文献

J-GLOBAL ID：201702262751073014   整理番号：17A1346639

車両ネットワークにおける負荷分散のためのユーザ連携:オンライン強化学習アプローチ【Powered by NICT】

User Association for Load Balancing in Vehicular Networks: An Online Reinforcement Learning Approach

著者 (3件)： Li Zhong (College of Information Science and Technology, Donghua University, Shanghai, China) ,  Wang Cheng (Department of Computer Science, Tongji University, Shanghai, China) ,  Jiang Chang-Jun (Department of Computer Science, Tongji University, Shanghai, China)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 18  号： 8  ページ： 2217-2228  発行年： 2017年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最近,多くの技術が車両ネットワークを促進するために開発されてきた。車両は不均一な基地局(例えば,マクロセル,ピコセルおよびフェムトセル)と関連している場合,最も重要な問題の一つはこれらの基地局間の負荷分散を行うことである。共通モバイルネットワークとは異なり,車両ネットワークにおけるデータトラヒックは,都市交通流の周期性による空間-時間次元における規則性を観察することができた。この特徴を利用して,著者らはオンライン強化学習アプローチ,ORLAを提案した。車両ネットワークにおけるネットワーク負荷バランシングのための分散ユーザ関連アルゴリズムである。歴史的関連経験に基づいて,ORLAは連続的に動的車両環境から学習を通した良好な関連解を得ることができる。長期的には,実時間フィードバックと規則的な交通関連パターンは両ORLAはネットワークの動力学に対処よく役立つ。実験では,QiangShengタクシー移動ORLAの性能を評価した。著者らの実験は,ORLAは他の一般的な関連方法と比較してより高い品質負荷分散を持つことが分かった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *強化学習 ,  フィードバック ,  規則度 ,  *ネットワーク ,  基地局 ,  タクシー ,  都市交通 ,  *負荷分散 ,  アルゴリズム ,  マクロセル ,  品質
準シソーラス用語： モバイルネットワーク ,  フェムトセル ,  *オンライン ,  *車両ネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 都市交通  (TA01020W) ,  交通調査  (TB01031B) ,  移動通信  (ND08030H)

タイトルに関連する用語 (4件)： 負荷分散 ,  連携 ,  オンライン ,  強化学習