論文の概要: Adaptive QoS of WebRTC for Vehicular Media Communications
- arxiv url: http://arxiv.org/abs/2208.11405v1
- Date: Wed, 24 Aug 2022 09:51:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-25 13:18:02.994476
- Title: Adaptive QoS of WebRTC for Vehicular Media Communications
- Title(参考訳): ベクトルメディア通信におけるWebRTCの適応QoS
- Authors: \'Angel Mart\'in, Daniel Mej\'ias, Zaloa Fern\'andez, Roberto Viola,
Josu P\'erez, Mikel Garc\'ia, Gorka Velez, Jon Montalb\'an and Pablo Angueira
- Abstract要約: Web Real-Time Communication (WebRTC)は、車間でのメディアストリーミングに好適な候補である。
本稿では,映像ストリームをネットワーク容量に効率よく適応させる機構について検討する。
適応に異なるアプローチを適用する場合のエンドツーエンドのスループットと反応時間への影響を、実際の5Gテストベッドで分析する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Vehicles shipping sensors for onboard systems are gaining connectivity. This
enables information sharing to realize a more comprehensive understanding of
the environment. However, peer communication through public cellular networks
brings multiple networking hurdles to address, needing in-network systems to
relay communications and connect parties that cannot connect directly. Web
Real-Time Communication (WebRTC) is a good candidate for media streaming across
vehicles as it enables low latency communications, while bringing standard
protocols to security handshake, discovering public IPs and transverse Network
Address Translation (NAT) systems. However, the end-to-end Quality of Service
(QoS) adaptation in an infrastructure where transmission and reception are
decoupled by a relay, needs a mechanism to adapt the video stream to the
network capacity efficiently. To this end, this paper investigates a mechanism
to apply changes on resolution, framerate and bitrate by exploiting the Real
Time Transport Control Protocol (RTCP) metrics, such as bandwidth and
round-trip time. The solution aims to ensure that the receiving onboard system
gets relevant information in time. The impact on end-to-end throughput
efficiency and reaction time when applying different approaches to QoS
adaptation are analyzed in a real 5G testbed.
- Abstract(参考訳): 搭載システム用のセンサーを出荷する車両は接続性を高めている。
これにより、情報共有は環境をより包括的に理解することができる。
しかし、公共の携帯電話ネットワークを通じてのピア通信は複数のネットワークハードルをもたらし、通信を中継するネットワーク内システムを必要とし、直接接続できないパーティを接続する。
Web Real-Time Communication(WebRTC)は、セキュリティハンドシェイクに標準プロトコルを導入し、パブリックIPを発見し、NAT(Transverse Network Address Translation)システムを実現すると同時に、低レイテンシ通信を可能にするため、車間でのメディアストリーミングに好適な候補である。
しかし、中継と受信をリレーで切り離すインフラにおけるエンドツーエンドのQuality of Service (QoS) 適応には、映像ストリームをネットワーク容量に効率的に適応させるメカニズムが必要である。
そこで本研究では,帯域幅やラウンドトリップ時間などのリアルタイムトランスポート制御プロトコル(RTCP)のメトリクスを利用して,解像度,フレームレート,ビットレートの変化を適用する機構について検討する。
このソリューションは、受信したオンボードシステムが関連する情報を時間内に確実に取得することを目的としている。
実5Gテストベッドにおいて,QoS適応に異なるアプローチを適用する場合のエンドツーエンドスループット効率と反応時間への影響を解析した。
関連論文リスト
- Enhanced adaptive cross-layer scheme for low latency HEVC streaming over
Vehicular Ad-hoc Networks (VANETs) [2.2124180701409233]
HEVCはVehicular Ad-hoc Networks (VANET)を通じてリアルタイムビデオストリーミングを約束している
低遅延制約下でのVANETにおけるHEVCビデオストリーミングのエンドツーエンド性能を改善するために,低複雑性のクロス層機構を提案する。
提案機構は802.11pで採用されているEDCAと比較して、受信時の映像品質とエンドツーエンド遅延に関する大幅な改善を提供する。
論文 参考訳(メタデータ) (2023-11-05T14:19:38Z) - Real-Time Network-Level Traffic Signal Control: An Explicit Multiagent
