CN104025638B - 使用基于情况的学习技术来优化车载动态频谱接入 - Google Patents
使用基于情况的学习技术来优化车载动态频谱接入 Download PDFInfo
- Publication number
- CN104025638B CN104025638B CN201280055052.8A CN201280055052A CN104025638B CN 104025638 B CN104025638 B CN 104025638B CN 201280055052 A CN201280055052 A CN 201280055052A CN 104025638 B CN104025638 B CN 104025638B
- Authority
- CN
- China
- Prior art keywords
- channel
- module
- data
- situation
- present circumstances
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 54
- 238000004891 communication Methods 0.000 claims abstract description 128
- 230000006854 communication Effects 0.000 claims abstract description 128
- 238000011156 evaluation Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000007613 environmental effect Effects 0.000 claims abstract description 22
- 238000003860 storage Methods 0.000 claims description 26
- 230000001149 cognitive effect Effects 0.000 description 61
- 238000012545 processing Methods 0.000 description 22
- 230000002452 interceptive effect Effects 0.000 description 14
- 230000001413 cellular effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 241001269238 Data Species 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- NHDHVHZZCFYRSB-UHFFFAOYSA-N pyriproxyfen Chemical compound C=1C=CC=NC=1OC(C)COC(C=C1)=CC=C1OC1=CC=CC=C1 NHDHVHZZCFYRSB-UHFFFAOYSA-N 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/02—Selection of wireless resources by user or terminal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria
- H04W72/563—Allocation or scheduling criteria for wireless resources based on priority criteria of the wireless resources
Abstract
公开了一种用于优化数据通信中的频谱接入的系统和方法。所述系统包括情况模块、选择引擎、评估模块和更新模块。情况模块至少部分基于传感器数据和环境数据来确定目前情况,确定目前情况的匹配情况,并且至少部分基于匹配情况来配置用于目前情况的一个或多个信道简档。选择引擎基于所述一个或多个信道简档来选择第一信道。第一信道与来自所述一个或多个信道简档的第一信道简档相关联。评估模块评估第一信道的第一信道性能,并产生对于第一信道的第一信道奖励。更新模块至少部分基于第一信道奖励来更新第一信道简档。
Description
技术领域
本说明书涉及数据通信系统。特别地,本说明书涉及一种用于优化车载通信中的动态频谱接入的系统和方法。
背景技术
存在越来越多的向远程实体(例如,车辆、路边服务节点、基础设施系统、服务器等)请求数据交换或服务的消费类装置被嵌入在车辆中的趋势,引起对于从在路上的车辆接入无线网络的高需求。因为无线电频谱对于无线通信是稀缺且昂贵的资源,所以非常希望实现一种以高效率的方式利用该稀缺频谱来实现更好的网络性能的系统。然而,用于频谱接入的现有技术已经被证明是有缺陷的,并且具有许多问题。
首先,使用专用信道的现有系统(诸如专用短距离通信)未能提供高带宽连接,因此,当存在大量等待传输的数据时,未能阻止信道拥塞。使用专用信道的现有系统因此未能提供令人满意的大规模数据传输服务。
第二,使用蜂窝网络(诸如3G和/或4G蜂窝网络)的现有系统具有有限的覆盖范围,并且未能在蜂窝网络不覆盖的位置处提供服务。使用蜂窝网络的现有技术还具有严格的接入约束,使得蜂窝网络提供的服务仅可供有限数量的用户使用。例如,不允许不是蜂窝网络的订户的用户使用蜂窝网络进行数据传输。
发明内容
本说明书通过提供一种用于优化车辆通信中的动态频谱接入的系统和方法来至少部分地克服现有技术的缺陷和限制。所述系统包括情况模块、选择引擎、评估模块和更新模块。情况模块至少部分基于传感器数据和环境数据来确定目前情况,确定目前情况的匹配情况,并且至少部分基于匹配情况来配置目前情况的一个或多个信道简档。选择引擎基于所述一个或多个信道简档来选择第一信道。第一信道与来自所述一个或多个信道简档的第一信道简档相关联。评估模块评估第一信道的第一信道性能,并产生对于第一信道的第一信道奖励。更新模块至少部分基于第一信道奖励来更新第一信道简档。
附图说明
在附图中以举例、而非限制的方式例示说明本说明书,在附图中,使用相似的标号来表示类似的元件。
图1是例示根据一个实施例的用于优化动态频谱接入的系统的高级别框图。
图2是例示根据一个实施例的认知引擎的框图。
图3是例示根据一个实施例的认知数据库的框图。
图4A是例示根据一个实施例的用于优化动态频谱接入的方法的流程图。
图4B是例示根据一个实施例的用于优化动态频谱接入的方法的流程图。
图5A是例示根据另一实施例的用于优化动态频谱接入的方法的流程图。
图5B是例示根据另一实施例的用于优化动态频谱接入的方法的流程图。
图5C是例示根据另一实施例的用于优化动态频谱接入的方法的流程图。
图6A是例示根据一个实施例的用于确定信道机会的方法的流程图。
图6B是例示根据一个实施例的用于确定信道机会的方法的流程图。
图7是例示根据一个实施例的用于确定信道吞吐量的方法的流程图。
具体实施方式
下面描述一种用于优化动态频谱接入的系统和方法。在下面的描述中,为了说明的目的,对许多特定细节进行了阐述,以便提供对本说明书的透彻理解。然而,对于本领域的技术人员将显而易见的是,可以在没有这些特定细节的情况下实施这些实施例。在其他情况下,以框图的形式示出结构和装置,以便避免使本说明书晦涩。例如,下面在一个实施例中参照用户接口和特定硬件来描述本说明书。然而,本描述适用于可以接收数据和命令的任何类型的计算装置、以及提供服务的任何外设装置。
本说明书中对于“一个实施例”或“实施例”的引用意味着,与所述实施例结合描述的特定特征、结构或特性包括在至少一个实施例中。短语“在一个实施例中”在本说明书中各个地方的出现不一定全都是指同一个实施例。
下面的详细描述的一些部分是就对计算机存储器内的数据位的运算的算法和符号表示而给出的。这些算法描述和表示是数据处理领域中的技术人员用于最有效地将他们的工作的实质传达给本领域的其他技术人员的手段。算法在这里一般被设想为是导致所希望的结果的自相一致的步骤序列。这些步骤是需要物理量的物理操纵的步骤。通常,但是不一定,这些量采取能够被存储、传送、组合、比较和以其他方式操纵的电信号或磁信号的形式。已经证明,主要是由于普遍使用的原因,有时便于将这些信号称为位、值、元素、符号、字符、术语、数字等。
然而,应记住,所有这些术语和类似术语与适当的物理量相关联,并且仅仅是应用于这些量的方便标记。除非另有从下面的讨论显而易见的陈述,否则意识到,在整个描述中利用诸如“处理”或“计算”或“运算”或“确定”或“显示”等的术语的讨论是指计算机系统或类似电子计算装置的动作和处理,所述计算机系统或类似电子计算装置操纵在该计算机系统的寄存器和存储器内被表示为物理(电子)量的数据,并将该数据变换为在该计算机系统的存储器或寄存器或其他这样的信息存储、传输或显示装置内被类似地表示为物理量的其他数据。
本说明书还涉及一种用于执行本文中的操作的设备。该设备可以针对所需目的专门构造,或者它可以包括通过存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。这样的计算机程序可以被存储在计算机可读存储介质中,计算机可读存储介质诸如,但不限于:任何类型的盘(包括软盘、光学盘、紧凑盘只读存储器(CD-ROM)、磁盘)、只读存储器(ROM)、随机存取存储器(RAM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、磁卡或光学卡、闪存(包括具有非易失性存储器或适合于存储电子指令的任何类型的介质的通用串行总线(USB)密钥),其中每个均耦合到计算机系统总线。
一些实施例可以采取完全硬件实施例、完全软件实施例、或者包含硬件元件和软件元件两者的实施例。优选实施例用软件实现,软件包括,但不限于,固件、驻留软件、微代码等。
此外,一些实施例可以采取计算机程序产品的形式,所述计算机程序产品可以从提供供计算机或任何指令执行系统使用的或者与计算机或任何指令执行系统结合使用的程序代码的计算机可用或计算机可读介质访问。为了本描述的目的,计算机可用或计算机可读介质可以是可以包含、存储、传送、传播或传输供指令执行系统、设备或装置使用的或者与指令执行系统、设备或装置结合使用的程序的任何设备。
适合于存储和/或执行程序代码的数据处理系统将包括直接或者通过系统总线间接耦合到存储器元件的至少一个处理器。存储器元件可以包括在实际执行程序代码期间利用的本地存储器、大容量储存器、以及提供至少一些程序代码的临时存储以便减少在执行期间必须从大容量储存器检索代码的次数的高速缓存存储器。
