基于深度强化学习的 5G NR-V2X 车辆编队资源分配
网络与互联网体系结构
2021-05-04 v2
摘要
车辆编队作为 5G NR-V2X 支持的高级服务之一，提升了互联智能交通系统（C-ITSs）中的交通效率。然而，编队通信的数据包投递率，尤其在覆盖外区域，受到当前资源分配方案中采用的随机选择算法的显著影响。在本文中，我们首先通过当前标准采用的随机选择算法分析碰撞概率。随后，我们研究深度强化学习（DRL）算法，该算法通过让智能体（车辆）从通信环境中学习来降低碰撞概率。利用蒙特卡洛仿真验证解析模型所得结果，并比较所讨论两种算法的结果。数值结果表明，所提出的 DRL 算法在不同车辆密度下均优于随机选择算法，在低和高车辆密度下分别至少降低碰撞概率 73% 和 45%。
引用
@article{arxiv.2101.10424,
title = {Resource Allocation for Vehicle Platooning in 5G NR-V2X via Deep Reinforcement Learning},
author = {Liu Cao and Hao Yin},
journal= {arXiv preprint arXiv:2101.10424},
year = {2021}
}
备注
To be published in Blackseacom2021