通过基于预测的扩缩对5G网络中的V2X服务进行容量规划
网络与互联网体系结构
2021-05-27 v1
摘要
随着智能交通系统的日益普及和自动驾驶汽车时代的到来，车载服务（如远程驾驶、协同感知和危险预警）将面临不断变化且动态的环境。道路上的交通流是这些服务的关键条件，因此，预测其随时间演变的方式至关重要。通过了解未来事件（如交通拥堵），可以以按需方式对车载服务进行容量规划，以最小化服务等级协议（SLA）违规，从而降低车祸几率。本研究从对传统时间序列技术与近期基于机器学习（ML）的解决方案的评估出发，以预测意大利都灵道路上的交通流。鉴于所选预测技术的准确性，提出并评估了一种基于预测的扩缩算法，该算法在一组具有严格延迟要求的三种不同车载服务的容量规划实验上进行了评估。结果表明，所提出的扩缩算法可实现高达5%的资源节省，代价是延迟违规增加不到0.4%。
引用
@article{arxiv.2105.12527,
title = {Dimensioning of V2X Services in 5G Networks through Forecast-based Scaling},
author = {Jorge Martín-Pérez and Koteswararao Kondepu and Danny De Vleeschauwer and Venkatarami Reddy and Carlos Guimarães and Andrea Sgambelluri and Luca Valcarenghi and Chrysa Papagianni and Carlos J. Bernardos},
journal= {arXiv preprint arXiv:2105.12527},
year = {2021}
}
备注
10 pages, 7 figures, pre-print, arXiv:1406.6768