A Comparison Study of Connected Vehicle Systems between Named Data Networking and IP
Notice bibliographique
Résumé
Connected vehicle (CV) system has been a very promising technology to improve transportation safety and efficiency, which is a crossing field of intelligent transportation systems (ITS) and the internet of things (IoT). The popular IP-based network protocol has been employed in most CV applications. However, the host-tohost feature of IP protocol is low-efficient for information dissemination. Further more, IP protocol is limited to support direct communication among vehicles with highly ad hoc connectivity. Recently, the next generation network, Named Data Networking (NDN), has been proposed to be a very promising technology to address the information dissemination problem of IP protocol, particularly in cloud computing-based applications and services. In this paper, SimIVC-NDN, a federated simulation platform with the capability of performing a microscopic traffic simulation with both NDN and IP-based networking is proposed. With SimIVC-NDN, we have conducted a quantitative simulation comparison of two CV systems powered by NDN and IP protocols respectively for image dissemination, a common cloud computing service. In the experiments CV systems are constructed based on a calibrated traffic model of Whitemud Drive at Edmonton, Canada. The simulation results show that the NDN-based CV system lowers the packet delay by two orders of magnitude compared with the IP-based one with low packet loss rate, indicating that a NDN-based networking is a promising alternative to the conventional IP-based one for cloud computing applications of CV systems.
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 | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».