基于融合注意力Bi-LSTM的V2X通信阻塞预测方法

为了解决Vehicle to Everything (V2X)毫米波通信系统延时高、链路易阻塞等问题，基于车辆和用户终端周围环境状态信息的感知，提出一种视觉辅助的能效最大阻塞预测方法。利用视觉感知模型实现系统对目标用户以及周围障碍物的精准感知，结合深度强化学习设计了一种融合特征和时间注意力的DA-DBLSTM网络预测未来链路阻塞到达时间，与传统注意力相比，该融合注意力不仅可以关注每个时间单元中的不同特征，而且关注不同时间单元的时序信息，使检测效果更优。仿真和分析结果表明，提出的DA-DBLSTM网络预测链路阻塞效果明显，在均方误差(Mean Square Error, MSE)、均方根误差(Root Mean Square Error, RMSE)、平均绝对误差(Mean Absolute Error, MAE)和平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)方面均优于现有方法。