研究人员开发了一种新颖的方法，使用带边特征的图同构网络（GINE）来解决NR-V2X车载通信中继选择的复杂优化问题。该方法将V2X快照建模为有向图，并结合车辆状态、交通需求和无线链路容量，以实现实时中继激活。实验表明，GINE与最优解非常接近，并在保持低推理延迟的同时显著提高了端到端连接性。 AI
影响 这项研究可能为自动驾驶系统带来更可靠、更低延迟的通信。
排序理由 学术论文，详细介绍了使用图神经网络优化车载通信网络的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- GP-MILP
- Graph Isomorphism Networks with Edge Features
- Learning to optimise wind farms with graph transformers
- Mixed Integer Linear Programming
- NR-V2X
- OSM-SUMO-GEMV^2
- vehicle-to-everything
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
