基于Q学习的实时移动空气质量监测系统的机会性通信
网络与互联网体系结构
2024-05-06 v1
摘要
本研究聚焦于依赖安装在汽车上的设备的实时空气质量监测系统。我们探讨了一种机会性通信模型，其中设备可以通过4G通信信道直接将测量数据发送到空气质量服务器，或通过Wi-Fi发送至相邻设备或沿道路部署的路侧单元(RSU)。我们的目标是在确保数据延迟的前提下减少4G费用，其中数据延迟定义为数据到达服务器所需的时间。我们提出了一种利用Q学习实现卸载的方案。实验结果表明，我们的卸载方法可显著减少约40-50%的4G通信费用，同时使99.5%的数据包延迟小于所需阈值。
引用
@article{arxiv.2405.01609,
title = {Q-learning-based Opportunistic Communication for Real-time Mobile Air Quality Monitoring Systems},
author = {Trung Thanh Nguyen and Truong Thao Nguyen and Dinh Tuan Anh Nguyen and Thanh Hung Nguyen and Phi Le Nguyen},
journal= {arXiv preprint arXiv:2405.01609},
year = {2024}
}
备注
2021 IEEE International Conference on Performance, Computing and Communications (IPCCC). arXiv admin note: substantial text overlap with arXiv:2405.01057