5G Network Slicing Resource Allocation Optimization in V2X Environments: A PPO-Based Adaptive Inter-Slice Sharing Mechanism

Abstract

The advent of Fifth Generation (5G) and the emergence of network slicing have enabled multiple logical networks to coexist on a shared physical infrastructure, each tailored to heterogeneous services with distinct QoS requirements, such as eMBB, URLLC, and mMTC. Efficiently allocating radio, computing, and transport resources across slices while preserving strict performance isolation remains a major challenge. Static resource allocation guarantees isolation but leads to underutilisation, whereas dynamic sharing improves efficiency at the risk of violating service level agreements. This thesis conducts a systematic comparative study of representative resource allocation strategies for 5G network slicing, namely heuristic, optimisation-based, and learning-driven approaches, all evaluated under identical simulation conditions considering dynamic V2X traffic, multiple slice types, and real-time overload events. It further proposes an adaptive intra-slice resource sharing mechanism based on PPO, incorporating a continuous action space, a constrained Lagrangian reward function, and a five-pass admission controller that enforces handover priority. The mechanism is implemented in ns-3 and SUMO and compared against four baselines across five traffic intensity levels. Results show that the proposed PPO agent achieves up to 99% resource utilisation and maintains handover drop probability below 6.7% even at the highest traffic load. The Lagrange multiplier framework effectively prevents donor slice degradation while enabling aggressive bandwidth redistribution, and the continuous action space enables finer-grained allocation decisions than prior DQL-based approaches. Practical guidelines for strategy selection and open challenges for future research in dynamic resource management for 5G network slicing are also identified.***

L’avènement de la Fifth Generation (5G) et l’émergence du découpage de réseau (network slicing) permettent à plusieurs réseaux logiques de coexister sur une même infrastructure physique partagée, chacun étant adapté à des services hétérogènes aux exigences de qualité de service distinctes, telles que l’eMBB, l’URLLC et le mMTC. L’allocation efficace des ressources radio, de calcul et de transport entre les tranches tout en préservant un isolement strict des performances reste un défi majeur. L’allocation statique garantit l’isolement mais conduit à une sous-utilisation des ressources, tandis que le partage dynamique améliore l’efficacité au risque de violer les accords de niveau de service. Cette thèse présente une étude comparative systématique des stratégies d’allocation de ressources pour le découpage de réseau 5G, à savoir les approches heuristiques, basées sur l’optimisation et pilotées par l’apprentissage, toutes évaluées dans des conditions de simulation identiques prenant en compte un trafic V2X dynamique, plusieurs types de tranches et des événements de surcharge en temps réel. Elle propose également un mécanisme adaptatif de partage de ressources intra-tranches basé sur l’algorithme PPO, intégrant un espace d’actions continu, une fonction de récompense lagrangienne contrainte, et un contrôleur d’admission à cinq passes assurant la priorité des handovers. Le mécanisme est implémenté dans ns-3 et SUMO et comparé à quatre approches de référence sur cinq niveaux d’intensité de trafic. Les résultats montrent que l’agent PPO proposé atteint jusqu’à 99% d’utilisation des ressources et maintient la probabilité de rejet des handovers en dessous de 6, 7% même au niveau de trafic le plus élevé. Le cadre des multiplicateurs de Lagrange prévient efficacement la dégradation des tranches prêteuses tout en permettant une redistribution agressive de la bande passante, et l’espace d’actions continu permet des décisions d’allocation plus fines que les approches DQL antérieures. Des recommandations pratiques pour la sélection de stratégie et les défis ouverts pour la recherche future sont également identifiés.