Using passive RFID tags for vehicle-assisted data dissemination in intelligent transportation systems
Notice bibliographique
Résumé
Intelligent transportation systems (ITS) in the form of vehicular adhoc networks (VANETs) have engaged significant interest from the academic, industry and government sectors. Data dissemination is of the utmost importance for the day-to-day operation of ITS applications. Numerous standards, architectures and communication protocols have been anticipated for data diffusion in ITS applications. However, existing schemes are based on an essential condition that the relaying vehicle has to be equipped with an active communication module - termed Intelligent Vehicle (IV). One of the major drawbacks of these schemes is that they do not exploit the potentially large number of non-intelligent vehicles (non-IVs), i.e., the vehicles without any active communication module for relaying and diffusion purposes. In this paper, we fill this gap by proposing a novel data dissemination scheme utilizing a non-IV to act as a data ferry. The non-IV is tagged with a low-cost passive RFID tag whereas the IV is equipped with an embedded RFID reader. The non-IVs ubiquitously store and carry the events in the passive tags, as recorded by the IV or by the roadside equipment, as they maneuver around the city blocks. Two system configurations, namely co-operative and stand-alone with and without vehicle-to-infrastructure (V2I) support, respectively, are also proposed. Simulation results show the proposed scheme's effectiveness and performance superiority over the existing active-based data dissemination methods.
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 | 0,001 |
| 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 ».