车联网中基于无人机辅助通信的网络部署优化设计.pdfVIP

摘要

随着经济的发展，车辆保有量不断上升。车联网技术作为智慧交通的重要组成部分不断

受到学术界与工业界的重视。但在一些特殊场景，如交通热点地区以及灾害地区，车辆无法

获得可靠通信服务。这时无人机作为一种应急辅助通信手段被引进，无人机作为移动基站具

有部署快、灵活性强、成本低等优势。因此无人机在一些特定场景，如应急通信保障方面有

着很好的应用前景。但无人机辅助车联网通信方面，也面临着许多困难和挑战，首先，车联

网具有网络拓扑变化快，车辆间无法保持稳定通信连接问题。其次，由于无人机能量有限，

无人机的部署问题也是一个需要重视的问题。本文以车联网中网络部署问题为研究对象，根

据各种实际应用场景设计合适的模型，并给出合适的解决方案。本文主要工作内容如下：

（1）针对车联网中车辆高速运动导致的车辆间的通信不稳定问题，本文提出了一种基于

可靠节点筛选的分簇算法，该算法根据车辆方向，车辆通信链路存活时间。对每个车辆的邻

居节点进行筛选，通过筛选的节点形成可靠节点列表，然后基于可靠节点度、相对速度和相

对距离的三个指标计算权值，进而选择簇头。仿真表明所提算法具有较好的簇稳定性。

（2）针对多无人机为车辆提供通信服务场景，在满足车辆用户最小信息速率的情况下，

通过优化无人机的位置及用户关联策略，以最小化无人机的传输功率。将优化问题分为用户

关联策略及无人机位置优化两个问题分别解决。用户关联策略利用基于可靠节点筛选的分簇

算法提前将车辆进行自组织分簇，每个簇都有唯一无人机提供通信服务。无人机的位置优化

问题具有多重约束，本文提出了一种改进的粒子群算法解决该问题。仿真表明所提出的算法

能有效降低无人机的传输功率。

（3）针对自然灾害导致地面通信设施破坏严重，无人机面临能量有限、无法实时得到地

面车辆位置信息的问题，本文提出了一种基于去中心化的多智能体Q-learning算法。该算法

通过无人机的本地观测和相邻无人机广播的连通性信息进行自主决策。每架无人机都配有一

个独立的智能体，该智能体在学习无人机轨迹的同时联合优化无人机能量消耗及连接车辆数

量。仿真表明所提出的算法在能量消耗及车辆连接数方面具有优势。

关键词:无人机辅助，车联网，网络部署，分簇算法，改进粒子群算法，多智能体Q-learning

算法

Abstract

Withthedevelopmentoftheeconomy,thenumberofvehiclesisrising.Asanimportantpartof

intelligenttransportation,InternetofVehiclestechnologyhasbeencontinuouslyvaluedbyacademia

andindustry.However,insomespecialscenarios,suchastraffichotspotsanddisasterareas,vehicles

cannotreceivereliablecommunicationservices.Atthistime,unmannedaerialvehicle(UAV)was

introducedasanemergencyauxiliarycommunicationmethod.Asamobilebasestation,UAVhasthe

advantagesoffastdeployment,strongflexibilityandlowcost.Therefore,UAVshavegood

applicationprospectsinsomespecificscenarios,suchasemergencycommunicationsupport.

However,UAV-assistedInternetofVehiclescommunicationalsofacesmanydifficultiesand

challenges,firstofall,theInternetofVehicleshastheproblemofrapid