Publikationen

Mit dem rasanten Wachstum des Video-Streaming-Verkehrs in den letzten Jahren ist die Optimierung der Bereitstellung von Inhalten für die Anbieter von Streaming-Diensten von entscheidender Bedeutung geworden. Die Entlastung der sogenannten Content Delivery Networks (CDN) ist ein zentrales Anliegen und daher ist eine effiziente Cache-Verwaltung von zentraler Bedeutung. Gleichzeitig ist es wichtig, eine hohe Qualität bei optimaler Nutzung der Ressourcen aufrechtzuerhalten. Um dieses Hindernis zu beseitigen, wird in dieser Arbeit ein Cachemodell vorgeschlagen, das eine Mischung aus einer Technik zur Verwaltung des Netzwerkverkehrs namens HeavyKeeper und einer hochmodernen Cache-Räumungspolitik namens TinyLFU einsetzt. TinyLFU nutzt die Bloom-Filter-Theorie, um ein Element als Gewinner oder Verlierer zu deklarieren und es dementsprechend im Cache zu belassen oder es daraus zu entfernen. Der HeavyKeeper, der Teil des Verbunds ist, identifiziert außerdem, ob es sich bei dem Cache-Gewinner oder -Verlierer um einen sogenannten "Heavy Hitter" handelt. Der Identifizierungsprozess erfolgt über ein gewichtsbasiertes System, das die Komponenten Häufigkeit, Aktualität und Datenvolumen des Datensatzes gewichtet. Auf der Grundlage dieses doppelten Filterungsprozesses werden die am meisten benötigten Elemente im Cache gespeichert. Wenn ein Medienmanifest angefordert wird, wird zunächst überprüft, ob es sich im Cache befindet. Wenn das Element nicht im Cache vorhanden ist, wird es an das CDN weitergeleitet. Um das vorgeschlagene Cachemodell zu bewerten, wurde ein Simulations-Setup mit fünf anderen Cache-Richtlinien installiert. Die Simulation wird in drei verschiedenen Szenarien durchgeführt. Bei der Bewertung mit einer erhöhten Anzahl von Benutzeranfragen schneidet das vorgeschlagene Cachemodell besser als die anderen bestehenden und traditionellen Cache-Räumungsstrategien ab. Simulationen mit den beiden anderen Szenarien lassen auf Verbesserungsmöglichkeiten schließen, doch die aufgezeichneten Cache-Trefferquoten bewegen sich mit dem neuartigen Cachemodell in Richtung einer überdurchschnittlichen bis mittelmäßigen Leistung. Mit entsprechenden Anpassungen bei der Gewichtung und der Anzahl der Heavy Hitter könnte die Cache-Performance des vorgeschlagenen Cache-Modells ausgereift werden und die anderen Cache-Räumungsstrategien übertreffen. Darüber hinaus leistet die Arbeit auch einen Beitrag zur Zeitreihenvorhersage und -analyse, die für das Verständnis des Streaming-Verkehrsverhaltens von Bedeutung ist. Die Verkehrsanalyse ermöglicht die Zwischenspeicherung geeigneter Medieninhalte zu geeigneten Zeitpunkten, wodurch die Betriebskosten und der Bandbreitenverbrauch gesenkt werden können. Das vorgeschlagene Cachemodell erweist sich als effektiver Kandidat für eine Cache-Räumungspolitik und mit der entsprechenden Verfeinerung kann es als Basis für kommende Herausforderungen und Innovationen im Videostreaming dienen.

The extension of low-earth orbit (LEO) services to non-terrestrial mobile communications has huge potential for eliminating network white spots and providing high-speed, low-latency links with worldwide geographic coverage. State-of-the-art user terminals for mobile platforms are too large for integration into a passenger vehicle. Antenna elements loaded with a dielectric superstrate could potentially lead to a considerable miniaturization of the user terminal. As per link budget calculations, an array with a gain of 27 dBi is necessary to ensure a throughput of 25 Mbps in the downlink at the Ku-band. A conventional array with a gain of 6 dBi per element, assuming a 12 × 12 arrangement with half-wavelength spacing, would require a footprint of 36 λ2 at 10 GHz to achieve this target and appears unsuitable for automotive integration. This paper proposes a low-profile, dual-band, dual-polarized, vertically stacked patch antenna with superstrate loading and shows that the inclusion of the superstrate improves the antenna’s gain by at least 3 dB. Therefore, compared to a conventional array, a superstrate-loaded array would need only half of the number of elements to meet the target gain, thus occupying only half of the surface area, and offers better integration for automotive applications. Requiring half of the number of elements also implies considerably reduced design complexity and cost.

In dieser Arbeit wird anhand von Recherchen ein Leitfaden zum Aufbau eines 5G-Campusnetzes erstellt. In der heutigen Zeit wird die mediale Kommunikation zwischen Menschen, Mensch-Maschine sowie Maschine zu Maschine immer relevanter. Da die Anzahl von vernetzten Geräten in bestimmten Bereichen stark zunimmt, ist die Weiterentwicklung des Mobilfunks unerlässlich. Mit der fünften Generation des Mobilfunks (5G) gibt es nun auch die Möglichkeit eines Campusnetzes. Dabei handelt es sich um ein räumlich begrenztes Netz. Die Gestaltung eines solchen 5G-Campusnetzes kann in vielen Varianten umgesetzt werden. Beispielsweise kann es in einem völlig abgekapselten Netz mit eigener Konfiguration und Verwaltung realisiert werden. Auch ist es möglich, einen abgetrennten Bereich innerhalb eines bestehenden Mobilfunknetzes zu nutzen. In diesem Fall ist der Anbieter des Mobilfunknetzes der Verwalter des 5G-Campusnetzes. Weiterhin werden der Ablauf der Beantragung sowie die gesetzlichen und technischen Rahmenbedingungen betrachtet.

This paper proposes a centralized autonomous intersection management scheme for heterogeneous connected vehicles (HCVs). Contributions of this work are as follows. First, we sustainably classify heterogeneous vehicles with their distinctive safety-related characteristics. Second, we conduct a safe and efficient coordination algorithm with respect to some criteria such as vehicle types, road priorities and right of way rules. Third, we consider the impact of different road conditions, vehicle characteristics, load, and braking technology on the system performance. Forth, we demonstrate the efficiency of the system under various traffic densities with symmetric and asymmetric vehicle distribution. Besides, system performance is to be compared with traffic lights (TLs) scenarios in terms of throughput, average travel time (ATT), intersection busy time (IBT), channel busy rate (CBR), and packet loss rate (PLR) in various road conditions.

The radar scattering characteristics of extended objects are an important parameter for perception and tracking algorithms in automated driving tasks. Therefore, high-fidelity sensor models are required to simulate and evaluate typical driving scenarios in virtual testing applications. While the general analysis of typical scattering centers of passenger cars is well studied, there are only a few publicly available reports that analyze specific features of the scattering characteristics of different vehicle types. Hence, this work presents detection distributions derived from systematic measurements for six different vehicle types, conducted with a commercial automotive radar on a proving ground. In particular, the contribution of underbody reflections to the respective radar signatures is analyzed, which are caused by multipath propagation via the road surface. The measurements reveal distinctive differences between the scattering characteristics of different vehicles, which are attributed to the respective underbody geometry.