车辆网络参数确定方法、装置、电子设备及存储介质与流程

本技术属于车辆网络通信，尤其涉及一种车辆网络参数确定方法、装置、电子设备及存储介质。

背景技术：

1、随着智能网联汽车的发展和普及，车云通信的连接规模已逐步迈向百万级甚至千万级，云端服务平台需同时支撑海量车辆的状态上报、指令下发等需求。

2、当前车云通信场景中，不同区域、不同车辆的网络环境差异巨大，但云端未对全局网络状态进行统筹分析，无法为车辆分配适配的通信参数，导致部分车辆因参数不匹配出现连接频繁中断、消息丢失等问题，并且海量车辆按固定参数发送心跳包、重连请求，高峰时段会出现消息拥堵、连接压力激增等问题。

3、因此，有必要提供一种车辆网络参数确定方法，以解决上述现有技术所存在的问题。

技术实现思路

1、本技术的实施例提供了一种车辆网络参数确定方法、装置、电子设备及存储介质，解决传统技术中海量车辆按固定参数发送心跳包、重连请求，高峰时段会出现消息拥堵、连接压力激增的技术问题。

2、本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。

3、根据本技术实施例的第一方面，提供了一种车辆网络参数确定方法，方法包括：

4、实时获取目标车辆的全局网络状态数据和车辆个性化数据，全局网络状态数据包括以下至少一个：区域宽带、平均延迟、丢包率以及当前时刻所连基站的负载参数，车辆个性化数据包括以下至少一个：车辆网络重连成功率、车辆环境以及延迟波动；

5、将当前时刻前第一预设时间段内的全局网络状态数据对应的全局特征向量和第二预设时间段内的车辆个性化数据对应个性化特征向量输入至预设模型进行如下预测操作，得到未来第三时间段内的车辆个性化状态预测值，车辆个性化状态预测值包括：车辆预期延迟和车辆预期丢包率；

6、基于车辆个性化状态预测值，确定未来第三预设时间段内的车辆网络参数，并将车辆网络参数发送至目标车辆，以使得目标车辆执行车辆网络参数，车辆网络参数包括：目标心跳周期和目标重连时间；

