論文の概要: Open RAN-Enabled Deep Learning-Assisted Mobility Management for Connected Vehicles
- arxiv url: http://arxiv.org/abs/2412.21161v1
- Date: Mon, 30 Dec 2024 18:41:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-31 16:04:50.900161
- Title: Open RAN-Enabled Deep Learning-Assisted Mobility Management for Connected Vehicles
- Title（参考訳）: オープン RAN-Enabled Deep Learning-Assisted Mobility Management for Connected Vehicles (特集 オープン RAN-Enabled Deep Learning-Assisted Mobility Management)
- Authors: Maria Barbosa, Kelvin Dias,
- Abstract要約: 本稿では、ハンドオーバによるサービス品質劣化を防止するため、オープンラジオアクセスネットワーク(Open RAN/O-RAN)とディープラーニングモデルの導入を提案する。
このソリューションは、O-RAN AllianceとLinux Foundationが開発したオープンソースのO-RANプラットフォームであるO-RAN Software Community (OSC)を利用して、OSCのほぼリアルタイムのRCCで実行されるxAppを開発する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Connected Vehicles (CVs) can leverage the unique features of 5G and future 6G/NextG networks to enhance Intelligent Transportation System (ITS) services. However, even with advancements in cellular network generations, CV applications may experience communication interruptions in high-mobility scenarios due to frequent changes of serving base station, also known as handovers (HOs). This paper proposes the adoption of Open Radio Access Network (Open RAN/O-RAN) and deep learning models for decision-making to prevent Quality of Service (QoS) degradation due to HOs and to ensure the timely connectivity needed for CV services. The solution utilizes the O-RAN Software Community (OSC), an open-source O-RAN platform developed by the collaboration between the O-RAN Alliance and Linux Foundation, to develop xApps that are executed in the near-Real-Time RIC of OSC. To demonstrate the proposal's effectiveness, an integrated framework combining the OMNeT++ simulator and OSC was created. Evaluations used real-world datasets in urban application scenarios, such as video streaming transmission and over-the-air (OTA) updates. Results indicate that the proposal achieved superior performance and reduced latency compared to the standard 3GPP HO procedure.
- Abstract（参考訳）: Connected Vehicles(CV)は、5Gと将来の6G/NextGネットワークのユニークな特徴を活用して、Intelligent Transportation System(ITS)サービスを拡張できる。
しかし、セルラーネットワーク世代が進歩しても、CVアプリケーションは、サービス基地局(HOs)の頻繁な変更により、ハイモビリティのシナリオで通信の中断を経験する可能性がある。
本稿では,オープンラジオアクセスネットワーク(Open RAN/O-RAN)と深層学習モデルの導入により,HOによるQoS劣化を防止し,CVサービスに必要なタイムリーな接続性を確保することを提案する。
このソリューションは、O-RAN AllianceとLinux Foundationが共同で開発したオープンソースのO-RANプラットフォームであるO-RAN Software Community (OSC)を利用して、OSCのほぼリアルタイムRICで実行されるxAppを開発する。
提案の有効性を示すため,OMNeT++シミュレータとOSCを組み合わせた統合フレームワークを開発した。
評価では、ビデオストリーミング送信やOTA(Over-the-air)アップデートなど、都市アプリケーションシナリオで現実世界のデータセットを使用した。
その結果,提案手法は標準の3GPP HO法よりも優れた性能と遅延低減を実現した。
関連論文リスト
- AI Flow [58.31090055138711]
AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。
この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
