1.一种无人机辅助行进车辆通信系统优化方法，其特征在于，包括以下步骤：S1、利用无人机搭建同时为多个行进车辆服务的无人机辅助行进车辆通信系统；

S2、通过搭建的无人机辅助行进车辆通信系统辅助多个行进车辆k进行通信，k＝{1,…,K}，K为需要服务的行进车辆的数量；

S3、建立无人机辅助行进车辆通信系统的优化问题：无人机与车辆k之间的通信传输速率总和最大化问题P1；

S4、在考虑了车辆移动和环境因素的情形下，求解无人机与车辆k之间的通信传输速率总和最大化问题P1，从而优化变量：无人机飞行轨迹、子载波变量和发射功率；

所述步骤S1中，搭建无人机辅助行进车辆通信系统具体包括：设无人机在恒定的高度h飞行，最大水平飞行速度限定为Vmax；所有车辆k均同时从同一起始点出发，无人机和车辆k的起始点位置均为w0，车辆行驶的终点水平坐标位置为wF；无人机通信传输时间为T，将其离散为NT个等长时隙，每个时隙的持续时间为δt，当δt趋近于0时，假定在每个时隙内无人机的位置大致不变；无人机的位置坐标表示为r[n]＝(xu[n],yu[n],h)，车辆k的位置坐标为rk[n]＝(xk[n],yk[n],0)，两者的水平坐标分别为q[n]＝(xu[n],yu[n])，wk[n]＝(xk[n],yk[n])，其中n∈{1,…,NT}；无人机与车辆k在第n个时隙的传输距离表示为：对于在第n个时隙，无人机与车辆k的信道系数为 表示受路径损耗影响的大尺度衰落,β0表示大尺度衰落因子，α表示信道路径损耗指数， 表示小尺度衰落的信道系数；

通信信道传输的总带宽为W(Hz)，均等划分为NF个正交子载波，其中任意一个子载波i只能分配给一个用户；定义一个二进制变量 表示子载波分配策略，当 时，车辆k在第n个时隙使用第i个子载波进行传输，否则 则有子载波分配约束：在时隙n中，第i个子载波上无人机与车辆k的发射功率表示为 装载在无人机上的发射机的最大发射功率为Pmax；B＝W/NF表示一个子载波的带宽；在第n时隙，第k个车辆与无人机之间可实现的数据传输速率表示为：2

其中，σ 表示加性高斯白噪声在车辆k的接收机处子载波i的方差，Γ＞1表示所采用的实际调制和编码方案与信道容量的差距；

为保证无人机对车辆k在任意时隙均满足通信数据量要求,则有：Qk为总共需接收的数据量；

所述步骤S3中，建立的无人机与车辆之间的通信传输速率总和最大化问题P1具体为：(P1):

q0＝w0   (12)

其中， 优化变量为无人机的飞行轨迹q[n]、子载波变量 发射功率

所述步骤S4具体包括：

S4‑1、设定处理周期j＝1，初始化所有车辆的起始位置w0和各个车辆k当前所处位置S4‑2、设定迭代次数m＝0，定义各个车辆的初始发射功率 误差阈值为ε；

S4‑3、根据短期路径预测方法获取所有车辆k＝{1,…,K}在未来的行驶轨迹，从而获得无人机的飞行轨迹；

*

S4‑4、求解无人机与车辆k之间的通信传输速率总和最大化问题P1，得到局部解{Θ ,* *Ξ,Ψ }以及目标函数值

(m+1) * (m+1) *

S4‑5、更新迭代变量Ξ ＝Ξ,Ψ ＝Ψ ；

S4‑6、判断是否所有车辆的数据传输速率和均满足和 表示对应的第j个处理周期中第k个车辆在未来几秒内的短期路径预测所对应的* (m) * (m) * (m)数据传输量的预测值，若是，则输出当前的优化解Θ ＝Θ ,Ξ＝Ξ ,Ψ ＝Ψ ，否则，更新迭代次数m＝m+1，并返回步骤S4‑4；

S4‑7、更新第k个车辆在已行驶路程中接收的数据量S4‑8、判断是否所有车辆在短期路径预测中均到达指定终点位置，即 若是，则输出问题的最优解，否则，更新处理周期数j＝j+1，并返回步骤S4‑3。

2.根据权利要求1所述的一种无人机辅助行进车辆通信系统优化方法，其特征在于，所述步骤S2中，无人机采用正交频分多址接入方法以辅助多个行进车辆k进行通信。

3.根据权利要求1所述的一种无人机辅助行进车辆通信系统优化方法，其特征在于，所述步骤S4‑3中，通过结合恒定速度模型、恒定加速度模型、恒定转率模型、恒定转率与加速度模型以及DS推理系统得到的车辆路径预测模型预测车辆的路径；

