使用车辆操纵预测的资源分配的制作方法

本公开涉及无线通信，并且特别地涉及使用车辆操纵预测(vehicle maneuverprediction)的资源分配。

背景技术：

1、部署在复杂交通中的自动驾驶车辆(autonomous vehicle，av)应平衡两个因素：在不阻塞交通的情况下的高效移动性，以及其周围的人类和财产的安全。车辆应具有采取主动的能力，诸如决定何时变更车道、穿过十字路口或超过另一车辆。更重要的是，车辆应与周围的车辆协调其运动。传统上，车辆到一切(v2x)通信已经被用于协作驾驶中所要求的信息交换。已经推广了两种主要技术以允许v2x、基于蜂窝的c-v2x和专用短程通信(drsc)。drsc技术基于电气和电子工程师协会(ieee)802.11p标准，所述标准面临许多挑战，诸如有限的移动性支持和有限的带宽，导致可靠性和时延方面的缺点。另一方面，c-v2x正在利用第三代合作伙伴计划(3gpp)第五代(5g，也被称为新空口或nr)站稳脚跟。这种新一代蜂窝网络具有很有前途的能力，所述能力可允许基于c-v2x的协作驾驶。尽管很有前途，但用于c-v2x的5g标准是在进行中的工作，其仍要求进一步增强，以完全和安全地支持高级av应用场景，诸如排队的轨迹对齐和协作车道变更。这些高级场景需要创新的技术以增强资源在下一个5g版本中如何被分配的效率。进一步的增强应旨在尽可能减少开销，同时满足对于协作驾驶任务的时延和可靠性要求。

2、已经研究了在基于蜂窝的v2x通信中改进网络资源分配(例如，其中一些研究包括关于基于用户聚类的共享资源块(rb)的调查)。已经提出了混合方案，其中drsc用于辅助c-v2x和基于移动性模式的启用人工智能(ai)的预测性资源分配。然而，这样的提议未能增强资源分配，诸如上行链路(ul)资源分配。此外，移动性模式通常不被分类到它们对应的操纵中。此外，基于操纵场景和服务提供商对驾驶自动化的支持水平，协作驾驶需要不同的服务要求。

3、在下一子节中，描述了例如3gpp长期演进(lte)和5g中的ul调度过程。

4、lte和5g中的ul调度：

5、为了实现无冲突的ul调度，其中相同小区中的任何两个无线装置(wd)不在相同的无线电资源上传送，传统上lte和5g两者都依赖于网络节点(例如，基站)来协调ul调度。这可通过以或者动态方式或者半静态方式将ul调度决策传达给wd来完成。在前一种情况下，网络节点通过在物理下行链路控制信道(pdcch)中向wd发送ul授权，每传输时间间隔动态地向wd(例如，用户)传达上行链路资源指派。该授权通常包含关于wd预期用于传送其上行链路数据的无线电资源的信息。在半静态方法中，网络节提前向wd分配周期性资源，例如，可请求wd每x毫秒(msec)在给定的无线电资源中传送。网络节点也可同样以半静态的方式将分配给wd的周期性资源解除分配。在lte中，半静态方法用于半持久调度，而在5gnr中，引入配置的授权来实现相同的目标。

6、为了进行ul资源分配，网络节点可能需要知道wd是否具有要传送的数据和/或wd在其缓冲器中具有多少(要传送的)数据。对于获取这样的知识的网络节点，当wd连接到网络节点时，它可向wd指派周期性调度请求(sr)资源。sr消息通常为仅用于发信号通知wd对资源的需求的1比特大小。lte和nr中sr资源的典型周期是10msec，但是在3gpp标准中也允许其他值。

7、在网络节点成功解码sr之后，网络节点利用上行链路授权来调度wd。仅使用sr，网络节点不能确切知道wd在缓冲器中具有的数据量。因此，典型地，网络节点发送小的ul授权，wd可使用所述小的ul授权来发送缓冲器状态报告(bsr)，所述缓冲器状态报告(bsr)指示wd在其缓冲器中具有的可由网络节点用于ul调度的数据量的范围。这种方法具有不存在ul浪费授权的优点，因为网络节点不会向wd发送ul授权，除非它知道wd具有要传送的数据；然而，它具有增加时延的缺点，因为网络节点可能在它调度满足wd要求的ul授权之前等待sr和bsr。

8、在动态资源分配和半静态资源分配之间进行选择是时延和资源消耗之间的折衷。在动态方法中，wd等待通知网络节点ul数据到达的sr机会。此外，wd等待网络节点对其缓冲器状态报告的回复。这转化为延迟关键型应用不可接受的增加的时延。另一方面，增加的时延开销可通过使用半持久调度和配置的授权来避免；然而，这种方法可导致相当多的资源浪费。

