MétaCan
Menu
Retour à la cohorte
Enregistrement W2062306189 · doi:10.1109/lcn.2014.6925829

A stable minimum velocity CDS-based virtual backbone for VANET in city environment

2014· article· en· W2062306189 sur OpenAlexaff
Mohammed Amine Togou, Abdelhakim Hafid, Pratap Kumar Sahu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésVehicular ad hoc networkComputer scienceNetwork packetBroadcasting (networking)Computer networkReliability (semiconductor)Key (lock)DisseminationStability (learning theory)WirelessDistributed computingWireless ad hoc networkComputer securityTelecommunications

Résumé

récupéré en direct d'OpenAlex

For safety applications, fast delivery is the key requirement that broadcasting protocols in VANET must fulfill. To achieve this goal, most of the existing schemes try to select the optimal next forwarder through a distributed contention phase. This latter adds few units of delay at each hop which is substantial in case of multihop transmission. A more pragmatic approach is to build a stable virtual infrastructure, ahead of time, which will be in charge of relaying messages. In this regard, this paper presents the Minimum Stable CDS-based Virtual Backbone, labeled CDS-SVB, which guarantees fast and efficient broadcasting. It selects vehicles with identical velocities to assure stability as well as low dissemination delay, and it deploys acknowledgments to ensure reliability. Simulation results show that CDS-SVB outperforms DBA-MAC in terms of dissemination delay, backbone's lifetime, and packets delivery ratio.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,436
Score d'incertitude au seuil0,898

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,190
Écart entre enseignants0,182 · 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

Citations23
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

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