Berlin V2X: A Machine Learning Dataset from Multiple Vehicles and Radio Access Technologies

要約

タイトル：Berlin V2X：複数の車両および無線アクセス技術からの機械学習データセット

要約：

– 無線通信が6Gおよびそれ以降に進化することにより、新しい機械学習（ML）ベースの機能が必要となっている。
– これらの機能により、無線ネットワークコンポーネントが前向きな判断とアクションを実行し、品質を維持することができる。
– 車両および産業通信という新しい用途が現れている。
– 特に、車両通信の分野では、すべてのもの（V2X）スキームがこのような進歩から強く恩恵を受けることができる。
– この観点から、多様なMLベースの研究を可能にする詳細な測定キャンペーンを実施した。
– 結果として得られたデータセットは、GPSによって位置情報が特定されたウルバン環境における様々なセルラー（2つの異なるオペレーターを含む）およびサイドリンク無線アクセス技術における測定を提供する。
– さらに、データは高い時間分解能でラベル付けされ、データを公開し、新しい研究者のオンボーディングを支援するために必要なすべての情報を提供している。
– データの初期解析を提供し、MLが克服する必要がある課題や、MLが利用できる機能、および潜在的な研究課題の一部を示している。

要約(オリジナル)

The evolution of wireless communications into 6G and beyond is expected to rely on new machine learning (ML)-based capabilities. These can enable proactive decisions and actions from wireless-network components to sustain quality-of-service (QoS) and user experience. Moreover, new use cases in the area of vehicular and industrial communications will emerge. Specifically in the area of vehicle communication, vehicle-to-everything (V2X) schemes will benefit strongly from such advances. With this in mind, we have conducted a detailed measurement campaign that paves the way to a plethora of diverse ML-based studies. The resulting datasets offer GPS-located wireless measurements across diverse urban environments for both cellular (with two different operators) and sidelink radio access technologies, thus enabling a variety of different studies towards V2X. The datasets are labeled and sampled with a high time resolution. Furthermore, we make the data publicly available with all the necessary information to support the onboarding of new researchers. We provide an initial analysis of the data showing some of the challenges that ML needs to overcome and the features that ML can leverage, as well as some hints at potential research studies.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI