[发明专利]一种基于自注意力机制残差复合网络的C-V2X通信辅助系统

权利要求书

1.一种基于自注意力机制残差复合网络的C-V2X通信辅助系统，该系统部署在车载OBU单元，其特征在于，该系统包括有路况采集模块、信道检测模块、拥堵预测模块、拥堵判定模块、数据分流模块；

路况采集模块获取车况数据；信道检测模块获取前方的信道信息数据；车况信息、信道信息数据输入拥堵预测模块中，拥堵预测模块内部的神经网络计算并输出计算后的参数至拥堵判定模块，拥堵判定模块根据参数判定结果，选择是否对数据进行分流；

拥堵预测模块中的预测功能由LSTM长短期循环神经网络与基于自注意力机制的编解码器组成的残差复合网络实现。

2.根据权利要求1所述的一种基于自注意力机制残差复合网络的C-V2X通信辅助系统，其特征在于，该系统还包括有终端显示模块，终端显示模块显示拥堵判定模块的判定结果。

3.根据权利要求1所述的一种基于自注意力机制残差复合网络的C-V2X通信辅助系统，其特征在于，路况采集模块获取车况数据为路段均速v；

路段均速v获取具体步骤为：路况采集模块根据车机导航系统读取行车路线，向该行车路线前方的路侧单元RSU请求对应路段的车况信息，包括车辆数目m，单车均速vi；并通过m和vi计算出对应的路段均速v，计算方法如下：

其中，m为所属路段的车辆数目。

4.根据权利要求3所述的一种基于自注意力机制残差复合网络的C-V2X通信辅助系统，其特征在于，信道检测模块获取前方的信道信息数据包括有信道繁忙率c、丢包率p，空口时延l；并检测基站之间、基站与卫星信号之间的网络质量，将检测结果按数值递减顺序排序，构建成相应的C-V2X网络质量有序表。

5.根据权利要求4所述的一种基于自注意力机制残差复合网络的C-V2X通信辅助系统，其特征在于，拥堵预测模块通过整合并预处理路况采集模块、信道检测模块中输出的数据，作为拥堵预测模块中神经网络的输入参数，并输出对应结果。

6.根据权利要求5所述的一种基于自注意力机制残差复合网络的C-V2X通信辅助系统，其特征在于，拥堵预测模块整合并预处理路况采集模块、信道检测模块中输出的数据主要包括有以下步骤：

步骤1：参数初始化；

步骤2：数据分割；

步骤3：拥堵预测。

7.根据权利要求6所述的一种基于自注意力机制残差复合网络的C-V2X通信辅助系统，其特征在于，在步骤1中，对路段均速v、信道繁忙率c、丢包率p、空口时延l进行归一化。

8.根据权利要求7所述的一种基于自注意力机制残差复合网络的C-V2X通信辅助系统，其特征在于，在步骤2中，将步骤1中的计算结果分割为长度为L的不同数据截断X，以适配循环神经网络隐藏层的特征提取模式。

9.根据权利要求8所述的一种基于自注意力机制残差复合网络的C-V2X通信辅助系统，其特征在于，在步骤3中，将分割后包含车况、信道信息的特征数据X_t作为残差复合网络的原值输入，通过单独的长短期循环神经网络LSTM循环迭代，提取趋势向量：

X'_t＝LSTM(X_t)；

将趋势值与原值相减以求得残差δ；

δ＝X'_t-X_t；

以δ作为编码器端Encoder网络的输入，并编码提取包含δ特征信息的背景向量，编码器端采用另外随机初始化的LSTM长短期循环神经网络；

C＝[c_t,h_t]＝Encoder(δ)；

其中，c_t为编码器在迭代过程中保存的单元状态向量，h_t为编码器在迭代过程中保存的隐藏状态向量，二者拼接为背景向量C；

在解码器的自注意力子层SA(Self-Attention)中，将背景向量C与线性矩阵点积映射为Query查询矩阵Q、Key键位矩阵K、Value值位矩阵V，计算Q、K、V之间存在的自注意力关系：

其中，s(k_j,q_i)为相关程度分数方程score：

以含有路段车道、信道信息自注意力关系的zi替代随机矩阵初始化解码器端LSTM单元，并将残差δ作为解码器端输入；通过解码器端网络约束残差的差异性后的输入结果δ'：

δ'＝Decoder(z_i,δ)；

经约束后的残差δ'与预测趋势σ叠加为最终预测结果σ'：