Управление ресурсами сети транспортных средств 5G для улучшения радиодоступа с использованием машинного обучения
5G Vehicular Network Resource Management for Improving Radio Access Through Machine Learning
2020-01-01
SCID: 54.1/7jj7aue6
Discuss with AI
сети 5G для транспортных средствмашинное обучениевиртуализация сетевых функцийуправление радиоресурсамипрограммно-определяемые сети
Figures from the paper
Abstract (AI)
Современные технологии сотовых и транспортных сетей не способны удовлетворить стремительный рост требований к транспортным сетям. Управление ресурсами стало сложной и challenging задачей для достижения ожидаемых результатов в транспортной среде. Сотовые сети пятого поколения (5G) обеспечивают сверхвысокую скорость, малую задержку и надежную связь. Развитие новых технологий, таких как виртуализация сетевых функций (NFV) и программно-определяемые сети (SDN), является важной технологической основой 5G. Сеть 5G на основе SDN может предоставить отличную платформу для автономных транспортных средств, поскольку SDN обеспечивает открытую программируемость и гибкость при внедрении новых сервисов. Разделение плоскостей управления и передачи данных обеспечивает централизованное и эффективное управление ресурсами в высокооптимизированной и защищенной форме благодаря глобальному представлению обо всей сети. SDN также обеспечивает гибкость администрирования связи и управления ресурсами, что имеет критическое значение с учетом самоорганизующейся природы инфраструктур транспортных сетей, особенно в отношении безопасности, конфиденциальности и защищенности. Кроме того, SDN способствует повышению общей производительности. В данной статье предлагается основанная на потоках политика управления, использующая двухуровневую виртуализацию для транспортных сетей на базе SDN. Связь между транспортными средствами (V2V) может быть реализована посредством беспроводной виртуализации, при которой различные радиоресурсы распределяются для V2V-связи в соответствии с классификацией потоков, то есть потоков, связанных с безопасностью, или потоков, не связанных с безопасностью; контроллер отвечает за управление всей транспортной средой и связью между транспортными средствами и всем остальным (V2X). Целью данного исследования является реализация архитектуры с поддержкой машинного обучения, способной удовлетворить сложные требования современных инфраструктур транспортного Интернета. Возрастающая потребность в надежной связи в сетях с поддержкой 5G существенно усложнила эффективное управление сетевыми срезами. T...
Key Findings
1
Контроллер SDN централизованно управляет транспортными и V2X-коммуникациями, используя глобальное представление о сети для гибкого и эффективного администрирования ресурсов.
2
Фреймворк нацелен на повышение производительности, надежности, безопасности и адаптивности сетей 5G для транспорта, однако количественные результаты оценки в аннотации не представлены.
3
Предложен фреймворк политик на основе потоков с использованием двухуровневой виртуализации и SDN для управления ресурсами в сетях 5G для транспортных средств.
4
Предлагаемая архитектура включает машинное обучение для решения сложных задач управления ресурсами и коммуникациями в современных транспортных интернет-инфраструктурах.
5
Беспроводная виртуализация обеспечивает дифференцированное распределение радиоресурсов для V2V-связи по классификации потоков, разделяя потоки, связанные с безопасностью, и несвязанные с ней.
Research Object
Транспортные сети 5G на основе SDN, поддерживающие связь V2V и V2X
Research Subject
Управление радиоресурсами и сетевым срезанием на основе потоков с применением машинного обучения для обеспечения безопасности и небезопасных транспортных коммуникаций
Publication Details
Publication Date
2020-01-01
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest