CN109167838B - 基于区块链的群体无人驾驶车辆协同感知方法及系统 - Google Patents

基于区块链的群体无人驾驶车辆协同感知方法及系统 Download PDF

Info

Publication number
CN109167838B
CN109167838B CN201811203257.1A CN201811203257A CN109167838B CN 109167838 B CN109167838 B CN 109167838B CN 201811203257 A CN201811203257 A CN 201811203257A CN 109167838 B CN109167838 B CN 109167838B
Authority
CN
China
Prior art keywords
group
unmanned vehicles
perception
information
cooperative
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.)
Active
Application number
CN201811203257.1A
Other languages
English (en)
Other versions
CN109167838A (zh
Inventor
张亮
熊伟成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201811203257.1A priority Critical patent/CN109167838B/zh
Publication of CN109167838A publication Critical patent/CN109167838A/zh
Application granted granted Critical
Publication of CN109167838B publication Critical patent/CN109167838B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)
  • Small-Scale Networks (AREA)

Abstract

本发明实施例公开了一种基于区块链的群体无人驾驶车辆协同感知方法，包括：信息交换步骤：构建去中心化的群体无人驾驶车辆信息交换和共享网络，实现无人驾驶车辆之间的信息安全交换和共享机制；环境共识步骤：构建基于动态贝叶斯网络的分布式感知信息综合模型，对群体无人驾驶车辆的分布式多源异构感知信息进行综合，消除对环境感知的不一致性；主动协同感知步骤：将主动协同感知任务建模为一个多目标优化任务，对主动协同任务进行多目标优化求解，逐步完成对特定环境和特定目标的感知。本发明实施例通过建立完善的基于区块链的群体无人驾驶车辆高层次协同感知方法和机制，为群体无人驾驶车辆的最优规划和决策提高可靠精确的信息基础。

