論文の概要: Berlin V2X: A Machine Learning Dataset from Multiple Vehicles and Radio
Access Technologies
- arxiv url: http://arxiv.org/abs/2212.10343v2
- Date: Wed, 21 Dec 2022 17:03:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 14:20:34.500529
- Title: Berlin V2X: A Machine Learning Dataset from Multiple Vehicles and Radio
Access Technologies
- Title(参考訳): berlin v2x: 複数の車両と無線アクセス技術による機械学習データセット
- Authors: Rodrigo Hernang\'omez, Philipp Geuer, Alexandros Palaios, Daniel
Sch\"aufele, Cara Watermann, Khawla Taleb-Bouhemadi, Mohammad Parvini, Anton
Krause, Sanket Partani, Christian Vielhaus, Martin Kasparick, Daniel F.
K\"ulzer, Friedrich Burmeister, S{\l}awomir Sta\'nczak, Gerhard Fettweis,
Hans D. Schotten, Frank H. P. Fitzek
- Abstract要約: 車両間通信(V2X)方式は、こうした進歩の恩恵を強く受けるだろう。
我々は,MLに基づく多種多様な研究を可能にするために,詳細な測定キャンペーンを実施してきた。
得られたデータセットは、携帯電話(と2つの異なるオペレーター)とサイドリンク無線アクセス技術の両方のために、様々な都市環境にまたがるGPS位置の無線測定を提供する。
- 参考スコア(独自算出の注目度): 56.770799305210815
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The evolution of wireless communications into 6G and beyond is expected to
rely on new machine learning (ML)-based capabilities. These can enable
proactive decisions and actions from wireless-network components to sustain
quality-of-service (QoS) and user experience. Moreover, new use cases in the
area of vehicular and industrial communications will emerge. Specifically in
the area of vehicle communication, vehicle-to-everything (V2X) schemes will
benefit strongly from such advances. With this in mind, we have conducted a
detailed measurement campaign with the purpose of enabling a plethora of
diverse ML-based studies. The resulting datasets offer GPS-located wireless
measurements across diverse urban environments for both cellular (with two
different operators) and sidelink radio access technologies, thus enabling a
variety of different studies towards V2X. The datasets are labeled and sampled
with a high time resolution. Furthermore, we make the data publicly available
with all the necessary information to support the on-boarding of new
researchers. We provide an initial analysis of the data showing some of the
challenges that ML needs to overcome and the features that ML can leverage, as
well as some hints at potential research studies.
- Abstract(参考訳): 6g以降への無線通信の進化は、新しい機械学習(ml)ベースの機能に依存することが期待される。
これにより、無線ネットワークコンポーネントからの積極的な決定とアクションにより、QoS(Quality-of-Service)とユーザエクスペリエンスを維持できる。
また, 自動車と産業の通信分野における新たな利用事例が出現する。
特に、車両通信の分野では、車両間通信(V2X)方式は、そのような進歩の恩恵を強く受けるだろう。
そこで我々は,MLに基づく多種多様な研究を可能にするための詳細な測定キャンペーンを実施した。
得られたデータセットは、セルラー(2つの異なるオペレーターを持つ)とサイドリンク無線アクセス技術の両方のために、様々な都市環境にわたってGPSによるワイヤレス測定を提供する。
データセットはラベル付けされ、高解像度でサンプリングされる。
さらに,新たな研究者の参加を支援するために,必要な情報をすべて公開する。
我々は、MLが克服すべき課題と、MLが活用できる機能と、潜在的研究のヒントを示すデータの初期分析を提供する。
関連論文リスト
- QoS prediction in radio vehicular environments via prior user
information [54.853542701389074]
セルラーテストネットワークから収集したデータを用いて,時間帯を予測するためのMLツリーアンサンブル手法の評価を行った。
具体的には、先行車両の情報を含め、無線環境から得られる測定値の相関を利用して、目標車両の予測を強化する。
論文 参考訳(メタデータ) (2024-02-27T17:05:41Z) - Open-sourced Data Ecosystem in Autonomous Driving: the Present and
Future [131.69699438604533]
このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
論文 参考訳(メタデータ) (2023-12-06T10:46:53Z) - Towards an AI-enabled Connected Industry: AGV Communication and Sensor
Measurement Datasets [42.61699215960866]
産業用テストベッドにおける2つの無線計測キャンペーン:産業用車車間(iV2V)と産業用車間(iV2I+)について述べる。
iV2Vは、自動誘導車両(AGV)間のサイドリンク通信シナリオをカバーし、iV2I+は、自律的なクリーニングロボットがプライベートなセルネットワークに接続されている産業環境で実行される。
共通計測手法における異なるコミュニケーション技術の組み合わせは、指紋認証、視線検出、サービス品質の予測、といったタスクに機械学習(ML)が活用できる洞察を提供する。
論文 参考訳(メタデータ) (2022-12-20T15:04:20Z) - A Review of Mobile Mapping Systems: From Sensors to Applications [0.8594140167290099]
センサやプラットフォームの種類に注目し,その機能や制限について論じるとともに,最近市場に出回っているMS技術の概要を概観する。
モバイルマッピング技術のさまざまな利用事例を共通アプリケーションの一部をレビューし, 4) メリット,課題,および潜在的研究方向性に関する見解の共有について論じる。
論文 参考訳(メタデータ) (2022-05-31T15:13:42Z) - V2X-Sim: A Virtual Collaborative Perception Dataset for Autonomous
Driving [26.961213523096948]
V2X(V2X)は、車両と周囲のあらゆる物体の協調を意味する。
V2X-Simデータセットは、自動運転における最初の大規模協調認識データセットである。
論文 参考訳(メタデータ) (2022-02-17T05:14:02Z) - Wireless for Machine Learning [91.13476340719087]
我々は、分散データセット上で機械学習サービスをサポートするように設計された最先端のワイヤレス手法について、徹底的にレビューする。
文献にはアナログ・オーバー・ザ・エア計算とMLに最適化されたデジタル無線リソース管理という2つの明確なテーマがある。
このサーベイは、これらのメソッドを包括的に紹介し、最も重要な研究をレビューし、オープンな問題を強調し、アプリケーションのシナリオについて議論する。
論文 参考訳(メタデータ) (2020-08-31T11:09:49Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳(メタデータ) (2020-08-29T15:14:03Z) - Applying Deep-Learning-Based Computer Vision to Wireless Communications:
Methodologies, Opportunities, and Challenges [100.45137961106069]
ディープラーニング(DL)はコンピュータビジョン(CV)分野で大きな成功を収めている。
本稿では,無線通信におけるDLベースのCVの適用について紹介する。
論文 参考訳(メタデータ) (2020-06-10T11:37:49Z) - Federated Learning in Vehicular Networks [41.89469856322786]
フェデレートラーニング(FL)フレームワークは、トランスミッションオーバーヘッドを減らすことを目的として、効率的なツールとして導入された。
本稿では,車載ネットワークアプリケーションにおける一元学習(CL)によるFLを用いたインテリジェント交通システムの構築について検討する。
データラベリングやモデルトレーニングといった学習の観点からも,コミュニケーションの観点からも,データレート,信頼性,送信オーバーヘッド,プライバシ,リソース管理といった面から,大きな課題を識別する。
論文 参考訳(メタデータ) (2020-06-02T06:32:59Z)
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。