【标题】Scheduling Out-of-Coverage Vehicular Communications Using Reinforcement Learning

【作者团队】Taylan Şahin, Ramin Khalili, Mate Boban, Adam Wolisz

【发表日期】2022.7.13

【论文链接】https://arxiv.org/pdf/2207.06537.pdf

【推荐理由】车辆对车辆（V2V）通信的性能在很大程度上取决于所采用的调度方法。虽然集中式网络调度器提供高V2V通信可靠性，但其操作通常局限于全蜂窝网络覆盖的区域。相反，在蜂窝覆盖范围外的区域，使用相对低效的分布式无线电资源管理。为了利用集中式方法在缺乏蜂窝覆盖的道路上提高V2V通信可靠性的优势，本文提出了VRLS（车辆强化学习调度器），集中式调度器，在车辆离开蜂窝网络覆盖之前，主动为覆盖范围外的V2V通信分配资源。通过在模拟车辆环境中进行训练，VRL可以学习鲁棒且适应环境变化的调度策略，从而无需在复杂的现实生活环境中进行有针对性的（重新）训练。通过评估了VRLS在不同移动性、网络负载、无线信道和资源配置下的性能。VRLS在没有蜂窝网络覆盖的区域中优于最先进的分布式调度算法，在高负载情况下将数据包错误率降低一半，在低负载情况下实现接近最大的可靠性。

内容中包含的图片若涉及版权问题，请及时与我们联系删除