基于深度学习的 6G 赋能协同自动驾驶智能车际距离控制
人工智能
2020-12-29 v1 信号处理
摘要
第六代蜂窝网络(6G)的研究正获得巨大动力，以实现泛在无线连接。网联自动驾驶(CAV)是 6G 设想的一个关键垂直领域，在提升道路安全、道路与能源效率方面具有巨大潜力。然而 CAV 应用在可靠性、时延与高速通信方面的严苛业务需求，将对 6G 网络提出重大挑战。6G 支撑的 CAV 需要新的信道接入算法与网联车辆智能控制方案。本文研究了 6G 支撑的协同驾驶，这是一种通过信息共享与驾驶协调实现的先进驾驶模式。首先，我们量化了采用混合通信与信道接入技术的 6G 车对车(V2V)通信的时延上界。开发并训练了一种深度学习神经网络，用于实时运行中时延上界的快速计算。随后，设计了一种智能策略来控制协同自动驾驶中的车际距离。此外，我们提出一种基于马尔可夫链的算法来预测系统状态参数，并给出一种安全距映射方法以实现平稳的车速变化。所提算法在 AirSim 自动驾驶平台上实现。仿真结果表明，所提算法有效且鲁棒，可实现安全稳定的协同自动驾驶，大幅提升了道路安全、容量与效率。
引用
@article{arxiv.2012.13817,
title = {Deep Learning Based Intelligent Inter-Vehicle Distance Control for 6G Enabled Cooperative Autonomous Driving},
author = {Xiaosha Chen and Supeng Leng and Jianhua He and Longyu Zhou},
journal= {arXiv preprint arXiv:2012.13817},
year = {2020}
}