인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
지능형 교통 시스템의 급속한 발전으로 차량 통신과 관련된 스펙트럼 부족 문제가 심화되고 있다. 이를 해결하기 위해 유휴 스펙트럼을 기회적으로 활용하는 기술인 인지 무선 기반 차량 인터넷(CR-IoV: Cognitive Radio-based Internet of Vehicles)이 최근 주목받고 있다. CR-IoV 환경에서는 차량 간 통신 링크 설정을 위해 블라인드 랑데부를 통해 공통 채널에서 메시지를 주고받는 과정이 선행되어야 한다. 그러므로 랑데부 시간(TTR: Time-to-Rendezvous)을 최소화하는 것이 중요한 연구 중 하나이다. 하지만 기존 연구인 MATD3PG에서는 신규 차량이 무작위 정책을 기반으로 학습을 시작하기 때문에, 네트워크 진입 초기에 TTR이 일시적으로 증가하는 콜드스타트 문제가 지적되고 있다. 따라서 본 논문에서는 노변 기지국(RSU: Road-Side Unit) 단위의 영역을 기반으로 비동기 연합학습을 통해 신규 차량을 초기화하는 Federated MATD3PG(FeMATD3PG) 기법을 제안하고자 한다. 기존 연구들과 달리 제안하는 기법은 주 사용자(PU: Primary User) 활동 유사도를 연합 집계 가중치에 반영하여 신규 차량을 소속 클러스터의 가중 평균 정책으로 초기화하도록 한다. 합성 궤적 기반 시뮬레이션을 수행한 결과, 제안하는 기법은 기존 기법 대비 신규 차량 합류 시 평균 TTR을 3.70 슬롯에서 2.00 슬롯으로 45.9% 감소시켰으며, 정상 상태에서의 성능은 동등하게 유지되는 것을 확인할 수 있었다. 또한 동일 RSU 영역 내의 PU 활동 분포가 영역 간 대비 유사함을 확인하였으며, 이를 통해 RSU 기반 클러스터링의 타당성을 검증하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
