論文の概要: DRL-Based Optimization for AoI and Energy Consumption in C-V2X Enabled IoV

• arxiv url: http://arxiv.org/abs/2411.13104v1
• Date: Wed, 20 Nov 2024 07:59:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-21 16:11:43.787581
• Title: DRL-Based Optimization for AoI and Energy Consumption in C-V2X Enabled IoV
• Title（参考訳）: DRLによるC-V2X実装IoVのAoIとエネルギー消費の最適化
• Authors: Zheng Zhang, Qiong Wu, Pingyi Fan, Nan Cheng, Wen Chen, Khaled B. Letaief,
• Abstract要約: 本稿では,C-V2X車両通信システムにおけるマルチプライオリティキューとNOMAが情報時代に与える影響を解析する。 提案手法は,エネルギー消費とAoIの両面での進歩を示すものである。
• 参考スコア（独自算出の注目度）: 33.32647734550201
• License:
• Abstract: To address communication latency issues, the Third Generation Partnership Project (3GPP) has defined Cellular-Vehicle to Everything (C-V2X) technology, which includes Vehicle-to-Vehicle (V2V) communication for direct vehicle-to-vehicle communication. However, this method requires vehicles to autonomously select communication resources based on the Semi-Persistent Scheduling (SPS) protocol, which may lead to collisions due to different vehicles sharing the same communication resources, thereby affecting communication effectiveness. Non-Orthogonal Multiple Access (NOMA) is considered a potential solution for handling large-scale vehicle communication, as it can enhance the Signal-to-Interference-plus-Noise Ratio (SINR) by employing Successive Interference Cancellation (SIC), thereby reducing the negative impact of communication collisions. When evaluating vehicle communication performance, traditional metrics such as reliability and transmission delay present certain contradictions. Introducing the new metric Age of Information (AoI) provides a more comprehensive evaluation of communication system. Additionally, to ensure service quality, user terminals need to possess high computational capabilities, which may lead to increased energy consumption, necessitating a trade-off between communication energy consumption and effectiveness. Given the complexity and dynamics of communication systems, Deep Reinforcement Learning (DRL) serves as an intelligent learning method capable of learning optimal strategies in dynamic environments. Therefore, this paper analyzes the effects of multi-priority queues and NOMA on AoI in the C-V2X vehicular communication system and proposes an energy consumption and AoI optimization method based on DRL. Finally, through comparative simulations with baseline methods, the proposed approach demonstrates its advances in terms of energy consumption and AoI.
• Abstract（参考訳）: 通信遅延問題に対処するため、第3世代パートナーシッププロジェクト(3GPP)は、車車間通信のためのV2V通信を含むC-V2X(Cellular-Vehicle to Everything)技術を定義した。 しかし、この手法では、車両が同一の通信資源を共有する異なる車両による衝突を招きかねない半永続スケジューリング(SPS)プロトコルに基づいて、自律的に通信資源を選択する必要があるため、通信効率に影響を及ぼす。 非直交多重アクセス(NOMA)は、逐次干渉キャンセラレーション(SIC)を用いることで、SINR(Signal-to-Interference-plus-Noise Ratio)を強化し、通信衝突の負の影響を低減できるため、大規模車両通信を扱うための潜在的ソリューションと考えられている。 車両の通信性能を評価する際、信頼性や伝送遅延といった従来の指標には矛盾がある。 新しい計量情報時代(AoI)の導入は、コミュニケーションシステムのより包括的な評価を提供する。 さらに、サービス品質を確保するために、利用者端末は高い計算能力を持つ必要があり、それによってエネルギー消費が増加し、通信エネルギー消費と有効性の間のトレードオフが必要となる。 通信システムの複雑さとダイナミクスを考えると、深層強化学習(DRL)は動的環境における最適な戦略を学習できるインテリジェントな学習方法として機能する。 そこで本稿では,C-V2X車両通信システムにおけるAoIに対するマルチプライオリティキューとNOMAの影響を解析し,DRLに基づくエネルギー消費とAoI最適化手法を提案する。 最後に, ベースライン法との比較シミュレーションにより, 提案手法はエネルギー消費とAoIの進歩を実証する。

