5G-V2X混合组网中基于强化学习的通信资源动态分配策略研究

文 家林
海南科技职业大学

摘要


针对5G-V2X混合组网中动态业务负载与异构服务质量需求导致的通信资源分配效率低下问题，提出一种基于深度强化学习的动态优化框架。通过构建数字孪生赋能的网络状态感知模型，设计多目标马尔可夫决策过程，联合优化信道选择与功率控制策略。仿真结果表明：相较传统Q-learning和静态分配方法，本研究所提算法在车辆密度＞120辆/km²时提升系统吞吐量18.7%，降低高优先级V2I链路时延至23ms以下，网络切换成功率提高32.4%。该研究为高密度动态车联网环境提供了可扩展的资源优化理论支撑。

关键词


5G；V2X；强化学习；数字孪生；车联网

全文:

PDF


参考


[1]陈思翰,辛冰,温三宝,等.基于5G+V2X的融合组网车路协同系统[J].电信工程技术与标准化,2024,37(11):36-42.

[2]洪莹,沙宇晨,丁飞,等.5G蜂窝车联网(C-V2X)资源分配优化与性能评估[J].汽车安全与节能学报,2023,14(03):346-354.

[3]余冰纯.车联网中面向信息时效性的动态资源分配方法研究[D].深圳大学,2023.

[4]彭诺蘅.基于强化学习的无线自组织网络动态资源分配研究[D].南京理工大学,2022.


Refbacks

  • 当前没有refback。