利用强化学习调度无蜂窝覆盖车载通信
网络与互联网体系结构
2022-07-15 v1 人工智能
信号处理
摘要
车对车（V2V）通信的性能高度依赖于所采用的调度方法。集中式网络调度器可提供高 V2V 通信可靠性，但其运行通常限于具有完整蜂窝网络覆盖的区域。相反，在无蜂窝覆盖区域，使用的是效率相对较低的分布式无线资源管理。为利用集中式方法的优势来增强缺乏蜂窝覆盖道路上的 V2V 通信可靠性，我们提出 VRLS（车载强化学习调度器），一种在车辆离开蜂窝网络覆盖之前主动为无覆盖 V2V 通信分配资源的集中式调度器。通过在模拟车辆环境中训练，VRLS 可学习对环境变化鲁棒且适应的调度策略，从而消除在复杂真实环境中针对性（重新）训练的需要。我们在不同移动性、网络负载、无线信道和资源配置下评估 VRLS 的性能。在无蜂窝网络覆盖区域，VRLS 优于最先进的分布式调度算法：在高负载条件下将分组错误率降低一半，在低负载场景中实现近最大可靠性。
引用
@article{arxiv.2207.06537,
title = {Scheduling Out-of-Coverage Vehicular Communications Using Reinforcement Learning},
author = {Taylan Şahin and Ramin Khalili and Mate Boban and Adam Wolisz},
journal= {arXiv preprint arXiv:2207.06537},
year = {2022}
}
备注
This article has been accepted for publication in IEEE Transactions on Vehicular Technology. This is the author's version