MétaCan
Menu
Retour à la cohorte
Enregistrement W2944741907 · doi:10.1109/tmc.2019.2915071

A Seamless Mobility Management Protocol in 5G Locator Identificator Split Dense Small Cells

2019· article· en· W2944741907 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Mobile Computing · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MIMO Systems Optimization
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkMobility managementHandoverPacket lossNetwork packetScalabilityRouting protocolDistributed computingOperating system

Résumé

récupéré en direct d'OpenAlex

Network densification with Small Cells (SCs) has emerged as a key technique to increase the 5G network capacity. However, in a densified network, fast mobile nodes will experience frequent handovers with a high signaling load, handover latency, and packet loss, due to the short cell radius. Indeed, Distributed Mobility Management (DMM) protocols aim to solve the shortcomings of centralized mobility management solutions such as poor scalability and non-optimal routing. However, when the cell residence time is short, DMM protocols might suffer from increased costs and limited performance. This paper proposes a localized mobility management protocol in 5G dense SCs, based on the locator identifier separation protocol, local mobility anchoring, and fast handovers concepts. The proposed scheme divides a local domain into several location service areas, each controlled by a local anchor. We provide the analytical models of several handover metrics, namely the average total signaling cost, the data delivery cost, the handover latency, and the packet loss. Numerical and simulation results show significant cost savings, up to 30 percent in signaling overhead, up to 53 percent of packet loss, and up to 90 percent of processing load reduction at the core of the network compared to the existing lisp mobile node protocol.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,807
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,236
Écart entre enseignants0,227 · 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