MétaCan
Menu
Retour à la cohorte
Enregistrement W2601943225 · doi:10.1504/ijnvo.2017.10004173

Theoretical framework of link stability-based forwarding strategy in vehicular ad hoc networks

2017· article· en· W2601943225 sur OpenAlexaff
Mohammad M. Kadhum, Tat‐Chee Wan, Sabri M. Hanshi

Notice bibliographique

RevueInternational Journal of Networking and Virtual Organisations · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkVehicular ad hoc networkPacket forwardingRouting protocolNetwork packetRouting (electronic design automation)Link (geometry)Wireless ad hoc networkOptimized Link State Routing ProtocolDistributed computingWirelessTelecommunications

Résumé

récupéré en direct d'OpenAlex

The nature of vehicular ad hoc networks (VANET) brings challenges that prompt researchers to address relevant problems. One of serious challenges is to design a robust routing protocol that is capable of tackling the frequent link disruptions which are caused by vehicle mobility. Geographic forwarding strategy-based routing protocols are found more suitable in highly dynamic network such VANET. Link expiry time-based (LET) routing is being utilised to minimise link breakages in effectively mobile networks. However, it may cause some issues such as increasing delay and routing loops due to non-optimal selection of next-hop. This paper proposes a relative velocity based geographic forwarding (RVGF) strategy which aims to enhance the link stability with respect to geographic information. Relative velocity model is introduced where speed and direction of vehicles are utilised to improve forwarding decisions in VANET. RVGF can help in minimising the probability of link breakage and ensuring high packet delivery.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,015
Tête enseignante GPT0,262
Écart entre enseignants0,247 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Networking and Virtual OrganisationsMême sujetVehicular Ad Hoc Networks (VANETs)Travaux en français237 207