基于先验用户信息的无线车辆环境 QoS 预测
机器学习
2024-02-28 v1 人工智能
摘要
可靠的无线通信在汽车产业中发挥重要作用，可增强当前用例并支持新用例，如联合自动驾驶、编队、协作机动、遥控驾驶和智能导航。这些和其他用例常依赖于特定的质量服务（QoS）水平进行通信。最近，预测性质量服务（QoS）领域受到广泛关注，作为提前准确预测通信质量的关键。然而，以可靠方式预测 QoS 极具挑战性。本文评估了 ML 树集成方法用于在分钟级范围内预测车辆环境中的 QoS，数据来源于细胞测试网络。我们讨论了无线环境特征，并展示了如何利用这些特征改善 ML 性能并进一步支持商业网络中 ML 的落地。具体而言，我们通过包含先前车辆信息的测量相关性，增强了对目标车辆的预测。此外，我们通过展示更长的预测时程能否得到支持，扩展了现有工作。
引用
@article{arxiv.2402.17689,
title = {QoS prediction in radio vehicular environments via prior user information},
author = {Noor Ul Ain and Rodrigo Hernangómez and Alexandros Palaios and Martin Kasparick and Sławomir Stańczak},
journal= {arXiv preprint arXiv:2402.17689},
year = {2024}
}