面向交通监控应用的路侧单元中多样性最大化调度
最优化与控制
2023-06-30 v1 计算机科学与博弈论
摘要
本文针对基于路侧单元（RSUs）采集图像、在不完美通信下运行的机器学习交通控制系统，提出了一种最优数据聚合策略。我们的重点是通过基于目标机器学习应用最大化数据多样性，同时考虑异构信道条件（如延迟、误码率）与受限总传输速率，来优化从 RSUs 到附近边缘服务器或云端处理单元语义信息流。作为概念验证，我们在分类问题中强制类标签间公平性以增加数据多样性。所建立的约束优化问题非凸，故无闭式解，且穷举搜索在 RSU 数量上是 NP-hard 的。为此，我们提出一种近似算法，采用贪心逐间隔调度策略选择待传输 RSUs。我们利用联盟博弈公式最大化所选 RSUs 在每个传输间隔内带来的整体公平性增益。一旦选定 RSUs，我们采用最大不确定性方法挑选出对学习效果贡献最大的数据样本。我们的方法在目标学习应用的最终精度上优于随机选择、均匀选择及纯基于网络的优化方法（如 FedCS）。
引用
@article{arxiv.2306.16481,
title = {Diversity Maximized Scheduling in RoadSide Units for Traffic Monitoring Applications},
author = {Ahmad Sarlak and Xiwen Chen and Rahul Amin and Abolfazl Razi},
journal= {arXiv preprint arXiv:2306.16481},
year = {2023}
}