Description

基于区块链的群体无人驾驶车辆协同感知方法及系统
技术领域
本发明涉及群体无人驾驶领域，尤其涉及一种基于区块链的群体无人驾驶车辆协同感知方法及系统。
背景技术
随着深度学习、传感器、计算机、互联网及物联网等理论与技术的快速发展，有效的协同机制能使群体无人驾驶车辆中每辆车拥有远超自身的环境感知能力，实现对环境进行高效、全面和准确的建模，并在群体内部形成共识。
群体无人驾驶是未来无人驾驶发展的重要方向，也是突破目前无人驾驶车辆能力限制的重要技术途径。协同感知是群体无人驾驶研究的关键科学问题之一，通过协同感知获得客观环境的准确全局全息信息是群体无人驾驶车辆拥有完成复杂任务能力、进行动态最优规划和决策的前提条件。目前群体无人驾驶车辆在定位与测图反面已取得较大进展，但在协同感知的共识机制这一高层次方面仍存在以下三大问题需要解决：
1)安全可靠的感知信息交换机制问题。由于协同感知时，群体内的无人驾驶车辆与车辆之间需要进行信息交换，在交换过程中可能存在虚假信息干扰以及信息泄露的问题，从而带来了信息交换的安全性和可靠性问题。由于群体无人驾驶车辆的异构性和复杂性，感知信息交互和共享的安全问题很少受到关注，如何实现安全可靠的感知信息交换是群体无人驾驶车辆协同感知需解决的问题之一。
2)分布式协同感知的环境共识问题。现实客观环境中，每个宏观目标在同一时刻应具有确定的状态和属性，因此，在群体无人驾驶车辆内部对该目标的状态(如位置、速度等)和语义描述应是一致的。但由于各无人驾驶车辆对环境的观测角度不同，且定位和识别也存在着一定误差，因此，在群体内部进行信息综合时会发生各无人驾驶车辆对同一环境目标状态和语义描述不一致的问题。如何消除这种不一致，形成群体无人驾驶车辆的环境共识，是群体无人驾驶车辆协同感知需解决的问题之一。
3)面向任务的主动协同感知问题。群体无人驾驶车辆在完成某些任务时，可能会面临需对特定环境或特定目标进行有针对性的感知的问题；另外，某些应用场景下，通过协同感知获得环境的全局信息，即是群体无人驾驶车辆所需完成的任务本身，如众包高精度地图制图。进行在面临上述两类任务时，如何实现以最小的代价协同完成对特定环境或特定目标的探索，是群体无人驾驶车辆协同感知需解决的一大问题。
发明内容
本发明实施例所要解决的技术问题在于，提供一种基于区块链的群体无人驾驶车辆协同感知方法及系统，以使建立群体无人驾驶车辆协同感知的共识机制。
为了解决上述技术问题，本发明实施例提出了一种基于区块链的群体无人驾驶车辆协同感知方法，包括：
信息交换步骤：运用区块链技术的加密通信和区块同步机制，构建去中心化的群体无人驾驶车辆信息交换和共享网络，实现无人驾驶车辆之间的信息安全交换和共享机制；
环境共识步骤：构建基于动态贝叶斯网络的分布式感知信息综合模型，在信息安全交换及共享机制的基础上，利用动态贝叶斯网络对群体无人驾驶车辆的分布式多源异构感知信息进行综合，消除个体无人驾驶车辆对环境感知的不一致性，使群体中每辆无人驾驶车辆获取优于自身感知能力的环境感知结果；
主动协同感知步骤：将主动协同感知任务建模为一个多目标优化任务，采用预设的群体智能优化算法对主动协同任务进行多目标优化求解，计算得到主动协同感知任务的最优解，逐步完成对特定环境和特定目标的感知。
相应地，本发明实施例还提供了一种基于区块链的群体无人驾驶车辆协同感知系统，包括：
信息交换模块：运用区块链技术的加密通信和区块同步机制，构建去中心化的群体无人驾驶车辆信息交换和共享网络，实现无人驾驶车辆之间的信息安全交换和共享机制；
环境共识模块：构建基于动态贝叶斯网络的分布式感知信息综合模型，在信息安全交换及共享机制的基础上，利用动态贝叶斯网络对群体无人驾驶车辆的分布式多源异构感知信息进行综合，消除个体无人驾驶车辆对环境感知的不一致性，使群体中每辆无人驾驶车辆获取优于自身感知能力的环境感知结果；
主动协同感知模块：将主动协同感知任务建模为一个多目标优化任务，采用预设的群体智能优化算法对主动协同任务进行多目标优化求解，计算得到主动协同感知任务的最优解，逐步完成对特定环境和特定目标的感知。
本发明实施例通过提出一种基于区块链的群体无人驾驶车辆协同感知方法及系统，包括信息交换步骤、环境共识步骤及主动协同感知步骤，通过建立完善的基于区块链的群体无人驾驶车辆高层次协同感知方法和机制，为群体无人驾驶车辆的最优规划和决策提高可靠精确的信息基础。
附图说明
图1是本发明实施例的基于区块链的群体无人驾驶车辆协同感知方法的流程图。
图2是本发明实施例的基于区块链的群体无人驾驶车辆协同感知方法的具体流程示意图。
图3是本发明实施例的基于动态贝叶斯网络的分布式感知信息综合模型的示意图。
图4是本发明实施例的公钥加密子步骤的流程示意图。
图5是本发明实施例的私钥加密子步骤的流程示意图。
