Академический Документы
Профессиональный Документы
Культура Документы
Descripción
La siguiente figura muestra una red vehicular inalámbrica que consiste en diferentes tipos de
enlaces inalámbricos entre un vehículo y la red. La conectividad inalámbrica es necesaria para
admitir una amplia gama de aplicaciones que incluyen conducción autónoma, casos de uso de
seguridad y aplicaciones de pasajeros. Ejemplos de estas aplicaciones son el mantenimiento de
mapas, el análisis estadístico y los servicios en tiempo real, que incluyen señalización de tráfico,
advertencias de peligro, condiciones ambientales y de flujo de tráfico. El video será una parte
integral de estas aplicaciones y puede ser de diferentes tipos, incluyendo:
● Transmisión de video, por ejemplo, transmisión de películas a dispositivos portátiles de los
pasajeros
● Video conversacional, por ejemplo, videoconferencia entre los pasajeros y otros
● Realidad aumentada, por ejemplo, visitas turísticas por los pasajeros
● Filmación de cámaras tipo Street View, por ejemplo, creación de mapas de alta definición en
tiempo real
Con el crecimiento esperado de los vehículos conectados y la variedad de aplicaciones que se
espera que surjan con los mismos, las técnicas tradicionales para proporcionar la QoS requerida
pueden no ser suficientes. Para satisfacer los estrictos requisitos de conectividad de las aplicaciones
de video en redes inalámbricas y para proporcionar el QoE deseado a los usuarios, se requieren
nuevas técnicas basadas en el aprendizaje automático.
Redes vehiculares inalámbricas y aplicaciones de vídeo del vehículo conectados
Arquitectura de alto nivel para entrega de contenido de extremo a extremo en vehículos inalámbricos
El mapa HD se crea al recopilar datos del sensor de cada uno de los vehículos, fusionando los datos
en la nube y luego entregando el resultado final a los vehículos para el consumo. Implica el
procesamiento y la transferencia de gran cantidad de datos generados en cada vehículo con muy
baja latencia y a altas velocidades. Por lo tanto, la optimización de extremo a extremo de la
transmisión de datos es muy importante. El aprendizaje automático será responsable de
1. La clasificación de los de datos estáticos / semi-estáticos / dinámicos basados en la
comprensión del contenido
2. El establecimiento de políticas de QoE para transferir diferentes tipos de datos bajo
restricciones de condiciones de red
3. La medición del QoE final y proporcionar retroalimentación a la red para garantizar que el
requisito de rendimiento final se cumpla de manera constante.