AEPHORA：基于 AI/ML 的节能主动切换与资源分配
系统与控制
2024-12-17 v1 系统与控制
摘要
未来的车联网（V2X）场景需要高速、低延迟和超可靠的通信服务，特别是对于自动驾驶和车载信息娱乐等应用。融合宏基站和微基站的密集异构蜂窝网络可以有效满足这些需求。然而，它们引入了更频繁的切换和更高的能耗。主动切换（PHO）机制可以显著减少由频繁切换引起的切换延迟和失败率，尤其是在人工智能和机器学习（AI/ML）技术增强的移动性预测能力的辅助下。尽管如此，PHO 与资源分配（RA）的节能联合优化仍未得到充分探索。在本文中，我们提出了 AEPHORA 框架，该框架利用基于 AI/ML 的车辆移动性预测来联合优化 PHO 和 RA 决策。该框架旨在最小化平均系统传输功率，同时满足通信延迟和可靠性方面的服务质量约束。仿真结果证明了 AEPHORA 框架在高需求 V2X 环境中平衡能效与 QoS 要求的有效性。
引用
@article{arxiv.2412.11491,
title = {AEPHORA: AI/ML-Based Energy-Efficient Proactive Handover and Resource Allocation},
author = {Bowen Xie and Sheng Zhou and Zhisheng Niu and Hao Wu and Cong Shi},
journal= {arXiv preprint arXiv:2412.11491},
year = {2024}
}