输入/输出或I/O装置(包括,但不限于,键盘、显示器、指点装置等)可直接或者通过介于中间的I/O控制器耦合到系统。
网络适配器也可以耦合到系统以使得数据处理系统能够变为通过介于中间的私有或公共网络耦合到其他数据处理系统或远程打印机或存储装置。调制解调器、电缆调制解调器和以太网卡仅仅是几个目前可用类型的网络适配器。
最后,本文中给出的算法和显示器与任何特定计算机或其他设备没有内在联系。各种通用系统可以与根据本文中的教导的程序一起使用,或者可以证明便于构造执行所需的方法步骤的更专门化的设备。各种这些系统所需的结构将从下面的描述显现。另外,本说明书不是参照任何特定编程语言来进行描述的。将意识到,可以使用各种编程语言来实现本文中所描述的各种实施例的教导。
系统概述
图1例示根据一个实施例的用于优化动态频谱接入的系统100的框图。所示的系统100包括被用户116a、116b、…116n和基础设施系统160访问的一个或多个车载系统150a、150b、…150n(单独称为或统称为车载系统150)。系统100的这些实体彼此通信地耦合。在所示的实施例中,这些实体通过网络105通信地耦合。
以举例的方式使用图1中的车载系统150a、150b、…150n。尽管图1例示了三个车载系统,但是本描述适用于具有任何数量的车载系统的任何系统架构。此外,尽管仅一个网络105耦合到车载系统150a、150b、…150n和基础设施系统160,但是实际上,任何数量的网络105可以连接到这些实体。
在所示的实施例中,车载系统150a通过信号线149通信地耦合到车载系统150b。车载系统150a通过信号线119通信地耦合到网络105。用户116a通过信号线117与车载系统150a交互。车载系统150b通过信号线125通信地耦合到网络105。用户116b通过信号线127与车载系统150b交互。车载系统150n通过信号线135通信地耦合到网络105。用户116n通过信号线129与车载系统150n交互。基础设施系统160通过信号线155通信地耦合到网络105。
网络105是常规类型的有线或无线网络,并且可以具有任何数量的配置,诸如星形配置、令牌环配置或本领域的技术人员已知的其他配置。在一个实施例中,网络105包括下列中的一个或多个:局域网(LAN)、广域网(WAN)(例如,因特网)、和/或多个装置通过其进行通信的任何其他互连数据路径。在另一实施例中,网络105是对等网络。网络105耦合到用于用各种不同通信协议发送数据的电信网络的部分,或者包括这些部分。例如,网络105是3G网络或4G网络。在又一实施例中,网络105包括蓝牙通信网络或蜂窝通信网络,其用于诸如通过短消息服务(SMS)、多媒体消息服务(MMS)、超文本传输协议(HTTP)、直接数据连接、无线应用程序协议(WAP)、电子邮件等发送和接收数据。在又一实施例中,使用常规加密技术对网络105中的所有或一些链路进行加密,常规加密技术诸如安全套接字层(SSL)、安全HTTP和/或虚拟私有网络(VPN)。
车载系统150是嵌入在车辆中的数据通信系统。除了别的之外,车载系统150包括控制单元102、一个或多个传感器114a和114n(单独称为或统称为传感器114)、用户交互模块118、环境数据库136、以及认知数据库140。尽管仅例示了两个传感器114a和114n,但是本领域的技术人员将认识到任何数量的传感器114是可用的。此外,尽管在车载系统150中仅描绘了一个控制单元102、一个用户交互模块118、一个环境数据库136和一个认知数据库140,但是车载系统150可以包括一个或多个控制单元102、一个或多个用户交互模块118、一个或多个环境数据库136、以及一个或多个认知数据库140。本领域的技术人员还将意识到,车载系统150可以包括图1中未示出的其他组件,诸如输入装置、网络适配器、以及车载系统常见的其他组件。
在所示的实施例中,传感器114a通过信号线111通信地耦合到控制单元102。传感器114n通过信号线113通信地耦合到控制单元102。用户交互模块118通过信号线115通信地耦合到控制单元102。用户116通过信号线117与用户交互模块118交互。环境数据库136通过信号线137通信地耦合到控制单元102。认知数据库140通过信号线141通信地耦合到控制单元102。
控制单元102是任何基于处理器的计算装置。例如,控制单元102是嵌入在车辆中的电子控制单元(“ECU”)。在一个实施例中,控制单元102使用诸如片上系统(SOC)的单个集成电路来实现。除了别的之外,控制单元102包括处理器104、存储器106、认知引擎108、以及软件定义无线电110。在一个实施例中,控制单元102包括诸如I/O接口(未描绘)的其他常规组件。
处理器104包括执行计算、检索存储在环境数据库136和/或认知数据库140上的数据等的算术逻辑单元、微处理器、通用控制器或一些其他处理器阵列。处理器104对数据信号进行处理,并且可以包括各种计算架构,包括复杂指令集计算机(CISC)架构、精简指令集计算机(RISC)架构、或实现指令集组合的架构。尽管在图1中仅示出了单个处理器,但是可以包括多个处理器。处理能力可以限于支持图像显示以及图像捕捉和传输。处理能力可以足以执行更复杂的任务,包括各种类型的特征提取和采样。对于本领域的技术人员将显而易见的是,其他处理器、操作系统、传感器、显示器和物理配置是可能的。
存储器106存储可以被处理器104执行的指令和/或数据。这些指令和/或数据可以包括用于执行本文中所描述的任何和/或所有技术的程序代码。存储器106可以是动态随机存取存储器(DRAM)装置、静态随机存取存储器(SRAM)装置、闪存或本领域中已知的一些其他存储器装置。在一个实施例中,存储器106还包括非易失性存储器或类似永久存储装置和介质,诸如硬盘驱动器、软盘驱动器、CD-ROM装置、DVD-ROM装置、DVD-RAM装置、DVD-RW装置、闪存装置、或本领域中已知的用于更永久地存储信息的一些其他大容量存储装置。
认知引擎108是用于为车载系统150提供动态频谱接入的代码和例程。例如,认知引擎108使用机器学习技术来为车载系统150提供空白空间(whitespace)频谱中的自适应信道选择。空白空间频谱是未使用的无线电频谱。例如,空白空间频谱是TV空白空间频谱。在一个实施例中,认知引擎108包括存储在处理器104的片上储存器(未描绘)中的代码和例程。在另一实施例中,认知引擎108使用诸如现场可编程门阵列(FPGA)或专用集成电路(ASIC)的硬件来实现。在又一实施例中,认知引擎108使用硬件和软件的组合来实现。
在一个实施例中,认知引擎108至少部分基于应用特定的任务要求来实现。例如,使用支持向量机和/或人工神经网络来实现学习处理中的分类器。使用泛型算法和/或模拟退火来执行各种类型的搜索。使用隐马尔可夫链和/或人工神经网络来执行可变预测。本领域中的技术人员将认识到,认知引擎108可以包括见于常规认知无线电系统中的其他常规特征。
在一个实施例中,如下面参照图2所描述的,认知引擎108应用基于情况的推理和增强学习技术来动态地选择用于车载通信的信道。下面更详细地描述车载通信和用于车载通信的信道。下面参照图2和图4A-7更详细地描述认知引擎108。
软件定义无线电(SDR)110是使用安装在计算装置中的软件实现的无线电通信系统。例如,软件定义无线电110是使用软件实现诸如混频器、滤波器、放大器、调制器、解调器和检测器等组件的无线电通信系统。在一个实施例中,软件定义无线电110从认知引擎108接收一组无线电配置,并且至少部分基于该组无线电配置来配置用于车载系统150的车载通信。例如,软件定义无线电110根据该组无线电配置来使得车载系统150能够与其他车载系统150和/或基础设施系统160通信。在一个实施例中,除了别的之外,软件定义无线电110包括无线电接口112。在其他实施例中,软件定义无线电110包括多个无线电接口112。
无线电接口112是建立用于数据通信的通信链路的接口。例如,包括在车载系统150中的无线电接口112是直接与无线通信环境交互以用于在车载系统150与其他车载系统150和/或网络105之间进行数据通信的接口。
传感器114是被配置为收集任何类型的数据的任何类型的常规传感器。例如,传感器114是下列传感器之一:光检测和测距(LIDAR)传感器;红外线检测器;运动检测器;恒温器;以及声音检测器等。本领域的普通技术人员将认识到其他类型的传感器是可能的。在一个实施例中,传感器114测量与车辆相关的状况,并产生描述该状况的传感器数据。例如,传感器114测量车辆的速度,并将描述该速度的传感器数据发送到认知引擎108。
在一个实施例中,车载系统150包括不同类型的传感器114的组合。例如,车载系统150包括用于监视车辆的速度的速度传感器、用于检测车辆的位置的位置传感器、以及用于感测频谱的频谱传感器等。
用户交互模块118是被配置为处理用户116与控制单元102之间的通信的装置。例如,用户交互模块118包括显示器、触摸屏、麦克风和/或扬声器系统中的一个或多个。在一个实施例中,用户交互模块118从用户116接收输入,并将这些输入发送到控制单元102。例如,用户交互模块118包括触摸屏,并且用户116通过触摸屏将关于信道选择的离线计划提供给认知引擎108。
在一个实施例中,用户交互模块118被配置为将来自控制单元102的输出传送给用户116。例如,用户交互模块118从认知引擎108接收信道选择反馈(例如,信道奖励(reward)、信道吞吐量和/或信道机会等),并将该信道选择反馈提供给用户116。下面参照图2描述信道奖励、信道吞吐量和信道机会。本领域的普通技术人员将认识到用户交互模块118可以包括用于提供本文中所描述的功能的其他类型的装置。
环境数据库136是存储数据的非暂时性存储器。例如,环境数据库136是动态随机存取存储器(DRAM)装置、静态随机存取存储器(SRAM)装置、闪存或本领域中已知的一些其他存储器装置。在一个实施例中,环境数据库136还包括非易失性存储器或类似永久存储装置和介质,诸如硬盘驱动器、软盘驱动器、紧凑盘只读存储器(CD-ROM)装置、数字多功能盘只读存储器(DVD-ROM)装置、数字多功能盘随机存取存储器(DVD-RAM)装置、数字多功能盘可重写(DVD-RW)装置、闪存装置、或本领域中已知的一些其他非易失性存储装置。
在一个实施例中,环境数据库136存储用于提供本文中描述的功能的环境数据。环境数据是与通信环境相关联的数据。例如,环境数据包括描述一个或多个位置处的地形特性的地形数据、一个或多个位置处的无线电传播特性、一个或多个位置处的流量状况(例如,高峰时间、非高峰时间等的流量状况)、一个或多个位置处的信道特性数据(例如,关于主节点和次要节点的信道使用特性、描述一个或多个位置处的节点密度的历史数据、对于主节点和次要节点的流量强度数据)等。下面描述主节点和次要节点。