関連論文リスト

• Joint Channel Selection using FedDRL in V2X [20.96900576250422]
  車両間通信技術(V2X)は、車両、デバイス、インフラ間の通信を可能にすることで、輸送に革命をもたらしている。 本稿では,異なる技術を持つ車両が1つ以上のアクセスポイント(AP)を選択してネットワーク上でメッセージを送信する,共同チャネル選択の問題について検討する。 本稿では,フェデレートディープ強化学習(Federated Deep Reinforcement Learning, FedDRL)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-03T14:04:08Z)
• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• Joint Optimization of Age of Information and Energy Consumption in NR-V2X System based on Deep Reinforcement Learning [13.62746306281161]
  5Gニューラジオ(NR)技術に基づくV2X仕様。 モード2サイドリンク(SL)通信はLTE-V2Xのモード4に似ており、車両間の直接通信を可能にする。 この影響を緩和するために 干渉キャンセル法が使われています。
  論文  参考訳（メタデータ） (2024-07-11T12:54:38Z)
• EAIA: An Efficient and Anonymous Identity Authentication Scheme in 5G-V2V [14.315350766867814]
  本稿では,ロードサイドユニット(RSU)をサポートしていないシナリオに適した,効率的な匿名V2V認証プロトコルを提案する。 提案されたプロトコルは、Scytherツールを使用して公式に評価され、主要な一般的な悪意のある攻撃に耐える能力を示している。
  論文  参考訳（メタデータ） (2024-06-07T07:26:09Z)
• DRL-Based RAT Selection in a Hybrid Vehicular Communication Network [2.345902601618188]
  協調的なインテリジェントトランスポートシステムは、道路安全性を高めるために、V2X(Vager-to-Everything)の一連のアプリケーションに依存している。 新しいV2Xアプリケーションは、大量の共有データに依存し、高い信頼性、低エンドツーエンド(E2E)レイテンシ、高いスループットを必要とする。 本稿では、複数の無線アクセス技術(RAT)の性能を活用して、これらのアプリケーションのニーズを満たすインテリジェントでスケーラブルなハイブリッド車両通信アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-04-03T08:13:07Z)
• Effective Communication with Dynamic Feature Compression [25.150266946722]
  本研究では,タスクを制御するロボットに対して,観察者が知覚データを伝達しなければならないプロトタイパルシステムについて検討する。 本稿では, 量子化レベルを動的に適応させるために, アンサンブルベクトル量子化変分オートエンコーダ(VQ-VAE)を符号化し, 深層強化学習(DRL)エージェントを訓練する。 我々は、よく知られたCartPole参照制御問題に対して提案手法を検証し、大幅な性能向上を得た。
  論文  参考訳（メタデータ） (2024-01-29T15:35:05Z)
• Interruption-Aware Cooperative Perception for V2X Communication-Aided Autonomous Driving [49.42873226593071]
  本稿では,V2X通信支援自律運転のためのV2X通信入出力対応協調知覚(V2X-INCOP)を提案する。 我々は、過去の協力情報を用いて、割り込みによる行方不明情報を復元し、割り込み問題の影響を軽減する。 3つの公的な協調認識データセットの実験から,コミュニケーション中断が協調知覚に与える影響を緩和するために提案手法が有効であることが示された。
  論文  参考訳（メタデータ） (2023-04-24T04:59:13Z)
• 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)
• An Energy Consumption Model for Electrical Vehicle Networks via Extended Federated-learning [50.85048976506701]
  本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。 バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
  論文  参考訳（メタデータ） (2021-11-13T15:03:44Z)
• Vehicular Cooperative Perception Through Action Branching and Federated Reinforcement Learning [101.64598586454571]
  強化学習に基づく車両関連、リソースブロック(RB)割り当て、協調認識メッセージ(CPM)のコンテンツ選択を可能にする新しいフレームワークが提案されている。 車両全体のトレーニングプロセスをスピードアップするために、フェデレーションRLアプローチが導入されます。 その結果、フェデレーションRLはトレーニングプロセスを改善し、非フェデレーションアプローチと同じ時間内により良いポリシーを達成できることが示された。
  論文  参考訳（メタデータ） (2020-12-07T02:09:15Z)
• Path Design and Resource Management for NOMA enhanced Indoor Intelligent Robots [58.980293789967575]
  通信可能な屋内知的ロボット(IR)サービスフレームワークを提案する。 室内レイアウトとチャネル状態を決定論的に記述できるレゴモデリング手法が提案されている。 調査対象の無線マップは、強化学習エージェントを訓練するための仮想環境として呼び出される。
  論文  参考訳（メタデータ） (2020-11-23T21:45:01Z)

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。