Coordination Method [9.761657423863706]
交通信号の効率的な制御 (TSC) は, 都市交通渋滞の低減に最も有用な方法の1つである。
強化学習(RL)手法を適用した最近の取り組みは、トラフィック状態を信号決定にリアルタイムでマッピングすることでポリシーをクエリすることができる。
本稿では,適応的,リアルタイム,ネットワークレベルのTSCを満足する,EMCに基づくオンライン計画手法を提案する。
論文 参考訳(メタデータ) (2023-06-15T04:08:09Z) - Intelligent multicast routing method based on multi-agent deep
reinforcement learning in SDWN [4.521033397097599]
マルチキャスト通信技術は、デバイス密度の高い無線環境に広く応用されている。
本稿では,ソフトウェア定義無線ネットワーク(SDWN)環境におけるマルチエージェント深部強化学習(MADRL-MR)に基づく新しいマルチキャストルーティング手法を提案する。
シミュレーション実験により,MADRL-MRはスループット,遅延,パケット損失率などの観点から,既存のアルゴリズムよりも優れていることが示された。
論文 参考訳(メタデータ) (2023-05-12T14:05:03Z) - Guaranteed Dynamic Scheduling of Ultra-Reliable Low-Latency Traffic via
Conformal Prediction [72.59079526765487]
アップリンクにおける超信頼性・低遅延トラフィック(URLLC)の動的スケジューリングは、既存のサービスの効率を大幅に向上させることができる。
主な課題は、URLLCパケット生成のプロセスにおける不確実性である。
本稿では,URLLC トラフィック予測器の品質に関わらず,信頼性と遅延を保証した新しい URLLC パケットスケジューラを提案する。
論文 参考訳(メタデータ) (2023-02-15T14:09:55Z) - Reinforcement Learning for Protocol Synthesis in Resource-Constrained
Wireless Sensor and IoT Networks [1.462434043267217]
本稿では、メディアアクセス制御(MAC)におけるRLとMulti Armed Bandit(MAB)の使用について紹介する。
次に、ランダムアクセスとタイムスロットネットワークの両方において、メディアアクセスの特定の困難と制限に対処する、新しい学習ベースのプロトコル合成フレームワークを導入する。
ノードによる独立したプロトコル学習の能力により、システムはネットワークや交通条件の変化に対して堅牢で適応できる。
論文 参考訳(メタデータ) (2023-01-14T03:28:26Z) - Optimization of Image Transmission in a Cooperative Semantic
Communication Networks [68.2233384648671]
画像伝送のためのセマンティック通信フレームワークを開発した。
サーバは、セマンティックコミュニケーション技術を用いて、画像の集合を協調的にユーザへ送信する。
抽出した意味情報と原画像との相関関係を測定するために,マルチモーダル・メトリックを提案する。
論文 参考訳(メタデータ) (2023-01-01T15:59:13Z) - AI-aided Traffic Control Scheme for M2M Communications in the Internet
of Vehicles [61.21359293642559]
交通のダイナミクスと異なるIoVアプリケーションの異種要求は、既存のほとんどの研究では考慮されていない。
本稿では,ハイブリッド交通制御方式とPPO法を併用して検討する。
論文 参考訳(メタデータ) (2022-03-05T10:54:05Z) - Communication-oriented Model Fine-tuning for Packet-loss Resilient
Distributed Inference under Highly Lossy IoT Networks [6.107812768939554]
分散推論(DI)は、リソース制約のあるモノのインターネット(IoT)デバイス上で、最先端のディープラーニング(ML)によって強化されたリアルタイムアプリケーションのためのテクニックである。
DIでは、計算タスクは、損失の多いIoTネットワークを介して、IoTデバイスからエッジサーバにオフロードされる。
低遅延かつ信頼性の低い通信リンクで高精度なDIを実現するための通信指向モデルチューニング(COMtune)を提案する。
論文 参考訳(メタデータ) (2021-12-17T09:40:21Z) - Federated Learning over Wireless IoT Networks with Optimized
Communication and Resources [98.18365881575805]
協調学習技術のパラダイムとしてのフェデレートラーニング(FL)は研究の注目を集めている。
無線システム上での高速応答および高精度FLスキームの検証が重要である。
提案する通信効率のよいフェデレーション学習フレームワークは,強い線形速度で収束することを示す。
論文 参考訳(メタデータ) (2021-10-22T13:25:57Z) - Communication-Efficient and Distributed Learning Over Wireless Networks:
Principles and Applications [55.65768284748698]
機械学習(ML)は、第5世代(5G)通信システムなどのための有望なイネーブルである。
本稿では、関連するコミュニケーションとMLの原則を概観し、選択したユースケースでコミュニケーション効率と分散学習フレームワークを提示することを目的とする。
論文 参考訳(メタデータ) (2020-08-06T12:37:14Z) - A Deep Learning Approach for Low-Latency Packet Loss Concealment of
Audio Signals in Networked Music Performance Applications [66.56753488329096]
Networked Music Performance (NMP)は、インターネットアプリケーションにおける潜在的なゲームチェンジャーとして想定されている。
本稿では,ディープ・ラーニング・アプローチを用いて,パケットの損失をリアルタイムで予測する手法について述べる。
論文 参考訳(メタデータ) (2020-07-14T15:51:52Z)
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。