9、可使用ul预调度，例如，其中无论是周期性地还是每当满足条件时，都提前从网络节点调度pdcch ul授权。虽然这减少了时延，但是当wd不具有要在其预先分配的资源中提前传送的ul数据时，它也会遭受资源浪费。减少资源浪费的一种方式可以是配置静态参数，即预调度持续时间。如果在该时间期间不存在携带有用数据(即，不仅仅是ul填充)的ul传输，则该参数用于停止预调度。该参数控制预调度的积极性，使得降低该参数导致更少的浪费授权，但更差的时延(并且反之亦然)。

10、总之，现有技术遭受高时延或资源浪费的问题。此外，现有技术不能充分分配诸如自动驾驶车辆(av)和协作驾驶的应用所需的资源，在所述应用中，高效的移动性和安全至关重要。

技术实现思路

1、一些实施例提供了至少减少浪费的资源(例如，现有技术的浪费的资源)的方式。在一些实施例中，执行一个或多个预测。机器学习可用于预测wd具有要传送的ul数据的概率，并使用该概率来确定是否调度ul授权。一些其他实施例有利地提供了使用车辆操纵预测进行资源分配(例如，增强的c-v2x上行链路资源分配)的方法、系统和设备。

2、在一个实施例中，网络节点被配置成预测wd的操纵，其中该预测基于根据车辆状态数据的学习(例如，学习过程)。可基于预测的操纵来调度wd(和/或与wd相关联的资源)。

3、在另一个实施例中，wd被配置成由车辆应用层接收与车辆到一切(v2x)相关联的数据；并且作为该数据的结果，基于预测的操纵在由网络节点调度的资源上发送物理上行链路(ul)信道消息。

4、在一些实施例中，由车辆(即，与车辆相关联的无线装置)使用的网络资源可与其意图执行的操纵类型相关。

5、根据一方面，描述了一种被配置成与无线装置(wd)通信的网络节点。wd对应于车辆，并且网络节点包括被配置成预测车辆操纵的处理电路，其中该预测至少部分基于与车辆数据相关联的学习过程；以及调度至少由wd能使用的资源。该调度基于预测的车辆操纵。

6、在一些实施例中，网络节点进一步包括与处理电路通信的无线电接口。无线电接口被配置成以下项中的至少一项：从wd接收车辆数据；向wd传送包括调度的资源的第一信令；基于调度的资源从wd接收第二信令；以及基于调度的资源向另一个wd传送第三信令。第三信令由该另一个wd能用于确定已经预测到车辆操纵。

7、在一些其他实施例中，调度的资源至少由wd能用于以下项中的至少一项：执行与车辆到一切(v2x)通信相关联的至少一个动作；以及触发协作驾驶动作。

8、在实施例中，处理电路进一步被配置成确定车辆操纵的概率以预测车辆操纵。

9、在另一个实施例中，处理电路进一步被配置成基于确定的概率和概率阈值来激活和去激活资源的半静态调度中的一个。

10、在一些实施例中，至少基于与学习过程相关联的输入来确定概率。

11、在一些其他实施例中，资源被调度为在车辆操纵发生之前至少预定时间间隔被传送。

12、在实施例中，处理电路进一步被配置成至少部分基于车辆数据执行学习过程。

13、在另一个实施例中，以下项中的至少一项：wd是车辆wd；调度的资源是上行链路授权和下行链路授权中的至少一个；以及预测的车辆操纵包括以下项中的至少一项：变更车道；超过另一车辆；穿过十字路口；与至少一辆邻近车辆协调物理操纵；以及预期由车辆在预定时间间隔内执行的操纵。

14、在一些实施例中，车辆数据包括以下项中的至少一项：历史数据；车辆坐标和速度数据；与历史数据相关联的时间间隔；周围车辆的数量；以及在预定时间关于周围车辆的数据。

15、根据另一方面，描述了一种在被配置成与无线装置(wd)通信的网络节点中的方法。wd对应于车辆，并且该方法包括预测车辆操纵，该预测至少部分基于与车辆数据相关联的学习过程；以及调度至少由wd能使用的资源，该调度基于预测的车辆操纵。

16、在一些实施例中，该方法进一步包括以下项中的至少一项：从wd接收车辆数据；向wd传送包括调度的资源的第一信令；基于调度的资源从wd接收第二信令；以及基于调度的资源向另一个wd传送第三信令。第三信令由该另一个wd能用于确定已经预测到车辆操纵。

