CN117750528A - 一种基于反向拍卖算法的自动驾驶动态感应优化方法 - Google Patents

Abstract

本发明提供了一种基于反向拍卖算法的自动驾驶动态感应优化方法，该方法中自动驾驶汽车利用传感器与周边环境信息进行交互并将搜集到的信息上传至云平台进行处理。云平台通过分析数据的类型、大小和需求评估每个车载终端所需要的通信资源，并相应的动态调整资源分配策略。与传统自动驾驶动态感应方法相比，本发明能够借助云平台的算力利用反向拍卖配对算法有效提高资源的利用率。

Description

一种基于反向拍卖算法的自动驾驶动态感应优化方法

技术领域

本发明涉及一种基于反向拍卖算法的自动驾驶动态感应优化方法，属于车联网、通信、云计算领域。

背景技术

车联网的高速发展，使车辆的数字化转型脚步逐步加快，自动驾驶汽车成为当前热门的研究对象，其中云计算为自动驾驶的决策提供了强大的计算能力以及存储资源，提高了自动驾驶计算的高效性和可靠性。在自动驾驶汽车的行驶途中，车载传感器感知周围环境信息，通过路边通信设施与云平台进行无线通信，云平台通过对数据的分析和处理，为自动驾驶汽车做出更精确、可靠的决策。然而，云平台对资源的调度方式并非一成不变，需实时考虑车载终端所在周围环境的影响。比如，当车辆行驶在在宽阔且周围车辆较少的道路时，云平台仅需调用车载终端的部分传感器，从而导致其需要的通信资源较少。而当车辆行驶在狭窄且周围车辆较多的道路时，云平台则需调用车载终端的多数传感器，从而导致其需通信的资源增加。因此，如果云平台无法使用动态调整机制，大量车载终端的传感器将实时工作，造成资源浪费，并导致云平台的运行费用提高。为了降低云平台的无效成本，提高通信资源的利用率，需要实时根据车载终端的实际情况动态调整资源调配策略，其中特别是车载终端提供给云平台的不同种类信息。

近年来，拍卖算法作为一种有效资源分配方法已经被广泛应用于云计算领域。现有技术中在云上使用的拍卖算法只针对经典的双向拍卖，对于自动驾驶中涉及的三方（云平台、车载传感器、道路基础设施）并不适用。在自动驾驶通信方面，很多研究都只针对车辆与车辆（V2V）通信的传输资源分配，该分配方法在车联网云平台资源调度方面存在实时性要求高，计算数据量大等特点，这将使得传统拍卖算法变得更为复杂，如何在车联网场景下利用拍卖方法提高云平台资源调度能力是亟需解决的重要应用问题。

发明内容

本发明提供了一种基于反向拍卖算法的自动驾驶动态感应优化方法，解决了背景技术中披露的问题。提升了车联网自动驾驶中云平台资源调度效率，在满足云平台对数据的需求基础上，动态调用车载传感器和路侧设施，提高车载传感器和路侧设施的利用率。

为了解决上述技术问题，本发明所采用的技术方案是：

一种基于反向拍卖算法的自动驾驶动态感应优化方法：

云平台获取车辆终端利用车载传感器采集的环境信息；

云平台对传输环境信息需要的通信资源大小进行评估，得到通信资源评估结果；

车辆终端提交通信资源诉求；

将所述通信资源诉求以及所述通信资源评估结果分别输入单侧匹配反向拍卖算法，计算拍卖结果；

云平台根据所述拍卖结果向车辆终端分配通信资源。

进一步的，还包括：在云平台根据所述拍卖结果向车辆终端分配通信资源后，判断拍卖结果是否满足全部云平台对环境信息资源的需求；当判断出有云平台对环境信息资源的需求未被满足时，视拍卖失败，未被满足需求的云平台继续利用单侧匹配反向拍卖算法获取车辆终端利用车载传感器采集的环境信息，直至所有云平台对环境信息资源的需求都被满足。

