Leveraging Dynamic Stackelberg Pricing Game for Multi-Mode Spectrum Sharing in 5G-VANET
Notice bibliographique
Résumé
5G enabled Vehicular ad hoc network (5G-VANET) plays a promising role to support diverse intelligent transportation system (ITS) applications. There are three types of communication modes in 5G-VANET: cellular mode, reuse mode and dedicated mode, i.e., vehicle users (VUEs) communicate with each other using the cellular network spectrum directly, in an underlay sharing way, and utilizing the allocated dedicated spectrum, respectively. However, how to dynamically share the multi-mode spectrum to optimize the network performance (i.e., network throughput) in 5G-VANET is a challenging task due to the high dynamic VANET environment and network resource heterogeneity. In this paper, we propose a dynamic Stackelberg pricing game enabled multi-mode spectrum sharing solution in 5G-VANET. In specific, we develop an access price strategy for different spectrum sharing modes considering the cellular BS's revenue and whole network throughput, while VUEs can select communication modes in a distributed way and dynamically change the selections through an evolutionary game. Through testing different traffic scenarios generated by SUMO, we demonstrate the effectiveness of the proposed algorithm. Specifically, the proposed algorithm can improve the total transmission rate of VANET by at least 20% compared with the random selection method.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».