動的環境における車両へのインテリジェントエージェントによるモバイルインフラからのリソース割り当てのスケーラビリティオンデマンド

科学分野:

• インテリジェント交通システム
• 無線通信
• ネットワーク最適化

背景:

• 都市のモビリティはますます複雑化しており、高度な通信フレームワークが必要とされています。
• 既存の車両-インフラ間（V2I）システムは、効率的なリソース割り当てとインフラ展開戦略を必要としています。

研究 の 目的:

• V2I通信のためのインテリジェントな最適化およびリソース割り当てフレームワークを開発すること。
• 都市環境における車両カバレッジと無線リソース効率を強化すること。

主な方法:

• 最適なロードサイドユニット（RSU）配置のための整数線形計画法（ILP）と統合された巨視的モビリティ分析。
• 動的な無線リソース割り当てのためのQ学習ベースのスマート汎用ネットワークコントローラ（SGNC）。
• 現実的な地理参照された都市シナリオでのシミュレーション。

主要な成果:

• ILPモデルはRSUのわずか2.9%しか起動せず、90%以上の車両カバレッジを保証しました。
• SGNCは、10個のアンテナと120個のリソースを管理する安定したリソース割り当てを実証しました。
• 動的な再割り当てメカニズムは、70%以上のシステム容量で効率を維持しました。

結論:

• 提案されたフレームワークは、インテリジェント交通システムにおけるV2I展開のためのスケーラブルなソリューションを提供します。
• 動的なリソース割り当ては、静的な方法と比較して効率とカバレッジの一貫性を大幅に向上させます。
• インテリジェントフレームワークは、現代の都市モビリティの複雑さに効果的に対処します。