論文の概要: Multi-objective Optimal Roadside Units Deployment in Urban Vehicular Networks
- arxiv url: http://arxiv.org/abs/2402.18581v1
- Date: Sun, 14 Jan 2024 05:02:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 08:36:53.294862
- Title: Multi-objective Optimal Roadside Units Deployment in Urban Vehicular Networks
- Title(参考訳): 都市車両網における多目的最適道路ユニット配置
- Authors: Weian Guo, Zecheng Kang, Dongyang Li, Lun Zhang, Li Li,
- Abstract要約: 都市車両網では,交通効率,安全,関連サービスの重要性が増している。
このようなネットワーク内では、道路側ユニット(RSU)が通信を容易にする中間体として機能する。
都市環境においては、建物、庭園、湖沼、その他のインフラなど様々な障害が存在することが、RSUの展開に課題を提起している。
- 参考スコア(独自算出の注目度): 7.951541004150428
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The significance of transportation efficiency, safety, and related services is increasing in urban vehicular networks. Within such networks, roadside units (RSUs) serve as intermediates in facilitating communication. Therefore, the deployment of RSUs is of utmost importance in ensuring the quality of communication services. However, the optimization objectives, such as time delay and deployment cost, are commonly developed from diverse perspectives. As a result, it is possible that conflicts may arise among the objectives. Furthermore, in urban environments, the presence of various obstacles, such as buildings, gardens, lakes, and other infrastructure, poses challenges for the deployment of RSUs. Hence, the deployment encounters significant difficulties due to the existence of multiple objectives, constraints imposed by obstacles, and the necessity to explore a large-scale optimization space. To address this issue, two versions of multi-objective optimization algorithms are proposed in this paper. By utilizing a multi-population strategy and an adaptive exploration technique, the methods efficiently explore a large-scale decision-variable space. In order to mitigate the issue of an overcrowded deployment of RSUs, a calibrating mechanism is adopted to adjust RSU density during the optimization procedures. The proposed methods also take care of data offloading between vehicles and RSUs by setting up an iterative best response sequence game (IBRSG). By comparing the proposed algorithms with several state-of-the-art algorithms, the results demonstrate that our strategies perform better in both high-density and low-density urban scenarios. The results also indicate that the proposed solutions substantially improve the efficiency of vehicular networks.
- Abstract(参考訳): 都市車両網では,交通効率,安全,関連サービスの重要性が増している。
このようなネットワーク内では、道路側ユニット(RSU)が通信を容易にする中間体として機能する。
したがって、RSUの展開は通信サービスの質を確保する上で最も重要である。
しかし、時間遅延やデプロイメントコストといった最適化の目的は、様々な観点から一般的に開発されている。
その結果、対立が目的の間に生じる可能性がある。
さらに、都市環境においては、建物、庭園、湖沼、その他のインフラなど様々な障害が存在するため、RSUの展開に課題が生じる。
したがって、複数の目的が存在すること、障害によって課される制約、そして大規模な最適化空間を探索する必要性により、配置は重大な困難に直面する。
本稿では,2種類の多目的最適化アルゴリズムを提案する。
マルチポピュレーション戦略と適応探索手法を利用して,大規模決定変数空間を効率的に探索する。
RSUの過密配置の問題を緩和するために、最適化手順中にRSU密度を調整するための校正機構が採用されている。
提案手法は, 車両とRSU間のデータオフロードを, 反復的ベストレスポンスシーケンスゲーム(IBRSG)をセットアップすることで処理する。
提案したアルゴリズムと最先端のアルゴリズムを比較することで,高密度・低密度の都市シナリオにおいて,我々の戦略が優れていることを示す。
また,提案手法は車両ネットワークの効率を大幅に改善することを示した。
関連論文リスト
- Scalable Multi-Objective Optimization for Robust Traffic Signal Control in Uncertain Environments [7.504173535502228]
本稿では,動的かつ不確実な都市環境におけるロバストな交通信号制御のための,スケーラブルな多目的最適化手法を提案する。
都市交通の不確実性に対処する適応ハイブリッド多目的最適化アルゴリズム(AHMOA)を提案する。
シミュレーションはマンハッタン、パリ、サンパウロ、イスタンブールなど様々な都市で行われている。
論文 参考訳(メタデータ) (2024-09-20T10:42:16Z) - CARIn: Constraint-Aware and Responsive Inference on Heterogeneous Devices for Single- and Multi-DNN Workloads [4.556037016746581]
本稿では,モバイルデバイス上でのディープニューラルネットワーク(DNN)の実行を最適化する上での課題に対処する。
CARInはシングルDNNアプリケーションとマルチDNNアプリケーションの両方を最適化するための新しいフレームワークである。
現状のOODInフレームワークとは対照的に,単一モデルの設計では1.92倍,最大10.69倍となる。
論文 参考訳(メタデータ) (2024-09-02T09:18:11Z) - Weighted strategies to guide a multi-objective evolutionary algorithm
for multi-UAV mission planning [12.97430155510359]
この研究は、新しい個体の生成と突然変異のための重み付きランダム・ジェネレータを提案する。
この研究の主な目的は、マルチUAVミッション計画のためのMOEAソルバの収束率を下げることである。
論文 参考訳(メタデータ) (2024-02-28T23:05:27Z) - Federated Multi-Level Optimization over Decentralized Networks [55.776919718214224]
エージェントが隣人としか通信できないネットワーク上での分散マルチレベル最適化の問題について検討する。
ネットワーク化されたエージェントが1つの時間スケールで異なるレベルの最適化問題を解くことができる新しいゴシップに基づく分散マルチレベル最適化アルゴリズムを提案する。
提案アルゴリズムは, ネットワークサイズと線形にスケーリングし, 各種アプリケーション上での最先端性能を示す。
論文 参考訳(メタデータ) (2023-10-10T00:21:10Z) - 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) - Surrogate-assisted cooperative signal optimization for large-scale
traffic networks [6.223837701805064]
本研究では,サロゲート支援協調信号最適化(SCSO)手法を提案する。
ニューマン・ファスト・アルゴリズムを用いて,分散アルゴリズムを分解器,代理モデル,具体的SCSOアルゴリズムとして修正した。
その有効性と有効性を評価するため、実際の交通ネットワークに基づいて、クロスロードとTジャンクションを含む大規模交通ネットワークを生成する。
論文 参考訳(メタデータ) (2021-03-03T01:03:57Z) - Distributed Multi-agent Meta Learning for Trajectory Design in Wireless
Drone Networks [151.27147513363502]
本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。
値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
論文 参考訳(メタデータ) (2020-12-06T01:30:12Z) - MineReduce: an approach based on data mining for problem size reduction [58.720142291102135]
本稿では,マイニングパターンを用いて問題サイズの削減を行うMineReduceという手法を提案する。
異種車両ルーティング問題に対するMineReduceの適用について述べる。
論文 参考訳(メタデータ) (2020-05-15T08:49:50Z) - Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep
Reinforcement Learning Approach [88.45509934702913]
我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。
我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。
提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
論文 参考訳(メタデータ) (2020-02-21T07:29:15Z) - Reinforcement Learning Based Vehicle-cell Association Algorithm for
Highly Mobile Millimeter Wave Communication [53.47785498477648]
本稿では,ミリ波通信網における車とセルの関連性について検討する。
まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。
提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
論文 参考訳(メタデータ) (2020-01-22T08:51:05Z)
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。