[论文笔记]Machine Learning for Vehicular Networks：Recent Advances and Application Examples

最新推荐文章于 2022-10-06 09:51:13 发布

Love_marginal

最新推荐文章于 2022-10-06 09:51:13 发布

阅读量2.5k

点赞数 6

分类专栏：论文解读 V2X 机器学习文章标签：机器学习

本文链接：https://blog.csdn.net/m0_37495408/article/details/105207304

版权

前言

感谢李师兄推荐Le Liang这位作者，通过查找可以看到他所著的许多将机器学习和通信结合起来的文章，从这篇博文开始的几篇博文内容将更偏向通信与机器学习的交叉，论文的阅读顺序根据引用次数年份标题暂时安排如下：2018_用于车联网的机器学习方法：进展和用例；2019_面向智能车联网：一个机器学习框架；2018_基于图论的车联网通信资源分享方法。

此外以后博客的内容大致按照：”需求--技术--别人的方法有什么缺陷--采用什么方法解决--这个方法在其他使用场景中和我的期望使用场景有什么区别/有什么没考虑到“的顺序进行。力求精简并突出文章所提出的新方法带来的贡献。

[看完介绍词后]感觉这是一篇综述性文章

[完成目录整理后]感觉可能会有很多关于机器学习的基础性知识，基础的要注意跳过，重点关注可以解决什么通信方面的问题以及如何解决。

机器学习应用于无线网络时，主要是提供一种数据驱动的方法来解决传统通信的难题。本文的主要回顾了车联网中应用机器学习的最新进展。

背景和动机

随着车辆对环境感知能力的不断增强，其已经朝着完全自治的方向发展，因此改善它们之间的连接性是很必要的，由此导致了互联车辆概念的提出。互联车辆构成的车辆网络也是ITS和智慧城市发展的重要组成部分。它可以帮助提高道路安全性、优化交通效率、实现自动驾驶和车辆的泛在网络访问。对我们日常生活产生深远影响。

但因为严苛而多样的QoS（服务质量要求）和车载环境中固有的动态特性（如速度很快），将传统无线通信系统用于车载网络存在很大挑战。如：时变性很强的无线信道和网络拓扑等。为应对挑战有两条路：IEEE 802.11和C-V2X。

同时，借助高性能计算和存储以及先进的传感器，车辆可以生成、收集、存储、处理大量数据，这些数据可以给我们提供了新的改进机会。但是传统的通信策略对这些信息的利用是很缺乏的。

机器学习可以找到一些人难以发现的模式特征和底层结构，它利用数据驱动但不对数据的分布进行明确假设，因此处理异构数据时鲁棒性更佳。机器学习可提供一套用于挖掘车辆网络中多个数据源的通用的工具，这将有助于形成更合理的决策并解决一些通信难题，但如何在车载网络中利用这些工具还是个挑战，并代表了一个有前途的研究方向。