面向 MEC 增强型车辆众感知的基于模糊 Q-Learning 的机会通信
网络与互联网体系结构
2024-05-03 v1
摘要
本研究关注依赖于安装在汽车上的设备的 MEC 增强型车辆众感知系统。我们研究了一种机会通信范式，其中设备可以通过 4G 通信信道直接将测量数据传输给众感知服务器，或者通过 Wi-Fi 传输给附近的设备或沿路放置的所谓路侧单元。我们解决了一个新问题，即如何在保持延迟的同时降低 4G 的成本。我们提出了一种将称为 Q-learning 的强化学习技术与模糊逻辑相结合的卸载策略来实现这一目的。Q-learning 帮助设备学习决定通信信道。同时，模糊逻辑用于优化 Q-learning 中的奖励函数。实验结果表明，我们的卸载方法显著减少了约 30-40% 的 4G 通信成本，同时保持了 99% 数据包的延迟低于要求阈值。
引用
@article{arxiv.2405.01057,
title = {Fuzzy Q-Learning-Based Opportunistic Communication for MEC-Enhanced Vehicular Crowdsensing},
author = {Trung Thanh Nguyen and Truong Thao Nguyen and Thanh Hung Nguyen and Phi Le Nguyen},
journal= {arXiv preprint arXiv:2405.01057},
year = {2024}
}
备注
IEEE Transactions on Network and Service Management