MétaCan
Menu
Retour à la cohorte
Enregistrement W3153098216 · doi:10.1109/tits.2021.3070542

Service-Oriented Dynamic Resource Slicing and Optimization for Space-Air-Ground Integrated Vehicular Networks

2021· article· en· W3153098216 sur OpenAlexafffund
Feng Lyu, Peng Yang, Huaqing Wu, Conghao Zhou, Ju Ren, Yaoxue Zhang, Xuemin Shen

Notice bibliographique

RevueIEEE Transactions on Intelligent Transportation Systems · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSatellite Communication Systems
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Key Research and Development Program of ChinaHigher Education Discipline Innovation ProjectNatural Science Foundation of Hunan ProvinceNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésComputer scienceLyapunov optimizationHeuristicsQueueing theoryThroughputQueueScheduling (production processes)Markov processMathematical optimizationDistributed computingReal-time computingComputer networkWirelessChaotic

Résumé

récupéré en direct d'OpenAlex

In this paper, we study Space-Air-Ground integrated Vehicular Network (SAGVN), and propose an online control framework to dynamically slice the SAG spectrum resource for isolated vehicular services provisioning. In particular, at a given time slot, the system makes online decisions on the request admission and scheduling, UAV dispatching, and resource slicing for different services. To characterize the impact of those parameters, we construct a time-averaged queue stability criteria by taking queue backlogs of all services into consideration, and formulate a system revenue function which incorporates the time-averaged system throughput and UAV dispatching cost. The objective is to maximize the system revenue while stabilizing the time-averaged queue, which falls into the scope of Lyapunov optimization theory. By bounding the drift-plus-penalty, the original problem can be decoupled into four independent subproblems, each of which is readily solved. The merits of our control framework are three-fold: 1) the system is able to admit and process as many requests as possible (i.e., maximizing the time-averaged throughput); 2) the time-averaged UAV dispatching cost is minimized; and 3) service queues are stabilized in the long-term. Extensive simulations are carried out, and the results demonstrate that the control framework can effectively achieve the system revenue maximization and queueing stabilization. Moreover, it can balance the trade-off among system throughput, UAV dispatching cost, and queueing states via parameter tuning. Compared with the fixed slicing, our dynamic slicing can react to the vehicular environment rapidly and achieve an average 26% of throughput improvement.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,232
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations71
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Intelligent Transportation SystemsMême sujetSatellite Communication SystemsTravaux en français237 207