5G networks provide higher flexibility and improved performance compared to previous cellular technologies. This has raised expectations on the possibility to support advanced V2X services using the cellular network via Vehicle-to-Network (V2N) and V2N2V connections. Replacing direct V2V connections by V2N/V2N2V communications to support critical V2X services requires low V2N/V2N2V latencies. It is then necessary to quantify the latency values that V2N and V2N2V connections can achieve over 5G end-to-end (E2E) connections, but these depend on the particular 5G network deployments and configurations and to date the number of related studies is limited. This paper progresses the state-of-the-art by introducing a novel E2E latency model to quantify the latency of 5G V2N/V2N2V communications. The model includes the latency introduced at the radio, transport, core, Internet, peering points and application server (AS) for single MNO and multi-MNO scenarios. This paper estimates the E2E latency for a large variety of possible 5G network deployments that are being discussed or envisioned to support V2X services. This includes the possibility to deploy the V2X AS from the edge of the network to the cloud. The model is utilized to analyze the impact of different 5G network deployments and configurations on the E2E latency. The analysis helps identify which 5G network deployments and configurations are more suitable to meet V2X latency requirements. The conducted analysis highlights the challenge for centralized network deployments that locate the V2X AS at the cloud to meet the latency requirements of advanced V2X services. Locating the V2X AS closer to the cell edge reduces the latency. However, it requires a higher number of ASs and also a careful dimensioning of the network and its configuration to ensure sufficient network and AS resources are dedicated to serve the V2X traffic.


翻译:5G 网络提供更高的灵活性和更好的性能,这提高了人们对利用车辆到网络(V2N)和V2N2V连接的蜂窝网络支持先进的V2X服务的可能性的预期。用V2N/V2N2V的通信替换直接V2VV连接以支持关键的V2X服务需要低V2N/V2N2V的延迟时间。然后,必须量化V2N和V2N2V的连接能够达到5G端到终端(E2E)连接的延迟值。但是,这取决于特定5G网络的部署和配置,以及相关研究的日期是有限的。本文通过引入新的 E2E2E 透明网络连接模型来量化5G V2N/V2N2V的延迟时间。这个模型包括了在无线电、运输、核心、互联网、对等点和应用服务器上引入的延迟度,对于单一的MNO和多MNO的高级设想方案来说,它们要满足5X的延迟部署需要。 本文估计了E2G 网络的快速部署(VX) 网络的配置和对5X 系统进行充分的分析。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
28+阅读 · 2019年10月18日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Over-The-Air Clustered Wireless Federated Learning
Arxiv
0+阅读 · 2022年11月8日
Towards 5G Zero Trusted Air Interface Architecture
Arxiv
0+阅读 · 2022年11月7日
VIP会员
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
相关基金
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员