进一步的，车辆终端利用车载传感器采集的环境信息以路侧通信设施为中继通信设备转发至云平台。

进一步的，单侧匹配反向拍卖算法为：

对通信资源进行评估；

转换车载传感器和路侧通信设施的通信诉求为投标价，通信资源的评估为估价；

初始化二进制匹配结果矩阵X；

拍卖师计算传感-路设对的联合投标矩阵J；

计算不同云平台与不同传感-路设对的偏好值；

对偏好值排序得出拍卖师的偏好值列表T _A 和L个云平台的偏好值列表T _l ；

匹配拍卖师与云平台的偏好值列表，根据匹配结果给X矩阵赋值，得出获胜的车载传感器和路侧通信设施。

进一步的，初始化二进制匹配结果矩阵X的方法为：

二进制变量x _(l,m,n)表示云平台l是否与车载传感器组m和路侧通信设施n匹配成功，x _(l,m,n)=1代表匹配成功，x _(l,m,n)=0代表未匹配成功，X=｛x _(l,m,n)|l∈L,m∈M,n∈N｝用来表述最终的匹配结果，其中L代表云平台的总数量，M 为车载传感器组的总数量，N 为路侧通信设施的总数量；

则云平台整体得到的收益由收益函数F(X)表示：

；

v _l 为云平台l对传输所需环境信息资源需要的通信资源的估价，p _m,l 为车载传感器组m为云平台l提供传感数据时的投标价，h _(n,m,l)为路侧通信设施n为车载传感器组m和云平台l提供中继转发服务的投标价；

提议的拍卖被转化为以下最值问题：

；

；

变量d _l 表示云平台l需要的传感数据大小，d _n,m,l 为路侧通信设施n为车载传感器组m和云平台l提供中继转发服务时转发的传感数据大小，d _m,l 为车载传感器组m为云平台l提供的传感数据大小。

进一步的，拍卖师计算传感-路设对的联合投标矩阵J的过程为：

车载传感器m和路侧通信设施n,将其记为传感-路设对(m,n),J _l,(m,n)=q _m,l +h _(n,m,l)，J _l,(m,n)为针对传感-路设对(m,n)云平台l提供数据和服务时的总投价，q _m,l 为车载传感器码的投标价，h _(n,m,l)为路侧通信设施投标价。

进一步的，偏好值的计算公式为：P _l,(m,n)=v _l -J _l,(m,n)，P _l,(m,n)表示偏好值，v _l 为通信资源估价，计算每组云平台-传感-路设组合的偏好值，偏好值按照从大到小的顺序排列，得出拍卖师偏好值的列表T _A ；计算每个云平台根据与不同传感-路设对匹配时的偏好值，偏好值按照从大到小的顺序排列，得出各自云平台的列表T _l ；优先按照列表T _l 匹配排名第一位的传感-路设对，当相同传感-路设对同时位于多个云平台列表T _l 中的第一位时，按照列表T _A 的优先匹配排名靠前的云平台-传感-路设组合。

进一步的，云平台根据单侧匹配反向拍卖算法输出的拍卖结果向车载传感器和路侧通信设施分配通信资源的方法为：

将云平台偏好值列表T _l 中排名仅次于获胜传感-路设对的传感-路设对称为次优传感-路设对，其偏好值称为次优偏好值，对于云平台l，次优偏好值的定义如下：

；

其中，为次优偏好值，/>为云平台偏好值列表T _l 中仅次于获胜传感-路设对(m,n)的次优传感-路设对,/>为针对仅次于获胜传感-路设对(m,n)的传感-路设对(m,n) ^sub 云平台l提供数据和服务时的总投价；

获胜传感-路设对(m,n)得到的总付款为：

；

获胜的车载传感器组m获得的付款为：

；

获胜的路侧通信设施n获得的付款为：

；

Ψ(·)为通信资源关于金钱的函数，根据R=Ψ(c)将拍卖所得传感-路设对(m,n)得到的总付款、车载传感器组m获得的付款/>、路侧通信设施n获得的付款/>转换为可使用的通信资源大小，计算出最终分配给车载传感器和路侧通信设施的通信资源，c为金钱，R为通信资源。

