Jun, 2018

基于空地一体化的车联网网络切片及内容推送与缓存

PDF
TL;DR本文提出了一种基于空中高空平台和地面道路单元的集成车联网架构，采用面向服务的网络切片方法有效地管理多维异构资源，为特定应用程序提供保障服务质量的支持。通过调查 AGIVEN 切片中的多资源配置问题，我们找到了路面单位传输速率，高空平台广播速率和车载缓存大小之间的服务相关的资源配置和交换关系，为实践中的多资源网络切片提供了指导 。模拟结果表明，所提出的 AGIVEN 网络切片方法匹配不同网络切片之间的多种资源，并在保持相同服务质量的同时节省了 40% 的 RSU 传输速率。
发现论文，激发创造
  • 层次化的软分片以满足缓存增强车联网中的多维 QoS 需求

    本论文提出了一种基于服务的分层软切片框架用于具有缓存的车载网络，其中每个切片支持一项服务，资源在逻辑上被隔离但机会主义重复利用以利用多路复用增益。 研究了所提出框架的性能，并以两个典型的车载内容服务为例进行了理论分析，即时间关键的驾驶相关上下文信息服务（CIS）和带宽消耗的信息娱乐服务（IS）。 数值结果表明，所提出的软切片方法可以提高 IS 吞吐量 30％，同时保证相同级别的 CIS 内容新鲜度和服务延迟。

    Dec, 2019

  • 软件定义的空气地一体化车载网络：挑战与解决方案

    本文提出了一种软件定义的空地一体化网络结构，以无缝、高效和低成本的方式支持不同的车载服务，介绍了空气地网络一体化的动机和挑战，提出了分层结构的软件定义网络架构，并通过网络切片保护卫星、航空和领土区段中的遗留服务，将可用资源置于共同而动态的空地资源池中，由分层控制器管理以容纳车载服务，并进行了一项案例研究，讨论了一些开放的研究课题。

    Mar, 2017

  • 基于机器学习的卫星 - 高空平台 - 地面一体化网络的用户调度

    本文介绍了机器学习在综合空地海网络中用户调度上的应用，着重探讨了深度神经网络在优化用户调度策略上的优点，并提出了一些未来发展中的挑战和问题。

    May, 2022

  • EC-SAGINs: 边缘计算增强的空地一体化车联网

    本文从现有的轨道和空中边缘计算架构出发，提出了一种边缘计算增强的空中 - 地面 - 空间一体化网络（EC-SAGINs），以缩小任务完成时间和卫星资源使用。我们提出了一种预分类方案，以减小动作空间的大小，并提出了一种驱动卸载和缓存算法的深度模仿学习（DIL），以实现实时决策的目标。仿真结果表明我们的方案是有效的，并探讨了一些技术挑战和未来方向。

    Jan, 2021

  • 基于网络切片的 5G 和未来移动网络：移动性、资源管理和挑战

    这篇论文介绍了基于网络切片的 5G 系统的逻辑架构，以及网络切片中不同接入网络间的管理移动性和共享频谱的资源分配方案，提出了一种灵活的网路资源分配方案，并探讨了网络重建、网络切片管理和与其他 5G 技术合作的挑战。

    Apr, 2017

  • 基于真实卫星、飞行和航运数据的深度学习辅助空中 - 地面 - 空运综合网络路由

    本文提出了一种空 - 空 - 地 - 海一体化网络，通过深度学习算法帮助多目标路由，利用商用客机来增强以卫星为基础的海上通信，以降低端到端延迟，提高通信吞吐量并改善路径寿命，达到近似 Pareto 最优的性能

    Oct, 2021

  • 利用人工智能优化空中地面一体化网络

    该文章提出使用人工智能技术优化基于空气和地面系统集成网络，例如利用深度学习技术优化卫星数据流量的分配以提高网络性能。

    Aug, 2018

  • 边缘云管控车联网的经济高效双层网络切片技术

    本文提出了一种基于两个时间尺度优化问题的网络切片方法，用于优化边缘云车联网的成本和服务质量，并使用强化学习和优化方法进行网络规划和操作决策。

    Dec, 2022

  • 基于虚拟网络架构的空中地面一体化多域网络资源编排：一种 DRL 方法

    通过使用虚拟网络架构和深度强化学习，提出了一种针对空天地一体化网络（SAGIN）的跨域虚拟网络嵌入（VNE）算法，以解决其具有异构性和动态性的部署和使用面临的挑战，该算法能够从 SAGIN 中提取网络属性并训练智能代理从而有效完成虚拟节点和虚拟链路的嵌入，以应用于智能交通系统等人工智能应用。

    Feb, 2022

  • 面向许可和非许可波段的网络切片分布式资源分配

    该论文介绍了一种新型的运营商网络分片框架，其中多个移动网络运营商可以协调并共同分片他们可访问的频谱资源（包括许可和非许可频段），我们提出了一种基于重叠联盟形成博弈的网络分片博弈，并设计了 D-ADMM-PVS 分布式算法，实现了运营商之间的协作而不需要公开私人信息。结果表明该框架可以几乎将城市中所有支持的服务的每个运营商的容量翻倍。

    Jan, 2020