买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京邮电大学申请的专利基于深度强化学习的空陆协作实时交通数据收集方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116112897B 。

龙图腾网通过国家知识产权局官网在2025-05-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310126694.2，技术领域涉及：H04W4/44；该发明授权基于深度强化学习的空陆协作实时交通数据收集方法是由许晨;谢星寰;林方圆设计研发完成，并于2023-02-16向国家知识产权局提交的专利申请。

本基于深度强化学习的空陆协作实时交通数据收集方法在说明书摘要公布了：本发明公开了基于深度强化学习的空陆协作实时交通数据收集方法，属于车联网通信领域；具体为：首先，搭建包含RSU，UAV和若干车辆的空地协同车联网架构；RSU和UAV联合收集各时隙所有车辆产生的数据；然后，针对第m辆车与接收端k之间通信时，设定该车辆与数据卸载到接收端k之间的约束条件，并结合带宽分配计算信道速率；同时综合考虑安全车速的限制，车辆性能、道路限速以及驾驶者的实际操作，计算后车的安全速度；在联合优化接入策略，带宽分配以及无人机轨迹，满足搭建以数据传输成功率最大化的优化目标函数；最后，使用深度强化学习方法TD3对目标函数进行求解，得到通过RSU和UAV协调下的成功率最高的收集数据，本发明提高了数据传输成功率DTSR。

本发明授权基于深度强化学习的空陆协作实时交通数据收集方法在权利要求书中公布了：1.基于深度强化学习的空陆协作实时交通数据收集方法，其特征在于，具体步骤如下：首先，搭建包含一个路侧单元RSU，一架无人机UAV和若干车辆的基于实时交通的空地协同车联网数据收集架构；每个时隙内每辆车都会产生一个大小为D的数据包上传，RSU和UAV联合收集所有车辆产生的数据；然后，针对第m辆车与接收端k之间通信时，设定该车辆与数据卸载到接收端k之间的约束条件，并结合带宽分配计算信道速率Rm,k；约束条件为： 表示卸载决策的二值变量，当第m辆车需要将它的数据卸载到接收端k的时候，am,kt＝1，否则am,kt＝0；和分别代表场景中所有车辆、数据的接收端和考虑的所有时隙；信道速率Rm,kt表达式为： 其中bm,k是带宽分配因子，满足约束Bk是可用带宽；P0，Ar，n0分别代表传输功率、接收端的天线增益和噪声功率密度；PLm,k是视距信道和非视距信道的平均路损；当第m辆车行驶时，综合考虑安全车速的限制，车辆性能、道路限速以及驾驶者的实际操作，计算后车的安全速度表示为 其中，w是最大减速度，Tr是驾驶者的反应时间，Ti是车由静止加速到最高速度所需的时间，vl是前车的速度，S是前车和后车之间的距离；最后，联合优化接入策略，带宽分配以及无人机轨迹，搭建以数据传输成功率最大化的优化目标函数；并使用深度强化学习方法TD3对目标函数进行求解，得到通过RSU和UAV协调下的成功率最高的收集数据；所述TD3包括状态空间，动作空间以及奖励函数三部分；状态空间为：st＝qut,qmt,vutqut是随时间变化的无人机位置；qmt是车辆位置；vut是无人机的速度；动作空间： am,uavt表示第m辆车将数据卸载到接收端uav的二值变量；为无人机的飞行角度；奖励函数为 是固定数值的奖励： χc是一个常数；rviot是对速度和加速度违规做出惩罚对应的奖励：rviot＝ζactχac+ζvtχv其中，当输出的动作满足无人机的加速度约束时，ζact＝1，否则ζact＝0；χac为固定奖励；而当ζvt＝0，否则ζvt＝1；κvs和κvl为固定数值，χv为固定奖励；优化目标函数为： C3:qu1＝qinit, ξ为数据传输成功率，用累积成功传输的数据包的数量除以上传请求的总数计算；A为接入策略：B为带宽分配Q为无人机轨迹UAV的水平位置表示为qu＝xu,yu；ψm,kt∈{0,1}表示第m辆车的数据传输的完成情况的二元变量，若am,ktRm,ktτ≥D，ψm,kt＝1，否则ψm,kt＝0；τ为一个时隙的持续时间；ψtotal表示上传请求的总数；C1是关于接入策略的约束，C2是带宽分配的约束，C3定义了无人机的起始位置qinit；C4和C5分别保证了无人机的加速度和速度不会超过其所能达到的上限；au和vu分别是无人机加速度矢量和速度矢量；是无人机的加速度上限；是无人机的速度上限。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。