[00105264]面向智能驾驶的边缘计算与车辆移动协同优化方法研究

该项目为中国博士后科学基金资助面上项目（资助编号：2019M660565）。

鉴于智慧道路信息域和交通域资源的复杂耦合，针对智能驾驶服务需求约束下的多域资源协同优化问题，提出基于群体博弈的车辆自组织协作机制、基于时空特征学习的全景交通态势认知方法、信息流与交通流协同的智慧道路多域资源优化方法。主要研究成果如下：

1. 设计了一种基于群体智能的智慧道路多域资源联合优化框架，提出了一种基于值迭代网络的车辆/司机选路偏好学习方法，该方法通过 LSTM 网络预测未来的交通态势，并利用当前交通状态和未来交通态势联合进行双奖励的值迭代得到对应的选路价值图，通过选路价值图上的梯度上升进行车辆路径预测。

2. 提出一种基于背压和演化博弈的层次化城市交通态势均衡方法，该方法将城市区域划分为不相交的子区域，通过背压算法进行子区域之间的交通流诱导，区域内通过车群的演化博弈实现自主分流。

3. 提出了一种基于多智能体深度强化学习的智慧道路多域资源联合优化方法，该方法考虑到智慧道路交通域和信息域资源调度的耦合机理，使用双分支深度 Q 网络协调多域资源提升智能驾驶服务质量。

4. 在上述资源调度方法支撑下，提出了一种车车/车路协同下的超视距协同认知方法，该方法利用跨越多车的深度神经网络，通过双重 Attention 机制分辨不同认知源的重要程度，并产生端到端的驾驶决策避免因视线遮挡造成的碰撞。