在一个实施例中,通过上述环境数据、描述对于频谱接入的一个或多个政策的政策数据、描述对于频谱接入的一个或多个标准的标准数据等中的一个或多个来描述用于嵌入在车辆中的车载系统150的通信环境。下面参照图3更详细地描述政策数据和标准数据。在一个实施例中,因为车辆随时间移动,所以通信环境是不固定的。
认知数据库140是存储数据的非暂时性存储器。例如,认知数据库140是动态随机存取存储器(DRAM)装置、静态随机存取存储器(SRAM)装置、闪存或本领域中已知的一些其他存储器装置。在一个实施例中,认知数据库140还包括非易失性存储器或类似永久存储装置和介质,诸如硬盘驱动器、软盘驱动器、紧凑盘只读存储器(CD-ROM)装置、数字多功能盘只读存储器(DVD-ROM)装置、数字多功能盘随机存取存储器(DVD-RAM)装置、数字多功能盘可重写(DVD-RW)装置、闪存装置、或本领域中已知的一些其他非易失性存储装置。
在一个实施例中,认知数据库140存储用于提供本文中描述的功能的政策数据、情况数据、规则数据和标准数据中的一个或多个。下面参照图3更详细地描述认知数据库140。
用户116是人类用户。在一个实施例中,用户116是在路上驾驶车辆的驾驶员。在另一实施例中,用户116是坐在车辆中的乘客座位上的乘客。用户116通过用户交互模块118与嵌入在车辆中的车载系统150通信。
基础设施系统160是用于将服务提供给一个或多个车载系统150的系统。在一个实施例中,基础设施系统160包括用于提供车载系统150可用的任何服务(例如,因特网服务、语音邮件服务等)的一个或多个计算机系统和/或一个或多个存储装置。尽管在图1中仅示出了一个基础设施系统160,但是本领域的技术人员将认识到系统100可以包括任何数量的基础设施系统160。
通信节点是用于数据通信的实体。例如,通信节点是车载系统150、基础设施系统160、安装在路边的通信节点、以及包括在网络105中的任何其他通信节点(例如,路由器、交换机装置等)之一。车载通信是车载系统150与另一通信节点之间的通信。例如,车载通信是车辆对车辆通信、车辆对路边通信以及车辆对基础设施通信之一。
在一个实施例中,两个通信节点之间的车载通信涉及多于一种类型的车载通信。例如,第一车载系统150与基础设施系统160之间的车载通信涉及第一车载系统150与第二车载系统150之间的车辆对车辆通信、以及第二车载系统150与基础设施系统160之间的车辆对基础设施通信。
用于车载通信的信道是用于在两个通信节点之间传送数据的信道。例如,在美国用于车辆对车辆通信的信道是用于专用短距离通信(DSRC)的、具有75MHz带宽的5.9GHz处的信道。在一个实施例中,用于车载通信的信道包括下列信道之一:专用信道(例如,用于DSRC的频带的信道)、自由接入信道(例如,工业、科学和医疗(ISM)频带中的完全自由信道(诸如WiFi和蓝牙)、具有已知频率范围(诸如,TV超高频(UHF))中的自由接入的部分自由信道、在特定时间期间具有自由接入的部分自由信道等)、以及机会接入信道(例如,TV空白空间频带)。
在一个实施例中,对在专用信道中进行的通信进行优先级排序。例如,当使用专用信道进行数据通信时,对于公共安全相关通信给予私有数据通信。在一个实施例中,机会接入信道是下列信道之一:对于主节点位置固定的信道(例如,TV信号、寻呼频带等)、以及对于主节点位置未知的信道(例如,蜂窝网络中的信道等)。
用于信道的主节点是具有使用该信道进行数据通信的优先级的通信节点。例如,主节点是对于在该信道中所使用的频谱具有许可证的实体。用于信道的次要节点是从该信道的一个或多个主节点借用该信道并且应用该信道进行数据通信的通信节点。在一个实施例中,次要节点对于该信道中所使用的频谱不具有许可证。在另一实施例中,当信道空闲(例如,主节点都不具有要发送的任何数据)时,使得次要节点可以从一个或多个主节点借用该信道。
系统100对于车载通信是特别有利的,因为例如系统100通过智能地为车载通信中的两个通信节点提供更多频谱选项来为车载通信解决频谱稀缺性。例如,系统100通过至少部分基于车载无线环境的特性动态地接入频谱来利用空白空间频谱进行车载通信。系统100适于保证数据通信的服务质量并且在最小化信道干扰的同时缓解用于车载通信的专用信道中的拥塞。
如下面更详细地描述的,系统100通过利用历史情况进行信道选择来应用基于情况的推理方法,并且通过利用学习处理进行信道选择来自动地适于通信环境的变化。在一个实施例中,如果例如第一信道变为不可用或者第二信道优于第一信道,则系统100通过将频谱接入在空白空间频谱中从驻留在第一频率的第一信道切换到驻留在第二频率的第二信道来优化用于数据通信的频谱接入。
认知引擎
现在参照图2,更详细地示出了认知引擎108。图2是例示根据一个实施例的认知引擎108的框图。认知引擎108包括通信模块201、情况模块203、选择引擎205、配置模块207、评估模块209、更新模块211、以及图形用户界面(GUI)模块213。认知引擎108的这些组件通过总线220彼此通信地耦合。处理器104通过信号线238通信地耦合到总线220。认知数据库140通过信号线141通信地耦合到总线220。
通信模块201是用于处理认知引擎108的组件与系统100的其他组件之间的通信的代码和例程。例如,通信模块201从一个或多个传感器114接收传感器数据,并且将该传感器数据发送到情况模块203、选择引擎205和评估模块209中的一个或多个。通信模块201通过信号线222通信地耦合到总线220。在一个实施例中,通信模块201还处理认知引擎108的组件之间的通信。例如,通信模块201从评估模块209接收信道奖励,并将该信道奖励发送到更新模块211。下面更详细地描述信道奖励。
在一个实施例中,通信模块201从认知数据库140检索情况数据、规则数据、政策数据和标准数据中的一个或多个,并且将所检索的数据发送到情况模块203。在另一实施例中,通信模块201从环境数据库136检索环境数据,并将该环境数据发送到情况模块203、选择引擎205和评估模块209中的一个或多个。在又一实施例中,通信模块201从更新模块211接收更新的规则数据和/或更新的情况数据,并将更新的规则数据和/或更新的情况数据存储在认知数据库140中。本领域的技术人员将认识到通信模块201可以提供本文中所描述的其他功能。
情况模块203是当被处理器104执行时确定目前情况的匹配情况的代码和例程。例如,情况模块203交叉引用存储在认知数据库140中的情况数据,并将匹配情况确定为存储在认知数据库140中的与目前情况匹配的历史情况。情况模块203通过信号线224通信地耦合到总线220。
目前情况是描述用于与嵌入在车辆中的车载系统150相关联的数据通信的当前通信环境的情况。例如,目前情况包括情况数据,其描述在其中车载系统150意图发送数据的当前通信环境。历史情况是提供历史数据以用于基于过去的经验来优化通信环境下的动态频谱接入的例子。例如,历史情况包括情况数据,其描述用于基于过去的经验来选择特定通信环境下发送数据的信道的历史优化解决方案。
匹配情况是与目前情况匹配的历史情况。例如,匹配情况是存储在认知数据库140中的与目前情况的距离最小的历史情况。在一个实施例中,匹配情况是在与和目前情况关联的当前通信环境相匹配的通信环境下传送数据的历史情况。在一个实施例中,目前情况的当前通信环境与和匹配情况的通信环境相同的位置相关联。在另一实施例中,目前情况的当前通信环境与不同于匹配情况的通信环境的位置相关联。
两种情况之间的距离是表征这两种情况的相似性的参数。例如,两种情况之间的零距离指示这两种情况完全相同。在一个实施例中,两种情况之间的距离与这两种情况下的通信环境的相似性相关联。例如,如果与第一情况相关联的第一通信环境和与第二情况相关联的第二通信环境相同,则第一情况和第二情况的距离为零。在一个实施例中,两种情况之间的距离的测量由系统100的管理员定义。例如,管理员将与通信环境相关联的一个或多个因素(例如,位置、时间、地形特性、空白空间频谱分布、政府法规等)定义为用于计算两种情况之间的距离的参数。情况模块203至少部分基于所述一个或多个因素来计算距离。
情况(例如,目前情况或历史情况)用情况数据描述。在一个实施例中,情况数据描述与情况相关联的通信环境。例如,情况数据包括下列数据中的一个或多个:描述与情况相关联的位置(例如,情况发生的位置)的位置数据、与该位置相关联的环境数据、与该位置相关联的流量数据、与该位置相关联的天气数据、以及与该位置处的一个或多个可用信道相关联的一个或多个信道简档等。在一个实施例中,情况数据另外包括与情况相关联的政策数据、标准数据和规则数据中的一个或多个。本领域的技术人员将认识到情况数据可以包括与情况相关联的任何其他数据。
信道简档是与信道相关联的简档数据。在一个实施例中,与信道相关联的信道简档包括信道值、信道索引和信道访问数(例如,信道访问的次数)中的一个或多个。下面更详细地描述信道值和信道索引。
在一个实施例中,情况模块203从一个或多个传感器114接收传感器数据。传感器数据包括下列数据中的一个或多个:描述车辆所在位置的位置数据、描述车辆速度的速度数据、描述该位置处的流量状况的流量数据、以及描述该位置处的天气状况的天气数据等。本领域的技术人员将认识到传感器数据可以包括由传感器114产生的其他类型的数据。情况模块203至少部分基于位置数据来从环境数据库136检索环境数据。
在一个实施例中,情况模块203至少部分基于位置数据来从认知数据库140检索政策数据和标准数据。下面参照图3描述政策数据和标准数据。情况模块203至少部分基于政策数据和标准数据来产生规则数据。规则数据是描述用于选择一位置处的信道的一个或多个规则的数据。例如,规则数据包括描述一位置处的空白空间频谱分布的数据、以及描述用于从空白空间频谱选择信道的一个或多个政府法规的数据。在一个实施例中,情况模块203将规则数据存储在认知数据库140中。
情况模块203至少部分基于传感器数据、环境数据和规则数据中的一个或多个来定义当前通信环境下的车载系统150的目前情况。例如,情况模块203至少部分基于传感器数据、环境数据和规则数据来配置与目前情况相关联的情况数据。
在一个实施例中,情况模块203从认知数据库140检索描述一种或多种历史情况的情况数据。例如,情况模块203从认知数据库140检索描述所有历史情况的情况数据。情况模块203从所有历史情况确定目前情况的匹配情况。例如,情况模块203确定每种历史情况与目前情况之间的距离。情况模块203将与目前情况的距离最小的历史情况选择作为目前情况的匹配情况。