图6是本发明实施例的基于区块链的群体无人驾驶车辆协同感知系统的结构示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合，下面结合附图和具体实施例对本发明作进一步详细说明。
本发明实施例中若有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中若涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
请参照图1及图2，本发明实施例的基于区块链的群体无人驾驶车辆协同感知方法包括信息交换步骤、环境共识步骤及主动协同感知步骤。
信息交换步骤：运用区块链技术的加密通信和区块同步机制，构建去中心化的群体无人驾驶车辆信息交换和共享网络，实现无人驾驶车辆之间的信息安全交换和共享机制。本发明实施例针对群体无人驾驶车辆协同感知时信息交换和共享的安全性问题，运用区块链技术的加密通信和区块同步机制，构建去中心化的群体无人驾驶车辆信息交换和共享网络，实现无人驾驶车辆之间的安全信息交换和共享机制，保障协同感知的信息安全。
环境共识步骤：构建基于动态贝叶斯网络的分布式感知信息综合模型，在信息安全交换及共享机制的基础上，利用动态贝叶斯网络对群体无人驾驶车辆的分布式多源异构感知信息进行综合，消除个体无人驾驶车辆对环境感知的不一致性，使群体中每辆无人驾驶车辆获取优于自身感知能力的环境感知结果。将整个场景地图划分为格网，每个格网用gi,j来表示，其中下标i,j为格网的编号。群体中第k辆车根据自己的传感器获得的感知结果表示为(p(s),v)k，其中p(s)表示格网gi,j类别为s的概率，v表示gi,j的速度向量。当总共有K辆车观测到gi,j时，对该格网处进行信息综合，其
Figure BDA0001830552590000042
类别采用极大似然估计方法：
Figure BDA0001830552590000043
其平均速度计算方法为：
Figure BDA0001830552590000041
其中，wk为根据滤波方差计算得到的权重。根据
Figure BDA0001830552590000044
可以计算目标在下一时刻的位置，即我们可以预测下一时刻每个格网的目标属性，并采用卡尔曼滤波预测其速度，预测结果作为下一个时刻感知的先验值，从而构建起动态贝叶斯网络。
每辆无人驾驶车辆计算出来的环境模型可能会存在差异，如覆盖范围不一致、置信度不同等等。针对各无人驾驶车辆对环境感知不一致的问题，建立基于动态贝叶斯网络的分布式感知信息综合模型。通过动态贝叶斯网络信息综合，群体中每辆无人驾驶车辆能获得远优于自身感知能力的环境感知结果。若群体中某些无人驾驶车辆因计算能力限制、通信限制等无法获得完成任务所需环境信息，可基于区块链的区块同步机制向群体发送请求，从其它车辆处获得环境信息。区块链上常用的共识机制包括工作量证明(POW)、权益证明(POS)以及拜占庭共识算法(PBFT)等。每辆无人驾驶汽车接收其他无人驾驶汽车的感知信息并利用动态贝叶斯网络进行信息综合，如图3所示。
本发明实施例在信息安全交换及共享机制的基础上，利用动态贝叶斯网络对群体无人驾驶车辆的分布式多源异构感知信息进行综合，消除个体无人驾驶车辆对环境感知的不一致性，实现群体内部的环境共识。环境中的目标会同时被多辆无人驾驶车辆观测到，群体中个体无人驾驶车辆将自己的感知信息向群体进行广播，同时接收来自其他无人驾驶车辆的感知信息，然后每辆无人驾驶车辆利用动态贝叶斯网络对自身及接收到的其他无人驾驶车辆的当前观测数据，以及上一时刻的环境感知结果融合，对环境目标状态和属性进行计算和判定，得到当前时刻的环境感知结果。因此，通过动态贝叶斯网络信息综合，群体中每辆无人驾驶车能获得远优于自身感知能力的环境感知结果。
主动协同感知步骤：将主动协同感知任务建模为一个多目标优化任务，采用预设的群体智能优化算法对主动协同任务进行多目标优化求解，计算得到主动协同感知任务的最优解，逐步完成对特定环境和特定目标的感知。
群体智能优化算法是通过观察社会生物群体的各种行为得到启发而提出的一种新型的生物启发式计算方法。本发明实施例采用的群体智能算法求解问题，对于群体无人驾驶协同感知这种复杂性高的问题是一种高效求解方式。
主动协同感知是群体无人驾驶车辆实现对特定环境或特定目标进行有规划的感知。将主动协同感知任务建模为一个多目标优化任务，优化目标包括能量最小、效率最高、盲区最少、不确定性最低等。
群体无人驾驶车辆在执行以获取环境信息为目的任务，或在执行需要完备的环境模型作为必要信息的任务时，主动协同感就作为一个高优先级任务。通过建立群体无人驾驶车辆探索环境的目标模型，并结合群体环境共识模型、无人驾驶车辆状态以及任务目标的约束来建立主动协同感知的最优化问题模型。
