面向远程自动驾驶控制的视频质量监测

交付高质量、低延迟的视频流对于远程自动驾驶控制至关重要，因为操作员必须进行实时干预。然而，由于信号波动、移动性引起的切换以及瞬时拥塞，在第四/五代（4G/5G）移动网络上可靠地传输视频极具挑战。在本文中，我们提出了一种专为远程自动驾驶操作定制的集成视频质量监测系统的综合蓝图。我们提出的系统包含以下子系统：车载端数据收集、视频捕获与压缩、向边缘服务器传输数据、实时流数据管理、人工智能（AI）模型部署与推理执行，以及基于预测视频质量的主动决策。AI 模型在结合了现场试验测量与合成压力片段的混合数据集上进行训练，涵盖长短期记忆（LSTM）、门控循环单元（GRU）以及仅编码器 Transformer 架构。作为概念验证，我们对这些模型类别的 20 个变体连同前馈深度神经网络（DNN）和线性回归基线进行了基准测试，并报告了准确率和推理延迟。最后，我们研究了车载端与边缘端推理之间的权衡。我们进一步讨论了使用可解释 AI 技术来增强关键远程控制干预期间的透明度与问责制。我们这种针对网络适配和体验质量主动监测的方法旨在提升下一代无线网络上的远程车辆操作能力。