公开(公告)号：CN119107796A

公开(公告)日：2024-12-10

申请号：CN202411122070.4

申请日：2024-08-15

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  何金泽 ,  肖洒 ,  肖亚莉 ,  陈前斌

IPC: G08G1/01

Abstract: 本发明涉及一种车联网中基于双层区块链的个性化智能跟驰方法，属于移动通信技术领域。目前，使用深度强化学习DRL能够让CAV通过不断的与环境交互来学习和优化策略，来提高系统决策的适应性和灵活性。然而，当前交通环境的复杂性对单车独立学习环境变化做出准确响应提出了挑战。联邦学习可以聚合不同环境中的多个学习模型，提升CAV对复杂环境的适应性。本发明建立了一种车联网场景基于双层区块链的群学习DRL架构，基于CAV的移动性，提出了基于名誉值的CAV选择策略，再提出基于确定性策略梯度算法的个性化跟驰模型。该方法可实现个性化安全智能跟驰驾驶，可利用边缘网络和CAV用户数据资源，推动人工智能在车联网场景中的应用。

公开(公告)号：CN119808887A

公开(公告)日：2025-04-11

申请号：CN202411703147.7

申请日：2024-11-26

Applicant: 重庆邮电大学 ,  重庆数字交通产业集团有限公司

Inventor： 黄晓舸 ,  肖亚莉 ,  唐毅 ,  罗伟 ,  陈前斌

IPC: G06N3/098 ,  H04L67/12 ,  H04L41/16 ,  H04L41/14 ,  G06N3/096 ,  G06N3/042 ,  G06N7/01

Abstract: 本发明涉及一种车联网中基于失活技术的联邦互蒸馏方法，属于移动通信技术领域。联邦学习是一种分布式机器学习方法，通过共享模型将局部知识聚合成全局模型，保证数据安全。在车联网场景中，该方法通信开销过高。同时，由于车辆本地数据分布差异较大，在局部知识共享时将降低全局模型性能。除此之外，车辆行驶过程中会在RSU覆盖区域之间切换，可能造成模型传输中断。为了解决上述问题，本发明提出了一种车联网中基于失活技术的联邦互蒸馏方法。该方法考虑车辆移动状况、交通状况等因素，使用马尔科夫链来进行RSU切换预测；通过筛选误导性数据，提升模型准确性；通过知识互蒸馏方法传递知识，降低通信开销；引入失活技术加速模型训练。

公开(公告)号：CN117763037A

公开(公告)日：2024-03-26

申请号：CN202311622941.4

申请日：2023-11-30

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  黎文静 ,  肖亚莉 ,  王依琪 ,  陈前斌

IPC: G06F16/27 ,  G06F16/25 ,  G06F16/2458 ,  G06F16/21 ,  G06F18/23213 ,  G06N3/047 ,  G06N3/098 ,  G06N3/096 ,  H04L67/12 ,  H04L9/40 ,  H04L9/32

Abstract: 本发明涉及一种复杂车联网中基于区块链的个性化模型和数据共享方法，属于移动通信技术领域。根据能见度和道路类型将复杂环境进行个性化分组，并将个性化任务模型分割为共享特征提取器和本地个性化决策器；建立云‑边‑端三层网络架构以实现基于双层区块链的异步联邦学习和跨组模型共享；设计条件对抗生成网络数据增强方法，以平衡原始数据集分布并挖掘小样本数据特征；在本地个性化任务模型训练阶段，先采用基于客户端相似性的个性化分层聚合策略，再提出基于多元知识融合的异构模型互蒸馏方案。本发明在保证智能网联汽车安全协同训练的前提下，提升模型精度，降低通信开销，有效辅助复杂交通环境中的CAV智能驾驶决策。

公开(公告)号：CN117058903B

公开(公告)日：2024-10-29

申请号：CN202311024071.0

申请日：2023-08-15

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  李春磊 ,  肖亚莉 ,  杨帆行 ,  陈前斌

IPC: G08G1/0967 ,  G06Q10/0639 ,  G06N3/092 ,  G06N3/084 ,  G06N20/00 ,  H04W4/44 ,  H04L67/12 ,  H04L9/00

Abstract: 本发明涉及一种智能网联汽车安全数据协同方法，属于移动通信技术领域。所述方法包括接收来自路边单元的Tip交易，并从中选择质量指标最高的两个驾驶策略模型进行聚合；根据感知的当前道路环境，进行本地决策，得到相应的多目标奖励，并将决策相关信息作为经验存储到经验回放区；根据预设优先级对经验回放区的经验进行采样，根据训练样本更新驾驶策略模型，并根据经验回放区最新的多组训练样本获得的奖励，计算驾驶测量模型的质量指标；将满足质量要求的驾驶策略模型结合更新后的质量指标进行打包，生成新Tip交易；发送新Tip交易至路边单元。本发明在保证智能网联汽车数据安全性的同时，有效提升自动驾驶决策的准确性、安全性和舒适性。

公开(公告)号：CN117135597A

公开(公告)日：2023-11-28

申请号：CN202311088483.0

申请日：2023-08-28

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  肖亚莉 ,  李春磊 ,  杨帆行 ,  陈前斌

IPC: H04W4/44 ,  G06N3/096 ,  G06N3/098 ,  H04W28/08 ,  H04L67/10 ,  H04L67/12 ,  H04L67/568

Abstract: 本发明涉及一种基于分布式学习的智能网联汽车低时延数据共享方法，属于移动通信技术领域。所述方法包括获取来自路边单元下发的全局模型；所述全局模型由学生模型和全局聚合权重聚合得到；采集车辆数据，在本地训练全局模型对应的学生模型和教师模型；向路边单元上传学生模型，以及基于教师模型确定的全局聚合权重；若全局模型与学生模型的偏差程度超过预设阈值，则向路边单元的数据缓冲区上传部分车辆数据；获取来自路边单元下发的共享数据，在本地修正所述全局模型对应的学生模型和教师模型；所述共享数据由上传的部分车辆数据的新旧比例以及重要模型参数的变化率确定。在本申请的实施例所提供的技术方案中，能够显著提升模型的精度。

公开(公告)号：CN117058903A

公开(公告)日：2023-11-14

申请号：CN202311024071.0

申请日：2023-08-15

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  李春磊 ,  肖亚莉 ,  杨帆行 ,  陈前斌

IPC: G08G1/0967 ,  G06Q10/0639 ,  G06N3/092 ,  G06N3/084 ,  G06N20/00 ,  H04W4/44 ,  H04L67/12 ,  H04L9/00

Abstract: 本发明涉及一种智能网联汽车安全数据协同方法，属于移动通信技术领域。所述方法包括接收来自路边单元的Tip交易，并从中选择质量指标最高的两个驾驶策略模型进行聚合；根据感知的当前道路环境，进行本地决策，得到相应的多目标奖励，并将决策相关信息作为经验存储到经验回放区；根据预设优先级对经验回放区的经验进行采样，根据训练样本更新驾驶策略模型，并根据经验回放区最新的多组训练样本获得的奖励，计算驾驶测量模型的质量指标；将满足质量要求的驾驶策略模型结合更新后的质量指标进行打包，生成新Tip交易；发送新Tip交易至路边单元。本发明在保证智能网联汽车数据安全性的同时，有效提升自动驾驶决策的准确性、安全性和舒适性。