采用群体智能优化算法对主动协同任务进行多目标优化求解，逐步完成对特定环境和特定目标的感知，并逐步接近任务目标。群体无人驾驶车辆主动协同感知本质上是一个复杂的多目标优化任务，优化目标包括能量最小、效率最高、盲区最少等，本发明实施例采用启发式的群体智能优化算法寻找该任务的最优解，实现群体无人驾驶车辆以最小代价对特定场景或特定目标的主动协同感知。
本发明实施例将多个配置了异构多传感器的无人驾驶车辆组建成群体无人驾驶车辆协同感知实验平台，设计不同类型的多组测试任务，分别在仿真实验平台和真实实验平台下进行测试、分析，检验方案和算法的可行性和科学性，进而建立起完善的群体无人驾驶车辆高层次协同感知体系。
作为一种实施方式，信息交换步骤包括公钥加密子步骤及私钥加密子步骤。
公钥加密子步骤：发送方将待发送的报文采用接收方的公钥进行加密得到密文，将密文通过通信网络发送至指定的接收方；接收方将密文通过接收方的私钥进行解密得到对应的报文。
在群体无人驾驶车辆中，公钥加密技术允许个体无人驾驶车辆与其他允许与之通信的个体无人驾驶车辆共享公钥。因此，网络中的个体无人驾驶车辆都可以将信息发送到特定的个体无人驾驶车辆地址，因为只知道拥有匹配私钥的个体无人驾驶车辆可以读取消息。由于公钥不能用于解密信息，因此即使它落入攻击者手中，也不会构成安全风险。并且，即使它们处于相同的通信信道，公私钥加密机制也可以防止第三方个体无人驾驶车辆截获这些信息，如图4所示。
私钥加密子步骤：发送方将待发送的报文采用发送方的私钥进行加密得到密文，将密文通过通信网络发送至指定的接收方；接收方将密文通过发送方的公钥进行解密得到对应的报文。
区块链网络也允个体无人驾驶车辆使用他们自己的私钥加密消息。其他个体无人驾驶车辆可以使用发件人的公钥解密它们。由于任何个体无人驾驶车辆都可以访问发件人的公钥，因此消息的内容是公开的，但是使用发件人的私钥加密的事实证明消息不能由攻击者发送，从而证明其消息源的可靠性。一方面，公钥密码系统可以确保例如封装在区块链交易中的消息内容只能由拥有特定的个体无人驾驶车辆读取。另一方面，数字签名密码术可以在个体无人驾驶车辆或第三方代理之间提供实体认证和数据来源认证，如图5所示。通过以上机制，确保群体无人驾驶车辆感知信息交换和共享的安全性。
本发明实施例在群体无人驾驶车辆信息交换过程中，利用区块链的共识机制，通过区块链公私钥和数字签名加密等技术解决群体无人驾驶车辆通信过程中存在的潜在威胁、漏洞和攻击，确保群体无人驾驶车辆感知信息交换和共享的安全性。
作为一种实施方式，环境共识步骤之后还包括：
主动获取步骤：若个体无人驾驶车辆无法获得完成任务所需环境信息，则基于区块链的区块同步机制向群体发送请求，从其它个体无人驾驶车辆处获得环境信息。
作为一种实施方式，预设的群体智能优化算法为蚁群算法、粒子群算法和头脑风暴算法中的一种。
请参照图6，本发明实施例的基于区块链的群体无人驾驶车辆协同感知系统包括信息交换模块、环境共识模块及主动协同感知模块。
信息交换模块：运用区块链技术的加密通信和区块同步机制，构建去中心化的群体无人驾驶车辆信息交换和共享网络，实现无人驾驶车辆之间的信息安全交换和共享机制；
环境共识模块：构建基于动态贝叶斯网络的分布式感知信息综合模型，在信息安全交换及共享机制的基础上，利用动态贝叶斯网络对群体无人驾驶车辆的分布式多源异构感知信息进行综合，消除个体无人驾驶车辆对环境感知的不一致性，使群体中每辆无人驾驶车辆获取优于自身感知能力的环境感知结果；
主动协同感知模块：将主动协同感知任务建模为一个多目标优化任务，采用预设的群体智能优化算法对主动协同任务进行多目标优化求解，计算得到主动协同感知任务的最优解，逐步完成对特定环境和特定目标的感知。
作为一种实施方式，信息交换模块包括：
公钥加密子模块：发送方将待发送的报文采用接收方的公钥进行加密得到密文，将密文通过通信网络发送至指定的接收方；接收方将密文通过接收方的私钥进行解密得到对应的报文；
私钥加密子模块：发送方将待发送的报文采用发送方的私钥进行加密得到密文，将密文通过通信网络发送至指定的接收方；接收方将密文通过发送方的公钥进行解密得到对应的报文。
作为一种实施方式，基于区块链的群体无人驾驶车辆协同感知系统还包括：
主动获取模块：若个体无人驾驶车辆无法获得完成任务所需环境信息，则基于区块链的区块同步机制向群体发送请求，从其它个体无人驾驶车辆处获得环境信息。
作为一种实施方式，所述预设的群体智能优化算法为蚁群算法、粒子群算法和头脑风暴算法中的一种。
本发明实施例在群体内部建立统一的感知信息交换与共享加密机制、统一的知识库模型、统一的时间基准与空间坐标框架、有效的感知信息综合方法和全局环境信息维护方法以及有效的最优调度方法，构建起完整的共识机制，以解决信息交换与共享安全、环境感知信息一致性维护、感知任务决策等问题。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同范围限定。

