A Reinforcement Learning-Based PQoS Framework for V2X Networks in NS-3
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
The emergence of the sixth-generation mobile networks (6G) introduces massive ultra-reliable and low-latency communications (mURLLC), critical for applications like teleoperated driving, which demand ultra-high reliability and sub-50 ms latency. This paper addresses the challenge of Predictive Quality of Service (PQoS) in Vehicle-to-Everything (V2X) networks by proposing a Reinforcement Learning (RL)-based framework. Using Deep Q-Learning (DQN) and Network Simulator 3 (ns-3), we design a teleoperated driving scenario aligned with 6G requirements. Our results show that the RL framework achieves an optimal balance between Quality of Service (QoS) and Quality of Experience (QoE), outperforming baseline solutions.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- A Reinforcement Learning-Based PQoS Framework for V2X Networks in NS-3
- Date Crossref
- 14/03/2025
- Éditeur
- ACM
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Sun Yat-sen University pays non établi dans la noticeUniversité ou école supérieure
Sun Yat-sen University.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.