MPC-CSAS：用于实时隐私保护型速度 advisory 系统的多方计算
系统与控制
2021-01-19 v1 系统与控制
摘要
作为高级驾驶辅助系统（ADASs）的一部分，基于共识的速度 advisory 系统（CSAS）已被提出，用于为一组车辆推荐共同速度以用于特定应用目的，如排放控制与能量管理。借助车对车（V2V）、车对基础设施（V2I）技术以及先进控制理论，最先进的 CSAS 可被设计为以隐私保护和去中心化的方式获得最优速度。然而，当前方法仅适用于车辆的特定代价函数，且其执行通常涉及大量算法迭代导致较长收敛时间。因此，该最先进设计方法不适用于需要实时决策的 CSAS 设计。本文中，我们通过引入 MPC-CSAS（一种基于多方计算（MPC）的隐私保护型 CSAS 设计方法）来解决该问题。我们提出的方法易于实现，且适用于所有类型的车辆代价函数。此外，仿真结果表明，所提 MPC-CSAS 仅在一个算法迭代中即可在典型 CSAS 下取得非常有前景的系统性能，且无需使用额外基础设施。
引用
@article{arxiv.2101.06451,
title = {MPC-CSAS: Multi-Party Computation for Real-time Privacy-preserving Speed Advisory Systems},
author = {Mingming Liu and Long Cheng and Yingqi Gu and Ying Wang and Qingzhi Liu and Noel E. O'Connor},
journal= {arXiv preprint arXiv:2101.06451},
year = {2021}
}
备注
This manuscript has been accepted by the IEEE Transactions on Intelligent Transportation Systems