无人机辅助智能交通系统中面向视频多播的资源优化

摘要

在智能交通系统（Intelligent Transportation System, ITS）中，实时交通视频可以辅助网联车做出更理智的决策。然而，由于车载传感器位置和数量的限制，车辆无法全面掌握交通环境，不利于行车安全；此外，当多个车辆用户请求相同的视频内容时，传统的单播传输模式存在效率低下的问题。为了解决这些问题，基于非正交多址接入（Non-Orthogonal Multiple Access, NOMA）和可伸缩视频编码（Scalable Video Coding, SVC）技术，提出了一种无人机（Unmanned Aerial Vehicle, UAV）辅助ITS的交通视频多播方案。通过联合优化车辆分组和功率分配策略，最大化车辆接收的长期视频质量。将该优化问题建模为一个马尔可夫决策过程（Markov Decision Process, MDP），并采用Soft Actor-Critic(SAC)算法来求解。大量仿真结果表明，该算法具有很强的探索能力，而且收益性能优于传统Actor-Critic(AC)算法。

关键词

交通视频多播 / 可伸缩视频编码 / 非正交多址接入 / Soft Actor-Critic