Asymptotic Throughput Capacity Analysis of VANETs Exploiting Mobility Diversity
Notice bibliographique
Résumé
Vehicular ad hoc networks (VANETs) rely on intervehicle relay to extend the communication range of individual vehicles for message transmissions to roadside units (RSUs). With the presence of a large number of quickly moving vehicles in the network, the end-to-end transmission performance from individual vehicles to RSUs through intervehicle relaying is, however, highly unreliable due to the violative intervehicle connectivity. As an effort toward this issue, this paper develops an efficient message routing scheme that can maximize the message delivery throughput from vehicles to RSUs. Specifically, we first develop a mathematical framework to analyze the asymptotic throughput scaling of VANETs. We demonstrate that in an urban-like layout, the achievable uplink throughput per vehicle from vehicle to RSUs scales as Θ(1/ log n) when the number of RSUs scales as Θ(n/log n) with n denoting vehicle population. By noting that the network throughput is bottlenecked by the unbalanced data traffic generated by hotspots of realistic urban areas, which may overload the RSUs nearby, a novel packet-forwarding scheme is proposed to approach the optimal network throughput by exploiting the mobility diversity of vehicles to balance the data traffic across the network. Using extensive simulations based on realistic traffic traces, we demonstrate that the proposed scheme can improve the network throughput approaching the asymptotic throughput capacity.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| 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 ».