Al-Based Path Selection for Optimizing Voice Call Routing Between 5G and Wired Networks
الكلمات المفتاحية:
الذكاء الاصطناعي، توجيه المكالمات الصوتية، شبكات الجيل الخامسالملخص
تناول هذا البحث استخدام الذكاء الاصطناعي (AI) لتحسين توجيه المكالمات الصوتية عبر شبكات الجيل الخامس والشبكات السلكية. غالبًا ما تفشل أنظمة التوجيه التقليدية في التكيف مع ظروف الشبكة المتغيرة، مما يؤدي إلى ضعف جودة الكلام وارتفاع زمن الوصول وإهدار الموارد. لحل هذه المشكلات، تقدم الورقة نموذجًا لاختيار المسار قائمًا على الذكاء الاصطناعي يستخدم أساليب التعلم الآلي، ولا سيما التعلم التعزيزي، لتحديد مسارات التوجيه المثلى ديناميكيًا بناءً على مقاييس جودة الخدمة (QoS) في الوقت الفعلي مثل زمن الوصول والتذبذب وفقدان الحزم. تم استخدام نهج بحث تجريبي، مع استخدام أدوات محاكاة (مثل NS-3 و OMNET ++) لمحاكاة إعدادات الشبكة الهجينة وتقييم إطار التوجيه المقترح القائم على الذكاء الاصطناعي. أظهرت النتائج أن نموذج الذكاء الاصطناعي عزز بشكل كبير جودة المكالمات الصوتية، وخفض زمن الوصول، وأزال فقدان الحزم، وتفوق في الأداء على أنظمة التوجيه القياسية في ظل إعدادات المحاكاة. وتختتم الورقة باقتراحات عملية لنشر التوجيه القائم على الذكاء الاصطناعي في البنية التحتية للاتصالات في العالم الحقيقي، مع التركيز على قابلية التوسع للنموذج ومرونته ودقة التنبؤ.
التنزيلات
المراجع
1. Mahajan, S., Harikrishnan, R., & Kotecha, K. (2022). Adaptive routing in wireless mesh networks using hybrid reinforcement learning algorithm. IEEE Access, 10, 107961-107979.
2. Kapounová, J., Kostolányová, K., & Pavlíček, J. (2006). Theoretical Concepts, Sources and Technical Background of E-learning. The New Educational Review, 8, 97-106.
3. Metin, T., Emmelmann, M., Corici, M., Jungnickel, V., Kottke, C., & Müller, M. (2020, December). Integration of optical wireless communication with 5G systems. In 2020 IEEE Globecom Workshops (GC Wkshps (pp. 1-6). IEEE.
4. Zhang, Y., Xu, Q., Guan, X., Chen, C., & Li, M. (2022). Wireless/wired integrated transmission for industrial cyber-physical systems: risk-sensitive co-design of 5G and TSN protocols. Science China Information Sciences, 65(1), 110204
5. Gupta, A., & Jha, R. K. (2015). A survey of 5G network: Architecture and emerging technologies. IEEE access, 3, 1206-1232.
6. Shakir, A., Alsaqour, R., Abdelhaq, M., Alhussan, A., Othman, M., & Mahdi, A. (2019). Novel method of improving quality of service for voice over internet protocol traffic in mobile ad hoc networks. International Journal of Communication Networks and Information Security, 11(3), 331-341.
7. Mebawondu, J. O., Dahunsi, F. M., & Adewale, O. S. (2020). Hybrid intelligent model for real time assessment of voice quality of service. Scientific African, 9, e00491.
8. Suhm, B. (2008). IVR Usability Engineering using Guidelines and Analyses of end-to-end calls. In Human factors and voice interactive systems (pp. 1-41). Boston, MA: Springer US.
9. Zahary, A. T., & Adam, A. O. (2020). An Analytical study to Calibrate Quality of Service and Security Parameters of Voice Transmission over IPSec (QSVoIP) for Maximum Number of Calls with Acceptable Voice Quality. Saba J. Info. Technology and Networking, 7(2), 2312-4989.
