Probabilistic Area-Based Dissemination for Heterogeneous Transmission Ranges in Vehicular Ad-Hoc Networks
Notice bibliographique
Résumé
In multi-hop dissemination, timer-based and probabilistic methods are high performing methods in Vehicular Ad-hoc Networks (VANETs), owing to their simplicity, low overhead and high efficiency. However, such approaches neglect the fact that vehicle transmission ranges are typically heterogeneous, which could be due to dynamic adjustment of the transmission power value. In our previous work, we introduced a new timer-based method that considers heterogeneous transmission power: area defer transmission (ADT). ADT proves its efficiency over distance-based versions by its high delivery ratio, high propagation speed and reachability. We have extended this work to introduce a probabilistic approach to reduce unnecessary redundancy in heterogeneous environments. We have also examined the integration of the timer area-based and probabilistic area-based methods. Moreover, we have thoroughly investigated the influence of the parameter Tmax in the defer time formula on both approaches. We evaluated the performance of the proposed methods using an actual road map with complex road scenarios and real movement traces. The simulation results show that the probabilistic area-based approach is very fast at disseminating data. It also achieves a reduction in redundancy, but at the expense of reaching more vehicles and long distances. Redundancy and retransmission are reduced more with controlling defer time parameters in timer area-based approaches, without compromising reachability in the network and the same delivery ratio.
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 ».