基于 LSTM 的车联网主动拥塞管理

Aly Sabri Abdalla; Ahmad Al-Kabbany; Ehab F. Badran; Vuk Marojevic

基于 LSTM 的车联网主动拥塞管理

网络与互联网体系结构 2024-10-15 v1 人工智能系统与控制系统与控制

作者: Aly Sabri Abdalla , Ahmad Al-Kabbany , Ehab F. Badran , Vuk Marojevic

摘要

车联网（V2X）支持多种安全、娱乐和商业应用。这通过将车联网（IoV）的原理应用于车辆之间以及车辆与路侧单元（RSU）之间的连接来实现。拥塞管理对于 IoV 至关重要，并且由于其对提高交通系统效率以及为及时传递安全关键数据包提供可靠通信具有重要影响，成为一个显著关切的问题。本文引入了一个用于 IoV 网络主动拥塞管理的框架。我们生成拥塞情景和数据集，用于预测拥塞。我们 present 了该框架和数据包拥塞数据集。使用 SUMO 与 NS3 的仿真结果表明，该框架在预测 IoV 网络拥塞以及聚类/优先级数据包方面有效，运用了循环神经网络。

关键词

LSTM 拥塞管理车联网 V2X 网络数据包优先级

引用

@article{arxiv.2410.09656,
  title  = {LSTM-Based Proactive Congestion Management for Internet of Vehicle Networks},
  author = {Aly Sabri Abdalla and Ahmad Al-Kabbany and Ehab F. Badran and Vuk Marojevic},
  journal= {arXiv preprint arXiv:2410.09656},
  year   = {2024}
}

备注

This article has been accepted for publication in the IEEE VTC Fall 2024

基于 LSTM 的车联网主动拥塞管理

摘要

关键词

引用

备注

相关论文