情况模块203从认知数据库140检索与匹配情况相关联的一个或多个信道简档,并至少部分基于与匹配情况相关联的一个或多个信简档来配置与目前情况相关联的情况数据。例如,情况模块203基于与匹配情况相关联的一个或多个信道简档来初始化用于目前情况的一个或多个信道简档。情况模块203将与目前情况相关联的情况数据发送到选择引擎205。例如,情况模块203将用于目前情况的一个或多个信道简档发送到选择引擎205。在一个实施例中,情况模块203将用于目前情况的一个或多个信道简档存储在认知数据库140中。
确定目前情况的匹配情况并且最初基于匹配情况来配置目前情况是特别有益的,因为例如匹配情况基于过去的经验对与目前情况下的当前通信环境类似的通信环境下的频谱接入提供了历史优化解决方案。利用匹配情况下包括的历史信道简档可以避免对以前遇到的类似通信环境下的优化解决方案的重复搜索,因此,缩短当使用认知引擎108来优化动态频谱接入时认知引擎108的收敛时间。
选择引擎205是当被处理器104执行时选择用于数据通信的信道的代码和例程。选择引擎205通过信号线226通信地耦合到总线220。在一个实施例中,选择引擎205从情况模块203接收与用于目前情况的一个或多个信道相关联的一个或多个信道简档和规则数据。在另一实施例中,选择引擎205从认知数据库140检索与用于目前情况的一个或多个信道相关联的一个或多个信道简档和规则数据。如下所述,选择引擎205至少部分基于目前情况的一个或多个信道简档和规则数据来对于目前情况选择发送数据的信道。
在一个实施例中,选择引擎205确定用于信道选择的学习策略。学习策略是信道选择中应用的策略。在一个实施例中,学习策略是探测策略和利用策略之一。利用策略是利用用于数据通信的现有最佳信道的策略。现有最佳信道是用于目前情况的所有可用信道之中具有最佳性能的信道。探测策略是在所有可用信道中进一步探测从而尝试发现现有最佳信道的备用信道的策略。备用信道是除了现有最佳信道之外具有比其他信道更好的性能的信道。
在一个实施例中,现有最佳信道是目前情况的所有可用信道之中具有最大信道值的信道。信道值是信道简档的参数。在一个实施例中,较高信道值与较好信道性能相关联。下面参照更新模块211进一步描述信道值。在一个实施例中,用于目前情况的现有最佳信道随时间改变,因为如下所述,与用于目前情况的一个或多个可用信道相关联的一个或多个信道简档(例如,所述一个或多个可用信道的信道值)是随时间更新的。例如,在第一时间实例中,用于目前情况的现有最佳信道是所有可用信道中的第一信道,而在第二时间实例中,因为第一信道不再可用,所以现有最佳信道是可用信道中的第二信道。
在一个实施例中,选择引擎205使用ε-贪婪算法来确定学习策略。ε-贪婪算法是尝试通过在每个阶段局部进行最佳选择来找到整体最佳值的方法。例如,选择引擎205应用ε-贪婪算法来确定是选择探测策略还是选择利用策略。符号“ε”表示具有“0”与“1”之间的值的数。在一个实施例中,选择引擎205产生具有“0”与“1”之间的值的随机数。如果随机数小于“ε”,则选择引擎205选择探测策略。否则,选择引擎205选择利用策略。
如果选择利用策略,则选择引擎205至少部分基于一个或多个信道简档来选择具有最大信道值的信道(例如,现有最佳信道)。另一方面,如果选择探测策略,则选择引擎205至少部分基于一个或多个信道简档来选择具有最大信道索引的信道。信道索引是信道简档的参数。信道索引与信道的信道值相关联。在一个实施例中,具有比第二信道高的信道索引的第一信道更有可能实现比第二信道好的性能。下面参照更新模块211进一步描述信道索引。
在选择信道之后,选择引擎205将所选的具有最大信道索引或最大信道值的信道发送到配置模块207。例如,选择引擎205将所选信道的标识符发送到配置模块207。
在一个实施例中,选择引擎205被配置为随时间自适应地改善信道选择。例如,选择引擎205从更新模块211接收一个或多个更新的信道简档,并至少部分基于更新的信道简档和与目前情况相关联的其他剩余的信道简档来重新选择用于数据通信的信道。在一个实施例中,选择引擎205通过执行与上述操作类似的操作来重新选择信道。选择引擎205将重新选择的信道发送到配置模块207,以使得根据重新选择的信道来重新配置软件定义无线电110。通过图4A-4B和图5A-5C来进一步例示该自适应信道选择处理。
配置模块207是当被处理器104执行时配置软件定义无线电110用于数据通信的代码和例程。配置模块207通过信号线230通信地耦合到总线220。在一个实施例中,配置模块207从选择引擎205接收所选信道的标识符,并产生用于所选信道的一组无线电配置。配置模块207至少部分基于该组无线电配置来针对所选信道配置软件定义无线电110,以使得软件定义无线电110使用所选信道来发送数据。
例如,配置模块207从选择引擎205接收具有最大信道索引的所选信道的标识符,并产生用于感测所选信道的一组无线电配置。配置模块207至少部分基于该组无线电配置来配置软件定义无线电110,以使得软件定义无线电110对于所选信道执行信道感测。
作为另一个例子,配置模块207从选择引擎205接收具有最大信道值的所选信道的标识符,并产生用于感测并接入所选信道的一组无线电配置。配置模块207至少部分基于该组无线电配置来配置软件定义无线电110,以使得软件定义无线电110对所选信道执行信道感测并且接入所选信道进行数据通信。
评估模块209是当被处理器104执行时评估所选信道的性能的代码和例程。评估模块209通过信号线232通信地耦合到总线220。在一个实施例中,当软件定义无线电110感测和/或接入所选信道时,评估模块209监视并测量该信道的信道性能。例如,评估模块209对所选信道测量竞争、干扰、噪声水平、数据流量状况(例如,拥塞、空闲等)、误码率中的一个或多个。
在一个实施例中,评估模块209如下所述那样预测所选信道的信道机会。信道机会是信道可用于数据传输的机会。例如,信道机会是信道可供车载系统150用于传输数据的概率。信道的更高信道机会指示该信道更有可能可供使用。
在一个实施例中,评估模块209从检测车辆的位置的传感器114接收位置数据。评估模块209从情况模块203接收规则数据,并从该规则数据提取描述该位置的空白空间频谱分布的数据。可选地,评估模块209从环境数据库136检索描述在该位置处信道的主节点的信道使用特性的数据。评估模块209还如上所述那样确定所选信道的噪声水平、干扰等。
评估模块209至少部分基于空白空间频谱分布、主节点的信道使用特性、噪声水平和/或干扰等中的一个或多个来确定用于所有次要节点的所选信道的信道可用性。在一个实施例中,次要节点包括一个或多个固定节点(例如,不改变位置的通信节点)和一个或多个移动节点(例如,随时间改变位置的通信节点,诸如车载系统150)。评估模块209至少部分基于所有次要节点的信道可用性来确定移动节点的信道可用性。
评估模块209从监视速度的传感器114接收指示车辆的速度的速度数据。评估模块209至少部分基于主节点的信道使用特性、噪声水平、干扰和速度数据中的一个或多个来预测主节点的活动概率。主节点的活动概率表示信道被主节点使用并且不可供次要节点使用的概率。评估模块209基于移动节点的信道可用性和主节点的活动概率来确定信道的信道机会。
在一个实施例中,评估模块209如下所述那样确定所选信道的信道吞吐量。信道的信道吞吐量是使用该信道进行数据通信的所有通信节点的数据吞吐量。较高信道吞吐量指示该信道更能进行数据通信。
评估模块209从传感器114接收位置数据,并且从环境数据库136检索该位置数据所指定的位置处的一个或多个次要节点的密度数据。评估模块209从环境数据库136检索该位置处的一个或多个次要节点的流量强度数据。流量强度数据指示一个或多个次要节点使用该信道的频率、以及所述一个或多个次要节点使用该信道传输的数据量。评估模块209至少部分基于次要节点的密度数据和流量强度数据来确定每个次要节点的信道使用率。评估模块209至少部分基于每个次要节点的信道使用率来确定该信道的信道吞吐量。例如,评估模块209将信道吞吐量确定为每个次要节点的信道使用率的总和。
在一个实施例中,评估模块209至少部分基于所选信道的信道机会和信道吞吐量来确定所选信道的信道奖励。信道奖励是测量信道的总体性能的参数。例如,如果第一信道具有比第二信道好的性能(例如,更高信道吞吐量、更大信道机会等),则评估模块209对第一信道产生比对第二信道高的信道奖励。评估模块209将与所选信道相关联的信道机会、信道吞吐量和信道奖励中的一个或多个发送到更新模块211。
更新模块211是当被处理器104执行时更新所选信道的信道简档和目前情况的规则数据中的一个或多个的代码和例程。更新模块211通过信道线234通信地耦合到总线220。在一个实施例中,更新模块211从评估模块209接收信道机会、信道吞吐量和信道奖励中的一个或多个,并至少部分基于信道机会、信道吞吐量和信道奖励中的一个或多个来更新所选信道的信道简档。例如,更新模块211至少部分基于信道奖励来更新所选信道的信道值、信道索引和信道访问数。在一个实施例中,更新模块211还至少部分基于信道机会、信道吞吐量和信道奖励中的一个或多个来更新用于目前情况的规则数据。
例如,更新模块211将用于所选信道的信道简档中的信道访问数更新为:
n(s)←n(s)+1。
符号“s”表示所选信道。符号“n(s)”表示所选信道的信道访问数。更新模块211使用恒定αMonte Carlo方法来更新用于所选信道的信道简档中的信道值:
V(s)←V(s)+α(R(s)-V(s))。
符号“V(s)”表示所选信道的信道值。符号“R(s)”表示所选信道的信道奖励。符号“α”表示“0”与“1”之间的学习速率。在更新信道值之后,更新模块211将用于所选信道的信道简档中的信道索引更新为:
符号“I(s)”表示所选信道的信道索引。符号“K”表示目前情况的可用信道的总数。符号“n(j)”表示“j”信道的信道访问数。
更新模块211确定是否继续用于信道选择的学习处理。例如,更新模块211至少部分基于更新的信道简档来确定是否指示选择引擎205重新选择用于数据通信的信道。下面更详细地描述学习处理。如果更新模块211确定继续学习处理,则更新模块221指示选择引擎205通过按照上面参照选择引擎205描述的操作基于更新的信道简档和与目前情况相关联的其他信道简档来重新选择信道。如果更新模块211确定停止学习处理,则更新模块211将用于目前情况的情况数据存储在认知数据库140中,以使得目前情况将被视为供将来使用的历史情况,所述用于目前情况的情况数据包括更新的信道简档和其他剩余的信道简档。更新模块211还将与目前情况相关联的规则数据存储在认知数据库140中。