17、在一些其他实施例中，调度的资源至少由wd能用于以下项中的至少一项：执行与车辆到一切(v2x)通信相关联的至少一个动作；以及触发协作驾驶动作。

18、在实施例中，该方法进一步包括确定车辆操纵的概率以预测车辆操纵。

19、在另一个实施例中，该方法进一步包括基于确定的概率和概率阈值来激活和去激活资源的半静态调度中的一个。

20、在一些实施例中，至少基于与学习过程相关联的输入来确定概率。

21、在一些其他实施例中，资源被调度为在车辆操纵发生之前至少预定时间间隔被传送。

22、在实施例中，该方法进一步包括至少部分基于车辆数据执行学习过程。

23、在另一个实施例中，以下项中的至少一项：wd是车辆wd；调度的资源是上行链路授权和下行链路授权中的至少一个；以及预测的车辆操纵包括以下项中的至少一项：变更车道；超过另一车辆；穿过十字路口；与至少一辆邻近车辆协调物理操纵；以及预期由车辆在预定时间间隔内执行的操纵。

24、在一些实施例中，车辆数据包括以下项中的至少一项：历史数据；车辆坐标和速度数据；与历史数据相关联的时间间隔；周围车辆的数量；以及在预定时间关于周围车辆的数据。

25、根据一方面，描述了一种被配置成与网络节点通信的无线装置(wd)。wd对应于车辆，并且包括无线电接口和与无线电接口通信的处理电路。无线电接口被配置成接收由wd能使用的资源。资源由网络节点基于预测的车辆操纵来调度，并且预测的车辆操纵至少部分基于与车辆数据相关联的学习过程。处理电路被配置成以下项中的至少一项：执行与车辆到一切(v2x)通信相关联的至少一个动作；以及触发协作驾驶动作。

26、在一些实施例中，无线电接口进一步被配置成以下项中的至少一项：向网络节点传送车辆数据；从网络节点接收包括接收到的资源的第一信令；基于接收到的资源向网络节点传送第二信令；以及基于接收到的资源向另一个wd传送第三信令。第三信令由该另一个wd能用于确定已经预测到车辆操纵。

27、在一些其他实施例中，预测的车辆操纵基于概率。

28、在实施例中，资源的半静态调度是基于概率和概率阈值被激活和去激活中的一个。

29、在另一个实施例中，概率至少基于与学习过程相关联的输入。

30、在一些实施例中，资源被调度为在车辆操纵发生之前至少预定时间间隔被传送。

31、在一些其他实施例中，学习过程至少部分基于车辆数据。

32、在实施例中，以下项中的至少一项：wd是车辆wd；以及接收到的资源是上行链路授权和下行链路授权中的至少一个。

33、在另一个实施例中，预测的车辆操纵包括以下项中的至少一项：变更车道；超过另一车辆；穿过十字路口；与至少一辆邻近车辆协调物理操纵；以及预期由车辆在预定时间间隔内执行的操纵。

34、在一些实施例中，车辆数据包括以下项中的至少一项：历史数据；车辆坐标和速度数据；与历史数据相关联的时间间隔；周围车辆的数量；以及在预定时间关于周围车辆的数据。

35、根据另一方面，一种在被配置成与网络节点通信的无线装置(wd)中的方法。wd对应于车辆，并且该方法包括接收由wd能使用的资源，其中资源由网络节点基于预测的车辆操纵来调度，并且预测的车辆操纵至少部分基于与车辆数据相关联的学习过程；以及以下项中的至少一项：执行与车辆到一切(v2x)通信相关联的至少一个动作；以及触发协作驾驶动作。

36、在一些实施例中，该方法进一步包括以下项中的至少一项：向网络节点传送车辆数据；从网络节点接收包括接收到的资源的第一信令；基于接收到的资源向网络节点传送第二信令；以及基于接收到的资源向另一个wd传送第三信令。第三信令由该另一个wd能用于确定已经预测到车辆操纵。

37、在实施例中，预测的车辆操纵基于概率。

38、在另一个实施例中，资源的半静态调度是基于概率和概率阈值被激活和去激活中的一个。

39、在一些实施例中，概率至少基于与学习过程相关联的输入。

40、在一些其他实施例中，资源被调度为在车辆操纵发生之前至少预定时间间隔被传送。

41、在实施例中，学习过程至少部分基于车辆数据。

42、在另一个实施例中，以下项中的至少一项：wd是车辆wd；以及接收到的资源是上行链路授权和下行链路授权中的至少一个。

43、在一些实施例中，预测的车辆操纵包括以下项中的至少一项：变更车道；超过另一车辆；穿过十字路口；与至少一辆邻近车辆协调物理操纵；以及预期由车辆在预定时间间隔内执行的操纵。

44、在一些其他实施例中，车辆数据包括以下项中的至少一项：历史数据；车辆坐标和速度数据；与历史数据相关联的时间间隔；周围车辆的数量；以及在预定时间关于周围车辆的数据。