面向车联网自动驾驶的边缘智能多源数据处理

摘要

在车联网场景中,智能车辆受限于自身有限的感知范围和计算资源,难以实现高可靠性的自动驾驶.针对上述问题,提出了面向车联网自动驾驶的边缘智能多源数据处理方法,通过发掘网络中节点的空闲资源,提高系统的吞吐量,利用网络中的分布式数据,提高神经网络的推断准确率.为了解决车辆节点数据传输的耦合问题,构建了3层网络模型,对网络中的数据传输进行调度,并将原车辆节点一一映射为一个虚拟节点集合,对节点的数据传输进行解耦,从而把原问题转化为最小费用最大流的问题,实现了对自动驾驶网络计算、通信资源的高效分配.仿真结果表明,相比于本地处理的方案,所提方案可提升150%的系统吞吐量和12%的系统能效.