MétaCan
Menu
Retour à la cohorte
Enregistrement W2085351275 · doi:10.1109/glocom.2012.6503993

Performance analysis of cooperative ADHOC MAC for vehicular networks

2012· article· en· W2085351275 sur OpenAlexaff
Sailesh Bharati, Weihua Zhuang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRetransmissionComputer networkComputer scienceNetwork packetVehicular ad hoc networkWireless ad hoc networkMultiple Access with Collision Avoidance for WirelessThroughputReliability (semiconductor)Media access controlChannel (broadcasting)WirelessAccess controlRouting protocolOptimized Link State Routing ProtocolTelecommunications

Résumé

récupéré en direct d'OpenAlex

The paradigm of vehicular ad-hoc networks (VANETs) emerges as a promising approach to provide road safety, vehicle traffic management, and infotainment applications. Thus, it is important to develop a VANET medium access control (MAC) protocol that provides an efficient and reliable delivery of packets for diverse applications. Cooperative communication, on the other hand, can enhance the reliability of communication links in VANETs, thus mitigating wireless channel impairments due to a poor channel condition. Recently, a cooperative scheme for MAC in VANETs based on time-division multiple access, referred to as Cooperative ADHOC MAC (CAH-MAC), has been proposed [1]. CAH-MAC is an efficient protocol capable of increasing the network throughput by reducing the wastage of time slots. In CAH-MAC, neighboring nodes cooperate by utilizing the unreserved time slots, for retransmission of a packet which failed to reach its target receiver due to a poor channel condition. In this paper, we study the reliability of CAH-MAC in terms of packet transmission delay (PTD) and packet dropping rate (PDR). Through mathematical analysis and computer simulation, we show that CAH-MAC provides reliable communication by decreasing the PTD and PDR as compared with existing approaches.

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 enseignants0,208
Score d'incertitude au seuil0,611

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 GPT0,216
Écart entre enseignants0,207 · 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

Citations26
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

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