Data dissemination for heterogeneous transmission ranges in VANets
Notice bibliographique
Résumé
Distance is a key measure when implementing timer-based dissemination protocols in Vehicular Ad-hoc Networks (VANets). In which the transmission is deferred proportional to distance, aiming to order vehicles transmission, such that the farthest vehicle gets the highest opportunity to relay the message. This will ensure long hops along the road to speed up the dissemination and cover more nodes. However, in case of heterogeneous transmission ranges, the farthest distance will not ensure a proper choice of relay nodes to disseminate the message. Vehicles, whose transmission area enclosed by the sender or have small non-covered transmission area, might be chosen as relay vehicle. This may inhabit other nodes from relaying the message and end the dissemination process early and before it reach the required region. In this paper, we propose the Area Defer Transmission (ADT) dissemination algorithm. ADT enables each vehicle to independently decide to transmit or suppress transmission considering heterogeneous transmission ranges and the amount of area that would be covered by potential new transmission. The performance of the proposed ADT algorithm has been evaluated using an actual road map with complex road scenarios and real movement traces. It has also been thoroughly investigated and compared with other distance-based algorithms. The results demonstrate that ADT achieves high delivery ratio, high propagation speed and less relay ratio with fewer hops that reach long distances.
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 | 0,000 |
| Science ouverte | 0,000 | 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 ».