MétaCan
Menu
Retour à la cohorte
Enregistrement W2594139946 · doi:10.1109/access.2017.2679606

Relay Selection for Heterogeneous Transmission Powers in VANETs

2017· article· en· W2594139946 sur OpenAlexaff
Maryam Alotaibi, Hussein T. Mouftah

Notice bibliographique

RevueIEEE Access · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRelayComputer networkRetransmissionTransmission (telecommunications)Wireless ad hoc networkVehicular ad hoc networkWirelessNode (physics)Network packetDistributed computingPower (physics)Telecommunications

Résumé

récupéré en direct d'OpenAlex

The main challenge in the vehicular ad hoc network vehicle-to-vehicle (V2V) multi-hop dissemination is to control the number of vehicles, that relay the broadcast message. Proper selection of relay nodes governs high delivery ratio, acceptable overall end-to-end delay, and efficient bandwidth usage. To date, several protocols have been proposed to identify appropriate relay vehicles. However, such approaches neglect the fact that vehicle transmission ranges are typically heterogeneous due to different transmission power values or dynamic adjustment of power to alleviate congestion and/or control energy consumption. In this paper, we introduce area-based dissemination protocols that work in heterogeneous transmission powers. The transmissions between relay vehicles are ordered in way that ensures that the node with high potential new coverage area transmits first. This eliminates useless transmission and retransmission that could be contained by other transmission. The new potential coverage area is computed as a function of the common overlap areas. In addition, we propose more reliable approaches by relaying duplicate received message. Thus, we introduce a geometric taxonomy for all possible overlap patterns in wireless environment, which is an apparently hitherto unsolved geometrical problem. Accordingly, we deduce the criteria used to define each pattern and relevant algebraic expression to compute the potential additional coverage area.

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 candidatesaucune
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: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,647

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 Opus0,021
Tête enseignante GPT0,290
Écart entre enseignants0,269 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations19
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

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