[論文レビュー] Semantic Communication for Internet of Vehicles: A Multi-User Cooperative Approach

Wenjun Xu, Yimeng Zhang+4 more|arXiv (Cornell University)|Dec 6, 2022

IoT and Edge/Fog Computing被引用数 5

ひとこと要約

本稿は、複数ユーザーの意味的相関を活用してデータトラフィックと無線リソース使用量を削減する、インテリジェント・オートモーティブ・ネットワーキング（IoV）向けに協調的意味的通信（Co-SC）アーキテクチャを提案する。意味的符号化と協調的共同ソースチャネル符号化を統合最適化することで、低SNR環境下でも優れた性能を達成し、従来手法と比較して伝送オーバーヘッドを最大99.9％削減するとともに、意味的再構成精度と画像検索精度を向上させる。

ABSTRACT

Internet of Vehicles (IoV) is expected to become the central infrastructure to provide advanced services to connected vehicles and users for higher transportation efficiency and security. A variety of emerging applications/services bring explosively growing demands for mobile data traffic between connected vehicles and roadside units (RSU), imposing the significant challenge of spectrum scarcity to IoV. In this paper, we propose a cooperative semantic-aware architecture to convey essential semantics from collaborated users to servers for lowering the data traffic. In contrast to current solutions that are mainly based on piling up highly complex signal processing techniques and multiple access capabilities in terms of syntactic communications, this paper puts forth the idea of semantic-aware content delivery in IoV. Specifically, the successful transmission of essential semantics of the source data is pursued, rather than the accurate reception of symbols regardless of its meaning as in conventional syntactic communications. To assess the benefits of the proposed architecture, we provide a case study of the image retrieval task for vehicles in intelligent transportation systems. Simulation results demonstrate that the proposed architecture outperforms the existing solutions with fewer radio resources, especially in a low signal-to-noise-ratio (SNR) regime, which can shed light on the potential of the proposed architecture in extending the applications in extreme environments.

研究の動機と目的

• 接続された車両およびRSUからの爆発的増加するモバイルデータ成長に起因する、IoVにおけるスペクトル不足の問題に対処すること。
• 不要で意味の関係のないデータを伝送する従来の文法的通信の非効率性を克服すること。
• 複数の車両間の意味的相関を活用して、通信効果を損なわずに伝送オーバーヘッドを最小限に抑えること。
• 共同ソースおよびチャネル符号化を統合最適化する協調的で意味的認識を持つアーキテクチャを構築し、車両ネットワークにおける耐障害性と効率性を向上させること。
• 意味的通信の実用可能性と優位性を、画像検索などの実世界のIoVアプリケーションで実証すること。

提案手法

• 複数の車両から抽出・送信する必須の意味的情報を中央サーバーに送信する協調的意味的通信（Co-SC）アーキテクチャを提案する。
• ユーザー間の意味的相関を活用して冗長性を排除する協調的共同ソース・チャネル（JSC）符号化方式を導入する。
• 深層学習ベースの意味的エンコーダ/デコーダを用いて、画像からタスク関連の特徴（例：車両識別子）を抽出し、関係のない背景情報をフィルタリングする。
• 共有無線チャネルを用いた協調伝送を実装し、受信側がノイズに強く、個々のユーザーの意味的情報をより高い耐障害性で再構成できるようにする。
• 意味的符号化とチャネル符号化を統合最適化するフレームワークを設計し、歪みを最小限に抑えながら無線リソース使用量を削減する。
• 実世界のチャネルモデルを用いたインテリジェント交通システムにおける画像検索の事例研究を通じて、アーキテクチャの有効性を検証する。

実験結果

リサーチクエスチョン

• RQ1 従来の文法的伝送と比較して、協調的意味的通信は、複数ユーザーのIoV環境下でデータトラフィックを顕著に削減できるか？
• RQ2 低SNR条件下でユーザー間の意味的相関を活用することで、システム性能はどのように向上するか？
• RQ3 意味的認識伝送は、タスク精度を維持または向上させながら、無線リソース消費をどの程度削減できるか？
• RQ4 協調的JSC符号化方式は、独立伝送と比較して意味的再構成の耐障害性をどのように向上させるか？
• RQ5 画像検索タスクにおいて、Co-SCは既存の意味的通信および従来の通信手法に比べてどの程度の性能向上を達成するか？

主な発見

• Co-SCは、伝送シンボルの平均数を、JPEG+LDPC+BPSKの約310,000およびSoftCastの約260,000からわずか16シンボルにまで削減し、データトラフィックを99.9％削減した。
• -3 dB SNRにおいて、Co-SCは融合なしのCo-SC（Co-SC w/o fusion）と比較して、ランク1精度が2.4％高く、mAPが8.3％高い。これは意味的統合の利点を示している。
• 低SNR環境下では、協調的JSCデコーダが独立JSCデコーダを著しく上回り、SNRが上昇するに従いMSEの低下が著しく速い。
• Co-SCは、DL-Sおよび従来手法と比較して、意味的再構成および画像検索性能が優れており、特に低SNR条件下で顕著な優位性を示す。
• 提案アーキテクチャは、最小限の無線リソースで高い性能を維持でき、劣悪なチャネル品質の極限環境下でも効果的であることを実証した。
• システムは、追加の伝送オーバーヘッドを要せず意味的相関を活用できることを示しており、耐障害性と効率性の向上に寄与している。