Resumen

Los diversos requisitos de servicio en las redes vehiculares han estimulado la investigación para desarrollar tecnologías adecuadas que satisfagan las demandas de los vehículos. En este contexto, el concepto de "network slicing" ha sido considerado como una de las técnicas arquitectónicas más prometedoras para atender los diversos requisitos estrictos de servicio. Sin embargo, la imprevisibilidad del tráfico de servicio de cada segmento causada por los entornos de comunicación complejos conduce a una utilización débil de los recursos asignados al segmentado. Por lo tanto, en este documento, utilizamos una asignación de recursos basada en Long Short-Term Memory (LSTM) para reducir la demora total del sistema. Específicamente, primero formulamos el problema de asignación de recursos de radio como un problema de optimización convexa para minimizar la demora del sistema. En segundo lugar, para reducir aún más la demora, diseñamos una predicción de tráfico basada en Convolutional LSTM (ConvLSTM) para predecir el tráfico de servicios de segmentos complejos en redes vehiculares, que se utiliza

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Requisitos de servicio; Segmentación de red; LSTM; ConvLSTM; Predicción de tráfico; Asignación de recursos
• Keywords:Service requirements; Network slicing; LSTM; ConvLSTM; Traffic prediction; Resource allocation