本发明所达到的有益效果：

本发明提出的的方法可以在满足云平台对通信数据的需求基础下，实现对车载传感器和路侧设施的同时调度，提升车联网自动驾驶中云平台资源调度的效率以及通信资源的利用率。

附图说明

图1是自动驾驶通信系统模型示意图；

图2是本发明方法流程示意图；

图3是本发明中拍卖模型示意图；

图4是本发明中单侧匹配反向拍卖算法流程示意图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图2所示，本发明的一种基于反向拍卖算法的自动驾驶动态感应优化方法，包括如下步骤：

步骤一：车载终端利用车载传感器通过路侧设施向云平台上传环境信息；

如图1所示，自动驾驶汽车利用雷达、导航等传感器获取路况信息，以路侧设施为中继通信设备将具体环境信息上传至云平台。

步骤二：云平台分析环境信息，提出对通信资源的需求；

对于不同的路况信息，如道路上的车辆密度、车间距离、环境温度等，车辆终端需要利用不同的传感器适应道路情况、获取环境信息。云平台根据车载终端上传的路况信息，为车辆终端分析其所需要的传感数据，从而唤醒不同的车载传感器。

步骤三：云平台利用单侧匹配反向拍卖算法调度车载传感器和路侧设施；

考虑一辆自动驾驶汽车行驶在道路时，不同的车载传感器由于成本的不同，其工作时性能会出现差异，致使占用的通信带宽不同。同理，作为中继通信设备的路侧设施，其通信时需要的通信带宽也不同。因此，在匹配算法中，每个车载传感器和每个路侧设施都需要提供他们对通信资源的不同诉求，从而便于云平台对资源的调度。由于车载传感器和路侧设施最终都将获得云平台分配的通信资源的奖励，我们可以将云平台对资源的调度过程视为包含三方的反向拍卖。图3描述了本方法的拍卖模型，其中，车载传感器作为提交通信诉求的一方，提供传感器数据；路侧设施作为提交通信诉求的另一方，提供中继通信服务。由于车载传感器和路侧设施需要的通信资源与其成本相关联，为了便于描述，我们用金钱替换通信资源，并将车载传感器传送数据时对通信资源的诉求视为车载传感器的投标价，路侧设施作为中继器转发数据时对通信资源的诉求视为路侧设施的投标价，云平台根据其对通信数据的需求评估数据传送时需要的通信资源大小视为云平台的估价，并使用下式来转换通信资源与金钱。

R=Ψ(c) （1）；

其中Ψ(·)为通信资源关于金钱的函数，c为金钱，R为通信资源。

除此之外，为了方便描述，我们引入一个虚拟的拍卖师来管理拍卖过程。

具体拍卖的细节如下：

云平台评估通信资源，本方法考虑多个云平台的情况，其中每个云平台处理不同类型的数据。

每个云平台经过对环境的分析，向拍卖师反馈数据需求，并给出估价，估价的公式由下面的函数给出：

；

其中、/>为拟合参数，/>为云平台需要的信息量大小，函数由MNIST数据集的精度与数据大小的关系引出。假设云平台需要/>种类型的数据，即一共有/>个云平台，第/>个云平台需要的数据量大小为/>，给出的估价为/>，则所有云平台的估价可以由矩阵表示。

（2）车载传感器提交通信诉求：将车载传感器按一定要求（比如生产厂家的不同）分成多个传感块，一个传感块对应一组车载传感器，其中每个传感块都含有云平台需要的不同种类的数据信息。成本价的计算公式为，其中/>为单位数据信息的价格，/>为提供的数据信息大小。假设有/>组车载传感器，对于车载传感器组/>来说，提供的/>种数据集由向量/>表示，成本价由向量表示，投标由向量表示。根据拍卖具有的真实性和个体理性，投标价视为与成本价相同。

