面向车载安全通信的深度学习辅助应用调度器
网络与互联网体系结构
2019-01-28 v1
摘要
基于 802.11p 的 V2X 通信使用随机介质访问控制，其无法防止广播包碰撞，尤其在高信道负载时。无线拥塞控制被设计用于将信道负载保持在最优点。然而，车辆对真实信道活动在时间与空间上缺乏精确且细粒度的认知，使得完全避免包碰撞不可能。本文中，我们提出一种使用深度神经网络的机器学习方法，用于学习车辆的发送模式，并据此预测未来时空中的信道活动。我们通过仿真评估所提方案的性能，考虑涉及异构发送模式的多个安全相关 V2X 服务。结果表明，预测信道活动并相应发送可降低碰撞并显著改善通信性能。
引用
@article{arxiv.1901.08872,
title = {Deep Learning-aided Application Scheduler for Vehicular Safety Communication},
author = {Mohammad Irfan Khan and François-Xavier Aubet and Marc-Oliver Pahl and Jérôme Härri},
journal= {arXiv preprint arXiv:1901.08872},
year = {2019}
}