Context-aware and location-based service discovery protocol for Vehicular Networks: Proof of correctness
Notice bibliographique
Résumé
Recent advances in Intelligent Transportation Systems (ITS) and the growing number of applications in Vehicular Networks (VN) have attracted many researchers. Applications in Vehicular Networks comprise but are not limited to safety applications and convenience applications. Deploying Vehicular Networks widely cannot be accomplished without overcoming the existing research challenges in such networks. Service discovery is one of the main challenges in Vehicular Networks which are characterized by their large scale and high mobility. Existing service discovery techniques for ad hoc networks cannot be applied directly to Vehicular Networks scenarios due to their poor performance and decreased efficiency in Vehicular Networks. In this paper, we present our location-based service discovery protocol for Vehicular Networks (LocVSDP). Our protocol permits the discovery of location-aware and time-sensitive services in Vehicular Networks. Moreover, our LocVSDP protocol improves service discovery efficiency by integrating service information into the network layer and using diverse channels. In our protocol, we present our efficient mechanism that permits to service requesters to find service providers and their routing information simultaneously, which results in overall bandwidth savings. We make use of diverse channels for the exchange of discovery and routing packets, which decreases the congestion on single channels and improves the delay of service discovery. Then, we present our efficient location-based request propagation and an efficient computation of the service reply, based on the specified location of the requested service in the drivers request. We discuss the implementation of our protocol and present its proof of correctness.
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 | 0,001 | 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 ».