Mobility based dynamic TXOP for vehicular communication
Notice bibliographique
Résumé
Due to the mobile nature of nodes comprising the vehicular networks in addition to interference and congested network traffic, the design of an efficient MAC network becomes challenging. Moreover, the latency constraints underlying safety application add complexity to this design. The TXOP (Transmit Opportunity) mechanism defined in the IEEE 802.11e is optimized to meet the requirements of a Multimedia Network (voice and audio) but not a vehicular network thus making it unsuitable to be used in a VANet environment. On the other hand, existing MAC algorithms for VANets are designed to overcome some challenges overlooking others. Hence, the merit of this paper lies in developing a MAC mechanism that incorporates in an integrated manner various VANet's challenges while modifying the 802.11e TXOP to meet vehicular conditions. In this work, we propose MoByToP (Mobility Based Dynamic TXOP for VANets). MoByToP is an enhancement mechanism added to the MAC layer to extend the operation of the medium reservation phase. The uniqueness of MoByToP lies in designing a dynamic TXOP to incorporate mobility and QoS (Quality of Service) while considering the transmit data rate of the source vehicle. The proposed protocol was implemented in OMNET++4.1 and extensive experiments demonstrated that the proposed MAC with MoByToP mechanism ensures the reception of QoS messages much faster, more efficient and reliable than existing VANet MAC protocols.
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 | 0,001 | 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 | 0,001 | 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 ».