研究人员开发了一个新的框架，使用图神经网络（GNN）来改进城市环境中NR-V2X通信的实时中继选择。该方法将车辆通信状态建模为属性图，与传统的混合整数线性规划（MILP）相比，能够更快地做出决策。实验表明，基于GNN的方法在连接性方面可与MILP相媲美，同时显著缩短了执行时间，使其适用于智慧城市的规模化、实时NR-V2X运行。 AI
影响 这项研究可以为城市环境中自动驾驶车辆提供更可靠、更高效的通信。
排序理由 学术论文，详细介绍了一种针对特定技术问题的AI新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- Connected and Automated Vehicles Symposium
- Federica Mangiatordi
- GEMV2
- Gine
- Graph Neural Networks
- Mixed Integer Linear Programming
- NR-V2X
- Rivers State University of Science and Technology
- sumo
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
