АИ-Дривен Оптимизация в реальном масштабе времени в сетях " умные городские NR-V2X &qt; с помощью сетей &qot; Обучение - до−оптимиз Граф неуральные сети &€сноза

arXiv:2609.20271/v1 Annualce Type: New Humber Abstract: Надежное и низколатентное сообщение является основополагающим требованием для умных городских услуг и 4.0 приложений в промышленности, созданных сетями NR-V2X. Вместе с тем ограниченное развертывание дорожно-транспортного подразделения (РСС) и сложные условия распространения информации в городах зачастую мешают поддержанию стабильной связи между подсоединенными и автоматизированными транспортными средствами. В настоящем документе предлагается ориентированная на АИ система " Обучение в−оптимизме (L2O) &qt; , основывающаяся на графических невральных сетях (ГНН), для отбора многофункциональных реле в режиме реального времени в системах NR-V2X. Автотранспортная сеть смоделирована как график, где узлы представляют CAV и RSU, а края кодируют характеристики радиосвязи. Формула офлайнового смешанного программирования (MILP) обеспечивает оптимальные ретрансляторные решения, используемые в качестве надзора за подготовкой кромчатой сети Графа изоморфизма с эдж-видами (GINE). Широкие эксперименты с реалистичными городскими наборами данных показывают, что предлагаемый подход обеспечивает практически оптимальные возможности для подключения на основе перфо.