Claims (8)

1.一种基于区块链的群体无人驾驶车辆协同感知方法，其特征在于，包括：
信息交换步骤：运用区块链技术的加密通信和区块同步机制，构建去中心化的群体无人驾驶车辆信息交换和共享网络，实现无人驾驶车辆之间的信息安全交换和共享机制；
环境共识步骤：构建基于动态贝叶斯网络的分布式感知信息综合模型，在信息安全交换及共享机制的基础上，利用动态贝叶斯网络对群体无人驾驶车辆的分布式多源异构感知信息进行综合，消除个体无人驾驶车辆对环境感知的不一致性，使群体中每辆无人驾驶车辆获取优于自身感知能力的环境感知结果；
主动协同感知步骤：将主动协同感知任务建模为一个多目标优化任务，采用预设的群体智能优化算法对主动协同任务进行多目标优化求解，计算得到主动协同感知任务的最优解，逐步完成对特定环境和特定目标的感知。
2.如权利要求1所述的基于区块链的群体无人驾驶车辆协同感知方法，其特征在于，所述信息交换步骤包括：
公钥加密子步骤：发送方将待发送的报文采用接收方的公钥进行加密得到密文，将密文通过通信网络发送至指定的接收方；接收方将密文通过接收方的私钥进行解密得到对应的报文；
私钥加密子步骤：发送方将待发送的报文采用发送方的私钥进行加密得到密文，将密文通过通信网络发送至指定的接收方；接收方将密文通过发送方的公钥进行解密得到对应的报文。
3.如权利要求1所述的基于区块链的群体无人驾驶车辆协同感知方法，其特征在于，所述环境共识步骤之后还包括：
主动获取步骤：若个体无人驾驶车辆无法获得完成任务所需环境信息，则基于区块链的区块同步机制向群体发送请求，从其它个体无人驾驶车辆处获得环境信息。
4.如权利要求1所述的基于区块链的群体无人驾驶车辆协同感知方法，其特征在于，所述预设的群体智能优化算法为蚁群算法、粒子群算法和头脑风暴算法中的一种。
5.一种基于区块链的群体无人驾驶车辆协同感知系统，其特征在于，包括：
信息交换模块：运用区块链技术的加密通信和区块同步机制，构建去中心化的群体无人驾驶车辆信息交换和共享网络，实现无人驾驶车辆之间的信息安全交换和共享机制；
环境共识模块：构建基于动态贝叶斯网络的分布式感知信息综合模型，在信息安全交换及共享机制的基础上，利用动态贝叶斯网络对群体无人驾驶车辆的分布式多源异构感知信息进行综合，消除个体无人驾驶车辆对环境感知的不一致性，使群体中每辆无人驾驶车辆获取优于自身感知能力的环境感知结果；
主动协同感知模块：将主动协同感知任务建模为一个多目标优化任务，采用预设的群体智能优化算法对主动协同任务进行多目标优化求解，计算得到主动协同感知任务的最优解，逐步完成对特定环境和特定目标的感知。
6.如权利要求5所述的基于区块链的群体无人驾驶车辆协同感知系统，其特征在于，所述信息交换模块包括：
公钥加密子模块：发送方将待发送的报文采用接收方的公钥进行加密得到密文，将密文通过通信网络发送至指定的接收方；接收方将密文通过接收方的私钥进行解密得到对应的报文；
私钥加密子模块：发送方将待发送的报文采用发送方的私钥进行加密得到密文，将密文通过通信网络发送至指定的接收方；接收方将密文通过发送方的公钥进行解密得到对应的报文。
7.如权利要求5所述的基于区块链的群体无人驾驶车辆协同感知系统，其特征在于，所述感知系统还包括：
主动获取模块：若个体无人驾驶车辆无法获得完成任务所需环境信息，则基于区块链的区块同步机制向群体发送请求，从其它个体无人驾驶车辆处获得环境信息。
8.如权利要求5所述的基于区块链的群体无人驾驶车辆协同感知系统，其特征在于，所述预设的群体智能优化算法为蚁群算法、粒子群算法和头脑风暴算法中的一种。
CN201811203257.1A 2018-10-16 2018-10-16 基于区块链的群体无人驾驶车辆协同感知方法及系统 Active CN109167838B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811203257.1A CN109167838B (zh) 2018-10-16 2018-10-16 基于区块链的群体无人驾驶车辆协同感知方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811203257.1A CN109167838B (zh) 2018-10-16 2018-10-16 基于区块链的群体无人驾驶车辆协同感知方法及系统

Publications (2)

