PulseAugur
中
实时 08:37:07
English(EN) AI-Driven Multi-Hop Relay Selection for Smart Urban NR-V2X Networks via Learning-to-Optimize Graph Neural Networks

AI驱动的GNN优化城市V2X中继选择

作者 PulseAugur 编辑部 · [1 个来源] ·

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]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI驱动的GNN优化城市V2X中继选择

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Giambattista Amati, Federica Mangiatordi, Simone Angelini, Emiliano Pallotti, Pierpaolo Salvo ·

    基于学习优化图神经网络的AI驱动型智能城市NR-V2X网络多跳中继选择

    arXiv:2607.20554v1 Announce Type: new Abstract: Reliable and low-latency NR-V2X communications are essential for smart mobility in dense urban environments. However, limited Road-Side Unit (RSU) density, frequent non-line-of-sight conditions, and highly dynamic vehicular topologi…

相关实体

相关话题