Performance Analysis and Enhancement of WAVE for V2V Non-Safety Applications
Notice bibliographique
Résumé
The wireless access for vehicular environment (WAVE) mandates that data packets of non-safety applications are to be sent within WAVE basic service sets (WBSS). These WBSS are to be established on the least congested service channels. WAVE proposes a mechanism to select such channels; yet, owing to vehicles' high mobility, there is high chance of having overlapped WBSS, yielding unsatisfactory performance. Several approaches have been proposed to mitigate this problem. Nevertheless, they are either inefficient or cost-ineffective. In this paper, we propose a novel approach called altruistic service channel selection (ASSCH) that compels vehicles to cooperate in order to select the least congested service channels for vehicle-to-vehicle (V2V) non-safety applications. ASSCH has three phases: 1) identifying the channel's current state (i.e., free or occupied); 2) predicting channels that are likely to be free in the near future; and 3) selecting the least used channel among them. We then propose a stochastic analytical model for the throughput of V2V non-safety applications considering various factors, including the busy channel at zero, discarded by all existing IEEE 802.11p EDCA models. Simulation results demonstrate that ASSCH outperforms existing allocation-based schemes as it incurs low capture delay, low ratio of overlapping WBSS, and high throughput. Simulation results also show that our analytical model closely matches the throughput of EDCA access categories.
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 ».