Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Adaptive Data Aggregation for Car2X - Communication, Transmission Models and Self Learning Systems

 
: Kirschner, Anja
: Krahmer, Felix; Fuchs, Tim; Jiru, Josef

München, 2020, 94 S.
München, TU, Master Thesis, 2020
Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie StMWi
IuK; 0703/685 69/24/15/48/16/4
Englisch
Master Thesis
Fraunhofer IKS ()
adaptive data aggregation; reinforcement learning; safe reinforcement learning; IEEE 802.11p; communication system; Car-to-x; Car2X; Road Side Unit; RSU; self learning system; transmission model

Abstract
Fahrzeuge in Car2X-Netzwerken kommunizieren mit Roadside Units (RSUs), die wiederum Daten sammeln und diese an weitere RSUs weiterleiten. Die größten Herausforderungen dabei sind Skalierbarkeit und Zuverlässigkeit bei gleichzeitig hoher Präzision der Daten. Diese Arbeit nutzt Reinforcement Learning, um ein Modell zu entwickeln, womit die Kommunikation und Datenaggregation zwischen RSUs möglichst gut an diese Ziele angepasst wird. Dabei wird auf die Infrastruktur für RSU-Kommunikation des Fraunhofer IKS aufgebaut, welche wiederum auf dem Netzwerksimulator 3 (ns-3) zum Simulieren von Verkehrsszenarien basiert. Die Arbeit evaluiert Stärken und Schwächen von aktuellen Methoden zur Datenaggregation, arbeitet ein für RSU-Szenarien passendes selbstlernendes System für die Datenaggregation heraus und implementiert dieses, um es in Simulationen zu bewerten. Basierend auf diesen Simulationen werden Reinforcement-Learning-Konzepte erarbeitet und evaluiert. Ein Ausblick wird auch auf die Anwendbarkeit von Assured Reinforced Learning gegeben.

: http://publica.fraunhofer.de/dokumente/N-577864.html