論文 参考訳（メタデータ） (2024-11-19T12:51:17Z) - FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
分散トレーニングは、システム設計と効率に関する重要な課題に直面します。
大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。
本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
論文 参考訳（メタデータ） (2024-10-16T16:13:19Z) - A Learning-based Incentive Mechanism for Mobile AIGC Service in Decentralized Internet of Vehicles [49.86094523878003]
モバイルAIGCサービスアロケーションのための分散インセンティブ機構を提案する。
我々は、AIGCサービスのRSUへの供給と、IoVコンテキスト内のサービスに対するユーザ要求のバランスを見つけるために、マルチエージェントの深層強化学習を採用している。
論文 参考訳（メタデータ） (2024-03-29T12:46:07Z) - Open RAN LSTM Traffic Prediction and Slice Management using Deep
Reinforcement Learning [7.473473066047965]
本稿では,分散深部強化学習(DDRL)を用いたORANスライシングの新しい手法を提案する。
シミュレーションの結果,ネットワーク性能が著しく向上し,特に違反の低減が図られた。
これは、動的xAppの一部として、予測rAppと分散アクターの情報を共同で使用することの重要性を強調している。
論文 参考訳（メタデータ） (2024-01-12T22:43:07Z) - A Wireless AI-Generated Content (AIGC) Provisioning Framework Empowered by Semantic Communication [53.78269720999609]
本稿では,セマンティック通信(SemCom)を利用したAIGC(SemAIGC)の生成と伝送フレームワークを提案する。
具体的には、セマンティックエンコーダとデコーダに拡散モデルを統合し、ワークロード調整可能なトランシーバを設計する。
提案するSemAIGCフレームワークは,従来の手法に比べてレイテンシとコンテンツ品質が優れていることがシミュレーションによって検証された。
論文 参考訳（メタデータ） (2023-10-26T18:05:22Z) - Generative AI-aided Joint Training-free Secure Semantic Communications
via Multi-modal Prompts [89.04751776308656]
本稿では,多モデルプロンプトを用いたGAI支援型SemComシステムを提案する。
セキュリティ上の懸念に応えて、フレンドリーなジャマーによって支援される隠蔽通信の応用を紹介する。
論文 参考訳（メタデータ） (2023-09-05T23:24:56Z) - Intelligent O-RAN Traffic Steering for URLLC Through Deep Reinforcement
Learning [3.59419219139168]
Open RAN(O-RAN)は、インテリジェントなRANアーキテクチャを構築するための有望なパラダイムである。
本稿では,機械学習(ML)に基づくトラフィックステアリング(TS)方式を提案する。
我々のソリューションは、O-RANのxAppsとして提供される従来のリアクティブTSアプローチに対して評価され、デプロイされたすべてのSFC間で平均15.81パーセントの待ち行列が減少することを示している。
論文 参考訳（メタデータ） (2023-03-03T14:34:25Z) - Programmable and Customized Intelligence for Traffic Steering in 5G
Networks Using Open RAN Architectures [16.48682480842328]
5G以降のモバイルネットワークは、前例のない規模で異質なユースケースをサポートする。
無線アクセスネットワーク(RAN)のこのようなきめ細かい制御は、現在のセルアーキテクチャでは不可能である。
クローズドループ制御を可能とし,ユーザレベルでRANをデータ駆動でインテリジェントに最適化するオープンアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-09-28T15:31:06Z) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳（メタデータ） (2022-08-17T03:00:24Z) - Self-play Learning Strategies for Resource Assignment in Open-RAN
Networks [3.763743638851161]
open radio access network (oran) は、将来のモバイルデータネットワークのコストを削減し、アクセスを民主化する目的で開発されている。
ORANでは、ネットワーク機能はリモートユニット(RU)、分散ユニット(DU)、中央ユニット(CU)に分解される。
論文 参考訳（メタデータ） (2021-03-03T19:31:29Z) - Intelligence and Learning in O-RAN for Data-driven NextG Cellular
Networks [22.260874168813647]
NextG" セルネットワークはプログラマブルで非集約的なアーキテクチャ上に構築される。
本稿では,O-RANアライアンスによって提案されたNextGの非集合アーキテクチャについて考察する。
これは、O-RAN準拠のソフトウェアコンポーネントとオープンソースのフルスタックの軟弱セルネットワークを統合するための、最初の大規模なデモを提供する。
論文 参考訳（メタデータ） (2020-12-02T15:12:18Z)
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。