文献

J-GLOBAL ID：202002277485747887   整理番号：20A2614921

知的輸送システムにおけるUAVの情報意識軌道計画の時代:深層学習アプローチ【JST・京大機械翻訳】

Age of Information Aware Trajectory Planning of UAVs in Intelligent Transportation Systems: A Deep Learning Approach

著者 (5件)： Samir Moataz (Concordia University, Montre ́al, QC, Canada) ,  Assi Chadi (Concordia University, Montre ́al, QC, Canada) ,  Sharafeddine Sanaa (Lebanese American University, Beirut, Lebanon) ,  Ebrahimi Dariush (Lakehead University, Thunder Bay, ON, Canada) ,  Ghrayeb Ali (Texas A and M University, Qatar, Doha, Qatar)
資料名： IEEE Transactions on Vehicular Technology  (IEEE Transactions on Vehicular Technology)
巻： 69  号： 11  ページ： 12382-12395  発行年： 2020年 
JST資料番号： C0244A  ISSN： 0018-9545  CODEN： ITVTAB  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： 無人機(UAVs)は,将来のスマート都市における通信インフラストラクチャを補完するために,知的輸送システムにおいて主要な役割を果たすと想定されている。UAV支援車両ネットワーキング研究は,主にスループットと待ち時間を主要な性能計量として採用する。しかし,これらの従来のメトリックスは,自律運転や事故防止のようなサービスを可能にするための重要な要件として最近同定された属性である情報の鮮度を反映するには適切ではない。本論文では,車両上のセンサ(例えば,LiDARとカメラ)が時間に敏感なデータストリームを生成するUAV支援単一ホップ車両ネットワークを考察し,UAVsを用いてこのデータを収集・処理し,最小情報量(AoI)を維持した。UAVsの軌道を共同最適化し,最小スループット制約の下で情報を新鮮に保つためのスケジューリング政策を見つけることを目指した。定式化した最適化問題は混合整数非線形プログラム(MINLP)であり,一般的に解くのが難しいことを示した。機械学習(ML)技術の成功によって動機づけられて,特に低い複雑性を有する複雑な問題を解決することにおける深い学習を,著者らは,システム状態空間が車両ネットワーク動力学を考慮するMarkov決定プロセス(MDP)として,軌道とスケジューリング政策問題を再定式化した。次に,UAVの軌跡とスケジューリング政策を処理するために,車両環境とその力学を学習するために,深層強化学習(DRL)を開発した。特に,展開されたUAVsの軌跡を学習するために,Expected Detected Sum AoI(EWSA)を効率的に最小化するために,深層決定論的ポリシー勾配(DDPG)を利用した。シミュレーション結果は,提案した設計の有効性を実証し,AoIを最小化するために,データ収集ミッションの間,展開されたUAVsがそれらの速度に適応することを示した。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： カメラ ,  最適化 ,  シミュレーション ,  最適化問題 ,  *スケジューリング ,  都市 ,  無人機 ,  スループット ,  待ち時間 ,  データ収集 ,  定式化 ,  機械学習
準シソーラス用語： 混合整数非線形計画法 ,  ネットワーキング ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (5件)： 輸送システム ,  UAV ,  意識 ,  軌道計画 ,  深層学習