基于强化学习的智能交通系统无线资源管理与路径规划以实现环境可持续性
信号处理
2024-05-15 v1 机器学习
摘要
高效动态的路径规划已成为连接车辆密度较大的城市区域的重要课题，这有助于减少旅行时间，并通过降低能耗直接促进环境可持续性。连接车辆利用蜂窝无线车联网（C-V2I）通信技术向基站传播车辆到基础设施（V2I）消息，以提高城市道路的态势感知能力。在本文中，我们研究了此类框架中的无线资源管理（RRM），以最小化信息年龄（AoI），从而增强路径规划结果。我们利用这样一个事实：具有较低AoI值的V2I消息会导致道路容量估计误差更小，路径规划更准确。通过仿真，我们比较了不同AoI水平下的道路旅行时间和容量比（V/C），并展示了所提框架的优越性能。
引用
@article{arxiv.2405.08053,
title = {Radio Resource Management and Path Planning in Intelligent Transportation Systems via Reinforcement Learning for Environmental Sustainability},
author = {S. Norouzi and N. Azarasa and M. R. Abedi and N. Mokari and S. E. Seyedabrishami and H. Saeedi and E. A. Jorswieck},
journal= {arXiv preprint arXiv:2405.08053},
year = {2024}
}
备注
6 pages, 5 figures, accepted and presented in International Conference on Innovation and Technological Advances for Sustainability