論文の概要: EC-SAGINs: Edge Computing-enhanced Space-Air-Ground Integrated Networks
for Internet of Vehicles
- arxiv url: http://arxiv.org/abs/2101.06056v1
- Date: Fri, 15 Jan 2021 10:56:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-28 11:15:57.406949
- Title: EC-SAGINs: Edge Computing-enhanced Space-Air-Ground Integrated Networks
for Internet of Vehicles
- Title（参考訳）: EC-SAGINs: エッジコンピューティングによる自動車用宇宙空間統合ネットワーク
- Authors: Shuai Yu and Xiaowen Gong and Qian Shi and Xiaofei Wang and Xu Chen
- Abstract要約: エッジコンピューティング強化車両インターネット(EC-IoV)は、車両間のユビキタスデータ処理とコンテンツ共有を可能にします。
EC-IoVは、車両と地上エッジコンピューティングインフラストラクチャ間の接続と相互作用に大きく依存しています。
遠隔地における各種IoVサービスを支援するために,エッジコンピューティング対応の宇宙航空統合ネットワーク(EC-SAGIN)の枠組みを提案する。
- 参考スコア（独自算出の注目度）: 24.603373235841598
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Edge computing-enhanced Internet of Vehicles (EC-IoV) enables ubiquitous data
processing and content sharing among vehicles and terrestrial edge computing
(TEC) infrastructures (e.g., 5G base stations and roadside units) with little
or no human intervention, plays a key role in the intelligent transportation
systems. However, EC-IoV is heavily dependent on the connections and
interactions between vehicles and TEC infrastructures, thus will break down in
some remote areas where TEC infrastructures are unavailable (e.g., desert,
isolated islands and disaster-stricken areas). Driven by the ubiquitous
connections and global-area coverage, space-air-ground integrated networks
(SAGINs) efficiently support seamless coverage and efficient resource
management, represent the next frontier for edge computing. In light of this,
we first review the state-of-the-art edge computing research for SAGINs in this
article. After discussing several existing orbital and aerial edge computing
architectures, we propose a framework of edge computing-enabled
space-air-ground integrated networks (EC-SAGINs) to support various IoV
services for the vehicles in remote areas. The main objective of the framework
is to minimize the task completion time and satellite resource usage. To this
end, a pre-classification scheme is presented to reduce the size of action
space, and a deep imitation learning (DIL) driven offloading and caching
algorithm is proposed to achieve real-time decision making. Simulation results
show the effectiveness of our proposed scheme. At last, we also discuss some
technology challenges and future directions.
- Abstract（参考訳）: エッジコンピューティングによる車両のインターネット(ec-iov)は、ユビキタスなデータ処理と、車と地上エッジコンピューティング(tec)インフラストラクチャ(例えば5gベースステーションと道路サイドユニット)間のコンテンツ共有を可能にする。
しかし、EC-IoVは車両とTECインフラ間の接続と相互作用に大きく依存しているため、TECインフラが利用できない遠隔地(砂漠、孤立した島、災害に苦しむ地域など)で崩壊する。
ユビキタス接続とグローバルエリアカバレッジによって駆動される宇宙地上統合ネットワーク(SAGIN)は、シームレスなカバレッジと効率的なリソース管理をサポートし、エッジコンピューティングの次のフロンティアである。
そこで本稿では,SAGINの最先端エッジコンピューティング研究について概説する。
既存の軌道および空中エッジコンピューティングアーキテクチャについて議論した後、遠隔地における車両の様々なIoVサービスをサポートするためにエッジコンピューティング対応の宇宙空間統合ネットワーク(EC-SAGIN)のフレームワークを提案する。
このフレームワークの主な目的は、タスク完了時間と衛星リソースの使用を最小化することである。
この目的のために,アクション空間のサイズを減らすための事前分類方式を提案し,リアルタイムな意思決定を実現するために,深層模倣学習(DIL)によるオフロードとキャッシュアルゴリズムを提案する。
