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！

龙图腾网获悉重庆大学申请的专利一种无人机辅助车联网数据传输的方法与系统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：CN116437316B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202310285947.0，技术领域涉及：H04W4/40；该发明授权一种无人机辅助车联网数据传输的方法与系统是由刘凯;钟成亮;郭松涛;冯亮;肖春华设计研发完成，并于2023-03-22向国家知识产权局提交的专利申请。

本一种无人机辅助车联网数据传输的方法与系统在说明书摘要公布了：本发明涉及到无人机调度、轨迹优化、车联网的智能系统技术领域，具体涉及了一种无人机辅助车联网数据传输的方法与系统。包括：将多个无人机随机部署在任务区域内的5G基站处；服务器接受收来自任务区域内的车辆簇头的数据请求，利用部署在服务器的云端无人机调度模型做出调度决策，并将决策后选出的无人机所对应的目标车辆簇头ID发送给该无人机；各无人机收到各自的目标车辆簇头ID后利用部署在无人机自身上的飞行路线规划模型，规划无人机的飞行路线；无人机飞抵目标车辆簇头后，利用其搭载的5G微型基站、CPE设备在车辆与宏基站建立无线传输网络并传输数据。通过该方法，本发明形成了形成多无人机、多基站协同的车联网数据传输系统。