7、其中，预测模型包括特征提取层、全局预测层以及个性化预测层，预测操作包括：

8、将全局特征向量和个性化特征向量分别输入至特征提取层，分别得到全局特征张量和个性化特征张量；

9、将全局特征张量输入至全局预测层，得到未来第三预设时间段内的区域网络状态预测值，区域网络状态预测值包括：区域平均丢包率预测值和区域平均延迟预测值；

10、将区域网络状态预测值以及个性化特征张量输入至个性化预测层，得到车辆个性化状态预测值。

11、在本技术的一些实施例中，基于前述方案，全局预测层包括1层门控循环单元和全连接层；

12、将全局特征张量输入至全局预测层，得到未来第三预设时间段内的区域网络状态预测值，包括：

13、通过门控循环单元对全局特征张量进行压缩时序维度和过滤噪声操作，得到新的全局特征张量；

14、将新的全局特征张量输入至全连接层，映射并输出未来第三预设时间段内的区域网络状态预测值。

15、在本技术的一些实施例中，基于前述方案，个性化预测层包括1层门控循环单元、注意力机制层以及全连接层；

16、将区域网络状态预测值以及个性化特征张量输入至个性化预测层，得到车辆个性化状态预测值，包括：

17、通过门控循环单元对个性化特征张量进行压缩时序维度和过滤噪声操作，得到新的个性化特征张量；

18、将新的个性化特征张量输入至注意力机制层，计算在第二预设时间段内各时刻的重要性权重，并进行加权计算后生成新的个性化特征张量对应的上下文向量；

19、将上下文向量与区域平均丢包率预测值对应的平均丢包特征向量、区域平均延迟预测值对应的平均延迟特征向量进行特征拼接，得到融合向量；

20、将融合向量输入至全连接层，映射并输出车辆个性化状态预测值。

21、在本技术的一些实施例中，基于前述方案，基于车辆个性化状态预测值，确定未来第三预设时间段内的目标心跳周期，包括：

22、确定目标车辆段当前时刻所连基站的第一权重和第二权重；

23、确定心跳周期的第一边界参数；

24、基于第一权重、第二权重、第一边界参数、区域网络状态预测值和车辆个性化状态预测值，确定目标心跳周期。

25、在本技术的一些实施例中，基于前述方案，基于车辆个性化状态预测值，确定未来第三预设时间段内的目标重连时间，包括：

26、确定目标心跳周期对应的第三权重和第四权重；

27、确定重连时间的第二边界参数；

28、基于第三权重、第四权重、第二边界参数、区域网络状态预测值和车辆个性化状态预测值，确定目标重连时间。

29、在本技术的一些实施例中，基于前述方案，方法还包括：

30、针对于目标车辆当前时刻所连基站，若检测到基站还连接其他车辆，将目标心跳周期和目标重连时间发送至其他车辆。

31、在本技术的一些实施例中，基于前述方案，将当前时刻前第一预设时间段内的全局网络状态数据对应的全局特征向量和第二预设时间段内的车辆个性化数据对应个性化特征向量输入至预设模型进行如下预测操作之前，方法还包括：

32、若当前时刻的全局网络状态数据与前一时刻的全局网络状态数据的差异率大于安全阈值，将当前时刻前第一预设时间段内的全局网络状态数据对应的全局特征向量和第二预设时间段内的车辆个性化数据对应个性化特征向量输入至预设模型进行如下预测操作；

33、若当前时刻的全局网络状态数据与前一时刻的全局网络状态数据的差异率不大于安全阈值，停止预测操作。

34、本技术实施例的第二方面，提供了一种车辆网络参数确定装置，装置包括：

35、获取单元，用于实时获取目标车辆的全局网络状态数据和车辆个性化数据，全局网络状态数据包括以下至少一个：区域宽带、平均延迟、丢包率以及当前时刻所连基站的负载参数，车辆个性化数据包括以下至少一个：车辆网络重连成功率、车辆环境以及延迟波动；

36、预测单元，用于将当前时刻前第一预设时间段内的全局网络状态数据对应的全局特征向量和第二预设时间段内的车辆个性化数据对应个性化特征向量输入至预设模型进行如下预测操作，得到未来第三时间段内的车辆个性化状态预测值，车辆个性化状态预测值包括：车辆预期延迟和车辆预期丢包率；

37、确定单元，用于基于车辆个性化状态预测值，确定未来第三预设时间段内的车辆网络参数，并将车辆网络参数发送至目标车辆，以使得目标车辆执行车辆网络参数，车辆网络参数包括：目标心跳周期和目标重连时间；

38、其中，预测模型包括特征提取层、全局预测层以及个性化预测层，预测单元具体用于：

39、将全局特征向量和个性化特征向量分别输入至特征提取层，分别得到全局特征张量和个性化特征张量；

40、将全局特征张量输入至全局预测层，得到未来第三预设时间段内的区域网络状态预测值，区域网络状态预测值包括：区域平均丢包率预测值和区域平均延迟预测值；

41、将区域网络状态预测值以及个性化特征张量输入至个性化预测层，得到车辆个性化状态预测值。

42、根据本技术实施例的第三方面，提供了一种计算机可读存储介质，存储有计算机程序指令，计算机程序指令由处理器加载并执行时，实现如第一方面中任一项的车辆网络参数确定方法的步骤。

43、根据本技术实施例的第四方面，提供了一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机程序指令，处理器执行计算机程序指令时，实现如第一方面中任一项的车辆网络参数确定方法的步骤。

44、根据本技术实施例的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时，实现如第一方面中任一项的车辆网络参数确定方法的步骤。

45、在本技术中，实时获取目标车辆的全局网络状态数据和车辆个性化数据；将当前时刻前第一预设时间段内的全局网络状态数据对应的全局特征向量和第二预设时间段内的车辆个性化数据对应个性化特征向量输入至预设模型进行预测操作，得到未来第三时间段内的车辆个性化状态预测值，基于车辆个性化状态预测值，确定未来第三预设时间段内的车辆网络参数，车辆网络参数包括：目标心跳周期和目标重连时间，并将目标心跳周期和目标重连时间发送至目标车辆，以使得目标车辆执行目标心跳周期和目标重连时间。通过本技术提供的技术方案可以对不同区域、不同车辆的网络环境进行统筹分析，为各车辆分配适配的目标心跳周期和目标重连时间，降低车辆连接中断的频率，大大提高了车辆网络参数的适配精度。

46、进一步地，因为给不同车辆适配不同的网络参数，使得海量车辆可以使用最适配的心跳周期和重连时间，降低高峰段出现的消息堵塞和连接压力。

47、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。