V2V
-
5G Vehicular Network RL 논문 리뷰 (Slot Format)5G & 6G 통신 기반 기술 2020. 7. 27. 09:21
이 논문은 5G Vehicular Network 상황에서 V2I의 Throughput을 최대화하기 위해 Reinforcement Learning을 사용한다. 이전 LTE Vehicular Reinforcement Leraning 논문에서 언급했듯이, Vehicular Network 환경만 제대로 설계되어 있으면, 그 안에 들어갈 다양한 강화학습 알고리즘들을 워낙 사용하기 쉬운 API들이 많기 때문에 어렵지 않게 적용할 수 있다. 제목: Reinforcement Learning-based Radio Resource Control in 5G Vehicular Network 저널명 : IEEE Wireless Communications Letters 출판년도 : MAY, 2020 저자 : Yibo Zhou, ..
-
Vehicular Network RL 논문 리뷰(Multi-Agent)5G & 6G 통신 기반 기술/LTE Communication 2020. 7. 25. 11:11
이 논문은 Vehicular Network 상황에서 V2V와 V2I의 Global Network Performance를 최대화하기 위해 Reinforcement Learning을 사용한다. 강화학습을 적용하기 위해서는 '환경(Environment)'를 설계하는 것이 거의 전부라고 해도 과언이 아닐 정도로 환경 설정이 중요한 이슈다. Vehicular Network 환경만 제대로 정리되어 있으면, 그 안에 들어갈 다양한 강화학습 알고리즘들을 워낙 사용하기 쉬운 API들이 많기 때문에 가져다 쓰면 된다. 따라서, 이번 글에서는 어떻게 환경을 설정했는지에 조금 더 초점을 맞춰서 리뷰해보도록 한다. 제목: Spectrum sharing in vehicular networks based on multi-agent..
-
Vehicle to Everything (V2X)5G & 6G 통신 기반 기술/LTE Communication 2020. 7. 7. 10:07
자율주행은 여러가지 기술들이 복합적으로 필요하다. 이미지센서를 이용해 상황을 판단하는 컴퓨터 비전기술 및 인공지능 기술, 외부의 상황을 통신을 통해 받는 V2X 기술, 확보한 데이터를 종합적으로 판단해서 차량을 제어하는 기술 등 다양한 기술들이 융합되어야 한다. 이 문서에서는 인공지능 기술, V2X 기술을 다룰 예정이다. Vehicle to Everything (V2X) V2X는 차량과의 Everything과의 통신이다. 즉, V2I는 차량과 Infrastructure (신호등), V2V는 차량과 차량, V2P는 차량과 Pedestrian (보행자) 등 다양한 시나리오가 가능하다. 하지만, 자율주행에 가장 필요한 기술은 V2V 즉, 차량간의 통신이 원활하게 이어져야 차량간 충돌을 방지할 수 있다. 이와 ..