Prediction of vehicle dynamics-based aperiodic message generation times in cellular V2X communication

셀룰러 V2X 통신에서 차량역학 기반 비주기적 메시지 발생시점 예측

좁은 ITS(Intelligent Transportation Systems) 대역에서는 채널 혼잡을 피하는 것이 필수적이다. 눈에 띄는 변화가 있을 때만 차량 운동을 보고하는 것은 대역폭 사용을 줄이기 위한 표준화된 접근 방식이다. 그러나 셀룰러 V2X(Vehicle-to-Everything) 통신에서 주기적인 비콘의 빈번한 누락으로 인한 비주기성은 자원 낭비와 자원 스케쥴링의 안정성 문제를 제기한다. 이에 대해 이 논문에서는 자동차의 운동이 물리적 특성에 의해 제약을 받기 때문에 딥러닝 기반 체계로 대부분의 메시지 생성 시간을 정확하게 예측할 수 있다는 것을 보여준다. 제안된 예측 방법은 통상적인 도로주행 시 94.9%의 정확도를 달성한다.