GUI模块213是当被处理器104执行时产生用于将GUI提供给用户的图形数据的代码和例程。GUI模块213通过信号线236通信地耦合到总线220。在一个实施例中,GUI模块213产生图形数据,其用于描绘使得用户可以与信道选择处理交互的GUI。例如,GUI模块213产生图形数据,其用于描绘将信道选择反馈(例如,信道机会、信道吞吐量、信道奖励等)提供给用户的GUI。GUI模块213将所产生的图形数据发送到用户交互模块118,从而使用户交互模块118将GUI呈现给用户。在一个实施例中,认知引擎108不包括GUI模块213,并且如上所述的GUI模块213的所有或一些功能由用户交互模块118提供。
学习处理是基于学习经验来优化用于数据通信的频谱接入的处理。例如,学习处理包括下列处理的迭代:由选择引擎205实现的基于连续更新的信道简档选择信道的处理、由评估模块209实现的评估所选信道的信道性能的处理、以及由更新模块211实现的基于信道性能更新信道简档的处理。在一个实施例中,使用诸如增强学习的机器学习技术来实现学习处理。
在一个实施例中,学习处理的长期目标是避免信道干扰、最大化通信链路寿命、以及最大化信道吞吐量。学习处理自动地通过测量信道的性能并且基于该性能更新信道简档来将车载通信的信道特性合并到信道选择处理中。随着车辆随时间移动,用于数据传输的通信环境也随时间改变。所述处理自动地通过基于信道性能改善信道选择来适应环境变化。通过在空间和时间上具有多样化特性的多种频带中执行动态频谱接入,学习处理因此使得系统100能够自动地优化通信性能并且实现用于车载通信的高级网络应用程序。
认知数据库
图3是例示根据一个实施例的认知数据库140的框图。除了别的之外,认知数据库140包括政策数据301、情况数据303、规则数据305和标准数据307。本领域的技术人员将认识到认知数据库140可以包括用于提供本文中所描述的功能的其他数据。
政策数据301是描述用于不同位置处的频谱接入的一个或多个政策的数据。在一个实施例中,政策数据301包括用于频谱接入的一个或多个法规(例如,由美国联邦通信委员会发布的国家法规、本地法规、主信道占用模式等)。
情况数据303是与一种或多种情况相关联的数据。在一个实施例中,情况数据303是与一种或多种历史情况相关联的数据。情况数据303包括下列数据中的一个或多个:描述情况的位置的位置数据、与该位置相关联的环境数据、与该位置相关联的流量数据、与该位置相关联的天气数据、以及与用于该情况的一个或多个可用信道相关联的一个或多个信道简档等。在一个实施例中,情况数据303包括与情况相关联的规则数据。本领域的技术人员将认识到情况数据303可以包括与情况相关联的任何其他数据。
规则数据305是描述用于情况的频谱接入的一个或多个规则的数据。在一个实施例中,规则数据305包括描述用于选择用于情况的信道的一个或多个规则(例如,基于政府法规或标准要求的规则等)的数据。在一个实施例中,规则数据305包括描述与情况相关联的位置处的空白空间频谱分布的数据。
标准数据307是描述用于数据通信的一个或多个标准的数据。例如,标准数据307包括用于无线通信的一个或多个标准,诸如IEEE802.22和IEEE802.11等。
方法
现在参照图4A-7,将描述本说明书的方法的各种实施例。图4A和4B是例示根据一个实施例的用于优化动态频谱接入的方法400的流程图。参照图4A,通信模块201从一个或多个传感器114接收402传感器数据。在一个实施例中,传感器数据包括下列数据中的一个或多个:指定车辆所在的位置的位置数据、描述该位置处的天气状况的天气数据、描述该位置处的流量状况的流量数据等。通信模块201从环境数据库136检索404环境数据(例如,描述该位置的地形特性的地形数据、对于该位置的无线电传播特性、该位置处的信道特性数据等)。通信模块201将传感器数据和环境数据发送到情况模块203。
情况模块203至少部分基于传感器数据和环境数据来确定406车载系统150的目前情况。例如,情况模块203至少部分基于传感器数据和环境数据来配置与目前情况相关联的情况数据。情况模块203从认知数据库140确定408目前情况的匹配情况。情况模块203至少部分基于用于匹配情况的一个或多个信道简档来配置410用于目前情况的一个或多个信道简档。情况模块203将与目前情况相关联的情况数据发送到选择引擎205。例如,情况模块203将目前情况的一个或多个信道简档发送到选择引擎205。
参照图4B,选择引擎205至少部分基于所述一个或多个信道简档来选择412信道。选择引擎205将所选信道的标识符发送到配置模块207。配置模块207产生用于所选信道的一组无线电配置,并至少部分基于该组无线电配置来配置414软件定义无线电110。
当软件定义无线电110感测和/或接入信道时,评估模块209评估所选信道的信道性能。评估模块209产生417对于所选信道的信道奖励,并将该信道奖励发送到更新模块211。更新模块211至少部分基于信道奖励来更新418用于所选信道的信道简档。
更新模块211确定420是否继续用于信道选择的学习处理。如果更新模块211确定继续学习处理,则方法400移到步骤412。否则,方法400移到步骤422。转到步骤422,更新模块211将包括更新的信道简档和其他信道简档的情况数据存储在认知数据库140中作为供将来使用的历史情况。
图5A-5C是例示根据另一实施例的用于优化动态频谱接入的方法500的流程图。参照图5A,通信模块201从一个或多个传感器114接收502传感器数据。除了别的之外,传感器数据包括下列数据:描述车辆的位置的位置数据、描述该位置处的天气状况的天气数据、描述该位置处的流量状况的流量数据等。通信模块201至少部分基于位置数据来从环境数据库136检索504环境数据。通信模块201将传感器数据和环境数据发送到情况模块203。
情况模块203至少部分基于传感器数据和环境数据来确定506车载系统150的目前情况。例如,情况模块203至少部分基于传感器数据和环境数据来配置与目前情况相关联的情况数据。情况模块203从认知数据库140检索508与一种或多种历史情况相关联的情况数据。在一个实施例中,情况模块203从认知数据库140检索与所有历史情况相关联的情况数据。情况模块203确定510目前情况与每种历史情况之间的距离。
情况模块203确定512目前情况的匹配情况。在一个实施例中,情况模块203至少部分基于目前情况与历史情况之间的距离来确定目前情况的匹配情况。例如,情况模块203将与目前情况的距离最小的历史情况选择为目前情况的匹配情况。
情况模块203从认知数据库140检索514与匹配情况相关联的一个或多个信道简档。情况模块203至少部分基于与匹配情况相关联的一个或多个信道简档来配置516用于目前情况的一个或多个信道简档。情况模块203将包括目前情况的一个或多个情况简档的情况数据发送到选择引擎205。
参照图5B,选择引擎205选择518用于信道选择的学习策略。例如,选择引擎205实施ε-贪婪算法以选择学习策略。选择算法205确定520是否选择探测策略。如果选择探测策略,则方法500移到步骤526。否则,方法500移到步骤522。
转到步骤522,选择引擎205至少部分基于所述一个或多个信道简档来从目前情况下的一个或多个可用信道选择具有最大信道值的信道。选择引擎205将所选信道的标识符发送到配置模块207。配置模块207产生524用于感测和接入所选信道的一组无线电配置。
转到步骤526,选择引擎205至少部分基于所述一个或多个信道简档来从目前情况下的一个或多个可用信道选择具有最大信道索引的信道。选择引擎205将所选信道的标识符发送到配置模块207。配置模块207产生528用于感测所选信道的一组无线电配置。
在步骤530,配置模块207针对所选信道配置软件定义无线电110。在一个实施例中,配置模块207配置软件定义无线电110以用于信道感测。在另一实施例中,配置模块207配置软件定义无线电110以用于信道感测和接入。
当无线电定义无线电110感测和/或接入所选信道时,评估模块209测量532所选信道的信道性能。评估模块209预测534所选信道的信道机会。在一个实施例中,评估模块209通过执行与下面参照图6A和6B描述的步骤类似的步骤来预测所选信道的信道机会。
参照图5C,评估模块209确定536所选信道的信道吞吐量。在一个实施例中,评估模块209通过执行与下面参照图7描述的步骤类似的步骤来确定信道吞吐量。评估模块209至少部分基于信道机会和信道吞吐量来确定538对于所选信道的信道奖励。评估模块209将信道机会、信道吞吐量和信道奖励中的一个或多个发送到更新模块211。
更新模块211至少部分基于信道机会、信道吞吐量和信道奖励中的一个或多个来更新540用于所选信道的信道简档。可选地,更新模块211至少部分基于信道机会、信道吞吐量和信道奖励来更新542与目前情况相关联的规则数据。更新模块211确定544是否继续用于信道选择的学习处理。如果更新模块211确定继续学习处理,则方法500移到步骤518。否则,方法500移到步骤546。
在步骤546,更新模块211将用于目前情况的包括更新的信道简档和其他信道简档的情况数据存储在认知数据库140中作为供将来使用的历史情况。更新模块211还将与目前情况相关联的规则数据存储548在认知数据库140中。
图6A和6B是例示根据一个实施例的用于确定信道的信道机会的方法600的流程图。参照图6A,通信模块201从传感器114接收602指定车辆的位置的位置数据。通信模块201将位置数据发送到评估模块209。评估模块209从情况模块203接收604用于目前情况的规则数据。评估模块209从规则数据提取606描述所述位置处的空白空间频谱分布的数据。可选地,评估模块211从环境数据库136检索608描述信道的主节点的信道使用特性的数据。评估模块209确定610信道的噪声水平和/或干扰。
评估模块209至少部分基于空白空间频谱分布、主用户的信道使用特性、噪声水平和/或干扰来预测612信道的所有次要节点的信道可用性。评估模块209至少部分基于所有次要节点的信道可用性来预测614移动节点的信道可用性。
参照图6B,通信模块201从传感器114接收616指定车辆的速度的速度数据。通信模块201将速度数据发送到评估模块209。评估模块201至少部分基于速度数据、主节点的信道使用特性、信道的噪声水平和/或干扰来预测618主节点的活动概率。评估模块211至少部分基于移动节点的信道可用性和主节点的活动概率来确定620信道的信道机会。
图7是例示根据一个实施例的用于确定信道的信道吞吐量的方法700的流程图。通信模块201从传感器114接收702识别位置的位置数据。可选地,通信模块201从环境数据库136检索704与该位置相关联的信道的次要节点的密度数据。通信模块201从环境数据库136检索706与该位置相关联的次要节点的流量强度数据。通信模块201将次要节点的密度数据和流量强度数据中的一个或多个发送到评估模块209。