过程中，DS推理系统首先根据数字地图中提取的横摆角、加速度和道路曲率值确定最合适的模型，再根据确定的模型获得车辆未来的行驶路径；

其中包括：当车辆直线行驶时，根据当前的加速度值选择恒定速度模型或恒定加速度模型；当车辆接近转弯时，根据两个方向的加速度值选择恒定转率模型或恒定转率与加速度模型。

4.根据权利要求1所述的一种无人机辅助行进车辆通信系统优化方法，其特征在于，所述步骤S4‑3中，获得无人机的飞行轨迹的具体过程包括：(j)

在第j个处理周期中，假设所有车辆的短期路径预测持续时间均为Ts ，均匀划分为个时隙，则有 表示为一个时隙长度，其中 表示为正整数集；在第j个处理周期中，第n1个时隙车辆k的水平位置坐标为 下一个时隙(n1+1)车辆k预测的水平位置坐标为：其中

假设车辆在任意处理周期j的第一个时隙的水平位置坐标均通过GPS获得，即设 为第j个处理周期时隙n1无人机在短期路径预测的水平位置坐标，因此，无人机的最大水平飞行距离约束表示为：Vmax为无人机的最大水平飞行速度；

由于无人机的初始水平坐标为w0，于是第j个处理周期内短期路径预测中第一个时隙的水平坐标位置为：在第j≥2个处理周期中，在短期路径预测中无人机的初始位置表示为无人机的最终位置，对应于第(j‑1)次处理周期的无人机位置：

5.根据权利要求1所述的一种无人机辅助行进车辆通信系统优化方法，其特征在于，所述步骤S4‑4中，求解无人机与车辆k之间的通信传输速率总和最大化问题P1的具体过程包括：

1)根据车辆路径预测模型和统计的信道状态信息，通过时域滚动优化方法，将无人机与车辆k之间的通信传输速率总和最大化问题P1转换为一系列的优化子问题P1.1；

2)通过引入惩罚因子和连续凸优化的方法，将步骤S4得到的优化子问题P1.1转换为凸优化问题P2.1进行求解，从而得到优化子问题P1.1的最优解。

6.根据权利要求5所述的一种无人机辅助行进车辆通信系统优化方法，其特征在于，所述步骤1)具体包括：将无人机与车辆k之间的通信传输速率总和最大化问题P1转换成一系列的优化子问题P1.1，而每个子优化问题P1.1对应于车辆k在一个处理周期的短期路径预测；

将无人机与车辆k之间的通信传输速率和主要分为三个部分：其中， 是一个常数，表示第j个处理周期中车辆已行驶完成的路程所对应的数据传输量总和， 表示第j个处理周期中第k个车辆在未来几秒内的短期路径预测所对应的数据传输量的预测值； 表示第j个处理周期中第k个车辆在剩余行程的长期路径预测所对应的数据传输量的预测值；

对于第二部分所有车辆的短期路径预测，由于每个车辆的短期路径预测时长相等，则有：其中， 表示第k个车辆在短期路径

预测中可实现的传输速率； 表示子载波分配；B表示一个子载波的带宽； 表示第i个子载波上无人机与车辆k的发射功率； β0表示大尺度衰落因子，表示小尺度衰落的信道系数； 表示第j个处理周期中，第n1个时隙无人机在短期路径预测的水平位置坐标； 表示第j个处理周期中，第n1个时隙车辆k的水平位置坐标；h表示无人机恒定飞行的高度；

针对所有车辆在短期路径预测方案中的情形，将优化问题P1转化子问题P1.1：P1.1:

s.t.

其中， 表示第k个车辆在长期路径

预测中可实现的传输速率；(25)式中 表示总共需接收的数据量与已接收到的数据量的差值，即剩余需接收的数据量；

由于长期路径预测部分的所有车辆位置信息是由该段的行驶平均速度得到，预测值比较粗糙，因此，在每个处理周期内仅优化短期路径预测部分所对应的解，第j个处理周期中第k个车辆在剩余行程的长期路径预测所对应的数据传输量的预测值 忽略。

7.根据权利要求6所述的一种无人机辅助行进车辆通信系统优化方法，其特征在于，所述步骤2)具体包括：通过采用凸差函数将可实现的数据传输速率函数进一步表示，定义得：

其中， 为惩罚项，ξ＞＞1为惩罚因子，增加惩罚项的主要目的是防止多个车辆k复用同一个子载波i； 和 为辅助变量，分别表示为：使用泰勒公式将(22)式近似转换为：

其中， 是由一阶泰勒展开所得到，对于任意给定的使用泰勒公式近似转换为：

其中， 是由一阶泰勒展开所得到，对于任意给定的因此，可将非凸的优化子问题P1.1转换为拟凸优化问题P2.1：P2.1:

s.t.

其中，优化变量分别表示在短期路径预测中无人机的飞行轨迹 各个子载波分配对应的发射功率 松弛变量

凸优化问题P2.1通过凸优化求解器CVX进行求解，从而得到优化子问题P1.1的最优解。