MétaCan
Menu
Retour à la cohorte
Enregistrement W2046372691 · doi:10.1109/giis.2014.6934257

A quality of service model for IEEE 802.11p communication protocol in a smart city

2014· article· en· W2046372691 sur OpenAlexaff
Yamen Y. Nasrallah, Irfan Al‐Anbagi, Hussein T. Mouftah

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésIEEE 802.11pComputer networkComputer scienceQuality of serviceNetwork packetSmart gridLatency (audio)IEEE 802Low latency (capital markets)WirelessBase stationSmart cityThroughputVehicular ad hoc networkEmbedded systemTelecommunicationsWireless ad hoc networkEngineeringInternet of Things

Résumé

récupéré en direct d'OpenAlex

A reliable and time-efficient communication system between vehicles and infrastructure is an indispensable issue in the development of a smart city. The vehicles must have the ability to transmit and receive urgent messages with low latency. Infrastructures such as hospitals and police stations should be equipped with base stations capable of communicating in near real-time fashion with vehicles. In addition to that, in a smart grid scenario, this is especially important between the power charging station and the Electric Vehicles (EVs), Nowadays the best standard that is designed to operate in a vehicular environment is the IEEE 802.11p standard. It is a contention-based Medium Access Control (MAC) protocol that provides Quality of Service (QoS) for Wireless Access in the Vehicular Environment (WAVE). In this paper we propose a low-latency version of this protocol by introducing a finite buffer at the MAC level that momentarily stocks the packets coming from the application layer. Our proposed architecture is modeled with a Markov chain analytical method. Our results show an enhancement in the performance in terms of the end-to-end delay and an improvement in the throughput.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,766
Score d'incertitude au seuil0,435

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,309
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVehicular Ad Hoc Networks (VANETs)Travaux en français237 207