面向交通管理的语义通信赋能车辆计数预测
网络与互联网体系结构
2024-01-03 v2 信号处理
摘要
车辆计数预测是智慧城市交通管理的重要方面。大多数主干道由具备计算与传输能力的摄像头监控。这些摄像头向负责交通控制管理的中央交通控制器（CTC）提供数据。在本文中，我们提出一种基于CNN-LSTM联合的语义通信（SemCom）模型，其中摄像头的语义编码器从原始图像中提取相关语义。编码后的语义随后由发射机以符号形式发送至CTC。CTC的语义解码器基于接收到的符号序列预测各道路上的车辆计数，并据此制定交通管理策略。通过数值结果，我们表明所提SemCom模型相较于信源编码器/解码器方法减少了54.42%的开销。同时，我们通过仿真证明该模型在平均绝对误差（MAE）与均方误差（MSE）方面优于最先进（state-of-the-art）模型。
引用
@article{arxiv.2307.12254,
title = {Semantic Communication-Empowered Vehicle Count Prediction for Traffic Management},
author = {Sachin Kadam and Dong In Kim},
journal= {arXiv preprint arXiv:2307.12254},
year = {2024}
}
备注
Accepted for publication in WCNC 2024 - IEEE Wireless Communications and Networking Conference, Dubai, United Arab Emirates (UAE), April 2024