MétaCan
Menu
Retour à la cohorte
Enregistrement W2788209559

Energy Efficient Route Planning Using VANET

2018· article· en· W2788209559 sur OpenAlexfundno aff
Nazmul Sumon

Notice bibliographique

RevueScholarship at UWindsor (University of Windsor) · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Windsor
Mots-clésComputer scienceEnergy (signal processing)Mathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

One of the key challenges in conducting dynamic route planning is the process of collecting and disseminating instantaneous travel data in real time. Recent studies are evaluating VANET (Vehicular Ad Hoc Network) and its associated WAVE (Wireless Access in Vehicular Environment) standards to facilitate this process. In these studies, travel data accumulated from vehicle OBUs (on board unit) are shared with other vehicles over DSRC (dedicated short- range communication) medium using centralized or distributed approach. In most studies, data collection and dissemination process are not scalable enough for high density traffic environment. Specifically, with a centralized approach, if traffic management center (TMC) or Road Side Unit (RSU) performs route planning for vehicles, there will be many bidirectional communications between the centralized entity and vehicles, leading to higher channel congestion in heavy traffic areas. With a distributed approach, information shared by other vehicles might not be useful or pertinent for some vehicles, leading to wastage of channel bandwidth. Methods used for data collection also need to be intelligent to count in nontraditional circumstances to achieve accuracy. In this thesis, we have proposed a three tiered architecture for data collection, analysis and dissemination. In addition, 1) we demonstrated the concept of queuing delay at intersection for travel time calculation and developed a hybrid metric that considers average travel time and occupancy rate, 2) we offload the computation of route planning to vehicle OBUs and 3) we developed an algorithm that determines the area of propagation for data that needs to be disseminated. We evaluated the performance of our approach progressively using VEINS, SUMO and OMNET++ simulators.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,017
Tête enseignante GPT0,207
Écart entre enseignants0,190 · 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'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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarship at UWindsor (University of Windsor)Même sujetVehicular Ad Hoc Networks (VANETs)Travaux en français237 207