Key points are not available for this paper at this time.
يمكن تركيب محطات القاعدة الخلوية (BS) والرؤوس الراديوية البعيدة على الطائرات بدون طيار (UAV) للنشر المرن المدرك لحركة المرور. تعد شبكات محطات القاعدة للطائرات بدون طيار (UAVBSN) بتحقيق درجة غير مسبوقة من الحرية التي يمكن استغلالها لتحقيق كفاءة طيفية وكذلك استخدام شبكة مثالي. ومع ذلك، تفتقر الأدبيات الحالية إلى نماذج راديوية وحركية واقعية لتخطيط نشر UAVBSN وتقييم الأداء. في هذه الورقة، نقترح نماذج مستوى التدفق (FLM) لوصف أداء UAVBSN بشكل واقعي من حيث مجموعة واسعة من مقاييس التدفق ومستوى النظام. علاوة على ذلك، نقترح نهج تعلم عميق معزز (DRL) يعتمد على نموذج FLM الخاص بـ UAVBSN لتعلم المسارات المثلى للطائرات بدون طيار المدركة لحركة المرور. بالنسبة لكثافة حركة مرور معينة ومواقع بدء UAV، يتعلم نهج RL لدينا المسارات المثلى للطائرات بدون طيار في وضع عدم الاتصال التي تعظم مقياس أداء تراكمي. ثم نقوم بتنفيذ المسارات التي تم تعلمها للطائرات بدون طيار في محاكي الأحداث المنفصلة لتقييم أداء UAVBSN عبر الإنترنت. بالنسبة لـ M = 9 طائرات بدون طيار تم نشرها في نموذج مدينة سان فرانسيسكو المحاكي، حيث يتم تعريف مسارات الطائرات بدون طيار بواسطة N = 20 إجراءً منفصلاً، يحقق نهجنا زيادة تقريبية في متوسط سعة المستخدم ثلاثة أضعاف مقارنةً بالتوزيع الأولي للطائرات بدون طيار، مع موازنة أحمال الحركة عبر محطات القاعدة في نفس الوقت.
درس ساكينا وآخرون (الجمعة) هذا السؤال.
Synapse has enriched 3 closely related papers on similar clinical questions. Consider them for comparative context: