MétaCan
Menu
Retour à la cohorte
Enregistrement W2959164177 · doi:10.1109/icc.2019.8761321

Online UAV Scheduling Towards Throughput QoS Guarantee for Dynamic IoVs

2019· article· en· W2959164177 sur OpenAlexaff
Feng Lyu, Peng Yang, Weisen Shi, Huaqing Wu, Wen Wu, Nan Cheng, Xuemin Shen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésComputer scienceThroughputQuality of serviceComputer networkScheduling (production processes)Base stationScheduleTelecommunications linkWirelessReal-time computingTelecommunicationsMathematical optimization

Résumé

récupéré en direct d'OpenAlex

Ensuring network QoS for Internet of vehicles (IoVs) is crucial for safe and intelligent transportation system, while the vehicle density variation seems invincible for stationary base station (BS) networks. In this paper, we study IoV's downlink throughput guarantee, in which, in addition to the cellular BS resource, UAVs (equipped with WiFi interfaces) can be dynamically sent out to provide additional wireless connections. To cope with the dynamic IoV density, we propose an Online UAV Scheduling scheme, referred to as OUS, to online schedule and manage UAVs to guarantee seamless connections with reliable throughput performance. In OUS, we first use the complementary cumulative distribution function (CCDF) of IoV throughput to calculate the likelihood of a channel resource shortage. If a shortage condition is imminent and then minimal UAVs will be sent out to their optimal hovering positions. In particular, we revealed the marginal effect for the optimal hovering position acquisition, i.e., the further the UAV is away from the BS, the larger throughput gain can be achieved by the system. We conduct extensive simulations to evaluate the performance of our OUS scheme, and results demonstrate that it can well react to the throughput QoS demand by intelligently sending out minimal UAVs, and its hovering position acquisition method can fully utilize the efficacy of UAVs.

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 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 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 enseignants0,526
Score d'incertitude au seuil0,360

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,008
Tête enseignante GPT0,241
Écart entre enseignants0,233 · 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 tête enseignante, 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

Citations13
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUAV Applications and OptimizationTravaux en français237 207