（3）路侧设施提交通信诉求：

路侧设施提供中继服务，其成本价与自动驾驶汽车与云平台之间的距离和通信的信息量大小有关，计算公式为，其中，其中/>为通信单位距离成本，/>为自动驾驶汽车与云平台之间的距离，/>为通信的单位数据成本，/>为通信的数据量大小。假设有/>个路侧通信设施，对于路侧设施/>来说，其通信单位距离成本为/>，通信的单位数据成本为/>。中标后要传送数据的距离取决于匹配到的车载传感器与云平台之间的距离，若其匹配的车载传感器为/>，云平台为/>，则记传送距离为/>。其通信的数据量大小与车载传感器向云平台传送的数据量有关，为/>，则其总成本相应地记为/>，总投标记为。

为了便于分析，我们假设一个云平台只选择一个路侧通信设施，并从一个传感块（车载传感器组）中获得所需通信数据。

（4）具体拍卖算法流程：

图4描述了云平台利用反向拍卖算法调度车载传感器和路侧设施的整个流程，其主要流程可以分为以下步骤：

1）车载传感器和路侧设施提交通信诉求，云平台提交对通信资源的评估；

2）转换车载传感器和路侧设施的通信诉求为投标价，云平台对通信资源的评估为估价；

3）初始化二进制匹配结果矩阵；

4）拍卖师计算传感-路设对的联合投标矩阵；

5）计算不同云平台与不同传感-路设对的偏好值；

6）对偏好值排序得出拍卖师的偏好值列表和个云平台的偏好值列表；

7）匹配拍卖师与云平台的偏好值列表，根据匹配结果给矩阵赋值，得出获胜（被调度）的车载传感器和路侧设施。

我们使用二进制变量表示云平台/>是否与车载传感器组/>和路侧通信设施匹配成功，/>=1代表匹配成功，/>代表未匹配成功，矩阵用来表述最终的匹配结果。则云平台整体可以得到的收益可由以下函数表示：

(2)

由此问题就变成了求解上式的最大值，即：

（3）；

(3a)，

(3b)，

(3c)，

（3d），

（3e）；

公式(3a)保证了二进制变量的取值只能为0和1，公式(3b)和公式(3c)保证了车载传感器组和云平台买家是一一匹配的，即一个云平台买家只能从一组车载传感器中获得所需数据，一组车载传感器只能为一个云平台提供数据信息。公式（3d）保证了只能使用一个路侧设施为一组车载传感器和一个云平台提供服务。公式（3e）保证了车载传感器提供的数据，一定是不小于路侧通信设施传送的数据，且最终传送给云平台的数据也一定是不小于云平台所需要的通信数据大小。过程中，云平台相当于是买家，车载传感器和路侧设施相当于是卖家，车载传感器卖数据，路侧设施卖转发服务，云平台分配通信资源的过程相当于是一个买家在拍卖中作为主动方，主动地调度需要通信资源的车载传感器和路侧设施。

由于拍卖包含了三方，不同于以往经典的双向拍卖，为了降低复杂度，我们将一个车载传感器组和一个路侧设施视为一对，并将其总投标和视为联合投标。即对于车载传感器组和路侧设施/>,将其记为传感-路设对/>,针对传感-路设对(m,n)云平台l提供数据和服务时的总投价/>为联合投标矩阵，其中/>。这样问题就由原来的三方拍卖，变成了双向拍卖。

在反向拍卖中，为了最大化云平台的收益，拍卖师和云平台更占主动权，这种只站在一方的角度考虑匹配问题的方法我们称之为单侧匹配算法。拍卖师倾向于选择利润较大的云平台-传感-路设的组合，云平台也倾向于选择联合投标较小的传感-路设对。由此，引出了偏好值的概念，对于组合，偏好值的定义由以下式子给出：

；

第三方拍卖师得到车载传感器组和路侧设施的投标价以及云平台的估价后，计算每组云平台-传感-路设组合的偏好值大小，按照非升序的顺序排列。例如，，则组合(/>将排在组合(/>的前面，最终得出一个列表/>。每个云平台也会根据与不同传感-路设对匹配时的偏好值大小，按照非升序的顺序得出各自的列表。例如，对于云平台/>，/>，则在云平台/>的列表/>中，传感-路设对/>将排在/>的前面。最终对于/>个云平台来说，将有/>个各自的偏好列表。