シミュレーションの結果,提案手法の有効性が示された。
最後に,技術的な課題と今後の方向性についても論じる。
関連論文リスト
- AirDnD -- Asynchronous In-Range Dynamic and Distributed Network Orchestration Framework [1.8590097948961688]
本研究の目的は、動的メッシュネットワークを形成することにより、分散エッジデバイスにおけるコンピューティングリソースの利用を改善することである。
提案手法は, 地理的に分散したエッジデバイスを生物に変換する3つのモデルから構成される。
論文 参考訳（メタデータ） (2024-07-15T07:43:56Z) - Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。
本稿では,各種深層学習駆動型VAD経路の基本前提,学習フレームワーク,適用シナリオについて述べる。
我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
論文 参考訳（メタデータ） (2024-05-16T02:00:44Z) - On the Interplay of Artificial Intelligence and Space-Air-Ground
Integrated Networks: A Survey [1.5883812630616518]
Space-Air-Ground Integrated Networks (SAGINs)は、第6世代(6G)無線ネットワークの重要な実現要因である。
本研究では,AIを活用したSAGINにおける最先端研究の総合的な概要を提供することで,AIとSAGINの相互作用を解明することを目的とする。
論文 参考訳（メタデータ） (2024-01-20T16:10:31Z) - Sparse Federated Training of Object Detection in the Internet of
Vehicles [13.864554148921826]
物体検出は、IoV(Internet of Vehicles)の鍵となる技術の一つである
現在のオブジェクト検出方法は、主に集中的な深層トレーニングに基づいており、エッジデバイスが取得したセンシティブなデータをサーバにアップロードする必要がある。
そこで本研究では,よく訓練されたローカルモデルを中央サーバで共有する,フェデレート学習ベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-07T08:58:41Z) - Machine Learning-Based User Scheduling in Integrated
Satellite-HAPS-Ground Networks [82.58968700765783]
第6世代通信ネットワーク(6G)の強化のための価値あるソリューション空間の提供を約束する。
本稿では,空対地統合通信におけるユーザスケジューリングにおける機械学習の可能性について述べる。
論文 参考訳（メタデータ） (2022-05-27T13:09:29Z) - VeSoNet: Traffic-Aware Content Caching for Vehicular Social Networks
based on Path Planning and Deep Reinforcement Learning [8.192974456453557]
本稿では,コンテンツ配信問題を解決するソーシャルな車載エッジコンピューティングアーキテクチャを提案する。
提案アーキテクチャは,3つのコンポーネントから構成される。まず,最も関連性の高い車両コンテンツ提供者による最短経路を計算・割り当てするソーシャル・アウェア・グラフ・プルーニング探索アルゴリズムを提案する。
第2に、トラフィック対応コンテンツレコメンデーションスキームを用いて、その社会的文脈に応じて関連コンテンツを推薦する。
論文 参考訳（メタデータ） (2021-11-10T08:28:35Z) - Deep Learning Aided Routing for Space-Air-Ground Integrated Networks
Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。
大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。
低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
論文 参考訳（メタデータ） (2021-10-28T14:12:10Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳（メタデータ） (2021-02-12T09:33:00Z) - Artificial Intelligence for Satellite Communication: A Review [91.3755431537592]
この研究は、AI、その多様なサブフィールド、そして最先端のアルゴリズムの概要を提供する。
さまざまな衛星通信分野へのAIの適用は、ビームホッピング、アンチジャミング、ネットワークトラフィック予測、チャネルモデリング、テレメトリマイニング、電離圏シンチレーション検出、干渉管理、リモートセンシング、行動モデリング、スペースエアグラウンド統合、エネルギー管理など、優れた可能性を実証しています。
論文 参考訳（メタデータ） (2021-01-25T13:01:16Z) - 6G in the Sky: On-Demand Intelligence at the Edge of 3D Networks [60.49776988771734]
6Gは衛星、航空、地上のプラットフォームを共同で利用し、無線アクセス能力を向上する。
通信、計算、キャッシュ(C3)サービスをオンデマンドで、いつでも、そして、どこでも3D空間で提供するアーキテクチャを考えます。
論文 参考訳（メタデータ） (2020-10-19T13:07:57Z) - Computation Offloading in Heterogeneous Vehicular Edge Networks: On-line
and Off-policy Bandit Solutions [30.606518785629046]
高速変動車体環境では、ネットワークの混雑によりオフロードの遅延が発生する。
本稿では,バンディット理論に基づくオンラインアルゴリズムと非政治学習アルゴリズムを提案する。
提案手法は,最も混雑の少ないネットワークを選択することで,ネットワークのトラフィック変化に適応することを示す。
論文 参考訳（メタデータ） (2020-08-14T11:48:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。