A Hybrid Video Dissemination Protocol for VANETs
Notice bibliographique
Résumé
Due to stringent requirements of video streaming and the highly dynamic topology of vehicular networks, the designing of an efficient protocol for disseminating high quality video over VANETs has become extremely challenging. A robust and efficient protocol should guarantee the quality of transmitted videos over a network in terms of Quality of Service (QoS) and Quality of user Experience (QoE). Most existing protocols for video streaming over VANETs focus on one aspect of QoS while overlooking others. Besides this, some of these protocols do not consider QoE; hence in some cases, even a very small percentage of packet loss in video networks could lead to provide unusable service. Thus, the goal of this work is to develop an efficient protocol that integrates various promising techniques in an optimal manner in order to support high quality video streaming by way of considering vehicular network peculiarities. This paper proposes a Hybrid Video Dissemination Protocol (HIVE) that deploys a receiver-based relay node selection technique in addition to a MAC congestion control mechanism; this is carried out to avoid high packet collision and latency in respect to vehicle traffic conditions. A combination of these two techniques in an integrated manner provides reasonably high packet delivery ratios. In addition to this, the applying of the Erasure Coding technique on the application layer enhances HIVE performance further by almost no packet loss. This protocol also outperforms the other existing video streaming protocols for VANETs in terms of reconstructed video quality while it complies with scalability and delay requirements for video streaming.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».