AI-Driven, Predictive QoS for V2X Communications in 5G and beyond.

Το τεκμήριο παρέχεται από τον φορέα :
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών   

Αποθετήριο :
Πέργαμος   

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



AI-Driven, Predictive QoS for V2X Communications in 5G and beyond.

Μαρούλης Νικόλαος (EL)
Maroulis Nikolaos (EN)

born_digital_postgraduate_thesis
Διπλωματική Εργασία (EL)
Postgraduate Thesis (EN)

2021


Με το ξεκίνημα της εποχής της συνδεδεμένης και αυτοματοποιημένης κινητικότητας με δυνατότητα 5G, έχουν προκύψει καινοτόμες υπηρεσίες Vehicle-to-Everything προς ασφαλέστερη και αυτοματοποιημένη οδήγηση. Οι απαιτήσεις που απορρέουν από αυτές τις υπηρεσίες θέτουν πολύ αυστηρές προκλήσεις στο δίκτυο κυρίως όσον αφορά την καθυστέρηση από άκρο σε άκρο και την αξιοπιστία των υπηρεσιών. Ταυτόχρονα, η τεχνητή νοημοσύνη εντός δικτύου που αναδύεται, αποκαλύπτει μια πληθώρα νέων δυνατοτήτων του δικτύου να ενεργεί με προληπτικό τρόπο προς την ικανοποίηση των προαναφερθέντων μεγάλων απαιτήσεων. Αυτή η διατριβή παρουσιάζει το PreQoS, έναν προγνωστικό μηχανισμό Ποιότητας Υπηρεσιών που εστιάζει στις υπηρεσίες Οχήματος-προς-Όλα (V2X). Το PreQoS είναι σε θέση να προβλέψει έγκαιρα συγκεκριμένες μετρήσεις Ποιότητας Υπηρεσιών, όπως ο ρυθμός δεδομένων uplink and downlink και η καθυστέρηση από άκρο σε άκρο, προκειμένου να προσφέρει το απαιτούμενο χρονικό διάστημα στο δίκτυο για την πιο αποτελεσματική κατανομή των πόρων του. Επιπλέον, η προληπτική διαχείριση αυτών των πόρων επιτρέπει στις αντίστοιχες υπηρεσίες και εφαρμογές του Οχήματος προς Όλα να εκτελούν εκ των προτέρων τυχόν ενδεχόμενες προσαρμογές που σχετίζονται με την Ποιότητα Υπηρεσιών. Η αξιολόγηση του προτεινόμενου μηχανισμού με βάση ένα ρεαλιστικό, προσομοιωμένο, συνδεδεμένο και αυτοματοποιημένο περιβάλλον κινητικότητας αποδεικνύει τη βιωσιμότητα και την εγκυρότητα μιας τέτοιας προσέγγισης. (EL)
On the eve of 5G-enabled Connected and Automated Mobility, challenging Vehicle-to-Everything services have emerged towards safer and automated driving. The requirements that stem from those services pose very strict challenges to the network primarily with regard to the end-to-end delay and service reliability. At the same time, the in-network Artificial Intelligence that is emerging, reveals a plethora of novel capabilities of the network to act in a proactive manner towards satisfying the aforementioned challenging requirements. This thesis presents PreQoS, a predictive Quality of Service mechanism that focuses on Vehicle-to-Everything services. PreQoS is able to timely predict specific Quality of Service metrics, such as uplink and downlink data rate and end-to-end delay, in order to offer the required time window to the network to allocate more efficiently its resources. On top of that, the proactive management of those resources enables the respective Vehicle-to-Everything services and applications to perform any potential Quality of Service-related required adaptations in advance. The evaluation of the proposed mechanism based on a realistic, simulated, Connected and Automated Mobility environment proves the viability and validity of such an approach. (EN)

Τεχνολογία – Πληροφορική

Τεχνολογία – Πληροφορική (EL)
Technology - Computer science (EN)

Αγγλική γλώσσα

Βιβλιοθήκη και Κέντρο Πληροφόρησης » Βιβλιοθήκη Σχολής Θετικών Επιστημών » Πληροφορική
Σχολή Θετικών Επιστημών » Τμήμα Πληροφορικής & Τηλεπικοινωνιών » ΠΜΣ Πληροφορική και Τηλεπικοινωνίες » Κατεύθυνση / ειδίκευση Διαχείριση Πληροφορίας και Δεδομένων (ΔΕΔ)

https://creativecommons.org/licenses/by-nc/4.0/




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.