汽车数据流量模型的统计分析与端到端性能评估
网络与互联网体系结构
2025-04-22 v1 应用统计
摘要
自动驾驶是交通领域的重大范式转变，旨在提升安全性、优化交通拥堵并减少燃料消耗。虽然自动驾驶车辆依赖先进的传感器和车载计算系统实现无人驾驶，但对行驶环境的全面感知还需要通过车联网（V2X）通信实现协同。具体而言，车辆需在V2X通信中与其他车辆来回传输传感器感知数据，以扩展自身感知范围。然而，当前V2X通信技术在传输大数据量方面存在挑战，因此数据压缩是关键解决方案，可降低消息大小和链路拥堵。本文对汽车数据进行统计特征建模，聚焦于激光雷达传感器，提供原始点云和压缩点云的尺寸模型。相比使用真实数据，统计流量模型具有更快的仿真速度、更低的存储需求以及更灵活的应用设计优势。此外，统计模型可用于理解流量模式并分析统计特性，这对于设计和优化无线网络至关重要。我们通过Kolmogorov-Smirnov检验并采用Bootstrap抽样方案来验证统计模型的有效性。此外，我们通过ns-3仿真证明，使用统计模型在延迟和吞吐量方面与真实数据结果相当，这也证明了模型的准确性。
引用
@article{arxiv.2504.14017,
title = {Statistical Analysis and End-to-End Performance Evaluation of Traffic Models for Automotive Data},
author = {Marcello Bullo and Amir Ashtari Gargari and Paolo Testolina and Michele Zorzi and Marco Giordani},
journal= {arXiv preprint arXiv:2504.14017},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication