(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111511813.3 (22)申请日 2021.12.0 6 (71)申请人 深圳大学 地址 518000 广东省深圳市南 山区南海大 道3688号 (72)发明人 杜洁婷　冯大权　陈灿新　张林潼　 刘思怡　 (74)专利代理 机构 深圳尚业知识产权代理事务 所(普通合伙) 44503 代理人 王利彬 (51)Int.Cl. H04W 4/40(2018.01) H04N 21/262(2011.01) H04N 21/231(2011.01) H04N 21/232(2011.01)H04N 21/234(2011.01) H04N 21/433(2011.01) H04N 21/44(2011.01) G06N 3/04(2006.01) G06N 20/00(2019.01) (54)发明名称 车联网的车端视频流处理方法、 设备和计算 机可读存 储介质 (57)摘要 本申请涉及一种车联网的车端视频流处理 方法、 设备和计算机可读存储介质， 以提升车联 网中车用户的观看体验。 该方法包括： 根据车用 户上传其在下一个大时标下的运动信息， 计算车 用户在节点访问范围的预计驻留时间， 其中， 大 时标包含若干小时标； 基于长短期记忆算法预测 车用户在下一个大时标下的视频请求强度； 根据 车用户在节点访问范围的预计驻留时间以及视 频请求强度， 在节点缓存视频流； 基于近端策略 优化强化学习算法， 在大时标下的小时标确定的 时长范围调度缓存的视频流。 本申请的技术方案 能够最大化缓存命中率， 提高RSU响应的概率减 少传输时延， 从而显著提升车用户的视频观看体 验。 权利要求书2页 说明书9页 附图2页 CN 114390471 A 2022.04.22 CN 114390471 A 1.一种车 联网的车端视频流处 理方法， 其特 征在于， 所述方法包括： 根据车用户上传其在下一个大时标下的运动信 息， 计算所述车用户在节点访问范围的 预计驻留时间， 所述大时标包 含若干小时标； 基于长短期记 忆算法预测所述车用户在所述下一个大时标 下的视频请求强度； 根据所述车用户在节点访问范围的预计驻留时间以及视频请求强度， 在节点缓存视频 流； 基于近端策略优化强化学习算法， 在所述大时标下的小时标确定的时长范围调度 所述 缓存的视频流。 2.如权利要求1所述车联网的车端视频流处理方法， 其特征在于， 所述基于长短期记忆 算法预测所述车用户在所述下一个大时标 下的视频请求强度， 包括： 结合所述车用户历史的视频请求与 所述车用户的属性， 根据所述长短期记忆算法预测 所述车用户在所述下一个大时标 下的视频请求强度。 3.如权利要求1所述车联网的车端视频流处理方法， 其特征在于， 所述根据所述车用户 在节点访问范围的预计驻留时间以及视频请求强度， 在节点缓存视频流， 包括： 确定所述节点的缓存 模型、 所述车用户所属车端的缓存 模型以及确定观看 体验模型； 将所述观看 体验模型对应的问题转 化为第二问题； 以最大化缓存命中率和最大化所述车用户体验质量为目标优化所述节点的缓存模型、 所述车用户所属车端的缓存 模型和所述第二问题， 得到在节点缓存视频流的缓存策略。 4.如权利要求3所述车联网的车端视频流处理方法， 其特征在于， 所述确定所述节点的 缓存模型包括： 定义在所述大时标内所述车用户所属车端的缓存 命中率为： 所述 表示所述RSUr 下车用户u在t小时标下请求的视频f 的块x， 表示在大 时标e下缓存视频f的块x的标识； 所述确定车用户所属车端的缓存模型， 包括： 确定所述视频流在所述车用户所属车端 停顿时长 以及进入所述车用户所属车端的缓冲区队列中的 新视频块的时长 Γu(t)表示所述车用户u在所述小时标下的缓 冲块长度； 所述将所述观看体验模型对应的问题转化为第二问题， 包括： 将所述观看体验模型对 应的时平均的限制马尔科 夫问题转 化为非限制的马尔科 夫问题。 5.一种车 联网的车端视频流处 理装置， 其特 征在于， 所述装置包括： 计算模块， 用于根据车用户上传其在下一个大时标下的运动信息， 计算所述车用户在 节点访问范围的预计驻留时间， 所述大时标包 含若干小时标； 预测模块， 用于基于长短期记忆算法预测所述车用户在所述下一个大时标下的视频请 求强度； 缓存策略模块， 用于根据所述车用户在节点访问范围的预计驻留时间以及视频请求强权　利　要　求　书 1/2 页 2 CN 114390471 A 2度， 在节点缓存视频流； 调度模块， 用于基于近端策略优化强化学习算法， 在所述大时标下的小时标确定的时 长范围调度所述缓存的视频流。 6.如权利要求5所述车联网的车端视频流处理装置， 其特征在于， 所述预测模块具体用 于结合所述车用户历史的视频请求与所述车用户的属性， 根据所述长 短期记忆算法预测所 述车用户在所述下一个大时标 下的视频请求强度。 7.如权利要求5所述车联网的车端视频流处理装置， 其特征在于， 所述缓存策略模块包 括： 第一确定单元， 用于确定所述节点的缓存模型、 所述车用户所属车端的缓存模型以及 确定观看 体验模型； 问题转换 单元， 用于将所述观看 体验模型对应的问题转 化为第二问题； 目标优化单元， 用于以最大化缓存命中率和最大化所述车用户体验质量为目标优化所 述节点的缓存模型、 所述车用户所属车端的缓存模型和所述第二问题， 得到在节点缓存视 频流的缓存策略。 8.如权利要求7所述车联网的车端视频流处理装置， 其特征在于， 所述第 一确定单元包 括第二确定单 元和第三确定单 元； 所述第二确定单 元， 用于定义在所述大时标内所述车用户所属车端的缓存 命中率为： 所述 表示所述RSUr下车用户u在 t小时标下请求的视 频f的块x， 表示在大 时标e下缓存视频f的块x的标识； 所述第三确定单元， 用于确定所述视频流在所述车用户所属车端停顿时长 以及进入所述车用户所属车端的缓冲区队列中的新视频块 的时长 Γu(t)表示所述车用户u在所述小时标下的缓冲块长 度； 所述问题转换单元， 用于将所述观看体验模型对应的时平均的限制马尔科夫问题转化 为非限制的马尔科 夫问题。 9.一种设备， 所述设备包括存储器、 处理器以及存储在所述存储器中并可在所述处理 器上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1 至4任意一项所述方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至4任意 一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114390471 A 3