系统返回的智能资源哈希值，向区块链中的RSU发送智能合约地址、分布式IPFS子系统返回的智能资源哈希值和智能资源描述；本地车载客户端接收RSU在根据智能资源哈希值确认区块链上不存在相应智能资源的情况下所生成的智能资源ID。

技术领域

本发明涉及车辆自动驾驶技术领域，更具体涉及一种面向车联网的分布式智能资源可信共享方法和系统。

背景技术

随着通信和计算技术的快速发展，近年来，车联网(IoV，Internet of Vehicle)、智能网联汽车(CAV，Connected-Automated Vehicle)和自动驾驶已经成为研究热点。CAV依靠人工智能(AI)、视觉计算、雷达、监控装置和GPS协同合作，从传感器收集数据并通过人工智能技术建模来感知环境，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆，提高交通系统的运输效率。因此，AI模型的准确性和效率对于CAV自动做出决策至关重要。从技术层面，自动驾驶的实现路线可分为单车智能自动驾驶与网联智能自动驾驶。

单车智能自动驾驶依靠车辆自身的车载传感器进行环境感知，并通过AI模型进行计算决策和控制执行，从而自动规划行驶路线以及做出决定，由于单车智能自动驾驶的数据收集、模型训练和决策都由车辆本身完成，系统独立运行模型以分析特定的数据，这给现有车载设备的通信能力、计算能力带来了很大的挑战。并且，单车智能自动驾驶在各类传感器的可靠性以及对突发事件的响应能力上仍然存在不足。一方面，单车智能自动驾驶容易受到遮挡、恶劣天气等环境条件影响。另一方面，单个车辆涉及的驾驶环境有限，缺乏训练数据，且计算能力有限，这使得在路径规划环节，单车智能自动驾驶的安全性和可靠性难以保障，单车智能自动驾驶难以给出最佳的解决方案。

网联智能自动驾驶可以在一定程度上分担单车的算力消耗，实现更准确的自动驾驶决策。目前的车辆网自动驾驶广泛采用集中式智能自动驾驶方案，在集中式自动驾驶方案中，CAV使用车载传感器收集数据，然后传感数据上传到云端，在云端进行机器学习。由云端的中央服务器执行模型训练过程，集中统一更新全局AI模型。最后云服务器将训练好的模型下推到每个车辆。在自动驾驶过程中，CAV不断根据模型做出决策。也就是说，在这种驾驶方式中，CAV只需要尽职尽责地上传数据，全局模型的学习和更新在云端进行，数据上传和模型下载通过车载的无线功能实现。利用高效的车联网信息协同通信平台，有效提升了车辆行驶的安全性。相较于单车智能自动驾驶，网联智能自动驾驶通过车路协同、车车协同，能够极大地拓展单车的感知范围，使车辆感知更多信息，并且不受遮挡限制，能够让单车提早发现未知状况，能够应对目标突然驶入等目前在自动驾驶测试和事故中难以应对的状况。此外，还可以实现车、车与路之间的系统性决策，例如解决交通路口优化控制等情况。集中式自动驾驶虽然执行简单，但目前尚存在诸多挑战。例如，大量CAV产生的数据汇集在云端，对云端的数据存储资源造成挑战。其次，大量的原始数据传输还带来了车辆状态、用户驾驶偏好等隐私和安全问题。

为了实现更有效的网联自动驾驶，车辆需要发现存在于车辆、行人、基础设施的有助于形成自动驾驶决策的有用智能资源。然而，目前网联自动驾驶方案还有诸多问题亟需解决，首先自动驾驶的智能资源以异构的形式存在不同的节点和地理位置中，给这些智能资源的发现和理解带来困难；并且，这些智能资源的分享还面临着安全、激励和性能瓶颈等问题。如何实现探索准确、高效和轻量级的智能资源发现与共享，是一个有待解决的问题。

发明内容

本发明针对现有车联网技术中存在的问题，提出了一种面向车联网的分布式智能资源可信共享方法和系统，以能够安全可信高效的实现分布式智能资源的发布与获取，同时激励分布式用户共享智能资源。