文献

J-GLOBAL ID：202002236501636768   整理番号：20A1489437

混雑した車両ネットワークのための深層強化学習を用いた多重チャネルアクセス【JST・京大機械翻訳】

Multiple Channel Access using Deep Reinforcement Learning for Congested Vehicular Networks

著者 (5件)： Choe Chungjae (KAIST,The CCS Graduate school of Green Transportation,Daejeon,Korea) ,  Choi Junsung (KAIST,The CCS Graduate school of Green Transportation,Daejeon,Korea) ,  Ahn Jangyong (KAIST,The CCS Graduate school of Green Transportation,Daejeon,Korea) ,  Park Dongryul (KAIST,The CCS Graduate school of Green Transportation,Daejeon,Korea) ,  Ahn Seungyoung (KAIST,The CCS Graduate school of Green Transportation,Daejeon,Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： VTC2020-Spring  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 車両アドホックネットワーク(VANET)は,車両(V2V)と車両をインフラストラクチャー(V2I)通信を可能にする無線車両通信のための標準プロトコルである。VANET安全アプリケーションは,交通事故を防ぎ,高いパケット配信率(PDR)と安全パケットブロードキャストの低い待ち時間を必要とする。多数の車両が同時に安全放送のために限られたチャネル資源にアクセスするとき,安全性要求はより多くの課題を課す。通信性能はネットワーク輻輳により著しく劣化する。特に,V2V通信を可能にするインフラレスVANETは,インフラストラクチャの支援なしに自己適応方式を用いて混雑問題を克服できると考えられる。本論文では,V2V安全パケットブロードキャストの性能を改善するために,新しいコンテンション情報ベース状態表現を持つディープQネットワーク(DQN)を用いた自己適応MAC層アルゴリズムを提案した。提案アルゴリズムは,完全に分散された方法で動作し,様々なレベルのトラヒック輻輳を考慮したシミュレーションにより評価した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *ネットワーク ,  放送 ,  通信 ,  応用プログラム ,  交通事故 ,  待ち時間 ,  インフラストラクチャー
準シソーラス用語： コンテンション ,  ワイヤレス ,  MAC層 ,  VANET ,  ネットワーク輻輳 ,  *車両ネットワーク ,  車両通信 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 深層強化学習 ,  多重チャネル ,  アクセス