6G可能協調自律運転のための深層学習ベースインテリジェント車間距離制御【JST・京大機械翻訳】

Chen Xiaosha; Leng Supeng; He Jianhua; Zhou Longyu

プレプリント

J-GLOBAL ID：202202204470657811 整理番号：22P0220900

6G可能協調自律運転のための深層学習ベースインテリジェント車間距離制御【JST・京大機械翻訳】

Deep Learning Based Intelligent Inter-Vehicle Distance Control for 6G Enabled Cooperative Autonomous Driving

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年12月26日プレプリントサーバーでの情報更新日： 2020年12月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

第6世代セルラネットワーク(6G)に関する研究は,ユビキタス無線接続を達成するために巨大な運動量を獲得している。接続自律運転(CAV)は,道路安全,道路およびエネルギー効率を改善する大きなポテンシャルを保持する6Gに対して重要な垂直想定である。しかし,信頼性,待ち時間および高速通信に関するCAV応用の厳しいサービス要求は,6Gネットワークに対して大きな課題を提示する。6G支持CAVには,接続車両用の新しいチャネルアクセスアルゴリズムとインテリジェント制御スキームが必要である。本論文では,情報共有と駆動協調による先進的駆動モードである6G支援協調運転を研究した。最初に,ハイブリッド通信とチャネルアクセス技術による車両(V2V)通信に対する6G車両の遅延上限を定量化した。深層学習ニューラルネットワークを開発し,実時間操作における遅延限界の高速計算のために訓練した。次に,協調自律運転のための車間距離を制御するためにインテリジェント戦略を設計した。さらに,システム状態のパラメータを予測するためのMarkov連鎖ベースアルゴリズムを提案し,また,円滑な車両速度変化を可能にする安全な距離マッピング法も提案した。提案したアルゴリズムをAirSim自律駆動プラットフォームに実装した。シミュレーション結果は,提案したアルゴリズムが安全で安定した協同自律運転によって効果的でロバストであり,道路安全性,容量と効率を大いに改善することを示した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

計算機網 , 電装品

, , , ,

前のページに戻る