文章摘要:在城市轨道交通列车通信系统中，车车（Train-to-Train，T2T）通信是以列车为中心的新一代列控系统通信模式。与传统的以地面控制设备为中心的车地（Train-to-Ground，T2G）通信模式相比，T2T能降低系统的复杂度以及通信时延，提升列车运行效率。但为保障列车运行的安全性，当前的城市轨道交通列车通信系统中，车车通信与车地通信是并存的。为解决车车通信与车地通信并存场景下，通信链路资源复用引起的干扰问题，论文基于深度强化学习算法，提出了一种智能频谱共享方法。该方法以车车通信链路作为智能体，将频谱共享建模为多智能体深度强化学习模型。同时，为提升传统深度强化学习所依赖的经验池的稳定性，引入了能表征智能体行动轨迹的低维指纹信息。在该方法中，多个智能体采用分布式协作的方式与列车所处的通信环境进行交互，以此来迭代优化神经网络参数，使智能体获得的累计奖励不断提升直至收敛。最后，利用训练好的深度强化学习模型，智能体能够联合选择最佳的通信频谱和传输功率。在python 环境下的仿真结果表明：相较于传统的深度强化学习算法，论文提出的引入低维指纹信息的算法不但能够使系统信道容量接近最大信道容量，而且使数据传输的成功率保特在90%以上，极大地提升了列车运行的安全性。

文章关键词:

项目基金:《智能城市》 网址: http://www.zncszz.cn/qikandaodu/2022/0119/2170.html