MétaCan
Menu
Retour à la cohorte
Enregistrement W2121639747 · doi:10.1109/glocom.2010.5683759

Traffic Scheduling for Energy Sustainable Vehicular Infrastructure

2010· article· en· W2121639747 sur OpenAlexaff
Abdulla A. Hammad, Ghada Badawy, T.D. Todd, Amir A. Sayegh, Dongmei Zhao

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceScheduling (production processes)ProvisioningInteger programmingRenewable energyEnergy consumptionLinear programmingWireless ad hoc networkComputer networkDistributed computingMathematical optimizationWirelessTelecommunicationsEngineeringAlgorithmElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Roadside infrastructure can be used provide a wide variety of commercial services in vehicular ad hoc networks. One particular challenge is that of providing roadside radio coverage in highway locations where wired electricity is not available. In this case, roadside access points (APs) powered by renewable energy such as solar power, is a viable alternative. The cost of provisioning this type of roadside infrastructure is dependent on the average power consumption of the AP, and can be reduced by energy efficient scheduling. In this paper, we consider the problem of satisfying vehicle communication requirements while minimizing the energy needed by the roadside access point. The problem is formulated as a Mixed Integer Linear Program (MILP) which provides an upper bound for the performance of any realizable scheduling algorithm. We then propose a Nearest Fastest Set (NFS) scheduler that uses vehicle location and velocity inputs to address the problem. Results from a variety of experiments show that the proposed scheduling algorithm performs well when compared to the performance bound.

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 enseignants0,185
Score d'incertitude au seuil0,803

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 Opus0,002
Tête enseignante GPT0,183
Écart entre enseignants0,180 · 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

Citations33
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

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