本发明授权一种无人机辅助车联网数据传输的方法与系统在权利要求书中公布了：1.一种无人机辅助车联网数据传输的方法，其特征在于，包括： 步骤1：将多个无人机随机部署在任务区域内的5G基站处，所述无人机上搭载有5G微型基站和CPE设备； 步骤2：服务器接受收来自任务区域内的车辆簇头的数据请求， 若该车辆簇头接入了5G基站，则通过5G基站请求数据， 若车辆未能接入5G基站，则通过蜂窝网络向服务器请求数据； 步骤3：服务器整合来自所有5G基站与车辆的数据请求信息，利用部署在服务器的云端无人机调度模型，根据基站与车辆的状态信息、以及无人机状态信息做出调度决策，并将决策后选出的无人机所对应的目标车辆簇头ID发送给该无人机； 所述云端无人机调度模型为一经过预训练的，以最大化系统数据吞吐量为目标的决策模型，所述系统数据吞吐量包括了5G基站的数据吞吐量和无人机的数据吞吐量； 步骤4：各无人机收到各自的目标车辆簇头ID后，根据该ID从服务器访问目标车辆簇头的实时位置，并利用部署在无人机自身上的飞行路线规划模型，根据自身状态信息、目标车辆簇头的实时位置，规划无人机的飞行路线； 所述无人飞行路线规划模型为一经过预训练的，以最大化无人机数据吞吐量为目标的决策模型； 所述无人飞行路线规划模型采用一DQN模型，无人飞行路线规划用DQN模型的状态空间为： S＝{V，En，D，O，BIp}， 其中，V表示当前的目标车辆簇头三维位置维度为3； En表示当前时刻的无人机能量，维度为1，n＝0,1,2...N，表示以t为时隙长度的离散时间； 表示当前的无人机三维位置，维度为3；Os表示当前激光雷达感知的障碍物信息，Os固定为一个20维的列表用于表示无人机周围的障碍物分布情况，其设定策略如下： 以无人机为中心一定探测距离内，水平面上均匀分布的十个方向角区间以及垂直面上均匀分布的十个方向角区间分别对应Os的20个维度，每个方向角区间的宽度为360°10＝36°，若值为1则表示该区间内有障碍物，为0则表示没有障碍物； 模型的输出的动作空间为： A＝{left,right,forward,backward,up,down，hover}， left为1时表示向左，right为1时表示向右，forward为1时表示前进，backward为1时表示后退，up为1时表示上升，down为1时表示下降，hover为1时表示悬停，每次有且仅有一个变量变为1； 用于无人飞行路线规划用DQN模型的训练的奖励函数为： 其中，kthRtotaln为无人机在时隙n的数据吞吐量的奖励，kth＝0.00001为一个常量的权重系数，为与无人机的目标点、能量相关的塑造奖励，防止训练过程中出现奖励稀疏问题，krd＝0.5为一个常量值的权重系数，用于防止分母为零,为在时隙内消耗的能量，ddis为当前时隙内无人机距离终点的减少的距离，rc代表无人机降落在基站的奖励，rad代表无人机出现碰撞的惩罚； 其中，无人机在时隙n内总的数据吞吐量为： Rtotaln＝RintN+t0tN； 其中，t0为任务启示时刻，无人机与车辆簇头i在时刻t的传输速率表示为： 其中，Pc为无人机向单个车辆簇头i提供通信服务的通信功率，di为车辆簇头i与无人机之间的距离,n0为噪声功率谱密度，α为无人机最小通讯半径； 其中Lit为车辆簇头i与无人机通信之间的路径损失，有： 其中spl为空间路径损失，为视距连接的概率，为非视距连接的概率，并且ηLoS与ηNLoS为Los与NLoS连接的过度路径损耗； 根据无人机的高度以及无人机可以计算出视距连接的概率： 其中η、η为传播环境相关的参数,其中f为载波频率，v为光速； 该模型在训练中还应满足以下约束条件： :E :CL＝0 :xminmax :yminmax :zminmax 中的E表示任务结束时无人机的能量； 中的DPT表示任务结束时无人机的三维位置，B表示基站三维位置的集合； 中的CL表示碰撞次数； -C中的x、y、z表示无人机的三维坐标； 该模型在训练和执行决策时，输入数据按照以下策略预先设定： 无人机执行任务中时，强制设定BIp中的各项值全为-1； 无人机处于返回基站途中状态时，强制设定输入的Vp为0，-1，0； 步骤5：无人机飞抵目标车辆簇头后，利用其搭载的5G微型基站、CPE设备在车辆与宏基站建立无线传输网络并传输数据； 所述任务区域被网格化为多个地图网格，每一网格均被唯一编号； 云端无人机调度用DQN模型的状态空间为： State＝{BIp,DIp,Ej,Sj,VIp}， 其中，BIp为K个5G基站在网格化地图中的位置，维度为1×K； DIp为J个无人机在网格化地图中的位置，维度为1×J； VIp为最多I个未接入5G基站的车辆簇头在网格化地图中的位置，维度为1×I； 所述BIp、DIp、VIp中的位置为5G基站、无人机或车辆簇头所在网格的编号； 在一个决策周期内未能接入5G基站的车辆簇头被服务器编号为，1，2……I，对应于向量VIp第1至第I的元素，每个元素的取值则是所对应的车辆簇头在发出请求时所在的地图网格的编号，当前未能接入5G基站的车辆簇头数量少于I时，用-1补齐VIp中的项； Ej为无人机的电量，维度为1×J，其中元素取值范围为0-1，越接近1能量越充足； 无人机当前任务状态Sj，维度为1×J，其中元素取值范围为0或1，0为不在执行任务中，1为在执行任务过程中； 云端无人机调度用DQN模型的网络动作空间维度为J，每个维度的输出值映射成一个0到I之间的整数，用于代表该无人机的目标车辆簇头的编号，以随时获得车辆簇头的位置，取值为0则表示该无人机未被分配任何车辆簇头，动作空间可表示为： Action＝{a0,a1,a2...,aJ},aj∈[0,1,2,...,I]； 用于训练云端无人机调度用DQN模型的奖励函数为： Reward＝krDtotal-rp， 其中，Dtotal为通过无人机协助来完成数据传输的数据吞吐量，表示为： 其中Rj,total代表无人机j的总数据传输量； 其中kr＝0.01为一个常量系数，惩罚项rp，当输出的动作空间中a0,a1,a2...,aJ映射到整数0到I以后，出现了除了0以外的编号重复的情况，则rp＝1，否则rp＝0。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。

以上内容由龙图腾AI智能生成。