【论文标题】Deep Learning Based Intelligent Inter-Vehicle Distance Control for 6G Enabled Cooperative Autonomous Driving 【作者团队】Xiaosha Chen, Supeng Leng, Jianhua He, Longyu Zhou 【发表时间】2020/12/26 【机构】成都电子科技大学&英国埃塞克斯大学 【论文链接】https://arxiv.org/pdf/2012.13817.pdf 【推荐理由】本文出自成都电子科技大学以及英国埃塞克斯大学，互联网自动驾驶（CAV）依靠6G网络将是主要的发展方向，但是存在6G网络可靠性、延迟和高速通信的挑战，针对该问题，本文研发了协作驾驶方案，大大提高了道路安全性、通行能力和效率。

互联自动驾驶（CAV）是6G的关键垂直领域，具有改善道路安全，道路和能源效率的巨大潜力。但是，CAV应用程序对可靠性，延迟和高速通信的严格服务要求将给6G网络带来巨大挑战。支持6G的CAV需要新的互联车辆通道访问算法和智能控制方案。 在本文中，作者团队研究了6G支持的协作驾驶，这是一种通过信息共享和驾驶协调实现的高级驾驶模式。首先，他们使用混合通信和信道访问技术量化了6G车辆到车辆（V2V）通信的延迟上限。开发了深度学习神经网络并对其进行了训练，以便在实时操作中快速计算延迟范围。然后，设计了一种智能策略来控制车辆间的距离，以进行协作式自动驾驶。此外，还提出了一种基于马尔可夫链的算法来预测系统状态的参数，并且提出了一种安全的距离映射方法来实现平稳的车速变化。拟议的算法在AirSim自动驾驶平台中实现。仿真结果表明，所提出的算法有效，鲁棒，安全稳定的协同自动驾驶，大大提高了道路安全性，通行能力和效率。

下图为本文研发的智能距离控制策略流线图。

图1 智能控制策略流线图

内容中包含的图片若涉及版权问题，请及时与我们联系删除