面向原始级协同感知的在线 V2X 调度

当视野限制独立智能时，网联车的协同感知前来解困。虽然原始级协同感知保留最多信息以保证精度，但其对通信带宽与计算能力要求很高。因此，调度最具收益的车间以共享其传感器（就补充视野与稳定网络连接而言）十分重要。本文中，我们给出原始级协同感知的模型，并将传感器共享调度的能耗最小化问题表述为多臂老虎机（MAB）问题的一个变体。具体地，我们考量了邻近车辆的波动性、V2X 信道的异质性以及时变交通上下文。随后我们提出一种基于在线学习的算法，具有对数级性能损失，在探索与利用间实现了良好权衡。不同场景下的仿真结果表明，所提算法能快速学习调度最优协同车辆，并相较基线算法节省更多能耗。