为了防止负收益，我们删去和/>中偏好值小于零的项。除此之外，我们在云平台偏好列表的最下方添加一个空传感-路设对NULL，以保证真实性，即当拍卖失败时，云平台将会匹配到一组空传感-路设对。

根据拍卖师和云平台的偏好列表，我们将云平台与合适的传感-路设对匹配。需要注意，并不是每个云平台都能匹配到偏好值最高的那组传感-路设对。例如，当传感-路设对同时位于云平台/>和云平台/>列表的第一位时，考虑拍卖师的列表/>，根据/>和的大小关系，分配传感-路设对给合适的云平台，此时在/>中偏好值较小的云平台只能与自己列表的下一对传感-路设对进行匹配。按照这样的原则，我们为/>个云平台匹配传感-路设对，直到/>个云平台全部匹配到合适的传感-路设对。

步骤四：判断云平台的需求是否被全部满足；

由于约束条件公式（3e）已经保证了匹配成功的云平台可以获得需要的通信数据，所以判断云平台的需求是否被全部满足，只需判断是否全部的云平台买家都能匹配到传感-路设对。当判断出云平台没有被全部匹配成功时，视拍卖失败，重新开始拍卖，否则进入步骤五。

步骤五：云平台根据调度结果为车载传感器和路侧设施分配通信资源

分配原则如下：

我们将云平台偏好值列表中排名仅次于获胜传感-路设对的传感-路设对称为次优传感-路设对，其偏好值称为次优偏好值，对于云平台，次优偏好值的定义如下：

其中，为云平台/>偏好值列表中仅次于获胜传感-路设对/>的次优传感-路设对,/>为针对仅次于获胜传感-路设对(m,n)的传感-路设对(m,n) ^sub 云平台l提供数据和服务时的总投价。

获胜传感-路设对得到的总付款为

；

获胜的车载传感器组获得的付款为：

；

获胜的路侧通信设施获得的付款为：

；

最终，我们再根据(1)式将拍卖的金钱转换为通信资源，计算出最终分配给车载传感器和路侧通信设施的通信资源。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一种基于反向拍卖算法的自动驾驶动态感应优化方法，其特征在于：

云平台获取车辆终端利用车载传感器采集的环境信息；

云平台对传输环境信息需要的通信资源大小进行评估，得到通信资源评估结果；

车辆终端提交通信资源诉求；

将所述通信资源诉求以及所述通信资源评估结果分别输入单侧匹配反向拍卖算法，计算拍卖结果；

云平台根据所述拍卖结果向车辆终端分配通信资源。

2.根据权利要求1所述的一种基于反向拍卖算法的自动驾驶动态感应优化方法，其特征在于，还包括：在云平台根据所述拍卖结果向车辆终端分配通信资源后，判断拍卖结果是否满足全部云平台对环境信息资源的需求；当判断出有云平台对环境信息资源的需求未被满足时，视拍卖失败，未被满足需求的云平台继续利用单侧匹配反向拍卖算法获取车辆终端利用车载传感器采集的环境信息，直至所有云平台对环境信息资源的需求都被满足。

3.根据权利要求1所述的一种基于反向拍卖算法的自动驾驶动态感应优化方法，其特征在于，车辆终端利用车载传感器采集的环境信息以路侧通信设施为中继通信设备转发至云平台。