评估模块209确定708每个次要节点的信道使用率。评估模块209至少部分基于每个次要节点的信道使用率来确定710信道的信道吞吐量。
前面对实施例的描述是为了例示和描述的目的而给出的。并非意图穷举或者使本说明书限于所公开的精确形式。根据以上教导,许多修改和变型是可能的。意图是实施例的范围不是由该详细描述限制的,而是由本申请的权利要求书限制。如本领域的熟练技术人员将理解的,在不脱离本发明的精神或本质特征的情况下,可以以其他特定形式实施这些例子。同样地,模块、例程、特征、属性、方法和其他方面的特定命名和划分不是强制性的或重要的,并且实现本描述或其特征的机构可以具有不同的名称、划分和/或格式。此外,如相关领域的普通技术人员将明白的,本说明书的模块、例程、特征、属性、方法和其他方面可以被实现为软件、硬件、固件或这三个的任何组合。此外,在本说明书的其例子是模块的组件被实现为软件的情况下,该组件可以被实现为独立程序、更大程序的一部分、多个单独的程序、静态或动态链接库、内核可加载模块、装置驱动器、和/或以计算机编程领域中的普通技术人员现在知道或未来知道的每一种任何其他方式实现。另外,本说明书决不限于任何特定编程语言的实现或者对于任何特定操作系统或环境的实现。因此,本公开的意图是例示性的,而非限制本说明书的范围,本说明书的范围在所附权利要求书中进行阐述。
Claims (17)
1.一种用于优化通信中的动态频谱接入的方法,所述方法包括:
至少部分基于传感器数据和环境数据来确定目前情况;
确定所述目前情况的匹配情况;
至少部分基于所述匹配情况来配置用于所述目前情况的一个或多个信道简档;
至少部分基于所述一个或多个信道简档来选择第一信道,所述第一信道与来自所述一个或多个信道简档的第一信道简档相关联;
评估所述第一信道的第一信道性能,并产生对于所述第一信道的第一信道奖励;和
至少部分基于所述第一信道奖励来更新所述第一信道简档,
其中,确定所述目前情况的匹配情况进一步包括:
检索与一个或多个历史情况相关联的情况数据;
确定所述目前情况与所述一个或多个历史情况之间的一个或多个距离,每个距离描述表征所述目前情况与对应的历史情况之间的相似性的参数;和
从所述一个或多个历史情况选择与所述目前情况的距离最小的历史情况作为所述匹配情况。
2.根据权利要求1所述的方法,其中,产生第一信道奖励进一步包括:
预测所述第一信道的信道机会;
确定所述第一信道的信道吞吐量;和
至少部分基于所述信道机会和所述信道吞吐量来产生所述第一信道奖励。
3.根据权利要求1所述的方法,还包括:
至少部分基于更新的第一信道简档和来自所述一个或多个信道简档的其他剩余信道简档来选择第二信道,所述第二信道与来自所述一个或多个信道简档的第二信道简档相关联;
评估所述第二信道的第二信道性能,并产生对于所述第二信道的第二信道奖励;和
至少部分基于所述第二信道奖励来更新所述第二信道简档。
4.根据权利要求1所述的方法,还包括:
存储包括更新的第一信道简档和来自所述一个或多个信道简档的其他剩余信道简档的所述目前情况的情况数据作为用于将来使用的历史情况。
5.根据权利要求1所述的方法,其中,所述第一信道简档包括信道值、信道索引和信道访问次数。
6.根据权利要求5所述的方法,其中,更新第一信道简档进一步包括:
更新所述第一信道的信道值、信道索引和信道访问次数。
7.一种用于优化通信中的动态频谱接入的系统,所述系统包括:
情况模块,所述情况模块用于至少部分基于传感器数据和环境数据来确定目前情况,所述情况模块确定所述目前情况的匹配情况,所述情况模块至少部分基于所述匹配情况来配置用于所述目前情况的一个或多个信道简档;
选择引擎,所述选择引擎通信地耦合到所述情况模块,所述选择引擎至少部分基于所述一个或多个信道简档来选择第一信道,所述第一信道与来自所述一个或多个信道简档的第一信道简档相关联;
评估模块,所述评估模块通信地耦合到所述情况模块和所述选择引擎,所述评估模块评估所述第一信道的第一信道性能,并产生对于所述第一信道的第一信道奖励;和
更新模块,所述更新模块通信地耦合到所述情况模块、所述选择引擎和所述评估模块,所述更新模块至少部分基于所述第一信道奖励来更新所述第一信道简档,
其中,所述情况模块被进一步配置为:
检索与一个或多个历史情况相关联的情况数据;
确定所述目前情况与所述一个或多个历史情况之间的一个或多个距离,每个距离描述表征所述目前情况与对应的历史情况之间的相似性的参数;和
从所述一个或多个历史情况选择与所述目前情况的距离最小的历史情况作为所述匹配情况。
8.根据权利要求7所述的系统,其中,所述评估模块被进一步配置为:
预测所述第一信道的信道机会;
确定所述第一信道的信道吞吐量;和
至少部分基于所述信道机会和所述信道吞吐量来产生所述第一信道奖励。
9.根据权利要求7所述的系统,其中,所述选择引擎被进一步配置为至少部分基于更新的第一信道简档和来自所述一个或多个信道简档的其他剩余信道简档来选择第二信道,所述评估模块被进一步配置为评估所述第二信道的第二信道性能,并产生对于所述第二信道的第二信道奖励,并且所述更新模块被进一步配置为至少部分基于所述第二信道奖励来更新第二信道简档,其中,所述第二信道与来自所述一个或多个信道简档的第二信道简档相关联。
10.根据权利要求7所述的系统,其中,所述更新模块被进一步配置为:
存储包括更新的第一信道简档和来自所述一个或多个信道简档的其他剩余信道简档的所述目前情况的情况数据作为用于将来使用的历史情况。
11.根据权利要求7所述的系统,其中,所述第一信道简档包括信道值、信道索引和信道访问次数。
12.根据权利要求11所述的系统,其中,所述更新模块被进一步配置为:
更新所述第一信道的信道值、信道索引和信道访问次数。
13.一种非暂时性计算机可读介质,所述非暂时性计算机可读介质对指令进行编码,所述指令响应于被计算装置执行来使所述计算装置执行包括以下步骤的操作:
至少部分基于传感器数据和环境数据来确定目前情况;
确定所述目前情况的匹配情况;
至少部分基于所述匹配情况来配置用于所述目前情况的一个或多个信道简档;
至少部分基于所述一个或多个信道简档来选择第一信道,所述第一信道与来自所述一个或多个信道简档的第一信道简档相关联;
评估所述第一信道的第一信道性能,并产生对于所述第一信道的第一信道奖励;和
至少部分基于所述第一信道奖励来更新所述第一信道简档,
其中,确定所述目前情况的匹配情况进一步包括:
检索与一个或多个历史情况相关联的情况数据;
确定所述目前情况与所述一个或多个历史情况之间的一个或多个距离,每个距离描述表征所述目前情况与对应的历史情况之间的相似性的参数;和
从所述一个或多个历史情况选择与所述目前情况的距离最小的历史情况作为所述匹配情况。
14.根据权利要求13所述的非暂时性计算机可读介质,其中,产生第一信道奖励进一步包括:
预测所述第一信道的信道机会;
确定所述第一信道的信道吞吐量;和
至少部分基于所述信道机会和所述信道吞吐量来产生所述第一信道奖励。
15.根据权利要求13所述的非暂时性计算机可读介质,其中,所述指令使所述计算装置执行还包括以下步骤的操作:
至少部分基于更新的第一信道简档和来自所述一个或多个信道简档的其他剩余信道简档来选择第二信道,所述第二信道与来自所述一个或多个信道简档的第二信道简档相关联;
评估所述第二信道的第二信道性能,并产生对于所述第二信道的第二信道奖励;和
至少部分基于所述第二信道奖励来更新所述第二信道简档。
16.根据权利要求13所述的非暂时性计算机可读介质,其中,所述指令使所述计算装置执行还包括以下步骤的操作:
存储包括更新的第一信道简档和来自所述一个或多个信道简档的其他剩余信道简档的所述目前情况的情况数据作为用于将来使用的历史情况。
17.根据权利要求13所述的非暂时性计算机可读介质,其中,所述第一信道简档包括信道值、信道索引和信道访问次数。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/294,084 US9215598B2 (en) | 2011-11-10 | 2011-11-10 | Optimizing dynamic spectrum access |
US13/294,084 | 2011-11-10 | ||
PCT/JP2012/079873 WO2013069819A1 (en) | 2011-11-10 | 2012-11-09 | Optimizing vehicular dynamic spectrum access using case-based learning techniques |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104025638A CN104025638A (zh) | 2014-09-03 |
CN104025638B true CN104025638B (zh) | 2017-11-17 |
Family
ID=47358257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280055052.8A Expired - Fee Related CN104025638B (zh) | 2011-11-10 | 2012-11-09 | 使用基于情况的学习技术来优化车载动态频谱接入 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9215598B2 (zh) |
EP (1) | EP2777313B1 (zh) |
JP (1) | JP5403441B2 (zh) |
CN (1) | CN104025638B (zh) |
BR (1) | BR112014011238A2 (zh) |
SG (1) | SG11201402208XA (zh) |
WO (1) | WO2013069819A1 (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9215598B2 (en) * | 2011-11-10 | 2015-12-15 | Toyota Jidosha Kabushiki Kaisha | Optimizing dynamic spectrum access |
US20140302774A1 (en) * | 2013-04-04 | 2014-10-09 | General Motors Llc | Methods systems and apparatus for sharing information among a group of vehicles |
