本研究提出了一种自主学习的信道状态信息预测框架，解决5G毫米波车辆通信中因高用户流动性导致的频繁波束切换问题。通过结合车辆用户反馈和C-V2X协作感知消息，模型能提前做出波束切换决策，提高预测精度和通信效率。

该研究利用毫米波、5G和车辆通信，通过开发多主体背景学习（MACOL）策略，在重载交通负荷下成功将干扰水平保持在约10%左右。