Routing in heterogeneous vehicular networks using an adapted software defined networking approach
Notice bibliographique
Résumé
Software Defined Networking (SDN) has been already used in recent literature to add flexibility and programmability to Vehicular Ad hoc Networks (VANETs). However, there are numerous open issues in implementing SDN for central control and management of VANETs. One open problem is how to adapt SDN for routing data from a source to a destination in VANETs. The main limitation of recent literature is that they don't consider the dynamic topology of VANETs when designing an SDN-enabled routing protocol. This limitation results in inefficient resource usage and congestion in VANETs. Moreover, there exist challenges on how a central SDN controller can contribute in efficient resource sharing and maintaining QoS in VANETs. In this paper, we use SDN controller to mitigate congestion of Vehicle-to-Vehicle communications while routing data on road segments. This is achieved by efficient utilization of VANET bandwidth on road segments. In contrast to recent contributions, the proposed SDN controller provides a novel routing mechanism that takes into account other existing routing paths which are already relaying data in VANET. New routing requests are addressed such that no road segment gets overloaded by multiple crossing routing paths. This approach incorporates load balancing and congestion prevention in the routing mechanism. We model the problem as a Weight Constrained Shortest Path Problem (WCSPP) and provide an efficient algorithm for a practical solution. Our simulations show QoS improvement, in terms of channel busy ratio, achieved by our proposal in comparison with recent related contributions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».