面向时延敏感型V2X系统的自适应网络选择方法：应对网络与车辆密度变化
网络与互联网体系结构
2025-08-21 v1
摘要
本文提出了ANS-V2X，一个专为在变化的车辆密度和异构网络条件下运行的时延敏感型V2X系统量身定制的自适应网络选择框架。现代车辆环境要求低时延和高吞吐量的通信，然而实时的网络选择受到多样化应用需求以及4G、5G和自组织链路等多种无线接入技术（RATs）共存的阻碍。ANS-V2X采用启发式驱动的方法，通过考虑应用敏感性、时延、计算负载和方向性约束，为车辆分配网络。该框架与用于求最优解的混合整数线性规划（MILP）公式以及代表强化学习的Q学习方法进行了基准测试。仿真结果表明，ANS-V2X实现了接近最优的性能，通常能达到MILP-V2X所获效用的5%至10%以内，同时将执行时间减少了85%以上。尽管MILP-V2X能提供全局最优结果，但其计算时间通常超过100毫秒，使其不适用于实时应用。基于Q学习的方法适应性更强，但需要大量训练，且在动态场景中收敛缓慢。相比之下，ANS-V2X在15毫秒内即可完成决策，并始终提供比两种替代方案更低的时延。这证实了其适用于时延关键型V2X系统中实时、边缘级部署的可行性。
引用
@article{arxiv.2508.14471,
title = {Adaptive Network Selection for Latency-Aware V2X Systems under Varying Network and Vehicle Densities},
author = {Muhammad Z. Haq and Nadia N. Qadri and Omer Chughtai and Sadiq A. Ahmad and Waqas Khalid and Heejung Yu},
journal= {arXiv preprint arXiv:2508.14471},
year = {2025}
}
备注
Accepted for IEEE Access