一种面向星地融合网络多车接入的时空解耦决策方法

本发明涉及车联网自动驾驶，具体涉及一种面向星地融合网络多车接入的时空解耦决策方法。

背景技术：

1、现代联网自动驾驶汽车越来越多地以协作代理的形式运行，包括编队行驶、协同感知和实时地图融合。这些功能需要多辆数据流在时间和语义上相互依赖的车辆进行持续的、同步的上行链路传输。为了在基础设施密集的城市走廊和覆盖稀疏的高速公路上维持这种集体传输，需要将低地球轨道（leo，即low earth orbit）卫星星座与地面路侧单元集成到异构星地融合网络中（hstins，即heterogeneous satellite-terrestrialintegrated networks）；该网络将广域卫星覆盖与低延迟地面接入相结合，为车辆在其整个运行范围内提供服务。

2、然而，这种异构底层从根本上改变了接入管理问题。hstins中的多车辆接入不再是单车信道选择任务，而是一个受两个结构性挑战制约的多代理在线优化问题。首先，时空决策耦合源于车辆对共享无线和排队资源的竞争，因此单个接入决策共同决定了拥塞和带宽分配，并依赖于其他车辆的联合行为。同时，协作应用提出了长期的服务质量（qos，即quality of service）要求，包括跨车辆的异步延迟公平性和切换稳定性，这些要求将决策耦合到不同的时隙，从而阻碍了逐步贪婪优化。其次，环境高度非平稳，异构hstins信道在双重移动性动态下演化，其中地面车辆的运动会导致车路单元（v2rsu，即vehicles-to-rsus）链路逐渐衰落，而leo卫星的运动则会导致车星（v2sat，即vehicles-to-satellites）链路拓扑结构的突变和统计变化，使得固定模型接入策略随时间推移变得不可靠。

3、现有研究虽在多智能体交互捕捉或长期qos约束处理方面取得了一定进展，但仍难以在共享异构资源的条件下实现具有可扩展性且具备长期性能保证的分布式协调。一方面，基于多智能体强化学习的方法往往面临随着车辆规模增长而产生的维度灾难和信道非平稳性导致的收敛困难问题；另一方面，现有的赌博机学习算法多基于单一时间尺度，难以同时捕获由车辆移动引起的v2rsu链路渐变和leo卫星轨道运动导致的v2sat链路拓扑突变。

技术实现思路

1、为了解决现有技术无法同步解决hstins场景下的非平稳性以及长期约束强制执行的技术问题，本发明的目的在于提供一种面向星地融合网络多车接入的时空解耦决策方法，所采用的技术方案具体如下：

2、步骤s1：在服从泊松点分布的地面路侧单元与低轨卫星组成的星地融合网络中，结合多个联网自动驾驶车辆执行环境评估，建立多车辆协同接入问题；

3、步骤s2：通过多车辆接入问题构建基于分层解耦的分布式决策模型，包括李雅普诺夫优化模块、平均场博弈近似模块和自适应上下文thompson采样模块，执行时空解耦决策；

4、步骤s3：采用仿真实验验证基于分层解耦的分布式决策模型的有效性。

5、优选地，步骤s1中，包括：

6、步骤s11：界定星地融合网络中的地面路侧单元与低轨卫星均为候选接入节点，联网自动驾驶车辆为协作智能体，联立候选接入节点和协作智能体分别获取v2rsu链路和v2sat链路；

7、步骤s12：界定v2rsu链路和v2sat链路共享统一信噪比模型，执行环境评估，定义联网自动驾驶车辆的瞬时效用，建立多车辆协同接入问题。

8、优选地，步骤s12中，包括：

9、步骤s121：综合候选接入节点和协作智能体分别获取发射功率和热噪声密度，结合分配带宽和每一调度周期的时变信道系数建立信噪比模型；

10、步骤s122：解算信噪比模型依次得到对应调度周期的上行链路容量和瞬时排队延迟，确定端到端延迟；

11、步骤s123：评估联网自动驾驶车辆在连续调度周期间的切换成本，结合上行链路容量和端到端延迟定义瞬时效用，建立多车辆协同接入问题。

12、优选地，步骤s2中，包括：

13、步骤s21：基于多车辆接入问题，以最大化长期平均效用并满足时延与稳定性约束为优化目标，构建基于分层解耦的分布式决策模型；

14、步骤s22：综合李雅普诺夫优化模块和平均场博弈近似模块进行时空解耦，建立上下文向量，并输出探索性采样结果；

15、步骤s23：利用自适应上下文thompson采样模块综合分析上下文向量和探索性采样结果，筛选最优接入节点，并根据反馈实时修正基于分层解耦的分布式决策模型的模型参数。

16、优选地，步骤s22中，包括：

17、步骤s221：通过李雅普诺夫优化模块将多车辆接入问题对应的长期约束映射为实时虚拟队列压力，分别提取虚拟队列积压值和对应的约束代价函数为探索性采样结果，消除时间耦合；

18、步骤s222：通过平均场博弈近似模块定义平均场状态特征，简化协作智能体的资源竞争为群体统计规律的响应，消除空间耦合；

19、步骤s223：经时空解耦后的候选接入节点和协作智能体，分别捕捉车辆特征和节点特征，建立上下文向量。

20、优选地，步骤s221中，长期约束包括异步时延公平性约束和切换频率稳定性约束；虚拟队列包括追踪时延偏离均值程度的虚拟队列和追踪切换频率违规程度的虚拟队列。

21、优选地，步骤s222中，具体为：

22、对每一候选接入节点，分别提取关联车辆的平均数量、平均接收信噪比和拥塞指标，定义平均场状态，并由候选接入节点向协作智能体广播，简化协作智能体的资源竞争为群体统计规律的响应，消除空间耦合。

23、优选地，步骤s23中，包括：

24、步骤s231：通过自适应上下文thompson采样模块采用基于贝叶斯线性回归的上下文thompson采样算法，预设奖励参数向量，联立上下文向量构建候选接入节点的预期奖励模型；

25、步骤s232：综合预期奖励模型和探索性采样结果建立在线决策过程中的决策评分函数，筛选最优接入节点；

26、步骤s233：引入双时间尺度更新机制，根据反馈实时修正基于分层解耦的分布式决策模型的模型参数，用于应对环境的非平稳变化。

27、优选地，步骤s233中，具体为：

28、采用指数遗忘机制适配v2rsu链路的渐进衰变，通过定期软重置机制适配v2sat链路的拓扑突变，根据反馈实时修正基于分层解耦的分布式决策模型的模型参数，用于应对环境的非平稳变化。

29、为解决现有技术问题，本发明还提供：一种电子设备，所述设备包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信，处理器调用存储器中的逻辑指令，以执行前述任意一项所述的一种面向星地融合网络多车接入的时空解耦决策方法。

30、本发明具有如下有益效果：

31、1、针对现有星地融合网络中的分布式多车协同接入问题，提出一种面向星地融合网络多车接入的时空解耦决策方法，换言之，提出一种基于李雅普诺夫引导的平均场解耦架构，分别通过李雅普诺夫优化模块和平均场博弈近似模块对应消除时间耦合和空间耦合，有效解决复杂的时空接入决策耦合问题，保证系统的可扩展性和在长期qos约束下的稳定性；针对由leo卫星和车辆双移动性导致的非平稳动态环境，采用自适应上下文thompson采样模块，有效应对异构环境下的多智能体接入问题。

32、2、本发明提供的一种电子设备，与本发明提供的一种面向星地融合网络多车接入的时空解耦决策方法具有相同的有益效果，在此不做赘述。