无人机辅助智能交通系统中基于C-DQN的信息年龄最小化研究

摘要

无人机（Unmanned Aerial Vehicle, UAV）由于高机动性和低运营成本的优势，有望在未来智能交通系统（Intelligent Transportation System, ITS）中被部署为车辆数据收集器。为了保证所采集数据的时效性，以信息年龄（Age of Information, AoI）来衡量无人机从车辆接收到的数据的新鲜度。因此，提出一种基于信息年龄最小化的无人机辅助智能交通系统方案，通过联合优化无人机轨迹和无人机与车辆的关联策略，最小化所有车辆的信息年龄加权和。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Curiosity-Driven Deep Q-learning Network(C-DQN)算法来求解。大量仿真结果表明，该算法在探索能力和收益性能方面优于传统Deep Q-learning Network(DQN)算法。

关键词

无人机 / 智能交通系统 / 信息年龄 / 马尔可夫决策过程 / C-DQN