一种车联网中基于双层区块链的个性化智能跟驰方法

本发明涉及一种车联网中基于双层区块链的个性化智能跟驰方法，属于移动通信技术领域。目前，使用深度强化学习DRL能够让CAV通过不断的与环境交互来学习和优化策略，来提高系统决策的适应性和灵活性。然而，当前交通环境的复杂性对单车独立学习环境变化做出准确响应提出了挑战。联邦学习可以聚合不同环境中的多个学习模型，提升CAV对复杂环境的适应性。本发明建立了一种车联网场景基于双层区块链的群学习DRL架构，基于CAV的移动性，提出了基于名誉值的CAV选择策略，再提出基于确定性策略梯度算法的个性化跟驰模型。该方法可实现个性化安全智能跟驰驾驶，可利用边缘网络和CAV用户数据资源，推动人工智能在车联网场景中的应用。