Offline and Online Scheduling Algorithms for Energy Harvesting RSUs in VANETs
Notice bibliographique
Résumé
Using renewable energy to power roadside units (RSUs) in vehicular ad hoc networks is a desirable green alternative to the conventional electric grid, since it lowers both the carbon footprint and the cost of deployment. This paper investigates the problem of scheduling the downlink communication from renewable energy-powered RSUs toward vehicles, with the objective of maximizing the number of served vehicles. First, an offline setting is considered where the RSUs are assumed to have advance knowledge of the incoming communication requests from vehicles and of the amount of energy to be harvested. The problem is formulated as an integer linear programming model that is shown to be NP-hard and two near-optimal solutions are proposed. The first one is a greedy heuristic that prioritizes communications based on their energy cost and the second is the particle swarm optimization metaheuristic. Then, the problem is considered in an online setting and two different solution approaches are investigated. The first one assumes distributed scheduling control between RSUs and two algorithms are proposed, one based on a stochastic model and the other on simple threshold-based selection of communication requests. The second approach assumes centralized scheduling and two algorithms are also investigated. The first one uses a greedy approach and the second one uses threshold-based selection again. Simulations compare the proposed schedulers and show their efficiency in terms of the number of vehicles served and the service delay. It is concluded that employing energy harvesting RSUs is a viable green alternative to grid-powered ones.
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 | 0,001 | 0,001 |
| 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 ».