基于深度Q学习的雾计算支撑车联网中信息年龄最小化
分布式、并行与集群计算
2020-04-10 v1 人工智能
信号处理
摘要
互联车联网是下一代云/雾支撑自动驾驶车辆的关键赋能技术之一。大多数互联车载应用需要频繁的状态更新，而信息年龄（AoI）是评估车辆与云/雾服务器之间无线链路性能更具相关性的指标。本文提出一种新颖的主动式数据驱动方法，以优化行驶路线，主要目标为保证AoI的置信度。具体而言，我们报告了一项为期三个月的多车校园班车系统通过商用LTE网络连接到云/雾服务器的实测研究。我们建立了互联车辆中AoI的经验模型，并研究了主要因素对AoI性能的影响。我们还提出了一种基于深度Q学习网络（DQN）的算法，以为每辆互联车辆决定具有最大置信度水平的最优行驶路线。数值结果表明，所提方法可对各种类型服务的AoI置信度带来显著改善。
引用
@article{arxiv.2004.04640,
title = {Minimizing Age-of-Information for Fog Computing-supported Vehicular Networks with Deep Q-learning},
author = {Maohong Chen and Yong Xiao and Qiang Li and Kwang-cheng Chen},
journal= {arXiv preprint arXiv:2004.04640},
year = {2020}
}
备注
6 pages,9 figures. Accepted at IEEE International Conference on Communications (ICC), Dublin, Ireland, June 2020