US11146966B2 (en) * | 2013-06-18 | 2021-10-12 | Itron Networked Solutions, Inc. | Configuring a network of devices to operate within a television whitespace spectrum |
DE102013215730A1 (de) * | 2013-08-09 | 2015-02-12 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur optimierten Wahl eines drahtlosen Kommunikationskanals in hybriden Fahrzeug-basierten Kommunikationssystemen |
US9398397B2 (en) * | 2014-01-09 | 2016-07-19 | Ford Global Technologies, Llc | Secure manipulation of embedded modem connection settings through short messaging service communication |
US10080159B2 (en) * | 2014-06-24 | 2018-09-18 | Qualcomm Incorporated | Dynamic bandwidth management for load-based equipment in unlicensed spectrum |
JP6357373B2 (ja) * | 2014-07-10 | 2018-07-11 | 株式会社トヨタIt開発センター | スペクトラムセンシング方法および無線通信装置 |
US11159618B2 (en) * | 2014-07-25 | 2021-10-26 | Hewlett Packard Enterprise Development Lp | Software-defined sensing |
JP2016122998A (ja) * | 2014-12-25 | 2016-07-07 | 日本電気株式会社 | 無線通信端末およびその制御方法 |
FR3039351B1 (fr) * | 2015-07-21 | 2019-03-15 | Institut National Des Sciences Appliquees (Insa) | Procede d'acces opportuniste au spectre |
WO2017038104A1 (ja) * | 2015-09-03 | 2017-03-09 | 株式会社Preferred Networks | 実装装置および実装方法 |
US11521070B2 (en) | 2015-10-29 | 2022-12-06 | Preferred Networks, Inc. | Information processing device and information processing method |
JP6627496B2 (ja) * | 2015-12-25 | 2020-01-08 | 国立大学法人京都大学 | 管理装置、コンピュータに実行させるためのプログラムおよびそのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP6652762B2 (ja) * | 2016-01-20 | 2020-02-26 | 国立研究開発法人物質・材料研究機構 | チャネル選択方法 |
WO2017200432A1 (en) * | 2016-05-17 | 2017-11-23 | Telefonaktiebolaget Lm Ericsson (Publ) | Network node and method for resource allocation for multiple radio access technologies |
US20180137464A1 (en) * | 2016-11-16 | 2018-05-17 | Jabil Circuit, Inc. | Apparatus, system and method for providing a design for excellence engine |
US10903918B2 (en) * | 2016-12-07 | 2021-01-26 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Cognitive HF radio with tuned compact antenna |
US11568236B2 (en) | 2018-01-25 | 2023-01-31 | The Research Foundation For The State University Of New York | Framework and methods of diverse exploration for fast and safe policy improvement |
EP3621274B1 (en) | 2018-09-04 | 2022-04-20 | Volkswagen Aktiengesellschaft | Method for predicting a quality of service for a communication between at least two moving communication partners, apparatus for performing steps of the method, vehicle, backend server and computer program |
US10764904B2 (en) | 2018-10-23 | 2020-09-01 | At&T Intellectual Property I, L.P. | Channel allocation |
EP3681180A1 (en) * | 2019-01-09 | 2020-07-15 | Volkswagen Aktiengesellschaft | Method, apparatus and computer program for determining a plurality of traffic situations |
WO2020174599A1 (ja) * | 2019-02-27 | 2020-09-03 | 株式会社日立国際電気 | ソフトウェア無線機 |
JP6744597B1 (ja) * | 2019-10-18 | 2020-08-19 | トヨタ自動車株式会社 | 車両用制御データの生成方法、車両用制御装置、車両用制御システム、および車両用学習装置 |
CN112672426B (zh) * | 2021-03-17 | 2021-06-29 | 南京航空航天大学 | 一种基于在线学习的抗干扰频点分配方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090147725A1 (en) * | 2007-12-10 | 2009-06-11 | Electronics And Telecommunications Research Institute | Cross-layer routing method in wireless sensor network |
US20100075704A1 (en) * | 2008-08-19 | 2010-03-25 | Shared Spectrum Company | Method and System for Dynamic Spectrum Access Using Specialty Detectors and Improved Networking |
CN102185906A (zh) * | 2011-04-21 | 2011-09-14 | 西安交通大学 | 大型装备安全监测无线传感器网络 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6754485B1 (en) * | 1998-12-23 | 2004-06-22 | American Calcar Inc. | Technique for effectively providing maintenance and information to vehicles |
US7421334B2 (en) * | 2003-04-07 | 2008-09-02 | Zoom Information Systems | Centralized facility and intelligent on-board vehicle platform for collecting, analyzing and distributing information relating to transportation infrastructure and conditions |
JP4772582B2 (ja) * | 2006-04-28 | 2011-09-14 | 株式会社東芝 | コグニティブ無線システム |
US7869400B2 (en) * | 2006-10-16 | 2011-01-11 | Stmicroelectronics, Inc. | Method of inter-system coexistence and spectrum sharing for dynamic spectrum access networks-on-demand spectrum contention |
EP2096805B1 (en) * | 2008-02-28 | 2010-08-25 | NTT DoCoMo, Inc. | Apparatus and method for complexity reduction |
US8873580B2 (en) * | 2008-10-10 | 2014-10-28 | The Trustees Of The Stevens Institute Of Technology | Method and apparatus for dynamic spectrum access |
JP5347977B2 (ja) * | 2009-02-06 | 2013-11-20 | ソニー株式会社 | 通信制御方法、及び通信システム |
