LSTM-oriented Handover Decision-making with SVR-based Mobility Prediction in 5G Vehicular Networks
Notice bibliographique
Résumé
The advancement of 5G technology is initiating a transformation era for Vehicular Networks (VN), enabling seamless communication among vehicles and other entities. Connected vehicles hold significant potential for improving traffic safety, and enhancing in-vehicle entertainment. With the increasing of vehicular applications, the necessity for reliable, high-bandwidth, and low-latency connections has become increasingly paramount. Ensuring consistent connections in dynamic vehicular settings remains an ongoing challenge, especially given the necessity for smooth Handovers (HO) between transmission points as vehicles move rapidly. Frequent handovers, due to the limitations of communication range, can impact user experiences, especially in safety-critical situations. One potential solution involves transitioning to network virtualization to address the challenges posed by ultra-dense networks and the limited communication range in 5G. To tackle these challenges, we present an approach based on mobility prediction for selecting virtual cells using Support Vector Regression (SVR) and making Handover (HO) decisions using Long Short-Term Memory (LSTM). Our method, named M-LSVR, focuses on forming user-centric virtual cells based on network attributes and real-time data. The dynamic adjustment of virtual cell size using predictive mobility ensures stability and reduces unnecessary handovers. Integrating mobility prediction with HO decision-making aims to establish a more stable connection, enhancing the quality of virtual cells in high-mobility vehicular environments. This approach aims to optimize the user experience by minimizing unnecessary tower switches and creating efficient, high-quality virtual cells in the 5G vehicular network.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».