Jul, 2019

探究未来车联网通信中的信息价值

PDF
TL;DR本文描述了价值的特征和使用了多层次决策过程来确定传感器观察价值的方法，以解决未来车用网络中的数据传播和容量问题。
vehicular networksdata disseminationvalue of informationmulticriteria decision processessensory observations
发现论文，激发创造
  • 未来车载网络中信息价值评估框架

    本文提出和评估了一个利用层次分析多准则决策过程预测数据源在空间、时间、质量特征上的信息价值框架，研究结果表明，传播场景、传感器分辨率、观测类型和通信距离对信息价值评估性能有不同的影响，并且价值随目标应用程序的特征以不同的速率发展。

    May, 2019

  • 超越 WYSIWYG：通过 mmWave V2V 通信共享上下文感知数据

    本文提出了一种基于量化的分布式车辆对车辆关联方案，以平衡传统信道状态和排队状态信息与感知内容分辨率、及感知增强的时间和范围信息。在实际车辆移动轨迹的路口场景下进行分布式多对一匹配游戏，并通过在接收机能够利用来自不同来源的信息时，所提出的匹配方案在收集扩展感知信息的平均体积方面比距离和最小延迟匹配基线高出 71％。

    Apr, 2017

  • 车联网移动边缘智能与计算

    本文介绍了物联网，自动驾驶汽车和环境的完全集成的智能车联网时代，讨论了存储和处理巨量数据的挑战，以及在车联网的边缘部署储存和计算资源的优势，指出了边缘信息系统对于智能车联网的关键作用。

    Jun, 2019

  • 车联网通信：网络层视角

    本文提供一篇综合概述，就网络层角度，分别介绍了手动驾驶和自动驾驶交通网络的相关信息交换特征和分类，并讨论了可用的通信技术，网络结构，路由协议和切换策略以及当前交通网络所面临的挑战和研究机会。

    Jul, 2017

  • 6G 与一切汽车通信 (V2X)：技术、挑战和机遇

    本文介绍了一系列关键技术，包括新材料、算法和系统架构等，阐述了机器学习在第六代车辆通信网络中的最近进展，并讨论了这些技术的优势、挑战、成熟和增强领域，旨在实现智能化交通系统，推动未来研究。

    Dec, 2020

  • 利用深度 Q 学习最小化支持雾计算的车联网信息时代

    本文介绍了一种利用数据驱动的方案，优化联网车辆的驾驶路线，以保证信息时延的可信度，利用商用 LTE 网络测量车辆之间的连接延迟，建立连接车辆信息时延模型，在此基础上提出了一种基于 DQN 的算法来确定最优驾驶路线，结果表明该方法可以提高接口保持服务的 AoI 信心水平

    Apr, 2020

  • 车联网通信：物理层视角

    本文综述了车联网通信的物理层基础问题，包括车联网信道特性、通信模型、信道估计、调制技术及资源分配等方面，并讨论了车联网通信在毫米波频段下的潜力和挑战。

    Apr, 2017

  • 无线车联网环境中基于先前用户信息的服务质量预测

    通过评估 ML 树集成方法来预测无线通信质量，并利用车辆之间的相关性和无线环境特征改进预测性能，支持商业网络中的 ML 应用。

    Feb, 2024

  • 基于 V2X 的隐私保护联邦测量与学习系统

    未来的自动驾驶车辆将使用各种传感器生成大量数据，该研究论文提出了一种联邦测量和学习系统，通过车辆间通信提供实时数据，并通过车辆到网络链接运行联邦学习方案来创建交通网络的预测模型。研究结果表明，该方案能够提高学习性能并防止聚合服务器侧的窃听。

    Jan, 2024

  • 超可靠低延迟车联网通信的主动学习方法

    本文提出了一种面向车联网的信息时代感知传输功率和资源块分配技术，利用高斯过程回归方法实现在线无中央控制机制的网络动态学习，实时预测未来 AoI，最小化 AoI 超过阈值的概率，并取得了 50% 以上的效果提升。

    Nov, 2019