Publication Number Publication Date
CN109167838A CN109167838A (zh) 2019-01-08
CN109167838B true CN109167838B (zh) 2021-09-28

Family

ID=64878233

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811203257.1A Active CN109167838B (zh) 2018-10-16 2018-10-16 基于区块链的群体无人驾驶车辆协同感知方法及系统

Country Status (1)

Country Link
CN (1) CN109167838B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109917815B (zh) * 2019-04-23 2022-02-22 中原工学院 基于全局最优头脑风暴算法的无人机三维路径设计方法
CN111062318B (zh) * 2019-12-16 2022-04-22 桂林电子科技大学 一种基于熵权法的传感器共享最优节点选择方法
CN111698020B (zh) * 2020-04-30 2022-04-12 航天东方红卫星有限公司 一种基于区块链的星群自主感知及动态规划方法
CN111586167B (zh) * 2020-05-06 2022-08-16 南京星火技术有限公司 智能体间协同方法、装置及相关产品
CN111737799B (zh) * 2020-06-20 2022-05-10 福州大学 一种结合动态贝叶斯网络和启发式推理的桥梁安全评估方法
CN112651446B (zh) * 2020-12-29 2023-04-14 杭州趣链科技有限公司 一种基于联盟链的无人驾驶汽车训练方法
CN114915429B (zh) * 2022-07-19 2022-10-11 北京邮电大学 一种通信感知计算一体化网络分布式可信感知方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107045650B (zh) * 2016-10-25 2021-06-11 罗轶 一种基于区块链的网约车系统
CN106341421B (zh) * 2016-10-31 2019-04-02 杭州云象网络技术有限公司 一种基于区块链技术的数据交换方法
CN106953838A (zh) * 2016-12-20 2017-07-14 中国银联股份有限公司 基于区块链技术的无人值守设备、及其支付系统和方法
CN108418622B (zh) * 2018-02-11 2021-04-06 西安电子科技大学昆山创新研究院 一种基于区块链的无人机群体决策方法

Also Published As

Publication number Publication date
CN109167838A (zh) 2019-01-08

Similar Documents

Publication Publication Date Title
CN109167838B (zh) 基于区块链的群体无人驾驶车辆协同感知方法及系统
Li et al. Blockchain-based data security for artificial intelligence applications in 6G networks
Alladi et al. Applications of blockchain in unmanned aerial vehicles: A review
Abualigah et al. Applications, deployments, and integration of internet of drones (iod): a review
EP3746879B1 (en) Secure blockchain integrated circuit
Xu et al. A survey on digital twin for industrial internet of things: Applications, technologies and tools
Hemmati et al. The Internet of Autonomous Things applications: A taxonomy, technologies, and future directions
Wang et al. A new era of intelligent vehicles and intelligent transportation systems: Digital twins and parallel intelligence
Sadaf et al. Connected and automated vehicles: Infrastructure, applications, security, critical challenges, and future aspects
US20220390622A1 (en) Geospatial Operating System and Method
Hassan Review vehicular ad hoc networks security challenges and future technology
Huang et al. V2X cooperative perception for autonomous driving: Recent advances and challenges
Gupta et al. Decentralised control-based interaction framework for secure data transmission in internet of automated vehicles
Ding et al. Distributed machine learning for uav swarms: Computing, sensing, and semantics
Canepa et al. A sensor network architecture for urban traffic state estimation with mixed eulerian/lagrangian sensing based on distributed computing
Alzoubi et al. Blockchain-fog computing integration applications: a systematic review
Guo et al. B 2 sfl: A bi-level blockchained architecture for secure federated learning-based traffic prediction
Raja et al. Rider optimization with deep learning based image encryption for secure drone communication
Collin A systems architecture framework towards hardware selection for autonomous navigation
Alanhdi et al. A Survey on Integrating Edge Computing With AI and Blockchain in Maritime Domain, Aerial Systems, IoT, and Industry 4.0
Althobaiti Internet of (moving) things: Paradigms and opportunities
Sobana et al. Securing future autonomous applications using cyber-physical systems and the Internet of Things
Zhang et al. Security, Privacy, and Reliability in Ubiquitous Intelligence Empowered Internet of Vehicles
Huang et al. Overview of Cooperative Fault-Tolerant Control Driven by the Full Information Chain of Intelligent Connected Vehicle Platoons Under the Zero-Trust Framework: Opportunities and Challenges
CN114493594B (zh) 基于区块链和联邦学习的海洋数据共享方法、系统及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant