一种面向智慧交通的车联网网络流量估计方法

随着5G网络的快速部署,车联网、物联网、边缘计算等迅速发展,车联网络流量测量面对诸多挑战。研究了面向智慧城市的车联网流量估计问题,提出了一种基于软件定义网络的车联网流量估计方法。基于软件定义网络架构获得粗粒度的车联网络流量测量值,构建了基于自回归移动平均模型的细粒度测量模型,并提出一种启发式算法来获得精确的流量估计结果。仿真结果表明,所提的方法能够在细粒度的网络流量模型下提升流量的测量精度。

基于MetropolisQ学习的蜂窝网络在线信道分配

针对现有的蜂窝网络的在线动态分配模型具有的信道需求量大、呼叫动态变化时阻塞率高和收敛速度慢的缺点,设计了一种基于MetropoisQ学习的蜂窝网络的在线信道分配方法。首先,在考虑同信道限制、邻居信道限制和同小区限制的基础上,设计了在线信道分配的数学模型,然后在Q-Learning算法基础上的设计了一种基于资格迹的Q(λ)算法实现信道的在线分配,为了进一步提高收敛速度,采用Metropois规则对算法中动作的选择方式进行改进,实现探索和利用的平衡;为了验证文中方法,采用Matlab工具上进行实验,仿真实验结果表明文中方法能实现蜂窝通信网络的在线信道分配,且与其它方法比较,具有较少的信道需求量、较低的阻塞率和收敛速度,较其它方法具有较大优越性。