4.根据权利要求3所述的一种基于反向拍卖算法的自动驾驶动态感应优化方法，其特征在于，单侧匹配反向拍卖算法为：

对通信资源进行评估；

转换车载传感器和路侧通信设施的通信诉求为投标价，通信资源的评估为估价；

初始化二进制匹配结果矩阵X；

拍卖师计算传感-路设对的联合投标矩阵；

计算不同云平台与不同传感-路设对的偏好值；

对偏好值排序得出拍卖师的偏好值列表T _A 和L个云平台的偏好值列表T _l ；

匹配拍卖师与云平台的偏好值列表，根据匹配结果给X矩阵赋值，得出获胜的车载传感器和路侧通信设施。

5.根据权利要求4所述的一种基于反向拍卖算法的自动驾驶动态感应优化方法，其特征在于，初始化二进制匹配结果矩阵X的方法为：

二进制变量x _(l,m,n)表示云平台l是否与车载传感器组m和路侧通信设施n匹配成功，x _(l,m,n)=1代表匹配成功，x _(l,m,n)=0代表未匹配成功，X=｛x _(l,m,n)| l∈L, m∈M, n∈N｝用来表述最终的匹配结果，其中L代表云平台的总数量，M 为车载传感器组的总数量，N 为路侧通信设施的总数量；

则云平台整体得到的收益由收益函数F(X)表示：

；

v _l 为云平台l对传输所需环境信息资源需要的通信资源的估价，p _m,l 为车载传感器组m为云平台l提供传感数据时的投标价，h _(n,m,l)为路侧通信设施n为车载传感器组m和云平台l提供中继转发服务的投标价；

提议的拍卖被转化为以下最值问题：

；

；

变量d _l 表示云平台l需要的传感数据大小，d _n,m,l 为路侧通信设施n为车载传感器组m和云平台l提供中继转发服务时转发的传感数据大小，d _m,l 为车载传感器组m为云平台l提供的传感数据大小。

6.根据权利要求5所述的一种基于反向拍卖算法的自动驾驶动态感应优化方法，其特征在于，拍卖师计算传感-路设对的联合投标矩阵的过程为：

车载传感器m和路侧通信设施n,将其记为传感-路设对(m,n),其中J _l,(m,n)=q _m,l +h _(n,m,l)，J _l,(m,n)为针对传感-路设对(m,n)云平台l提供数据和服务时的总投价，q _m,l 为车载传感器码的投标价，h _(n,m,l)为路侧通信设施投标价。

7.根据权利要求6所述的一种基于反向拍卖算法的自动驾驶动态感应优化方法，其特征在于，偏好值的计算公式为：P _l,(m,n)=v _l - J _l,(m,n)，P _l,(m,n)表示偏好值，v _l 为通信资源估价，计算每组云平台-传感-路设组合的偏好值，偏好值按照从大到小的顺序排列，得出拍卖师偏好值的列表T _A ；计算每个云平台根据与不同传感-路设对匹配时的偏好值，偏好值按照从大到小的顺序排列，得出各自云平台的列表T _l ；优先按照列表T _l 匹配排名第一位的传感-路设对，当相同传感-路设对同时位于多个云平台列表T _l 中的第一位时，按照列表T _A 的优先匹配排名靠前的云平台-传感-路设组合。

8.根据权利要求7所述的一种基于反向拍卖算法的自动驾驶动态感应优化方法，其特征在于，云平台根据单侧匹配反向拍卖算法输出的拍卖结果向车载传感器和路侧通信设施分配通信资源的方法为：

将云平台偏好值列表T _l 中排名仅次于获胜传感-路设对的传感-路设对称为次优传感-路设对，其偏好值称为次优偏好值，对于云平台l，次优偏好值的定义如下：

；

其中，为次优偏好值，/>为云平台偏好值列表T _l 中仅次于获胜传感-路设对(m,n)的次优传感-路设对，/>为针对仅次于获胜传感-路设对(m,n)的传感-路设对(m,n) ^sub 云平台l提供数据和服务时的总投价；

获胜传感-路设对(m,n)得到的总付款为：

；

获胜的车载传感器组m获得的付款为：

；

获胜的路侧通信设施n获得的付款为：

；

Ψ(·)为通信资源关于金钱的函数，根据R=Ψ(c)将拍卖所得传感-路设对(m,n)得到的总付款、车载传感器组m获得的付款/>、路侧通信设施n获得的付款/>转换为可使用的通信资源大小，计算出最终分配给车载传感器和路侧通信设施的通信资源，c为金钱，R为通信资源。