Joint Optimization of Communication Latency and Platoon Control Based on Uplink RSMA for Future V2X Networks
Notice bibliographique
Résumé
As an effective solution to address road congestion and improve traffic efficiency, vehicle platooning has received a lot of attention in recent years. However, vehicle-to-vehicle (V2V) communication latency can largely impact on the performance of vehicle platooning, which has not been well investigated. Rate-splitting multiple access (RSMA), as one of the promising technologies for 6 G, holds great potential for application in vehicle platooning to reduce the communication latency and thereby enhance platoon control performance. Motivated by the above considerations, platoon control and communication latency are jointly considered in this paper. We first introduce the communication latency into the vehicle dynamics model, and then derive a distributed model predictive control (DMPC)-based platoon control model. To reduce the communication latency, uplink RSMA is introduced for inter-platoon V2V communication. Since the latency minimization problem is non-convex and challenging to solve directly, we first employ a bisection method to give a latency upper bound and transform the initial problem into a non-convex feasibility problems in each iteration. Subsequently, through theoretical derivation, the bandwidth allocation factor is expressed in terms of transmission power, which reduces the number of optimization variables and transforms the problem into a convex problem. Then we can obtain the optimal solution by solving a convex problem in each iteration. Finally, the simulation results demonstrate that the proposed RSMA significantly outperforms traditional frequency division multiple access (FDMA) and non-orthogonal multiple access (NOMA), and can significantly reduce communication latency, enhance platoon control safety, improve driving comfort, and lower the performance requirement on vehicle maximum torque.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».