10. Wah, P. K., Murty, K. G., Joneja, A., & Chiu, L. C. (2002). Tool path optimization in layered manufacturing. Iie Transactions, 34(4), 335-347.
11. ing, N., Huang, Y. W., & Rundensteiner, E. A. (1996, November). Hierarchical optimization of optimal path finding for transportation applications. In Proceedings of the Fifth international Conference on information and Knowledge Management (pp. 261-268).
12. Mishra, C., & Gupta, D. L. (2017). Deep machine learning and neural networks: An overview. IAES international journal of artificial intelligence, 6(2), 66.
13. Zhao, L., Li, F., Sun, D., & Zhao, Z. (2024). An improved ant colony algorithm based on Q-Learning for route planning of autonomous vehicle. International Journal of Computers Communications & Control, 19(3).
14. Zhang, S., Lei, W., Zhang, W., Zhan, Y., & Li, H. (2020). An online learning based path selection for multipath real‐time video transmission in overlay network. Transactions on Emerging Telecommunications Technologies, 31(11), e4131.Real-time path selection and decision-making mechanisms
15. Srinivasan, K. K., & Mahmassani, H. S. (2000). Modeling inertia and compliance mechanisms in route choice behavior under real-time information. Transportation Research Record, 1725(1), 45-53.
16. Ulanowicz, R. E. (2002). The balance between adaptability and adaptation. Biosystems, 64(1-3), 13-22.
17. Kelton, W. D. (2000, December). Experimental design for simulation. In 2000 Winter Simulation Conference Proceedings (Cat. No. 00CH37165) (Vol. 1, pp. 32-38). IEEE.
18. Das, S. R., Castaneda, R., & Yan, J. (2000). Simulation‐based performance evaluation of routing protocols for mobile ad hoc networks. Mobile networks and applications, 5(3), 179-189.
19. Wang, Q., & Chatwin, C. R. (2005). Key issues and developments in modelling and simulation-based methodologies for manufacturing systems analysis, design and performance evaluation. The International Journal of Advanced Manufacturing Technology, 25(11), 1254-1265.
20. Tudzarov, A., & Janevski, T. (2011). Functional architecture for 5G mobile networks. International Journal of Advanced Science and Technology, 32, 65-78.
21. Taruk, M., Budiman, E., Rustam, M. R., Azis, H., & Setyadi, H. J. (2018, November). Quality of service voice over internet protocol in mobile instant messaging. In 2018 2nd East Indonesia Conference on Computer and Information Technology (EIConCIT) (pp. 285-288). IEEE.
22. Ramli, K. D. N. R. (2014). Application of artificial intelligence methods of tool path optimization in CNC machines: A review. Research Journal of Applied Sciences, Engineering and Technology, 8(6), 746-754.
23. Das, S. R., Castaneda, R., & Yan, J. (2000). Simulation based performance evaluation of mobile, ad hoc network routing protocols. ACM/Baltzer Mobile Networks and Applications (MONET) Journal, 5(3), 179-189.
24. Chen, Y., Sambo, Y. A., Onireti, O., & Imran, M. A. (2022). A survey on LPWAN-5G integration: Main challenges and potential solutions. Ieee Access, 10, 32132-32149.
25. Sleiman, J. P., Farshidian, F., & Hutter, M. (2021, May). Constraint handling in continuous-time ddp-based model predictive control. In 2021 IEEE International Conference on Robotics and Automation (ICRA) (pp. 8209-8215). IEEE.
26. Avelar, E., Marques, L., dos Passos, D., Macedo, R., Dias, K., & Nogueira, M. (2015). Interoperability issues on heterogeneous wireless communication for smart cities. Computer Communications, 58, 4-15.
27. Zhao, L., Li, F., Sun, D., & Zhao, Z. (2024). An improved ant colony algorithm based on Q-Learning for route planning of autonomous vehicle. International Journal of Computers Communications & Control, 19(3).
التنزيلات
منشور
إصدار
القسم
الرخصة
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
