| 摘要:为解决智能交通传感网中因规模扩大导致的数据传输延迟和资源分配不均问题,提出智能交通传感网大规模资源最小时延调度方法。利用长短期记忆网络(Long Short-Term Memory,LSTM)模型预测传感器能耗,结合资源特征,实施大规模资源分解。并依据资源包优先级和链路带宽,基于深度Q网络(Deep Q-Network,DQN)算法构建调度模型,通过迭代网络层的调度方案价值评估和记忆层的高价值调度决策存储与回放,获取价值最高的最优最小时延调度方案。实验结果显示,该方法在真实交通环境下降低了网络误码率,网络误码率最大值不超过0.000001,节省的能量均值高达27.4J,且资源成本也较低。这说明,所提方法能够提升智能交通传感网的通信效率、可靠性和资源利用效率。 |
| 关键词: 智能交通系统 最小时延调度 DQN算法 大规模资源 有效时间 资源调度 |
|
|
|
|
| Abstract: |
| Key words: |