車両ネットワークにおける負荷分散のためのユーザー関連付け：オンライン強化学習アプローチ

最近、車両ネットワークを促進するためのさまざまな技術が開発されました。車両が異種基地局（例：マクロセル、ピコセル、フェムトセル）に関連付けられるとき、最も重要な問題の1つは、これらの基地局間で負荷を分散させることです。一般的なモバイルネットワークとは異なり、車両ネットワークにおけるデータトラフィックは、都市交通の流れの周期性により、空間-時間の次元に規則性があることが観察されることがあります。この特徴を利用して、我々はORLAと呼ばれるオンライン強化学習アプローチを提案します。これは、車両ネットワークにおけるネットワーク負荷分散のための分散ユーザー関連付けアルゴリズムです。ORLAは、過去の関連付け経験に基づき、動的な車両環境から継続的に学習することで良好な関連付け解を得ることができます。長期的には、リアルタイムのフィードバックと定期的な交通関連パターンが両方とも、ORLAがネットワークの動的変化にうまく対処するのを助けます。実験では、QiangShengタクシーの動きを使用してORLAのパフォーマンスを評価します。我々の実験は、ORLAが他の一般的な関連付け方法と比較してより高品質の負荷分散を持つことを確認しています。