一种基于C-V2X的BSM异常数据校正的两阶段学习策略

摘要

在蜂窝车联网（cellular vehicle-to-everything,C-V2X）这一通信技术框架下，车辆基本安全消息（basic safety message,BSM）的准确性对于确保道路交通安全是至关重要的。然而，BSM数据易受到传感器故障或环境干扰等非恶意因素的影响，导致数据异常并可能误导驾驶决策。针对此问题，提出了一种两阶段训练方法以校正BSM中的异常数据。第一阶段，通过无监督混合生成式模型学习正常BSM数据的行为模式与分布特征，并引入内存模块在特征空间中构建细粒度的原型存储库，增强模型对正常行为模式多样性的理解。第二阶段，基于第一阶段获得的网络参数，采用自监督学习策略进行数据校正。结果表明，该方法表现出了良好的校正能力，并显著减少了BSM数据的误差。

关键词

蜂窝车联网 / 基本安全信息 / 数据校正 / 混合模型 / 自监督学习