MétaCan
Menu
Retour à la cohorte
Enregistrement W2135704295 · doi:10.1109/apscc.2008.44

ABSRP- A Service Discovery Approach for Vehicular Ad Hoc Networks

2008· article· en· W2135704295 sur OpenAlexaff
Brijesh Kadri Mohandas, Amiya Nayak, Kshirasagar Naik, Nishith Goel

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensCistel Technology (Canada)University of WaterlooUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkVehicular ad hoc networkService providerService discoveryService (business)Wireless ad hoc networkDatabase transactionNode (physics)Protocol (science)Routing protocolRouting (electronic design automation)World Wide WebDatabaseWeb serviceTelecommunicationsEngineeringWireless

Résumé

récupéré en direct d'OpenAlex

A vehicular ad hoc network (VANET) is a network of intelligent vehicles that communicate with other vehicles in the network. The main objective of VANET is to provide comfort and safety for passengers. In addition, various transaction based services, such as information about gas prices, restaurant menu, and discount sale, can be provided to drivers. In order to make these services available, there is a need for an efficient service discovery protocol. In this paper, we propose a new protocol called Address Based Service Resolution Protocol (ABSRP) to discover services in vehicular ad-hoc networks. As most of the transaction based services are provided by roadside units, we exploit their presence to perform service discovery. We utilize the unique address assigned to each service provider in order to discover a route to that service provider. Our technique proactively distributes the service provider's address along with its servicing capabilities to other roadside units within a particular area. Each roadside unit will then utilize this information to service the request placed by the vehicles. If the service provider (destination node) is not reachable over the vehicular network, we propose to use a backbone network to service requests. Our approach is independent of the network layer routing protocol. We have evaluated the performance of our approach by using the Qualnet simulation tool.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,826
Score d'incertitude au seuil1,000

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 Opus0,013
Tête enseignante GPT0,191
Écart entre enseignants0,178 · 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.

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

Citations36
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

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