车联网中基于轨迹预测的无人机动态协同优化覆盖算法

本文由吴壮，唐伦，蒲昊，汪智平，陈前斌联合创作

摘要
针对城市车联网中出现的基站覆盖空洞及局部流量过载等问题，该文提出了一种基于车辆轨迹预测信息的动态预部署方案。首先，为了训练得到统一的 Seq2Seq-GRU 轨迹预测模型，多个携带边缘计算服务器的无人机在分布式联邦学习与区块链的架构下，去除中心聚合节点，采取改进的 Raft 算法，在每轮训练中根据贡献数据量的大小，选举得到节点来完成参数聚合及模型更新任务。其次，基于模型预测结果，提出了一种改进的虚拟力向导部署算法，通过各虚拟力来引导无人机进行动态地部署以提升车辆的接入率及通信质量。仿真结果表明，所提出的训练架构能够加速模型的训练，部署算法在提升车辆接入率的同时提升了车辆与无人机之间的通信质量。

0 引言

近些年来，随着我国经济的发展、城市人均生活水平的提升，城区中的车流量迅速增加。车联网作为汽车与电子信息技术融合的新范式，旨在通过人工智能与信息通信技术， 解决城市拥堵、安全驾驶等方面的问题。未来的现代智能交通系统(ITS, intelligent transportati

车联网中基于轨迹预测的无人机动态协同优化覆盖算法最先出现在Python成神之路。