earticle

영어

Although low latency is essential for the majority of application services based on wireless networks, particularly in vehicular ad hoc networks, the implementation of low latency is much more important due to the high mobility of vehicles and the urgency of information transmission. As new services arise from the intersection of information technology and vehicle technology, vehicular ad hoc networks are increasingly established and utilized. Therefore, the development of transmission techniques that can realize low latency in vehicle ad hoc networks can become the basis of such vehicle network communication and thus requirements for various vehicular services can be satisfied. In this research, we introduce a transmission scheme for a highly mobility vehicular ad hoc network. Based on the REINFORCE algorithm, one of the frameworks of deep reinforcement learning, the proposed scheme can forecast the current channel state and its transition, as well as develop a policy for performing the optimal action. It was discovered that the proposed method converges to the optimal policy through extensive simulations and iterative execution. It was shown that the proposed algorithm achieves a low latency with a high transmission rate based on the Slotted ALOHA protocol compared to the existing transmission method used for comparison.

한국어

무선 네트워크를 기반으로 한 대부분의 어플리케이션 서비스에서는 낮은 지연이 요구되지만, 특히 차량 애드혹 네트워크에서는 차량들의 높은 이동성과 정보 전달의 시급성으로 인해 낮은 지연의 실현은 더욱 필수적으 로 요구된다. IT와 자동차 기술이 서로 융합되어 새로운 서비스들이 출현함에 따라 차량 애드혹 네트워크가 광범 위하게 설치되어 운용되고 있고, 따라서 차량 애드혹 네트워크에서의 낮은 지연을 실현시킬 수 있는 전송 기법의 개발은 이러한 차량 네트워크의 기반 통신 기술이 되어 다양한 서비스의 요구조건을 만족시킬 수 있다. 본 논문에 서는 높은 이동성을 지닌 차량 애드혹 네트워크에서의 전송 기법을 제안한다. 제안하는 기법은 심층 강화학습의 프레임워크 중 하나인 REINFORCE 알고리즘을 기반으로 현재의 채널 상태 및 상태의 천이를 예측하여 최적의 액션을 수행하는 정책을 도출할 수 있다. 광범위한 시뮬레이션을 통해 제안하는 기법이 반복적인 수행을 통해 최 적의 정책으로 수렴해 나가는 것을 관찰하였다. 제안한 알고리즘은 비교에 사용된 기존 전송 방법과 비교하여 Slotted ALOHA 프로토콜 기준 높은 전송율과 더불어 낮은 지연을 달성함을 보였다.