[논문]Deep Reinforcement Learning-Based Distributed Congestion Control in Cellular V2X Networks

Choi, Joo-Young; Jo, Han-Shin; Mun, Cheol; Yook, Jong-Gwan

doi:10.1109/lwc.2021.3108821

[해외논문] Deep Reinforcement Learning-Based Distributed Congestion Control in Cellular V2X Networks

IEEE wireless communications letters, v.10 no.11, 2021년, pp.2582 - 2586

Choi, Joo-Young (Yonsei University, Seoul, South Korea) , Jo, Han-Shin (Hanbat National University, Daejeon, South Korea) , Mun, Cheol (Korea National University of Transportation, Chungju, South Korea) , Yook, Jong-Gwan (Yonsei University, Seoul, South Korea)

Abstract ▼ AI-Helper

Distributed congestion control (DCC) improves system performance by lowering channel congestion in vehicular environments with high vehicle density. The 3rd Generation Partnership Project standard defines the related metrics of channel busy ratio (CBR) and introduces possible rate and power control mechanisms to mitigate channel congestion in cellular vehicle-to-everything (C-V2X) sidelink. However, the DCC of C-V2X is not sufficiently specified to implement these controls. In this letter, we propose a novel DCC algorithm based on deep reinforcement learning (DRL) to improve congestion control performance in C-V2X sidelink. The proposed algorithm allows the DRL agent to observe a CBR state and select the packet transmission rate that can maximize the reward of packet delivery rate (PDR) while maintaining higher channel utilization. Simulation results show that the proposed algorithm provides performance gain in terms of PDR and sidelink throughput compared with the existing DCC method.

참고문헌 (14)

Congestion Control 2016
Mnih, Volodymyr, Kavukcuoglu, Koray, Silver, David, Rusu, Andrei A., Veness, Joel, Bellemare, Marc G., Graves, Alex, Riedmiller, Martin, Fidjeland, Andreas K., Ostrovski, Georg, Petersen, Stig, Beattie, Charles, Sadik, Amir, Antonoglou, Ioannis, King, Helen, Kumaran, Dharshan, Wierstra, Daan, Legg, Shane, Hassabis, Demis. Human-level control through deep reinforcement learning. Nature, vol.518, no.7540, 529-533.

상세보기
Deep multi-agent reinforcement learning foerster 2018
Proc 5th IEEE Int Conf Models Technol Intell Transp Syst (MT-ITS) LTEV2Vsim: An LTE-V2V simulator for the investigation of resource allocation for cooperative awareness cecchini 2017 80
Proc IEEE PIMRC Optimal tradeoff between efficiency and Jain’s fairness index in resource allocation sediq 2012 577
10.1109/VTCFall.2019.8891335
10.1109/IEEECONF44664.2019.9048738
Luong, Nguyen Cong, Hoang, Dinh Thai, Gong, Shimin, Niyato, Dusit, Wang, Ping, Liang, Ying-Chang, Kim, Dong In. Applications of Deep Reinforcement Learning in Communications and Networking: A Survey. IEEE Communications surveys and tutorials, vol.21, no.4, 3133-3174.

상세보기
Yoon, Yeomyung, Kim, Hyogon. Balancing Power and Rate Control for Improved Congestion Control in Cellular V2X Communication Environments. IEEE access : practical research, open solutions, vol.8, 105071-105081.

상세보기
2018
Technical specification group radio access network Evolved Universal Terrestrial Radio Access (E-UTRA) User Equipment (UE) radio transmission and reception 2018
10.23919/WONS.2019.8795500
TSG-RAN Evolved Universal Terrestrial Radio Access (E-UTRA) and Evolved Universal Terrestrial Radio Access Network (E-UTRAN) Overall Description Stage 2 Release 8 2017
Evolved universal terrestrial radio access (E-UTRA); Radio resource control (RRC); Protocol specification (v14.3.0, release 14) 2017

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

원문 URL 링크

DOI : 10.1109/LWC.2021.3108821
IEEE : 저널 > 논문

*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.

저작권 관리 안내

내보내기 메뉴

내보내기 구분

파일저장
인쇄
메일전송

구성항목

기본정보
상세정보

관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관

저장형식

Text(ASCII format)
Excel format
RefWorks Direct Export
RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley

메일정보

받는사람 (필수): @
보내는사람 (선택): @
제목
내용: KISTI 검색결과 이메일 서비스

안내

총 건의 자료가 검색되었습니다.

다운받으실 자료의 인덱스를 입력하세요. (1-10,000)

검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다.

데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요)

다운로드 파일은 UTF-8 형태로 저장됩니다.
파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오.

Text(ASCII format)
Excel format

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

AI-Helper ※ AI-Helper는 을 사용합니다.

AI-Helper

안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

연합인증