基于嵌套交叉验证方案的NR-V2X服务质量机器学习预测
信息论
2024-04-10 v1 math.IT
摘要
网联车辆的普及和新无线电(NR)技术的出现开启了智能交通系统的新时代。确保车辆与其周围环境之间可靠且低延迟的通信对于这些系统的成功至关重要。本文提出了一种新颖的方法，通过嵌套交叉验证来预测车联网(V2X)通信中的服务质量(QoS)。我们的方法采用多种机器学习(ML)方法来预测基于NR的V2X场景中的一些QoS指标，例如数据包投递率(PDR)和吞吐量。在机器学习应用中，与传统的交叉验证方法不同，嵌套交叉验证方法防止了信息从参数选择泄漏到超参数选择，从而在过拟合方面获得更稳健的结果。本研究利用真实的NR-V2X数据集来训练和验证所提出的机器学习方法。通过大量实验，我们证明了我们的方法即使在动态且具有挑战性的车辆环境中也能准确预测QoS参数的有效性。总之，我们的研究通过引入机器学习方法并采用新颖的QoS预测方法，为基于NR的V2X通信系统的进步做出了贡献。通过嵌套交叉验证实现的准确预测不仅增强了网联车辆领域通信的可靠性，而且有助于利益相关者为优化和管理车辆网络做出明智决策。
引用
@article{arxiv.2404.06286,
title = {NR-V2X Quality of Service Prediction Through Machine Learning with Nested Cross-Validation Scheme},
author = {Ibrahim Yazici and Emre Gures},
journal= {arXiv preprint arXiv:2404.06286},
year = {2024}
}
备注
accepted at IEEE ICCSPA 24