Energy Provisioning in Green Mesh Networks Using Positional Awareness
Notice bibliographique
Résumé
Untethered vehicular roadside infrastructure will eventually be deployed using various energy sustainable designs. In the solar-powered case, cost-effective nodes must be provisioned with a combination of a solar panel and a battery, which is sufficient to prevent future node outage. During the network design phase, a bandwidth usage profile (BUP) is assumed, and historical solar insolation traces are used to determine the minimum-cost provisioning that is required for each network node. In practical systems, however, there are usually restrictions in the way that the nodes can be positioned, and this results in a time-varying and node-dependent attenuation of the available solar energy. Unfortunately, conventional resource provisioning methods cannot take this into account; therefore, the deployed system may be unnecessarily expensive. In this paper, the resource provisioning problem is considered from this point of view. We first review conventional resource provisioning mechanisms and give an example that shows the value of introducing positional solar insolation awareness. A provisioning algorithm is then introduced that takes known positional variations into consideration when performing the energy provisioning. A variety of results are then presented, which show that reductions in total network provisioning cost can be obtained using the proposed methodology, compared with conventional algorithms. The proposed algorithm also performs very well compared with a linear programming formulation, which gives lower bounds on the node resource provisioning cost assignments.
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 | 0,001 | 0,001 |
| 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 ».