Shop : Details
Shop
Details
Benjamin Sliwa
Resource-Efficient Vehicle-to-Cloud Communications Leveraging Machine Learning
Vehicular big data is anticipated to become the "new oil" of the automotive industry. Although the novel vehicle-as-a-sensor paradigm will fuel the emergence of innovative crowdsensing-enabled services, the tremendously increased amount of transmitted data represents a massive challenge for the cellular network infrastructure. More dramatically, the complex vehicular radio propagation environments frequently require to reduce the transmission efficiency in favor of more reliable data transfer, ultimately resulting in a wastage of the limited network resources. This thesis focuses on the development and analysis of novel solution approaches that utilize end-edge intelligence mechanisms at the client devices for vehicle-to-cloud data transfer targeted at delay-tolerant applications. For this purpose, supervised, unsupervised, and reinforcement learning methods are brought together to autonomously detect and exploit favorable transmission opportunities. The results of this thesis show that machine learning-based data rate prediction models are well able to account for the complex interplay of the different logical context domains. As a result, they provide the fundamental information for autonomously learning resource-efficient data transfer policies. As pointed out by a comprehensive real world performance evaluation, the apparently selfish goal of data rate maximization contributes to the good of all and allows to improve the intra-cell coexistence through significantly reducing the number of required network resources per data packet.
Schlagwörter: Machine Learning; Vehicle-to-Cloud; V2X
Dortmunder Beiträge zu Kommunikationsnetzen und -systemen
Herausgegeben von Prof. Dr.-Ing. C. Wietfeld, Dortmund
Band 21
Verfügbare Online-Dokumente zu diesem Titel
Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien.
Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
| Dokument |  | Gesamtdokument | ||
| Dateiart |  | |||
| Kosten |  | 37,35 € | ||
| Aktion |  | Zahlungspflichtig kaufen und download der Datei | ||
| Dokument |  | Inhaltsverzeichnis | ||
| Dateiart | | |||
| Kosten |  | frei | ||
| Aktion |  | Download der Datei | ||
Benutzereinstellungen für registrierte Online-Kunden (Online-Dokumente)
Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.
Benutzer
Nicht angemeldet
Export bibliographischer Daten
Shaker Verlag GmbHAm Langen Graben 15a52353 Düren
Mo. - Do. 8:00 Uhr bis 16:00 UhrFr. 8:00 Uhr bis 15:00 Uhr
Kontaktieren Sie uns. Wir helfen Ihnen gerne weiter.