US8131304B2 (en) * | 2009-03-30 | 2012-03-06 | Motorola Solutions, Inc. | Dynamic spectrum allocation (DSA) in a communication network |
US8811903B2 (en) * | 2009-05-28 | 2014-08-19 | Microsoft Corporation | Spectrum assignment for networks over white spaces and other portions of the spectrum |
JP5454577B2 (ja) * | 2009-07-23 | 2014-03-26 | 日本電気株式会社 | ネットワーク状態予測装置、移動通信システム及び移動通信方法 |
MY164772A (en) * | 2010-05-06 | 2018-01-30 | Interdigital Patent Holdings Inc | Systems and methods for dynamic whitespace spectrum management |
US8488545B2 (en) * | 2010-05-18 | 2013-07-16 | Telcodia Applied Research Center Taiwan Co. | Region-based clustering mechanism for channel access in vehicular Ad Hoc networks |
US8422444B2 (en) * | 2010-06-04 | 2013-04-16 | Microsoft Corporation | Dynamic channel and transmission rate selection |
US9215598B2 (en) * | 2011-11-10 | 2015-12-15 | Toyota Jidosha Kabushiki Kaisha | Optimizing dynamic spectrum access |
US8725179B2 (en) * | 2012-03-09 | 2014-05-13 | Toyota Jidosha Kabushiki Kaisha | System for distributed spectrum sensing in a highly mobile vehicular environment |
US8897806B2 (en) * | 2012-03-27 | 2014-11-25 | Toyota Jidosha Kabushiki Kaisha | Dynamic data publication and dissemination |
-
2011
- 2011-11-10 US US13/294,084 patent/US9215598B2/en active Active
-
2012
- 2012-05-08 JP JP2012106849A patent/JP5403441B2/ja not_active Expired - Fee Related
- 2012-11-09 BR BR112014011238A patent/BR112014011238A2/pt not_active Application Discontinuation
- 2012-11-09 EP EP12801645.8A patent/EP2777313B1/en not_active Not-in-force
- 2012-11-09 CN CN201280055052.8A patent/CN104025638B/zh not_active Expired - Fee Related
- 2012-11-09 SG SG11201402208XA patent/SG11201402208XA/en unknown
- 2012-11-09 WO PCT/JP2012/079873 patent/WO2013069819A1/en active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090147725A1 (en) * | 2007-12-10 | 2009-06-11 | Electronics And Telecommunications Research Institute | Cross-layer routing method in wireless sensor network |
US20100075704A1 (en) * | 2008-08-19 | 2010-03-25 | Shared Spectrum Company | Method and System for Dynamic Spectrum Access Using Specialty Detectors and Improved Networking |
CN102185906A (zh) * | 2011-04-21 | 2011-09-14 | 西安交通大学 | 大型装备安全监测无线传感器网络 |
Also Published As
Publication number | Publication date |
---|---|
BR112014011238A2 (pt) | 2017-05-09 |
JP5403441B2 (ja) | 2014-01-29 |
EP2777313A1 (en) | 2014-09-17 |
CN104025638A (zh) | 2014-09-03 |
US9215598B2 (en) | 2015-12-15 |
US20130122819A1 (en) | 2013-05-16 |
WO2013069819A1 (en) | 2013-05-16 |
JP2013106343A (ja) | 2013-05-30 |
EP2777313B1 (en) | 2017-09-13 |
WO2013069819A9 (en) | 2013-06-27 |
SG11201402208XA (en) | 2014-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104025638B (zh) | 使用基于情况的学习技术来优化车载动态频谱接入 | |
JP7350050B2 (ja) | 機械学習の異種エッジデバイス、方法、およびシステム | |
Singh et al. | A decade review on smart cities: Paradigms, challenges and opportunities | |
Cledou et al. | A taxonomy for planning and designing smart mobility services | |
CN104508507B (zh) | 位置的自适应聚类 | |
US20210272394A1 (en) | Intelligent transportation systems including digital twin interface for a passenger vehicle | |
CN108053062B (zh) | 一种基于多源数据的定制公交线路生成方法 | |
Braess et al. | On a paradox of traffic planning | |
CN104916004B (zh) | 跟踪和预测车载app的使用趋势的方法和设备 | |
CN107517481B (zh) | 一种基站负载均衡的管理方法及系统 | |
US20210166322A1 (en) | Dynamically reconfigurable insurance product | |
CN105763596A (zh) | 对等车辆共享社交图谱配置器 | |
CN103514506B (zh) | 用于自动事件分析的方法和系统 | |
CN105765565A (zh) | 以场景感知、来自移动设备的实时信息为基础的问答 | |
US20230215272A1 (en) | Information processing method and apparatus, computer device and storage medium | |
CN107277154A (zh) | 信息推送方法、装置及移动终端 | |
US20240077325A1 (en) | Method for predicting the destination location of a vehicle | |
US8725179B2 (en) | System for distributed spectrum sensing in a highly mobile vehicular environment | |
Zhao et al. | Joint optimisation of regular and demand-responsive transit services | |
CN103455322A (zh) | 用于提供关于网络中的对象的实时信息的方法和系统 | |
WO2014016729A1 (en) | Sensing information service and its use in urban service planning system | |
CN109145285A (zh) | 短语提取文本分析方法和系统 | |
Alkhayyat et al. | Fuzzy logic, genetic algorithms, and artificial neural networks applied to cognitive radio networks: A review | |
Zhu et al. | A kind of urban road travel time forecasting model with loop detectors | |
CN106796574A (zh) | 用于打印消息的方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171117 |
|
CF01 | Termination of patent right due to non-payment of annual fee |